关键词： 龟鹿二仙胶   膝骨关节炎   肠道菌群   16SrDNA测序   机器学习   α多样性   β多样性   差异通路  

摘要： 背景:龟鹿二仙胶由龟甲胶、鹿角胶、枸杞子和人参组成。在早期的临床观察中,发现使用龟鹿二仙胶治疗肝肾不足型膝骨关节炎患者能有效缓解膝关节疼痛、增加运动范围、提高行走能力。然而,口服龟鹿二仙胶能够对膝关节产生局部治疗作用的确切机制尚不清楚。目的:研究龟鹿二仙胶对膝骨关节炎大鼠肠道菌群的影响,并利用16SrDNA测序和机器学习分析评估其作用机制。方法:将18只雄性SD大鼠随机分为3组:空白组、模型组、龟鹿二仙胶组,每组8只。模型组和龟鹿二仙胶组采用内侧半月板失稳手术制备膝骨关节炎模型。造模成功后,龟鹿二仙胶组灌胃龟鹿二仙胶水煎剂,空白组和模型组则给予等量的蒸馏水。持续干预28 d后,使用高效液相色谱技术检测龟鹿二仙胶有效成分;MRI成像观察大鼠膝关节软骨情况采集各组大鼠粪便样本,使用试剂盒提取DNA,通过PCR扩增及纯化,构建Illumina测序文库,利用Illumina MiSeq平台进行高通量测序,生成原始序列数据。得到原始数据后,使用QIIME2软件对数据进行处理,使用线性判别分析效应值和随机森林算法对微生物数据进行差异性物种筛选,使用KEGG和MetaCyc功能通路分析探索关键菌群与实验组间的关联,使用线性判别分析效应值和随机森林算法筛选差异性物种,使用关联网络分析微生物群落间的相互作用,结合机器学习方法分析肠道菌群组成和变化。结果与结论:(1)龟鹿二仙胶中药复方进行LC-MS成分鉴定,共指出7种有效成分。(2)MRI成像显示,龟鹿二仙胶组大鼠高密度影的滑膜炎症范围减少,且股骨头内侧髁软骨较模型组退化较少。(3)16SrDNA测序显示模型组大鼠表现出明显的菌群失衡,在门水平上厚壁菌门和拟杆菌门的丰度显著降低,而变形菌门的比例显著增加(P<0.05)。龟鹿二仙胶组大鼠的肠道菌群结构有了显著改善,其厚壁菌门和拟杆菌门的比例回升,恢复了更为多样的菌群组成,接近空白组(P<0.05)。(4)KEGG和MetaCyc功能通路分析显示,龟鹿二仙胶组显著激活了多条代谢通路,包括氨基酸代谢、脂质代谢和生物素合成通路(P<0.05)。(5)上述结果提示,龟鹿二仙胶含有7种有效成分,并利用16SrDNA测序分析膝骨关节炎大鼠肠道菌群变化;龟鹿二仙胶能显著改善肠道菌群失衡,恢复有益菌丰度,对肠道菌群组成有显著影响,为龟鹿二仙胶的药效及机制提供了科学依据。

关键词： AIGC   学术不端   论文写作   评审过程   人工智能  

摘要： 随着人工智能技术在学术研究及期刊出版中应用的普遍和深入,为规范论文写作和评审过程中生成式人工智能技术(AIGC)的使用,维护科研诚信,防范学术不端,确保科研过程和成果的真实性、准确性及透明性,依据《学术出版中AIGC使用边界指南》和国际医学期刊编辑委员会(ICMJE)《关于生物医学期刊论文的新建议等相关规定》,《中国组织工程研究》杂志自2025年2月起全面启动AIGC检测工具对投稿论文进行检测。结合本刊实际情况,现对向本刊投稿的论文写作和评审过程中使用AIGC的有关事宜规定如下。

