利用脂质纳米粒子-mRNA制剂清除ROS加速糖尿病创面愈合 糖尿病伤口是高血糖患者的常见并发症，具有高发病率和高复发率，给全球经济带来了巨大损失。现有的治疗方法，包括伤口卸荷和生长因子疗法，虽然在临床试验中显示了缩短愈合时间的效果，但它们的广泛应用受到了成本和潜在副作用的限制。因此，急需开发一种更为有效、安全且方便的糖尿病伤口管理方法。 在复杂的伤口微环境中，治疗挑战主要来源于反应性氧类（reactive oxygen species, ROS）的不受控积累以及持续的炎症。这种病理微环境导致了过度的氧化应激和缺血性新生血管形成，进而延迟伤口愈合。此项研究的目的是通过开发富有反应性的ROS响应的脂质纳米颗粒（lipid nanoparticles, LNP）和mRNA制剂，调节伤口内的ROS和...

摘要 近年来，研究人员逐渐认识到情绪事件的情境感知和目标导向反应对于适应性功能至关重要。在行为和情绪调控模型中，外侧前额叶皮层（lpfc）被认为维持与目标相关的表征，从而促进认知控制。然而，这一假设很少通过因果推断方法进行测试。R. C. Lapate等人发表在《Nature Communications》的一篇文章，通过修改健康个体中的中部外侧前额叶皮层（mid-lpfc）功能，并结合功能磁共振成像（fMRI）扫描，初步验证了这一理论。 研究背景 外侧前额叶皮层（Lpfc）被广泛认为在情绪调节中起到重要作用，尤其是在认知重评中，人们根据目标调节情绪反应时。缺乏对mid-lpfc信息表征在情绪调控中因果作用的实验证据，促使Lapate等人使用新的多变量模式分析（MVPA）与因果扰动方法相结合...

低强度超声促进大脑类器官整合并改善小头畸形缺陷 研究背景 大脑类器官（brain organoids）经过多能干细胞（pluripotent stem cells, PSCs）分化生成，具有令人惊叹的细胞多样性、并能表现类似人脑的功能网络。这些类器官方法极具潜力，可用于模拟神经系统疾病与大脑修复。然而，物理刺激对其发育和整合的影响仍不明确。本研究旨在探讨低强度超声（low-intensity ultrasound, LIUS）对大脑类器官的影响。 研究来源 研究由来自天津大学的多个学者共同完成，发表时间为2024年，发表于《Brain》期刊（Oxford University Press出版）。 研究流程 本研究包括以下流程： 1. 大脑类器官生成：根据既定协议生成皮质类器官，在第18天开始...

背景介绍 弥散张量磁共振成像（Diffusion Tensor Magnetic Resonance Imaging，DTI）是一种广泛应用于体内脑组织微结构和白质束成像的神经影像技术。然而，弥散加权图像（Diffusion-Weighted Images, DWI）中的噪声会降低DTI数据所派生出的微结构参数的精度，同时也导致需要更长的采集时间来提高信噪比(Signal-to-Noise Ratio, SNR)。尽管基于卷积神经网络（Convolutional Neural Networks, CNNs）的深度学习方法在图像去噪方面表现突出，但通常需要额外的高信噪比数据来监督CNN的训练，这限制了监督学习方法在去噪中的实际应用。 论文来源 本文标题为“SDnDTI: Self-Superv...

在这篇学术论文中,作者试图解决经颅磁共振引导聚焦超声(mrgFUS)治疗过程中常见的头痛并发症问题。头痛是一种常见并发症,严重情况下甚至可能导致患者无法耐受声波照射而不得不终止治疗。目前还没有针对这种头痛的确立的治疗方法。 作者来自日本浜松医科大学医学院神经外科学系,包括门籍真人、杉山健司、野崎孝雄、山崎智裕、难波宏树、清水幹裕和黑泽一彦等人。该论文发表于2024年的Neurosurgery杂志上。 这项研究针对mrgFUS治疗中的头痛问题,采用了头皮神经阻滞(scalp nerve block, SNB)的新方法,即在头皮周围神经注射长效局麻药如罗哌卡因等,阻断头皮神经的传入性痛觉impulse。 研究流程如下: a) 研究对象:2020年4月至2022年2月期间,在该医院接受mrgFUS...

5’非翻译区(5’UTR)是信使RNA(mRNA)分子起始端的一个调控区域,在调节翻译过程及影响蛋白质表达水平方面发挥着关键作用。语言模型已展现出解码蛋白质和基因组序列功能的有效性。在这项研究中,作者们介绍了一种针对5’UTR的语言模型,简称为UTR-LM。 研究背景 事实上,5’UTR在调控mRNA的翻译过程中扮演着重要角色,可以影响mRNA的稳定性、定位和翻译效率。之前已有大量研究探索了5’UTR的生物学特征,包括它的二级结构、可能与之互作的RNA结合蛋白,以及5’UTR突变对基因表达的影响等。mRNA的复杂功能及其对人类健康的潜在影响,凸显了需要开发更具普遍适用性的计算方法。 研究来源 本研究由普林斯顿大学电子与计算机工程系的Mengdi Wang教授课题组、斯坦福大学病理系的Le C...

人工智能领域一直以来都存在着一个”弱监督学习”的问题,即在训练数据中,只有部分标记是可观测的,而其余的标记则是未知的。多实例学习(Multiple Instance Learning,简称MIL)就是解决这一问题的一种范式。在MIL中,训练数据被分组为若干”袋”(bag),每个袋包含多个实例(instance)。我们只能观测到每个袋的标记,而无法获知每个实例的具体标记。MIL的目标是基于袋的标记,预测新袋及其包含实例的标记。 MIL范式在诸多科学领域得到了广泛应用,尤其在医学影像领域表现卓著。此文关注的是一个实际的医学问题——颅内出血(ICH)检测。在这一问题中,一个CT扫描被视为一个袋,而扫描的每个切片则是一个实例。如果至少有一个切片显示出血证据,那么整个扫描就被标记为阳性(患病);否则为...