外周血NETs、TP53、STAT3表达与弥漫性大B细胞淋巴瘤临床病理及预后的关系分析

摘要 目的：探究外周血中性粒细胞胞外诱捕网（NETs）、TP53、信号转导与转录因子3（STAT3）表达与弥漫性大B细胞淋巴瘤（DLBCL）临床病理及预后的关系。方法：选取2020年3月-2021年12月收治的71例DLBCL患者作为研究对象,抽取患者外周静脉血,采用R-CHOP方案进行治疗,记录患者外周血NETs、TP53、STAT3表达情况并分析DLBCL患者外周血NETs、TP53、STAT3表达与其临床病理及预后的关系。结果：髓细胞组织增生蛋白（MYC）阳性在TP53阳性中的占比显著高于TP53阴性,差异有统计学意义（x²=28.844,P＜0.001）;Hans分型生发中心B细胞（GCB）在STAT3阳性中的占比显著高于STAT3阴性（x²=4.331,P=0.037）,其余差异无统计学意义（P>0.05）;随访截止至2022年6月,随访时长8~28个月,71例患者中共53例缓解DLBCL患者,其余18例为R/R DLBCL患者;NETs阳性、TP53阳性、STAT3阳性患者无进展生存期（PFS）显著低于NETs阴性、TP53阴性、STAT3阴性患者,差异有统计学意义（P<0.05）且NETs阳性、TP53阳性、STAT3阳性患者存活率均低于NETs阴性、TP53阴性、STAT3阴性患者（P<0.05）;单因素分析结果显示Ann Arbor分期、NETs、TP53、STAT3为DLBCL患者的影响因素（P<0.05）;以患者预后情况（R/R DLBCL=1,缓解DLBCL=0）为因变量,将Ann Arbor分期、NETs、TP53、STAT3单因素分析有统计学意义的因素纳入COX回归模型中,结果显示：NETs、TP53、STAT3为DLBCL患者预后的危险因素（P<0.05）。结论：TP53、STAT3表达与DLBCL临床病理存在一定相关性,临床应对DLBCL患者TP53、STAT3表达情况引起重视;NETs、TP53、STAT3表达为DLBCL预后的危险因素,可作为DLBCL患者不良预后的预测指标。     

龙牙百合3个地方品种的形态特征及核型分析

采用经典测量和染色体常规压片法,对龙牙百合（Lilium brownii var.viridulum Baker）3个地方品种的形态特征及核型进行研究。植株形态分析结果显示：‘江西’龙牙的株高、开花口径、种球重量和周长、中外层鳞片重量和长度以及鳞片扦插产生小鳞茎数等指标均显著大于‘大叶’龙牙和‘平头’龙牙;‘大叶’龙牙的叶片最长,均值为14.54 cm。花粉、叶表皮气孔及鳞片淀粉粒的微形态特征分析结果显示：‘江西’龙牙的花粉粒径最大,均值达111.76 μm;‘平头’龙牙的叶表皮气孔最长,气孔密度也最大（约47.6个/mm²）;‘大叶’龙牙的淀粉粒径最大,均值为47.61 μm;‘江西’龙牙的淀粉粒大小分布更集中,差异性小。染色体核型分析结果显示：龙牙百合3个品种的染色体数目均为2n=2x=24,为二倍体,其中‘江西’龙牙核型公式为2n=2x=24=2m（2SAT）+6sm（2SAT）+12st（4SAT）+4t;‘平头’龙牙核型公式为2n=2x=24=4m+8sm+10st（4SAT）+2t;‘大叶’龙牙核型公式为2n=2x=24=2m（2SAT）+6sm+14st（4SAT）+2t,三者核型均为3B型。     

