炭疽病的诊断及危险度预测智能模型研究

目的建立以临床和流行病学指标为基本分析因子的综合诊断及预测炭疽危害程度的智能预测模型,提高对炭疽病发生的认识和判断能力。方法根据实际疾病案例资料,分析临床症状、实验室检测指标、流行病学特征等因素。选入明显影响炭疽诊断和流行强度的指标,并将其作为神经元单位。利用Matlab 6．1软件中的神经网络工具箱训练、调整和建立智能化分析系统。结果多因素相关分析显示,疾病潜伏期、胸部X线检验结果、镜检结果、职业特征等11项指标与炭疽病的诊断和流行强度有关;神经网络经500步学习和训练,训练误差从6．669 59下降至5．05119×10-11,通过建立的智能神经网络模型对炭疽和非炭疽实际案例进行诊断和预测分析,其平均符合率达到100％。结论人工神经网络在疾病综合特征与炭疽诊断和危害度预测之间建模是可行的,所训练的智能模型预测平均符合率达100％,有很好的实际应用价值。     

大豆异黄酮抑制Bcap-37细胞增殖与TGF-β关系的研究

目的　探讨大豆异黄酮抑制Bcap-37人乳腺癌细胞增殖时TGF-β和TGF-β受体表达的改变。方法　以二羟异黄酮、三羟异黄酮处理Bcap-37细胞,采用TGF-β拮抗试验、免疫细胞化学和逆转录聚合酶链式反应等实验方法,检测大豆异黄酮作用后Bcap-37人乳腺癌细胞TGF-β1、TGF-β2及受体表达的变化。结果　3×10-5 mol/L三羟异黄酮作用后Bcap-37细胞TGF-β1、TGF-β2及受体表达增强,而二羟异黄酮处理组其表达无明显改变。结论　三羟异黄酮抑制Bcap-37细胞增殖同时伴有TGF-β1、TGF-β2及受体表达增强。     

大豆异黄酮抑制Bcap—37细胞增殖与TGF—β关第的研究

目的　探讨大豆异黄酮抑制Bcap 3 7人乳腺癌细胞增殖时TGF β和TGF β受体表达的改变。 方法　以二羟异黄酮、三羟异黄酮处理Bcap 3 7细胞 ,采用TGF β拮抗试验、免疫细胞化学和逆转录聚合酶链式反应等实验方法 ,检测大豆异黄酮作用后Bcap 3 7人乳腺癌细胞TGF β1、TGF β2 及受体表达的变化。结果　 3× 10 -5mol/L三羟异黄酮作用后Bcap 3 7细胞TGF β1、TGF β2 及受体表达增强 ,而二羟异黄酮处理组其表达无明显改变。结论　三羟异黄酮抑制Bcap 3 7细胞增殖同时伴有TGF β1、TGF β2 及受体表达增强。