基于弥散张量成像的脑白质微结构分析方法在视路损伤中的应用进展

视觉通路包括视神经、视交叉、视束、视放射及视皮质。常规磁共振检查技术难以发现视路损伤后白质纤维微结构改变,眼科学检查也存在一定的局限性及主观性,且不能探测后视路的变化。弥散张量成像(diffusion tensor imaging,DTI)作为一种新兴的磁共振成像技术,通过各种后处理分析方法结合不同的参数进行分析,可提供组织的微结构信息,并能够直观显示活体白质纤维束,在无创地探索疾病的神经病理机制、评估预后方面起着重要的作用。近年来随着DTI后处理方法的不断创新,其在视路损伤中的研究越来越多。本文在介绍DTI的主要参数及常见脑白质微结构分析方法的同时,阐述了其在视路损伤研究中的应用,并进一步对各种分析方法的优缺点进行总结。     

丹参酮生物合成相关SmERF108转录因子的鉴定及其靶基因分析＊

目的 鉴定与丹参酮合成相关转录因子AP2/ERF家族中SmERF108转录因子，并分析转录因子SmERF108的靶基因。方法 利用生物信息学在线分析平台如NCBI、PFAM等分析SmERF108的序列特征；MEGA-X软件用于构建SmERF108与不同功能转录因子的系统进化树；拟南芥原生质体转化法鉴定SmERF108蛋白的亚细胞定位；通过实时荧光定量PCR（Real-time qPCR）对SmERF108基因在丹参不同器官和组织差异表达进行检测；利用酵母体系对SmERF108的转录激活活性进行探究并用酵母单杂技术确定其靶基因。结果 SmERF108具有典型的AP2/ERF保守结构域，属于ERF-B3亚组，系统进化树和保守基序分析显示SmERF108与丹参中SmERF128、青蒿中AaERF2亲缘关系较近且保守基序分布一致；亚细胞定位显示SmERF108蛋白定位于细胞核；SmERF108基因在周皮中表达最高，且呈现周皮（R1）>韧皮部（R2）>木质部（R3）的规律；酵母自激活验证SmERF108具有转录激活活性，同时酵母单杂交确认其能与关键酶基因SmCPS1启动子结合。结论 鉴定到丹参中一个新转录因子SmERF108，生物信息学分析及差异表达分析预测与丹参酮合成相关，分子互作初步证实靶基因为SmCPS1二萜环化酶。     

骨肉瘤差异表达基因的生物信息学分析及关键基因筛选

目的筛选成骨型骨肉瘤与正常成骨细胞的差异表达基因, 寻找成骨型骨肉瘤发生、发展的关键基因。方法从Gene Expression Omnibus(GEO)数据库获得正常成骨细胞和骨肉瘤组织的基因表达数据集GSE33382, 采用R语言的limma包筛选正常成骨细胞和成骨型骨肉瘤的差异表达基因, 对差异表达基因进行京都基因与基因组百科全书(KEGG)通路富集分析。采用String数据库构建蛋白交互网络, 应用Cytoscape软件的分子复合物检测(MCODE)插件筛选互作网络中的网络模块, 应用Cytoscape软件中的BiNGO模块对MCODE筛选得到的前3个主要模块所包含的差异表达基因进行基因本体(GO)富集分析。采用MCC算法筛选蛋白互作网络中前10个关键基因。从GEO数据库获得骨肉瘤的基因表达和生存数据集GSE39055, 采用Kaplan-Meier法进行生存分析。选取2005年1月至2015年12月福建医科大学附属第一医院收治的48例成骨型骨肉瘤患者的资料进行验证, 采用免疫组化法测定骨肉瘤组织中STC2蛋白的表达, 结合患者的临床资料进行生存分析。结果从GSE33382数据集...     

