骨性关节炎生物学标志物研究进展

骨性关节炎(oseteoarthritis,OA)是一种随着年龄增长发病率明显升高的退行性变,常累及脊柱、髋、膝等人体负重关节,以关节缓慢发展的疼痛、肿胀,伴功能障碍为临床表现,主要有滑膜增生、软骨破坏、软骨下骨骨化及骨赘形成等一系列病理表现。OA对人类的健康和生活质量影响很大,随着老龄化社会的到来,本病的发病率日趋升高,其研究已成为医学领域中的重要课题。目前,OA的早期诊断、病变监测和有效防治仍是骨科领域亟待解决的疑难问题。随着分子生物学的发展和研究手段的提高,许多研究者都在试图寻找用于临床评价OA的生物学标志物。本文将就OA研究中所使用的主要标志物进行综述,为深入研究OA提供方便。     

人工智能驱动生命科学研究的发展态势

随着技术的不断发展和数据的持续积累,人工智能在生命科学领域发挥越来越重要的作用。目前,人工智能已经应用于分子、细胞、系统和个体等多层面的生命系统研究,为科研人员提供了强大的工具和方法,提高了研究效率和准确性;同时,也为生命健康、动物科学、工业科学和农业科学等领域提供了新的解决方案。本文旨在探讨人工智能驱动生命科学研究的发展态势,重点介绍近年来人工智能在生命科学领域的最新进展,分析其在生命科学研究中面临的机遇和挑战,并提出相关建议。     

基于质谱的蛋白质生物标志物发现中的特征选择与机器学习方法研究进展

随着质谱技术的进步以及生物信息学与统计学算法的发展,以疾病研究为主要目的之一的人类蛋白质组计划正快速推进。蛋白质生物标志物在疾病早期诊断和临床治疗等方面有着非常重要的意义,其发现策略和方法的研究已成为一个重要的热点领域。特征选择与机器学习对于解决蛋白质组数据"高维度"及"稀疏性"问题有较好的效果,因而逐渐被广泛地应用于发现蛋白质生物标志物的研究中。文中主要阐述蛋白质生物标志物的发现策略以及其中特征选择与机器学习方法的原理、应用实例和适用范围,并讨论深度学习方法在本领域的应用前景及局限性,以期为相关研究提供参考。     

基于深度学习的作物基因组学和遗传改良

随着世界人口的不断增长、食物需求量的不断增加,以及气候的不断变化,如何提高农作物产量已成为人类面临的一个巨大挑战。传统设计育种耗时长、效率低,已经不能满足新时代的育种需求。随着基因型和表型数据成本的不断降低,以及各种组学数据的爆炸式增长,人工智能技术作为能够在大数据中高效率挖掘信息的工具,在生物学领域受到了广泛关注。人工智能指导的设计育种将大大加快育种的效率,给育种带来革命性的变化。介绍了人工智能特别是深度学习在作物基因组学和遗传改良中的应用,并进行了总结与展望,以期为智能设计育种提供新的思路。     

2023年计算生物学科技发展态势

计算生物学借助大量生物数据的模拟与分析,探寻生物体及生态系统的结构和功能,从而加深对生物体的认识与理解。得益于算法的持续优化和计算机性能的提高,计算生物学逐步克服了大量数据处理和分析的难题。2023年,计算生物学在基因组学、蛋白质结构解析与预测、药物研发、疾病诊断与预测等多个应用领域取得突破性进展。随着技术的进步和数据的积累,计算生物学在未来的发展前景非常广阔,但仍存在数据质量问题、算法和模型复杂度、实验验证的难度、多学科交叉融合的挑战,以及伦理和社会问题等诸多难点需突破。     

职业倦怠与抑郁症的相关性及其生物学基础研究*

职业倦怠和抑郁症是当今社会人群中普遍存在的影响心理健康的重要因素和疾病,这两者之间有一定的相关性.职业倦怠主要表现在三个方面:情感枯竭,去个性化,个人成就感缺乏.抑郁症主要表现在心境障碍或情感性障碍,缺乏激情.职业倦怠和抑郁症在表现行为方面存在一定关联,患有职业倦怠和抑郁症的人通常态度消极,缺乏对生活和工作的热情,自我评价低,影响工作和生活质量.抑郁情绪易引发职业倦怠,职业倦怠也可以导致抑郁症,二者相互影响.本文就职业倦怠与抑郁症的概念,两者之间的联系及相关的生物学基础进行了综述.     

计算生物学在RNA研究中的应用

计算生物学在非编码RNA(non-coding RNA, ncRNA)研究领域中发挥着重要的作用.计算生物学是利用计算机科学方法来研究和理解生命科学问题的交叉学科,而ncRNA作为一类数目庞大且功能多样的RNA分子,参与了广泛的生物学过程.本文对RNA计算生物学中的常用算法和工具进行综述,并着重介绍专家系统、机器学习、深度学习等计算生物学研究策略在ncRNA鉴定、ncRNA靶标预测、RNA修饰、RNA二级结构检测、RNA-蛋白质互作及RNA功能预测中的应用.     