甘肃省生境质量变化的图谱特征

生境质量是影响地区生态系统服务价值和保护地球生态系统中生物多样性的重要因素。以地处三大自然区交汇带的甘肃省为研究对象,在定量估算地区2000—2018年生境质量水平基础上,基于图谱变化分析理论和InVEST模型,探索地区生境质量时空分异格局及其图谱转移状态和变化强度。结果表明: 2000—2018年,甘肃省生境质量总体维持中等水平并略有提升,在空间上自北向南呈逐级递增的阶梯式变化特征,在数量上则高低并存;从图谱转移视角分析,甘肃省生境质量格局较为稳定,未发生状态转移的图谱单元占主导,而在发生了生境质量状态转移的图谱单元中,“较高较低”、“较高高”、“较高低”这6类状态间的互换转移最显著,空间分布也较为集聚; “北剧南和”是甘肃省生境质量变化强度的主要格局,自北向南依次为“强变区”、“复合区”、“温缓区”和“平和区”4类变化强度区。     

中国植被分类系统修订方案

为了推动《中国植被志》研编工作, 该文回顾了中国植被分类系统的发展过程和主要阶段性成果, 提出了作为《中国植被志》研编技术框架组成部分的中国植被分类系统修订方案, 对各植被型组及各植被型进行了简单定义和描述, 并针对中国植被分类系统若干问题, 特别就中国植被分类系统总体框架、混交林的界定以及土壤在植被分类中的重要性等问题进行了讨论。1960年侯学煜在《中国的植被》中首次提出了中国植被分类的原则和系统, 1980年出版的《中国植被》制定了分类等级和划分依据等更加完善的系统, 之后《中国植被及其地理格局——中华人民共和国1:1 000 000植被图说明书》和《中国植物区系与植被地理》以及很多省区的植被专著对该系统进行过修订。2017年宋永昌在《植被生态学》中提出了一个分类等级单位调整的方案。本次提出的中国植被分类系统修订方案基本沿用《中国植被》的植被分类原则、分类单位及系统, 采用“植物群落学-生态学”分类原则, 主要以植物群落特征及其与环境的关系作为分类依据, 包含三级主要分类单位, 即植被型(高级单位)、群系(中级单位)和群丛(低级单位); 在三个主要分类单位之上分别增加辅助单位植被型组、群系组和群丛组, 在植被型和群系之下主要根据群落的生态差异和实际需要可再增加植被亚型或亚群系。修订方案包含了森林、灌丛、草本植被(草地)、荒漠、高山冻原与稀疏植被、沼泽与水生植被(湿地)、农业植被、城市植被和无植被地段9个植被型组, 划分为48个植被型(含30个自然植被型、12个农业植被型、5个城市植被型和无植被地段)。自然植被中有23个植被型进一步划分出了81个植被亚型。     

近江牡蛎共附生耐热真菌C051的鉴定、生理学特性及抗菌活性研究

为进一步开发利用耐热海洋真菌,以1株近江牡蛎共附生耐热真菌C051为出发菌株,对其进行系统鉴定、生理学特性及抗菌活性研究。采用形态学鉴定并结合18S rRNA序列分析,确定菌株C051为烟曲霉(Aspergillus fumigatus)。3种培养基比较,适合基础培养基为PDA;生长温度范围为15～50℃,最适生长温度45℃,具有明显的耐热真菌特性;生长pH范围3～9,最适生长pH 6;生长盐浓度0%～16%,最适生长盐浓度3.5%,具兼性海洋真菌的特点。其发酵产物对铜绿假单胞菌(Pseudomons aeruginosa)、金黄色葡萄球菌(Staphylococcus aureus)、交替假单胞菌属SL-1(Pseudoalteromonas sp.)、金黄杆菌属SL-4(Chryseobacterium sp.)均有良好的抑菌效果,最大抑菌圈直径达22.15 mm,为耐热海洋真菌的开发与研究提供参考。     