关键词： 骨关节炎   脂质代谢   加权基因共表达网络分析   机器学习   靶向治疗   软骨修复或退变  

摘要： 背景:脂质代谢异常影响软骨细胞代谢,在骨关节炎的发生和进展中有着重要的作用,但目前其机制尚不明确。目的:采用加权基因共表达网络分析结合机器学习算法鉴定骨关节炎软骨细胞脂质代谢特征基因,并进行初步验证。方法:采用加权基因共表达网络分析和微阵列数据的线性模型获得差异共表达基因,结合机器学习方法,最终筛选得到脂质代谢相关的特征基因。通过蛋白质互作网络分析,探究差异共表达基因的蛋白质互作网络关系;采用基因本体论和京都基因与基因组百科全书富集分析探索差异共表达基因所在信号通路;运用免疫相关性分析鉴定特征基因与免疫细胞浸润模式;体外分子实验验证特征基因的mRNA和蛋白表达水平。结果与结论:①经数据标准化处理和主成分分析、加权基因共表达网络分析和微阵列数据的线性模型获得高/低表达的差异共表达基因123和110个;②运用逻辑回归、随机森林和支持向量机3种机器学习算法筛选得到特征基因37个,最终得到2个脂质代谢相关的特征基因SMPD3和CYP4F3;③蛋白质互作网络分析显示SMPD3和CYP4F3蛋白相互作用均较低;④基因本体论结果显示差异共表达基因主要富集在中性粒细胞脱颗粒、中性粒细胞免疫反应和应答、中性粒细胞激活和白细胞脱颗粒等;而京都基因与基因组百科全书富集分析提示差异共表达基因主要涉及细胞外基质受体的作用和黏附等关键通路;⑤基于基因表达数据的细胞类型亚型鉴定分析显示8种免疫细胞在骨关节炎中具有显著差异;相关性分析显示SMPD3与静息态树突状细胞显著正相关(r=0.44,P=3.6×10^(-3)),与中性粒细胞显著负相关(r=-0.48,P=1.7×10^(-3));而CYP4F3与单核细胞和中性粒细胞显著正相关(r=0.76,P=7.6×10^(-9);r=0.73,P=6.0×10^(-8)),与T细胞滤泡辅助细胞和静息态树突状细胞显著负相关(r=-0.38,P=0.01;r=-0.38,P=0.01);⑥体外分子实验证明,在骨关节炎组SMPD3 mRNA和蛋白水平显著增高,而CYP4F3降低;⑦结果显示,骨关节炎软骨细胞脂质代谢特征基因SMPD3和CYP4F3可作为骨关节炎靶向治疗及软骨修复或退变的潜在生物标记物,为深入探究国人群体中脂质代谢异常与骨关节炎的关系及临床靶向治疗提供新策略。