脓毒症诊断的生物学标志物的研究进展

脓毒症是由致病微生物感染引发的全身炎症反应综合征(SIRS),合并血压降低且经快速液体复苏后血压仍不能恢复正常者称为脓毒性休克(Septic shock),其中一部分患者发展为多器官功能障碍综合症(MODS)。由于目前临床上仍缺乏早期敏感性诊断手段,脓毒症病死率居高不下。每10万人口中约50-300人会发生严重脓毒症,其短期死亡率达20%-25%,当发展为脓毒性休克时其死亡率达50%。随着分子生物学和现代生物技术的不断发展,人们发现多种生物标志物在脓毒症的早期诊断、病情及预后判断,疗效评估中发挥重要作用。因此深入了解脓毒症病理生理机制中不同生物标志物的意义及价值,对于脓毒症及其并发症的早期识别及干预,降低患者病死率及改善患者生活质量有积极意义。本文综述了近几年来对脓毒症的诊断和预后有一定价值的主要标志物及其应用。     

在生物学实验教学中 创新精神的培养

生物学是一门以实验为基础的生命科学 ,是实践与理论相结合的学科。生物学教学离不开生物学实验 ,实验教学在整个生物学教学中占据十分重要地位 ,它是培养学生创新精神和创造能力的主要场所。1　以生物学实验为手段 ,发展学生的创造性思维。要培养和发展学生的创造性思维 ,首先要注意保护和培养学生的创新心理 ,激发创造潜能 ,逐步形成创新意识。同时要训练学生逻辑思维和非逻辑思维的发展 ,敢于打破传统式的实验教学模式 ,实现创析。1 1　创新心理的保护和培养。创新心理是驱使学生个体进行创新 ,创造行为的心理动机。作为智力正常的学生 ,…     

骨关节炎滑膜病变的体液标志物研究进展

骨关节炎（osteoarthritis,OA）是一种以进行性关节软骨的退化、骨赘形成及软骨下骨硬化为病理特征的疾病。近年来研究发现,关节滑膜的炎症也是骨关节炎发病的重要病理机制。骨关节炎患者体内血清及滑液中包含大量滑膜细胞和软骨细胞的代谢产物,如胶原蛋白降解产物、C反应蛋白降解产物、透明质酸、细胞因子和糖蛋白等,这些滑膜或软骨细胞的代谢产物与骨关节炎密切相关,它们在骨关节炎滑膜病变的发生和发展过程中发挥重要作用,能够一定程度反映骨关节炎患者体内关节滑膜的炎症程度及骨关节炎的进展程度。早期骨关节炎的滑膜病变在医学影像学检查中难以被识别和诊断,因此,寻找与骨关节炎滑膜病变相关的特异性生物学标志物有助于骨关节炎滑膜炎的早期诊断及进展评估。综述了以上各种滑膜或软骨细胞代谢产物与骨关节炎骨膜病变相关关系的研究进展,以期为未来开发相应的生化检测手段和药物提供理论依据。     

Biotechnology,Big Data and Artificial Intelligence

Developments in biotechnology are increasingly dependent on the extensive use of big data, generated by modern high‐throughput instrumentation technologies, and stored in thousands of databases, public and private. Future developments in this area depend, critically, on the ability of biotechnology researchers to master the skills required to effectively integrate their own contributions with the large amounts of information available in these databases. This article offers a perspective of the relations that exist between the fields of big data and biotechnology, including the related technologies of artificial intelligence and machine learning and describes how data integration, data exploitation, and process optimization correspond to three essential steps in any future biotechnology project. The article also lists a number of application areas where the ability to use big data will become a key factor, including drug discovery, drug recycling, drug safety, functional and structural genomics, proteomics, pharmacogenetics, and pharmacogenomics, among others.     

Artificial intelligence in the diagnosis of COVID-19: challenges and perspectives

Artificial intelligence (AI) is being used to aid in various aspects of the COVID-19 crisis, including epidemiology, molecular research and drug development, medical diagnosis and treatment, and socioeconomics. The association of AI and COVID-19 can accelerate to rapidly diagnose positive patients. To learn the dynamics of a pandemic with relevance to AI, we search the literature using the different academic databases (PubMed, PubMed Central, Scopus, Google Scholar) and preprint servers (bioRxiv, medRxiv, arXiv). In the present review, we address the clinical applications of machine learning and deep learning, including clinical characteristics, electronic medical records, medical images (CT, X-ray, ultrasound images, etc.) in the COVID-19 diagnosis. The current challenges and future perspectives provided in this review can be used to direct an ideal deployment of AI technology in a pandemic.     

