氟砷联合染毒对大鼠牙齿组织BMP-2、RANK、PI3K、Akt1基因转录水平的影响

[目的]通过建立慢性氟砷联合染毒大鼠模型,观察骨形态发生蛋白2(BMP-2)、核因子κB受体活化因子(RANK)、磷脂酰肌醇-3激酶(PI3K)、蛋白激酶B1(Akt1)基因mRNA相对表达水平在氟砷联合染毒大鼠牙齿组织中的变化情况。[方法]选取清洁级Wistar大鼠作为研究对象,按析因设计随机分为16组,每组10只,雌雄各半,采用不同浓度Na F(0.0、5.0、10.0、20.0 mg/kg)和Na As O2(0.0、2.5、5.0、10.0 mg/kg)单独和联合灌胃染毒,每周连续灌胃染毒6 d,停灌1 d,连续染毒6个月。实验结束后处死大鼠。采用氟离子选择电极测牙氟含量,原子荧光光谱法测牙砷含量,实时荧光定量PCR检测大鼠牙齿组织BMP-2、RANK、PI3K和Akt1mRNA相对量表达。[结果]无氟染毒的4组大鼠均无氟斑牙发生,余12组大鼠均出现氟斑牙。牙氟、牙砷含量随单独氟、砷染毒剂量升高而增加。大鼠牙齿组织BMP-2和Akt1mRNA表达水平呈现随氟染毒剂量增加而升高的趋势(P0.05),但并未随砷染毒剂量的改变而发生变化(P0.05)。RANK和PI3K mRNA表达水平呈现随氟染毒剂量增加而下降的趋势(P0.05),各砷染毒剂量组间差异则无统计学意义(P0.05)。氟染毒剂量、牙氟含量与BMP-2和Akt1mRNA表达水平呈正相关(r=0.382、0.302,0.292、0.246,均P0.05),与RANK和PI3K mRNA表达水平呈负相关(r=-0.323、-0.332,-0.193、-0.185,均P0.05),氟斑牙与牙齿组织RANK、PI3K mRNA表达呈负相关(r=-0.283、-0.273,均P0.05),其余无相关性。[结论]过量氟暴露可上调大鼠牙组织BMP-2和Akt1转录水平,下调RANK和PI3K转录水平,从而参与牙齿釉质发育或矿化过程,导致牙齿损伤。氟砷联合暴露致牙齿损伤主要表现为氟的主效应,砷间接参与氟致牙齿损伤作用。     

基于WGCNA和机器学习筛选帕金森病免疫相关关键基因

目的：在帕金森病的发病过程中,免疫系统的异常激活和炎症反应起着重要作用。然而,目前对于免疫相关关键基因在帕金森病发生和发展中的具体作用和作用机制的了解仍然有限。本研究旨在通过加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)和机器学习筛选帕金森病免疫相关关键基因。方法：从基因表达综合(Gene Expression Omnibus,GEO)数据库下载基因芯片数据,采用WGCNA筛选出与帕金森病相关的重要基因模块;将重要模块中的基因导出,绘制帕金森病重要相关基因与免疫相关基因的韦恩图,从而筛选出帕金森病免疫相关基因。采用基因本体(gene ontology,GO)分析和京都基因和基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)深入分析免疫相关基因的功能及参与的信号通路。通过R语言的CIBERSORT包进行免疫细胞浸润分析。采用生物信息学方法和3种机器学习方法[最小绝对收缩和选择算子(least absolute shrinkage and selectio...     

利用机器学习算法分析影响阿尔兹海默病的脂蛋白及代谢物

目的 基于机器学习算法探讨阿尔兹海默病发病的脂蛋白及代谢物影响因素。方法 从ADNI数据库中选取2012年诊断结果为正常（cognitive normal,CN）和阿尔兹海默病（Alzheimer disease,AD）的研究对象共314例,收集其脂蛋白及代谢物数据。采用随机森林、lasso回归、XGboost算法三种方法对变量进行重要性排序及筛选。利用三种方法筛选出的变量,结合研究人群的性别、年龄、婚姻状况构建随机森林模型,预测影响AD发病的重要因素。结果 三种方法共筛选出12个脂蛋白及代谢物变量,结合研究人群的年龄、性别、婚姻状况共15个变量被纳入随机森林模型。模型的准确率为84.13%、灵敏度为93.75%、特异度为53.33%、Kappa值为0.518 3、AUC(95%CI)为0.735(0.600～0.871)。根据随机森林模型中Mean Decrease Accuracy和Mean Decrease Gini两指标分别筛选出的排名前五的变量中均包含以下四个变量：大极低密度脂蛋白中的磷脂与总脂质之比（L＿VLDL＿PL＿PCT）、年龄（AGE）、乳糜微粒和极大极低密度脂蛋白...     

XGBoost算法在轻度认知障碍人群阿尔兹海默病发病预测中的应用

目的:探索极限梯度增强(XGBoost)算法模型在轻度认知障碍(MCI)向阿尔茨海默病(AD)转化中的预测性能。方法:从AD神经影像学计划数据库中选取370例MCI患者,收集随访数据。通过无放回随机抽样将样本分为包含70%样本量的训练集和包含30%样本量的测试集。以第1次随访后10 a内是否患AD为因变量,采用XGBoost算法筛选特征变量,构建AD预测模型,同时构建Logistic回归、BP神经网络和支持向量机模型,评价模型预测AD的效能。结果:经XGBoost特征选择,临床痴呆评分总和量表(CDR-SB)得分、社会活动功能量表(FAQ)得分、简易精神状态检查量表得分、听觉语言学习测试得分、BMI、舒张压、缬氨酸、白蛋白、年龄、葡萄糖、教育水平得分、糖蛋白-N-乙酰(GlycA)被纳入预测模型。基于最佳超参数组合建立的XGBoost模型的预测性能优于其他模型,其准确率、敏感度、特异度、Kappa值和AUC(95%CI)分别为0.935、0.962、0.862、0.833和0.921(0.858～0.985)。所构建的XGBoost模型中,CDR-SB得分和FAQ得分重要性最大,占74...     

2016—2022年基于UK Biobank数据库的心血管疾病研究热点的可视化分析

目的 分析基于英国生物样本数据库(UK Biobank)开展的关于心血管疾病的研究热点和发展趋势,为研究者开展心血管疾病相关研究提供科学参考。方法 在Web of Science核心集数据库中检索2016年至2022年期间基于UK Biobank数据库开展的关于心血管疾病研究的文献,运用Citespace 6.1.R 2和VOSviewer 1.6.18软件分别从国家、机构、关键词等方面对心血管疾病的研究热点和发展趋势进行可视化分析。结果 研究共纳入284篇文献,整体发文量处于增长趋势;发文量排在第1位的作者是S.PETERSEN,发文量最多的国家是英国,发文量最多的机构是英国牛津大学;关键词突现分析提示,近5年研究趋势主要集中在危险因素分析(adiposity, body mass index)、全基因组关联研究(genome-wide association study)与疾病预后分析(therapy, all-cause mortality)等方面的研究。另外,以“smoking”为代表的危险因素探讨、基因表达(loci, expression)和以孟德尔随机化为代表的偏倚控制方...