基于CiteSpace可视化分析代谢组学在中医药领域的研究现状及趋势＊

目的 应用可视化方法分析代谢组学在中医药领域的现状及趋势。方法 检索中国知网数据库（CNKI）和Web of Science 核心合集数据库2021年3月15日之前收录的中医药领域代谢组学研究的相关文献，应用CiteSpace软件对纳入的文献进行关键词、作者、研究机构等内容进行可视化分析。结果 共纳入中文文献247篇，英文文献350篇。文献数量在波动中迅速上升。中、英文文献作者合作网络显示，张爱华是中医药领域代谢组学研究发文量最多的作者，并形成了核心研究团队。发文机构显示，中国医学科学院是该领域的重要研究机构，机构间合作紧密。中、英文文献关键词分析显示，研究内容主要集中在核磁共振、代谢标记物、冠心病、质谱技术、代谢通路等相关领域。结论 中医药领域代谢组学研究的热点主要为中医药治疗代谢性疾病的机制研究。研究趋势为卵泡代谢组学研究及中药有效成分的研究。     

Comprehensive interrogation of gene lists from genome-scale cancer screens with oncoEnrichR

Genome-scale screening experiments in cancer produce long lists of candidate genes that require extensive interpretation for biological insight and prioritization for follow-up studies. Interrogation of gene lists frequently represents a significant and time-consuming undertaking, in which experimental biologists typically combine results from a variety of bioinformatics resources in an attempt to portray and understand cancer relevance. As a means to simplify and strengthen the support for this endeavor, we have developed oncoEnrichR, a flexible bioinformatics tool that allows cancer researchers to comprehensively interrogate a given gene list along multiple facets of cancer relevance. oncoEnrichR differs from general gene set analysis frameworks through the integration of an extensive set of prior knowledge specifically relevant for cancer, including ranked gene-tumor type associations, literature-supported proto-oncogene and tumor suppressor gene annotations, target druggability data, regulatory interactions, synthetic lethality predictions, as well as prognostic associations, gene aberrations and co-expression patterns across tumor types. The software produces a structured and user-friendly analysis report as its main output, where versions of all underlying data resources are explicitly logged, the latter being a critical component for reproducible science. We demonstrate the usefulness of oncoEnrichR through interrogation of two candidate lists from proteomic and CRISPR screens. oncoEnrichR is freely available as a web-based service hosted by the Galaxy platform ( https://oncotools.elixir.no ), and can also be accessed as a stand-alone R package ( https://github.com/sigven/oncoEnrichR ).     

基于CiteSpace的结直肠癌患者生命质量研究

目的：通过中英文文献了解结直肠癌患者生命质量研究现状及发展趋势。方法：运用CiteSpace对中国知网（CNKI）、万方数据知识服务平台、中国生物医学文献数据库、Web of Science核心数据集、PubMed、Cochrane Library中收录的关于结直肠癌患者生命质量研究的中英文文献进行可视化分析。结果：检索得到中文文献1 285篇，英文文献871篇，中英文文献发文量均呈上升趋势，相关研究关注的重点主要是结直肠癌患者造口、抑郁、免疫、肠道功能、化疗及化疗药物，但机构之间、学者之间合作程度及研究类型等方面存在一定差异。结论：中文文献相关研究起步晚、发展快，但在研究质量与研究深度等方面与英文文献相比还有一定差距；国内学者之间、机构之间应加强合作，关心患者肠道功能、心理状况，提高患者体力活动水平，开展更多高质量研究。     

A fully automated sex estimation for proximal femur X-ray images through deep learning detection and classification

PurposeTo develop a fully automated deep learning pipeline using digital radiographs to detect the proximal femur region for accurate automated sex estimation.MethodRadiograph predictive features from 2122 Chinese Han clinical pelvic with ages ranging from 18 to 26 years were collected retrospectively to train and test the sex prediction model using deep machine learning’s convolutional neural networks (CNN). Model performance was assessed using a Chinese Han population with 361 samples and a white population with 50 samples. The average accuracy of the sex estimation of the two test datasets was determined.ResultsFor the Chinese Han population test dataset, the sex estimation accuracy was 94.6% (males: 93.9% and females: 94.7%). For the white population samples, the accuracy of sex estimation was 82.9% (males: 80.9% and females: 88.6%). The accuracy of CNN tested in the Chinese population was significantly higher than that tested in the White population (p < 0.001)ConclusionsThe model based on convolutional neural networks has an accuracy similar to that of current state-of-the-art mathematical functions using manually extracted features for the Chinese Han population samples, proving to be a reliable choice for the human sex estimation.