基于支持向量机的5种大黄苷元治疗脑缺血的配伍研究

目的筛选大黄中5种能够治疗脑缺血的大黄苷元(芦荟大黄素、大黄酸、大黄素、大黄酚、大黄素甲醚)的最佳配伍。方法采用均匀设计法将大鼠分为14组,每组15只。采用线栓法制备大鼠大脑中动脉闭塞(MCAO)模型,以神经功能症状评分、脑梗死面积为指标,探讨不同配伍的大黄苷元对脑缺血大鼠的影响,同时基于支持向量机(SVM)建立大黄苷元药效预测模型。结果经SVM回归分析,得到大黄苷元最优配伍为芦荟大黄素6.653 4 mg/kg、大黄酸26.000 8 mg/kg、大黄素11.004 2 mg/kg、大黄酚3.841 4 mg/kg和大黄素甲醚3.862 0 mg/kg。结论不同配比的大黄苷元能有效改善大鼠脑缺血的各个指标,采用均匀设计结合SVM的模拟预测方法优选出了5种大黄苷元组分的最佳配比。     

Integrated decision strategies for skin sensitization hazard

One of the top priorities of the Interagency Coordinating Committee for the Validation of Alternative Methods (ICCVAM) is the identification and evaluation of non‐animal alternatives for skin sensitization testing. Although skin sensitization is a complex process, the key biological events of the process have been well characterized in an adverse outcome pathway (AOP) proposed by the Organisation for Economic Co‐operation and Development (OECD). Accordingly, ICCVAM is working to develop integrated decision strategies based on the AOP using in vitro, in chemico and in silico information. Data were compiled for 120 substances tested in the murine local lymph node assay (LLNA), direct peptide reactivity assay (DPRA), human cell line activation test (h‐CLAT) and KeratinoSens assay. Data for six physicochemical properties, which may affect skin penetration, were also collected, and skin sensitization read‐across predictions were performed using OECD QSAR Toolbox. All data were combined into a variety of potential integrated decision strategies to predict LLNA outcomes using a training set of 94 substances and an external test set of 26 substances. Fifty‐four models were built using multiple combinations of machine learning approaches and predictor variables. The seven models with the highest accuracy (89–96% for the test set and 96–99% for the training set) for predicting LLNA outcomes used a support vector machine (SVM) approach with different combinations of predictor variables. The performance statistics of the SVM models were higher than any of the non‐animal tests alone and higher than simple test battery approaches using these methods. These data suggest that computational approaches are promising tools to effectively integrate data sources to identify potential skin sensitizers without animal testing. Published 2016. This article has been contributed to by US Government employees and their work is in the public domain in the USA.     

基于NIRS技术和PCA-SVM算法6种树脂及其他类中药的快速鉴别

目的:利用近红外漫反射光谱(NIRS)法,结合主成分分析(PCA)和支持向量机(SVM)联用算法,建立6种树脂及其他类中药安息香(Benzoinum),琥珀(Succinum),没药(Myrrha),乳香(Olibanum),松香(Colophonium),天竺黄(Bambusaen Concretio Silicea)的NIR模式识别模型,用于该6味中药的快速鉴别。方法:收集上述6种中药样品,经性状鉴别和理化分析确定正品药材55批,粉碎成均匀粉末,在4 000~12 000 cm~(-1)光谱区,采集各样品粉末的NIR光谱,选取特征谱段9 000~5 400,5 000~4 000 cm~(-1)为建模谱段,分别采用矢量归一化法(vector normalization,VN),一阶导数法(first derivative,FD),二阶导数法(second derivative,SD)3种不同光谱预处理方法进行预处理并分别进行PCA降维。根据主成分空间散点图,优选最佳预处理方法。利用最佳预处理方法处理后光谱的PCA降维数据,建立SVM模式识别模型,SVM模型参数c和g采用网格搜索法结合五折交叉验证进行寻优。对比不同主成分数所建PCA-SVM模型的预测准确率,确定最佳的主成分数,最终建立6种中药NIR快速鉴别模型。结果:在9 000~5 400,5 000~4 000 cm~(-1)建模谱段,确定最佳光谱预处理方法为SD,SD预处理光谱PCA降维后,确定最佳主成分数为3个,累计贡献率达93.57%。经网格搜索法确定最佳SVM建模参数组为c=65 536,g=512。所建PCA-SVM模型对训练集和验证集样品预测正确率均达100%,模型五折交叉验证准确率亦达100%。结论:所建的6种中药NIR光谱PCA-SVM鉴别模型,预测准确率高,模型预测能力强,结合NIRS技术无损、快速的优点,该模型可用于上述6种中药的无损、快速鉴别。     