关键词： 强直性脊柱炎   银屑病   富集分析   机器学习   人工神经网络   交叉验证   列线图   免疫细胞浸润   孟德尔随机化   药物预测  

摘要： 背景:强直性脊柱炎和银屑病的发生及发展密切相关,但其关键基因及调控机制尚不明确。目的:建立基于GEO数据库的强直性脊柱炎和银屑病共有基因的人工神经网络模型并评价其效果,同时使用孟德尔随机化确定关键基因表达与两病有无因果关系。方法:从GEO数据库中下载数据集GSE25101(强直性脊柱炎样本和健康对照样本各816例)、GSE30999(银屑病样本和健康对照样本各85例)、GSE73754(52例强直性脊柱炎样本和20例健康对照样本)和GSE14905(33例银屑病样本和49例健康对照样本),以GSE25101和GSE30999分别作为强直性脊柱炎和银屑病的训练数据集,通过差异分析鉴定出各自的差异表达基因从而获得两病共有驱动基因,利用随机森林和支持向量机递归特征消除术两种机器学习方法进一步筛选出关键核心基因,基于关键核心基因构建人工神经网络模型并在外部数据集GSE73754和GSE14905中进行验证,接下来构建相应的列线图以预测疾病的发病率。同时,对强直性脊柱炎和银屑病的免疫浸润结果展开分析。最后,使用孟德尔随机化评估关键基因与疾病之间的因果关系,使用Dgidb数据库分析药物-基因相互作用,从而预测药物靶点。结果与结论:①在强直性脊柱炎中共获得差异基因61个,在银屑病中共获得差异基因4309个,取交集后得到8个共有差异基因,进一步通过机器学习筛选得到5个关键基因(DNMT1,GNG11,CDC25B,S100A8及S100A12),并利用关键基因分别构建强直性脊柱炎和银屑病的人工神经网络模型,在训练集GSE25101和GSE30999中AUC值分别为0.979及0.989,在外部验证数据集GSE73754和GSE14905中AUC值分别为0.818及0.874。②基于5个关键基因构建了列线图,校准曲线显示列线图模型的预测概率与理想模型几乎一致。免疫细胞浸润显示,关键基因与活化B细胞、自然杀伤细胞、γδT细胞、滤泡辅助性T细胞、单核细胞、浆细胞样树突状细胞、中性粒细胞等相关。孟德尔随机化结果显示,S100A8是强直性脊柱炎与银屑病发病的危险因素。最后,利用DGIdb筛选得到81种靶向药物,其中,只有甲氨蝶呤(Methotrexate)、阿托吉泮(Atogepant)、乌布吉泮(Ubrogepant)、瑞美吉泮(Rimegepant)、艾普奈珠单抗(Eptinezumab)、阿扎胞苷(Azacitidine)、硒片(Selenium)、羟基脲(Hydroxyurea)、异环磷酰胺(Ifosfamide)、氟尿苷(Floxuridine)、姜黄素(Curcumin)、米托蒽醌(Mitoxantrone)、顺铂(Cisplatin)、三氧化二砷(Arsenic Trioxide)、己烯雌酚(Diethylstilbestrol)及地西他宾(Decitabine)16种药物获得了美国食品药品监督管理局的批准。③国际数据库、欧洲群体的研究成果和数据分析,尤其在基因组学和疾病表型研究方面,已经积累了大量成功的案例,这些经验为中国疾病的流行病学特征、基因多样性及其对环境和生活方式的反应提供了有价值的参考。④文章构建了强直性脊柱炎和银屑病共同驱动基因的人工神经网络模型并得到验证,发现了关键基因与两病发病的因果关系,预测出潜在治疗的靶向药物,希望能为探索其发病机制和治疗方向提供一个新的视角。

关键词： 脊柱侧弯   人工智能   机器学习   数字化   筛查   诊断   体检   综述  

摘要： 背景:脊柱侧弯是脊柱侧向弯曲和旋转的三维畸形,其发病年龄覆盖整个生命周期,成为威胁人们健康的重要卫生问题。随着计算机科学的发展不断进步,目前人工智能在医学诊治方面有着巨大的应用潜力,也逐渐被应用于脊柱侧弯的筛查和诊断中。目的:全面梳理人工智能在脊柱侧弯筛查和诊断中的应用,多方面阐述近年来的应用进展,并对其创新点进行展望,为未来智能化的趋势提供参考。方法:检索覆盖PubMed、IEEE Xplore、中国知网、万方数据库,英文检索词为“scoliosis,artificial intelligence,machine learning,screen,diagnosis”等,中文检索词为“脊柱侧弯、人工智能、机器学习、筛查、诊断”等,结合布尔逻辑以优化检索策略。纳入与人工智能在脊柱侧弯筛查和诊断中应用研究直接相关的文章,排除关联性不强、陈旧、实验设计不严谨或可信度差的文献,最终纳入83篇文献进行分析。结果与结论:①人工智能在脊柱侧弯的初期筛查、胸片筛查、智能手机筛查、X射线片诊断、CT和MRI诊断、脊柱三维图像的重建等多个领域均展现出独特的应用价值和发展前景;②人工智能在脊柱侧弯筛查和诊断领域的应用可提高效率、降低误诊率、减轻医护人员负担,便于早期发现并确诊脊柱侧弯,为脊柱健康保驾护航。