Imaging and artificial intelligence for progression of age-related macular degeneration

Age-related macular degeneration (AMD) is a leading cause of severe vision loss. With our aging population, it may affect 288 million people globally by the year 2040. AMD progresses from an early and intermediate dry form to an advanced one, which manifests as choroidal neovascularization and geographic atrophy. Conversion to AMD-related exudation is known as progression to neovascular AMD, and presence of geographic atrophy is known as progression to advanced dry AMD. AMD progression predictions could enable timely monitoring, earlier detection and treatment, improving vision outcomes. Machine learning approaches, a subset of artificial intelligence applications, applied on imaging data are showing promising results in predicting progression. Extracted biomarkers, specifically from optical coherence tomography scans, are informative in predicting progression events. The purpose of this mini review is to provide an overview about current machine learning applications in artificial intelligence for predicting AMD progression, and describe the various methods, data-input types, and imaging modalities used to identify high-risk patients. With advances in computational capabilities, artificial intelligence applications are likely to transform patient care and management in AMD. External validation studies that improve generalizability to populations and devices, as well as evaluating systems in real-world clinical settings are needed to improve the clinical translations of artificial intelligence AMD applications.     

超声技术在抑郁症诊疗中的作用研究及应用进展

超声波作为一种机械振动波,兼具波动效应、力学效应和热效应.这3种效应在临床中均有较大应用价值,可用于疾病的成像诊断、辅助给药、调控以及热消融治疗等.超声技术所具有的非侵入性、穿透力强、空间分辨率高等特性,使其在神经系统疾病的诊断和治疗中具有广泛的应用前景.而抑郁症作为一种常见的精神疾病,其诊断和治疗都面临很大的困难.因此,大量学者将超声技术应用于抑郁症诊疗.本文主要从超声成像、超声定点给药、超声调控、超声诱导抑郁几个方面总结近十年来超声技术在抑郁症中的应用,以期为研究抑郁症发病机制及诊疗提供一定的参考和帮助.     

Artificial intelligence and machine learning for medical imaging: A technology review

Artificial intelligence (AI) has recently become a very popular buzzword, as a consequence of disruptive technical advances and impressive experimental results, notably in the field of image analysis and processing. In medicine, specialties where images are central, like radiology, pathology or oncology, have seized the opportunity and considerable efforts in research and development have been deployed to transfer the potential of AI to clinical applications. With AI becoming a more mainstream tool for typical medical imaging analysis tasks, such as diagnosis, segmentation, or classification, the key for a safe and efficient use of clinical AI applications relies, in part, on informed practitioners. The aim of this review is to present the basic technological pillars of AI, together with the state-of-the-art machine learning methods and their application to medical imaging. In addition, we discuss the new trends and future research directions. This will help the reader to understand how AI methods are now becoming an ubiquitous tool in any medical image analysis workflow and pave the way for the clinical implementation of AI-based solutions.     

小胶质细胞极化与抑郁症关系的研究进展

小胶质细胞控制着中枢神经系统主要的免疫功能,在各种精神疾病中发挥重要作用.某些信号通路的激活引发的神经炎症与抑郁症的发生有着密切的关系.小胶质细胞是神经炎症的主要介导者,不同的刺激促进小胶质细胞极化,不同极化类型的小胶质细胞能分泌多种炎性细胞因子,在神经炎症调节中具有重要的作用.临床研究和体内外实验研究表明,抑郁症与小...     

生物防治杆状病毒基因工程研究进展

杆状病毒作为杀虫剂应用已成为生物防治中不可缺少的环节,但杆状病毒过高的宿主特异性与缓慢的发病致死作用是制约其推广应用的原因之一。我们就如何通过基因工程的方法提高杆状病毒的生物防治效果,从整合外源基因、改造内源基因及生物安全性评价等3个方面,对近年来的相关研究进行了概括,并对基因工程杆状病毒用于生物防治进行了展望。     

光疗及光照剂量对抑郁症的作用研究进展

抑郁症是一种患病率高、易复发、自杀率高的精神障碍疾病,容易导致认知功能损伤等问题.光疗以无创、副作用小、疗效快等优势受到广泛的关注,为调节抑郁症生物节律和睡眠障碍等症状提供了新的可能性.光信号通过视网膜神经节细胞投射到抑郁脑区参与非视觉成像功能,激活神经细胞活动,分泌神经递质使神经通路产生生理性改变,对生物机体的昼夜节...     

青脆枝化学成分及其活性研究进展

喜树碱是已发现的唯一专门通过抑制拓扑异构酶Ⅰ发挥细胞毒性的天然植物成分,具有广谱抗肿瘤活性。青脆枝Nothapodytes nimmoniana含有多种喜树碱类化合物及其他活性成分,其中喜树碱、9-甲氧基喜树碱和羟基喜树碱含量最为丰富,是重要的药用植物。文中综述青脆枝主要化学成分、生物活性及其提取方法,并对青脆枝的应用前景作展望。