药物靶标预测技术在中药网络药理学中的应用

近年来,随着网络药理学逐渐兴起,特别是"网络靶标"概念的提出,引发了中医药新的研究热潮。其所强调的整体性与系统性和中医药理论不谋而合,能够很好的解释中医药的深刻内涵,包括中药作用机制解释,药效物质的寻找,君臣佐使配伍机制阐释等,更加适合中医药的学术特点和实际。而如何高效快速地识别大量的药物与靶标蛋白间的相互作用则成为中药网络药理学研究中的一个关键问题。药物-靶标相互预测技术作为一种高效而高通量的手段,能够减少成本,快速预测成分靶标,为中药网络药理学的应用奠定基础。事实上,针对庞大的化合物和靶标数据库,不同的预测方法和技术都被开发出来,并用于预测药物和靶标的关系,且已经有许多虚拟筛选技术成功的应用于网络药理学中。根据预测原理的不同,药物-靶标相互预测技术和策略大致可以分为4类,即基于配体的预测方法,基于靶标的预测方法,机器学习方法和组合应用的预测方法。该文就药物靶标预测方法及其在中药网络药理学的应用现状进行较系统的阐述,希望能够为广大中药研究者提供有益的参考和借鉴。     

人工智能在乳腺超声中的应用与发展

人工智能是利用计算机模拟人类学习、思考及作出判断的技术和方法,在医学影像领域应用中为临床流程带来便利,也为疾病诊断、治疗和预后提供更多的信息。而超声技术与人工智能的结合为乳腺诊断带来革新,本文就人工智能在乳腺超声中的流程及方法、应用和发展作一综述。     

预测上皮性卵巢癌复发机器学习模型及列线图的建立

目的:本研究拟基于机器学习及Cox回归开发上皮性卵巢癌复发机器学习模型及列线图。方法:回顾性分析2010年01月至2020年12月于云南省肿瘤医院确诊739例Ⅲ-Ⅳ期EOC患者的医疗记录。收集患者的基本信息、手术、化疗细节和预后结果。使用单多因素逻辑回归及Cox回归筛选变量,使用5种机器学习算法基于单多因素逻辑回归的结果构建预测模型,采用10折交叉验证方法评估模型性能。基于Cox回归结果开发列线图。结果:739例患者中,399（54.0%）例最终发生了复发,340（46.0%）例未复发。复发患者分期以ⅢC期为主,占59.1%,病理类型以浆液性癌为主,占91.0%。单多因素逻辑回归显示围手术期化疗周期、术后残余病灶、手术方式、新辅助化疗是与复发独立相关的4个变量,基于这些变量和FIGO分期建立5个机器学习模型,XGBoost在识别复发病例方面表现最佳,AUC为0.775。Cox回归分析显示,术前局部灌注化疗、残余病灶直径、围手术期化疗周期、手术方式是影响复发的独立危险因素,基于上述因素开发了晚期上皮性卵巢癌患者复发的预测列线图。结论:机器学习模型和列线图可早期识别卵巢癌复发,通过早期识别可改善晚期卵巢癌预后。     

KTP激光联合不同义管植入治疗鼻泪管阻塞的I晦床观察

目的观察泪道激光联合不同类型义管植入治疗鼻泪管阻塞的效果。方法将50例（58眼）随机分为三组,用KTP泪道激光机先行泪道激光成形术,分别选择硬麻管（A组）、球头硅胶管（B组）、一次性泪道再通管（C组）植入鼻泪道,观察疗效。结果所有患者随访观察1年,A组有效率达56．2％,B组达77．2％,C组达95．0％。结论泪道激光成形术中植入不同的义管可明显影响治疗的有效率。     

沙美特罗替卡松联合BiPAP在慢性阻塞性肺疾病治疗中的应用研究

目的：探讨沙美特罗替卡松联合双水平气道正压通气（BiPAP）在慢性阻塞性肺疾病（COPD）合并呼吸衰竭治疗中的应用价值。方法：选取本院2007年7月~2011年3月收治的250例COPD合并Ⅱ型呼吸衰竭患者的临床资料,随机分为治疗组（130例）和对照组（120例）,对照组患者采用沙美特罗替卡松粉吸入剂治疗,治疗组患者采用沙美特罗替卡松粉吸入剂联合BiPAP呼吸机治疗,随访4周,比较两组患者动脉血气分析及肺功能变化情况。结果：治疗组患者肺功能及动脉血气分析明显优于对照组,两组患者比较差异有统计学意义（P〈0.05）。结论：沙美特罗替卡松联合BiPAP呼吸机治疗慢性阻塞性肺疾病,疗效满意,值得在临床推广。     

心肺复苏器在心跳骤停抢救中的应用（附42例报告）

目的：探讨影响心肺复苏(CPR)效果的因素，以提高心肺复苏成功率。方法：应用“萨勃”心肺复苏器代替手动武心肺复苏抢救心跳骤停患者1028例。其中42例病因可逆、心跳骤停≤30分钟，从心肺复苏胸外心脏按压时间、胸骨下陷距离、压力方向、节律和按压力量、床垫下陷、病人身材、人工通气等多方面因素与手动武心肺复苏比较。结果：“萨勃”CPR明显优于手动武CPR。结论：“萨勃”CPR克服了手动CPR中因为医护人员或病人影响复苏效果因素，使CPR更趋标准有效，显著提高心肺复苏成功率，值得临床推广应用。