醒脾养儿颗粒联合双歧杆菌三联活菌散对轮状病毒腹泻患儿免疫功能、心肌酶指标和血清 IL-6、CRP的影响

摘要 目的：观察醒脾养儿颗粒联合双歧杆菌三联活菌散对轮状病毒腹泻患儿免疫功能、心肌酶指标和血清白介素 -6（IL-6）、C反应蛋白（CRP）的影响。方法：选取 2018年 1月到 2021年 1月期间我院接收的 92例轮状病毒腹泻患儿。根据随机数字表法将患儿分为对照组和研究组,各为 46例。对照组患儿接受双歧杆菌三联活菌散治疗,研究组患儿接受醒脾养儿颗粒联合双歧杆菌三联活菌散治疗,均治疗 3 d。观察两组疗效,记录不良反应发生情况。观察并对比两组患儿免疫功能[免疫球蛋白（Ig）M、IgG和 IgA]、心肌酶指标[磷酸肌酸激酶（CK）、乳酸脱氢酶（LDH）、肌酸激酶同工酶（CK-MB）]和血清 IL-6、CRP的变化情况。结果：研究组的临床总有效率为 91.30%（42/46）,高于对照组患者的 71.74%（33/46）,差异有统计学意义（P<0.05）。两组治疗 3 d后血清 IgM、IgG、IgA水平较治疗前升高,且研究组的改善程度优于对照组（P<0.05）。两组治疗 3 d后血清 LDH、CK、CK-MB水平较治疗前降低,且研究组的改善程度优于对照组（P<0.05）。两组治疗 3 d后血清 IL-6、CRP水平较治疗前降低,且研究组的改善程度优于对照组（P<0.05）。两组患儿均未见明显不良反应发生。结论：醒脾养儿颗粒联合双歧杆菌三联活菌散治疗轮状病毒腹泻患儿,可提高免疫力,减轻心肌损伤,降低血清 IL-6、CRP水平,安全有效。     

人类红细胞膜带3蛋白C端域Lys892～Phe895在Cl-转运过程中作用的研究

采用酵母表面展示系统,表达带3蛋白膜段结构域(Gln404～Val911)至酵母细胞膜,功能研究表明,表达后的膜段结构域具有离子转运的活性,同时,带3蛋白抑制剂4,4′-二异硫氰-2,2′-二黄酸芪(DIDS)能够抑制其离子转运的功能.利用PCR方法,以pFAST-Bac-mdb3为模板扩增出带3蛋白膜段结构域的4种截断突变体,分别去除带3蛋白C端域后4个(Ala908～Val911)、16个(Asp896～Val911)、20个(Lys892～Val911)、32个(Asn880～Val911)氨基酸序列,测序后将其克隆至表达载体pYD1上,构建酵母表达质粒pYD1-Trunc4、pYD1-Trunc16、pYD1-Trunc20和pYD1-Trunc32,诱导4组突变体的蛋白质表达.然后测定Cl^-的转运活性,结果发现去除后20个(Lys892～Val911)氨基酸残基后,离子转运活性明显下降,而去除后32个(Asn880～Val911)后,离子转运没有进一步下降,说明Lys892～Phe895 4个氨基酸残基在带3蛋白的离子转运过程中发挥重要作用.     

解偶联蛋白2对血管内皮的保护作用

解偶联蛋白2(UCP2)是核DNA编码的线粒体内膜阴离子转运体,广泛存在多种组织和器官中。其通过耗散线粒体内膜质子梯度发挥可诱导的解偶联作用。内皮细胞损伤是多种血管疾病的始动环节,近年来的研究发现,UCP2在动脉粥样硬化、高血压、糖尿病等中发挥血管内皮保护作用。本文对UCP2内皮保护作用的相关机制作一综述。     

人类红细胞膜带3蛋白C端域Lys892～Phe895在Cl~-转运过程中作用的研究

采用酵母表面展示系统 ,表达带 3蛋白膜段结构域 (Gln4 0 4～Val911)至酵母细胞膜 ,功能研究表明 ,表达后的膜段结构域具有离子转运的活性 ,同时 ,带 3蛋白抑制剂 4 ,4′ 二异硫氰 2 ,2′ 二黄酸芪 (DIDS)能够抑制其离子转运的功能 .利用PCR方法 ,以 pFAST Bac mdb3为模板扩增出带 3蛋白膜段结构域的 4种截断突变体 ,分别去除带 3蛋白C端域后 4个 (Ala90 8～Val911)、 16个 (Asp896～Val911)、 2 0个 (Lys892～Val911)、 32个(Asn880～Val911)氨基酸序列 ,测序后将其克隆至表达载体 pYD1上 ,构建酵母表达质粒 pYD1 Trunc4、pYD1 Trunc16、pYD1 Trunc2 0和 pYD1 Trunc32 ,诱导 4组突变体的蛋白质表达 .然后测定Cl-的转运活性 ,结果发现去除后 2 0个 (Lys892～Val911)氨基酸残基后 ,离子转运活性明显下降 ,而去除后 32个 (Asn880～Val911)后 ,离子转运没有进一步下降 ,说明Lys892～Phe895 4个氨基酸残基在带 3蛋白的离子转运过程中发挥重要作用     

深度学习在药物活性预测研究中的应用

药物从研发到临床应用需要耗费较长的时间，研发期间的投入成本可高达十几亿元。而随着医药研发与人工智能的结合以及生物信息学的飞速发展，药物活性相关数据急剧增加，传统的实验手段进行药物活性预测已经难以满足药物研发的需求。借助算法来辅助药物研发，解决药物研发中的各种问题能够大大推动药物研发进程。传统机器学习方法尤其是随机森林、支持向量机和人工神经网络在药物活性方面能够达到较高的预测精度。深度学习由于具有多层神经网络，模型可以接收高维的输入变量且不需要人工限定数据输入特征，可以拟合较为复杂的函数模型，应用于药物研发可以进一步提高各个环节的效率。在药物活性预测中应用较为广泛的深度学习模型主要是深度神经网络（deep neural networks，DNN）、循环神经网络（recurrent neural networks，RNN）和自编码器（auto encoder，AE），而生成对抗网络（generative adversarial networks，GAN）由于其生成数据的能力常常被用来和其他模型结合进行数据增强。近年来深度学习在药物分子活性预测方面的研究和应用综述表明，深度学习模型的准确度和效率均高于传统实验方法和传统机器学习方法。因此，深度学习模型有望成为药物研发领域未来十年最重要的辅助计算模型。