关键词： 机器学习   腰椎间盘突出症   预后   预测模型   偏倚风险   系统评价  

摘要： 目的:基于机器学习的不同算法,开展腰椎间盘突出症的预测模型研究已成为目前精准化医学发展的趋势和热点。但目前使用机器学习进行腰椎间盘突出症预后预测模型的报告质量和方法学质量的证据有限。通过全面的文献检索,全面整合分析基于机器学习开发和验证腰椎间盘突出症预后预测模型的既往研究报告质量和偏倚风险,以探索机器学习算法在预测腰椎间盘突出症预后方面的性能。方法:计算机检索中国知网、万方数据库、维普数据库、中国生物医学文献服务系统、PubMed、Web of Science、Embase和The Cochrane Library数据库,搜集关于机器学习用于开发(和/或验证)腰椎间盘突出症预后预测模型的相关研究,检索时限为各数据库建立至2023-12-31。由2名研究者独立筛选文献、提取资料并评估纳入研究的偏倚风险。通过多变量预测模型透明报告(TRIPOD)声明和预测模型偏倚风险评估工具(PROBAST)来评估纳入研究的报告质量和偏倚风险。对于评价的结果使用描述性统计和可视化图表进行分析。结果:①共纳入23项研究,每项研究的TRIPOD遵循度在11%-87%之间,中位遵循度为54%;标题、治疗措施的详细说明、预测因素的盲法、缺失数据的处理方法、危险分层的细节、研究对象纳入的具体流程、模型解释以及模型性能的报告质量大多较差,TRIPOD遵循率在4%-35%之间;②所有纳入的研究中,61%具有高偏倚风险,39%具有不明确的整体偏倚风险;3项研究主要使用曲线下面积、准确度、敏感度及特异性指标评估模型性能;20个模型报道了模型的曲线下面积,范围为0.561-0.999;3个模型报道了模型的准确率,范围为82.07%-89.65%;③在所有纳入的研究中,统计分析领域最常被评估为高偏倚风险,主要是由于有效样本数量较小、根据单变量分析选择预测因素和缺乏研究中模型的校准度、区分度评估所致。结论:结果表明,在腰椎间盘突出症的预后模型开发及验证分析中,机器学习能取得良好的预测能力;常用的算法有回归算法、支持向量机、决策树、随机森林、人工神经网络、朴素贝叶斯等算法,合理的算法结合临床实践可以提高腰椎间盘突出症预后预测的准确性;但基于机器学习的预后预测模型的报告和方法学质量较差,不同模型间的预测性能差异较大,研究模型的普适性和外推性不明确,迫切需要改进此类研究的设计、实施和报告;对于模型开发研究,建模前需全面考虑与疾病预后相关的各类预测因素,建模时严格遵循PROBAST工具的相关标准开展研究,以推动机器学习在腰椎间盘突出症预测模型临床实践中的应用。

关键词： 古籍数字化   语义理解   人工智能   知识图谱   数字人文  

摘要： 针对古籍保护传承面临的挑战,基于人工智能(AI)技术,学界提出了多种综合解决方案,涵盖从高质量图像获取、光学字符识别(OCR)到语义理解和知识图谱构建的全流程,并广泛应用多光谱成像、深度学习驱动的图像增强、混合OCR模型等技术。在此基础上,基于知识图谱的智能问答系统和古籍数字化公共服务平台架构,可为古籍数字化与智能服务集成提供理论框架,为文化遗产的保护与传播开辟新途径。

