哺乳动物的基因组印记与印记基因疾病

本文综述了哺乳动物的基因组“印记’’的最新研究进展，阐述了印记性状的特点及基因组印记的可能机制。并论述了最新发现的一些哺乳动物与基因组“印记”有关的疾病。     

工业毒物对女工生殖危害的调查研究

为了解工业毒物对女工的生殖危害,对重庆市的制药、农药、化工、机械4种行业中的6个企业的已婚女工进行问卷调查.结果表明:接触组女工出现月经经期异常、周期异常、经期不适以及妊娠并发症的阳性率均显著高于对照组(P<0 05).接触组阴道炎、盆腔炎、宫颈炎患病率均高于对照组(P<0 05).接触组中工龄大于10a的妇科肿瘤发生率明显高于对照组(P<0 05).认为工业毒物可能致妇科疾病和妇科肿瘤.     

用提升小波变换提取诱发脑电

提出了一种利用小波分解和重构进行诱发脑电信号的有效提取方法.改变了小波变换的Mallat算法运算量较大,难于满足某些实时性较高的系统需求,采用提升小波变换进行诱发电位的提取,其运算量只有传统方法的一半左右,有助于提高系统的实时性.实验结果表明:用提升小波变换提取诱发脑电信号,能有效的改进实验曲线的信噪比、缩短信号的处理时间,将可以提高BCI系统的通信速率.     

幽门螺杆菌感染与胃肠外疾病

目的综述幽门螺杆菌(Helicobacter pylori,Hp)感染与胃肠外疾病的关系.方法对近年来的文献进行整理归纳.结果幽门螺杆菌感染不仅与慢性胃炎、消化性溃疡等密切相关而且还与某些胃肠外疾病有一定的相关性.结论幽门螺杆菌作用机制复杂,在不同的疾病中起着不同的作用,弄清幽门螺杆菌作用机制将具有重要的临床意义.     

人源噬菌体抗体库的构建及抗D-二聚体抗体的获得

目前国际和国内筛选蛋白所用的技术主要是噬菌体展示技术和酵母双杂交技术。噬菌体展示技术在抗体的筛选方面已显示出良好的应用前景。本实验应用噬菌体展示技术展示出血栓病人的抗体，形成对血栓病人的抗体库。并从中淘选出能与血栓降解产物之一的D-二聚体有特异结合作用的抗体Fabp13。抗D-二聚体的Fab在XL1-Blue中得到可溶表达。再利用抗D-二聚体抗体进行竞争ELISA检验，证实p13具有抗D-二聚体的活性。从而我们筛选得到了抗D-二聚体抗体Fab p13。     

色素上皮源性因子——一种新的神经营养和保护因子

PEDF是最近发现的一种神经营养因子，在许多组织均由表达。它具有强大的营养和保护神经作用。已有研究显示其作用机制主要涉及N-端结构域，改变细胞内钙离子，影响其它因子和胶质细胞而发挥作用等等。它对于神经疾病的治疗可能具有很大的潜力。     

面向脑MR影像分割与偏置场修正的FCM方法

传统模糊C-均值(fuzzy C-means,FCM)算法以及结合空间信息的改进方法在分割脑磁共振(magnetic resonance,MR)影像时对噪声十分敏感,且无法消除脑MR影像中的偏置场。针对上述问题,提出一种面向脑MR影像分割与偏置场修正的FCM方法。该方法充分利用图像中的空间局部信息和非局部信息,分别构造出多局部信息模糊因子和非局部权重,在提高算法抗噪性的同时,尽可能多地保持图像细节;建立偏置场模型,以去除脑MR影像中的灰度不均匀性;将提出的多局部信息模糊因子和非局部权重嵌入到带有偏置场模型的FCM方法中,以实现噪声和偏置场条件下的脑MR影像分割。实验结果表明,与其他方法相比,所提方法对脑MR影像中的噪声具有更强的抑制能力,且能够有效消除偏置场对脑MR影像分割的影响,具有更优的分割性能。     

脑心肌炎病毒pCMV-HA-VP2表达载体的构建及在HEK293细胞中的表达

目的:构建脑心肌炎病毒(Encephalomyocarditis Virus,EMCV)衣壳蛋白VP2基因的真核表达载体pCMV-HA-VP2,并在HEK293细胞中表达.方法:提取EMCV的总RNA,RT-PCR扩增VP2基因,酶切后构建带HA标签的真核表达质粒pCMV-HA-VP2,运用脂质体介导法将其转染至HEK293细胞中,分别进行过表达检测、Westernblotting分析及IFA检测来验证VP2基因的转录及表达情况.结果:重组表达载体pCMV-HA-VP2构建成功,转染至HEK293细胞中,VP2蛋白和HA标签融合表达成功.结论:EMCV衣壳蛋白VP2基因的真核表达载体pCMV-HA-VP2在HEK293细胞中的成功表达,为EMCV衣壳蛋白的功能研究提供理想的实验材料,同时也为EMCV感染机制及其受体研究奠定基础.     

一种运动想象脑电信号半监督算法

针对脑机接口中两类左右手运动想象任务,提出一种依据迭代训练次数不断更新训练集样本的半监督算法.使用多重自相关分析算法,选择置信度较高的脑电信号样本并加入初始训练集;分别使用公共平均参考法与共空域模式算法,对样本进行预处理及特征提取;最后使用支持向量机对样本进行测试,根据迭代学习次数按照递进方式移除置信度较低的样本,并利用剩余样本继续训练模型,从而优化特征提取器及分类器参数.通过对标准脑电竞赛数据库BCI IV Dataset Ⅱa中左右手运动想象数据的测试表明,该算法与其他算法相比,在训练样本数目较少的情况下,具有较高的分类正确率.