基于高分辨率遥感影像的北亚热带森林生物量反演

以北亚热带湖北省太子山林场为研究对象,基于高空间分辨率GF-2与SPOT-6卫星影像,提取不同窗口大小下的纹理信息与光谱信息,利用随机森林回归算法,并结合野外实测106块样地的生物量数据,建立不同影像下的太子山林场森林生物量反演模型。结果显示：（1） GF-2和SPOT-6虽然空间分辨率有差异,但是从其不同波段反射率的相关系数（0.75、0.78、0.73、0.61）发现,两种影像的波段反射率具有较高的相关性,说明两者的辐射性能相近;（2）通过分析不同纹理特征对生物量模型的影响,发现均值和对比度纹理参数对生物量反演具有很好的效果。（3）高分辨率的遥感数据在生物量反演中具有较好的表现,且GF-2生物量模型精度（R²=0.88,RMSE=27.11 Mg/hm²）与SPOT-6生物量模型的精度（R²=0.89,RMSE=23.93 Mg/hm²）相近。（4）两种影像对不同森林类型的生物量预测值不存在显著差异,都适合对不同林分类型的生物量进行预测。     

福州市生态系统生产总值核算

开展生态系统生产总值(GEP)核算是推进生态文明制度建设的必要措施,也是将生态效益纳入经济社会发展评价体系的重要举措。本研究以福州市为研究对象,通过构建具有“山、海、城”特色的生态系统价值核算体系,对2015和2018年福州市GEP进行核算,从时空变化角度对福州市GEP进行对比。结果表明: 2015、2018年福州市GEP分别为9205.92、10472.42亿元,人均GEP分别为13.02、14.39万元,生态产品供给服务价值分别为941.81、1102.61亿元,生态调节服务价值分别为6364.20、5988.51亿元,生态文化服务价值分别为1899.91、3381.3亿元。与2015年相比,2018年福州市GEP增加1266.50亿元,增幅为13.8%,主要得益于生态产品供给服务价值和生态文化服务价值的增加。然而,生态调节服务价值减少375.69亿元,降幅为5.9%,主要源于气候调节、水流动调节和水质净化服务价值的减少。福州率先探索建立一套具有山、海、城特色的核算体系,可以为福建省其他城市及我国其他地区的核算工作提供“福州样板”,同时助推建立生态价值实现的长效机制。     

Pattern classification of kinematic and kinetic running data to distinguish gender,shod/barefoot and injury groups with feature ranking

The identification of differences between groups is often important in biomechanics. This paper presents group classification tasks using kinetic and kinematic data from a prospective running injury study. Groups composed of gender, of shod/barefoot running and of runners who developed patellofemoral pain syndrome (PFPS) during the study, and asymptotic runners were classified.

The features computed from the biomechanical data were deliberately chosen to be generic. Therefore, they were suited for different biomechanical measurements and classification tasks without adaptation to the input signals. Feature ranking was applied to reveal the relevance of each feature to the classification task.

Data from 80 runners were analysed for gender and shod/barefoot classification, while 12 runners were investigated in the injury classification task. Gender groups could be differentiated with 84.7%, shod/barefoot running with 98.3%, and PFPS with 100% classification rate. For the latter group, one single variable could be identified that alone allowed discrimination.     

Automated analysis of courtship suppression learning and memory in Drosophila melanogaster

Study of the fruit fly, Drosophila melanogaster, has yielded important insights into the underlying molecular mechanisms of learning and memory. Courtship conditioning is a well-established behavioral assay used to study Drosophila learning and memory. Here, we describe the development of software to analyze courtship suppression assay data that correctly identifies normal or abnormal learning and memory traits of individual flies. Development of this automated analysis software will significantly enhance our ability to use this assay in large-scale genetic screens and disease modeling. The software increases the consistency, objectivity, and types of data generated.     

Machine learning techniques for protein function prediction

Proteins play important roles in living organisms, and their function is directly linked with their structure. Due to the growing gap between the number of proteins being discovered and their functional characterization (in particular as a result of experimental limitations), reliable prediction of protein function through computational means has become crucial. This paper reviews the machine learning techniques used in the literature, following their evolution from simple algorithms such as logistic regression to more advanced methods like support vector machines and modern deep neural networks. Hyperparameter optimization methods adopted to boost prediction performance are presented. In parallel, the metamorphosis in the features used by these algorithms from classical physicochemical properties and amino acid composition, up to text-derived features from biomedical literature and learned feature representations using autoencoders, together with feature selection and dimensionality reduction techniques, are also reviewed. The success stories in the application of these techniques to both general and specific protein function prediction are discussed.