关键词： 肺纤维化   自噬   机器学习   生物信息学   免疫浸润   最小绝对收缩与选择算子   基因富集分析   工程化组织构建  

摘要： 背景:肺纤维化的早期诊断是及时开展抗纤维化药物治疗的基础,因此,探索并发现能够有效应用于肺纤维化早期诊断的理想生物标志物对疾病治疗至关重要。目的:通过生物信息学和机器学习技术对肺纤维化过程中涉及的与自噬相关关键基因进行深入分析,探究与自噬相关的肺纤维化核心基因是否可以作为评估肺纤维化进展中可靠的生物标志物。方法:基于GEO数据库(是由美国国家生物技术信息中心开发和维护的一个公共数据库,用于存储和共享生物信息学数据)下载肺纤维化GSE24206和GSE110147两个数据集,利用R软件中的“limma”包将两组基因表达矩阵归一化处理。从GeneCards数据库(由美国国家生物技术信息中心创建,该知识库自动整合了约200个Web来源的以基因为中心的数据,包括基因组、转录组、蛋白质组、遗传、临床和功能信息)提取自噬相关基因集;对肺纤维化数据集进行差异基因分析,将差异基因与自噬基因集交叉对比提取共同基因,识别肺纤维化过程中可能发挥作用的自噬基因。交集基因通过GO、KEGG进行功能富集和细胞免疫浸润分析。通过蛋白质-蛋白质相互作用和机器学习筛选与自噬相关的肺纤维化核心基因,并对核心基因进行集富集分析。将筛选出的核心基因构建诊断模型,用校准曲线来评估线形图模型的预测能力,采用外部数据集GSE21369进行受试者工作特征曲线分析,验证与自噬相关的肺纤维化基因的表达特征,通过Coremine数据库预测与基因IL6、COL1A2相关的中药。培养人胚肺成纤维细胞,通过转化生长因子β1处理造模,利用qRT-PCR技术验证IL6、COL1A2在模型细胞中的相对表达。结果与结论:①获得肺纤维化差异基因51个、与自噬基因交集基因25个,GO分析显示25个交集基因与细胞外基质组织、胶原代谢过程、胶原原纤维组织、生长因子结合等过程有关,KEGG分析显示25个交集基因主要与磷脂酰肌醇3-激酶-蛋白激酶B信号通路、细胞外基质-受体相互作用等信号通路有关;②免疫浸润分析发现,肺纤维化组活化记忆性CD4+T细胞、M0巨噬细胞、静息树突状细胞表达显著升高(P<0.05),呈强相关性;③共筛选出2个参与肺纤维化进展的自噬特征基因:COL1A2、IL6,列线图模型显示两核心基因预测肺纤维化的发病较为准确,受试者工作特征曲线分析显示2个特征基因均具有诊断意义;COL1A2、IL6与细胞周期通路、丝裂原活化蛋白激酶信号通路、Janus激酶-信号转导与转录激活子信号通路以及细胞因子与细胞因子受体相互作用相关;预测到与COL1A2、IL6相关的中药共20味,功效以清热解毒、活血行气为主;细胞实验验证了COL1A2、IL6在肺纤维化中高表达。结果表明:COL1A2、IL6可能是肺纤维化潜在的诊断生物标志物,但是它们与肺纤维化相关的特异性尚需进一步研究。

关键词： 人工智能   核医学   自主学习   临床医学  

摘要： 随着医学技术的不断发展,核医学作为一门新兴的交叉学科,在临床诊断和治疗中发挥着越来越重要的作用。近年来,人工智能技术在医疗行业的应用逐渐广泛,为医学教育改革提供了新的思路。通过探讨人工智能技术在临床医学专业学生核医学领域自主学习中的应用,构建符合临床医学本科生特点的自主学习模式,提升学生的自主学习能力和核医学知识掌握水平。研究结果表明,人工智能技术能够有效整合学习资源,提供个性化的学习路径,显著提高学生的自主学习能力和问题解决能力。

关键词： 人工智能   人才培养   学习空间泛在化   产教融合   数字素养  

摘要： 随着人工智能技术的突飞猛进,财经类高校在人才自主培养领域迎来了前所未有的机遇与挑战。该文深入探讨人工智能如何全面赋能财经类高校的人才自主培养。人工智能与人才自主培养的结合,不仅是时代发展的必然之选,更引领着人才培养模式的全面革新。在这一过程中,人工智能不仅推动人才培养理念的更新、课程建设的提质增效及教学方式的创新,还促进学习空间的泛在化以教学评价的多元化。同时,人工智能的融入深化产教融合的内涵,推动产教融合方式的创新,加强了校企间的紧密合作与交流。此外,人工智能也在教师队伍建设中发挥着重要作用,提升教师的数字素养、教学能力及促进教师的专业发展。人工智能为财经类高校在人才培养模式上的创新提供强大的动力与支撑,为培养新时代的财经人才奠定坚实基础。