P2RX7是一种嘌呤受体，具有多个活性，在炎症组织中发现高水平的胞外ATP会激活该受体。P2RX7具有免疫调节和抗肿瘤特性，因此是治疗各种疾病的治疗靶点。已经开发了几种化合物，旨在抑制或增强其活性。但是，对P2RX7活性影响的研究仅限于需要使用非生理介质的体外和体外研究。目前，评估P2RX7调节剂在体内对受体的活性的唯一方法是间接的。我们成功开发了一种协议，利用其独特的大孔形成能力，在小鼠肺中检测P2RX7活化，从而解决了这个问题。该协议基于TO-PRO™-3的鼻内给药和流式细胞术测量荧光。我们表明，ATP主要以P2RX7依赖方式增强了小鼠肺免疫细胞中的TO-PRO™-3荧光。所描述的方法已成功分析了WT和转基因C57BL6小鼠肺中的P2RX7活性。提供的详细指导和建议将支持使用该协议研究针对P2RX7的药理或生物化合物的效力。©2023.作者。

为确定超声/微泡介导miR-424-5p传递对滋养层细胞的影响及其潜在机制，本研究测量了子痫前患者（PE）的血压和24小时蛋白尿水平以及胎盘组织中miR-424-5p和含铜脲酶1(AOC1)的水平。对HTR-8 / Svneo和TEV-1细胞进行细胞转染或超声（微泡）转染，以确定miR-424-5p、AOC1、β-连环蛋白和c-Myc的表达，以及细胞增殖、凋亡、迁移和侵袭性。测量了HTR-8 / Svneo和TEV-1细胞中胎盘生长因子（PLGF）、人绒毛膜促性腺激素（β-hCG）和肿瘤坏死因子α（TNF-α）的浓度。 RNA免疫沉淀（RIP）和双荧光素酶报告实验检测miR-424-5p对AOC1的结合。通过皮下注射L-NAME诱导子痫前小鼠模型，评估了超声/微泡介导miR-424-5p传递对其的影响。miR-424-5p在PE患者的胎盘组织中下调，而AOC1上调。miR-424-5p的过表达激活了Wnt/β-连环蛋白信号通路，促进了HTR-8 / Svneo和TEV-1细胞的增殖，并增强了迁移和侵袭行为。 AOC1的过表达在一定程度上消除了miR-424-5p对HTR-8 / Svneo和TEV-1细胞的影响。超声和微泡介导基因转染增强了miR-424-5p的转染效率，并进一步促进了miR-424-5p对滋养层细胞的作用。超声/微泡介导miR-424-5p传递缓解了小鼠实验性PE。超声和微泡介导的miR-424-5p传递靶向AOC1并激活Wnt/β-连环蛋白信号通路，从而促进了滋养层细胞的侵袭性表型，这表明miR-424-5p / AOC1轴可能与PE的病理机制有关。 © 2023。作者（们）。

肺癌是全球癌症相关死亡的最常见原因。造成高死亡率的原因有多种，包括转移至多个器官，特别是大脑。外泌体通过重构远程目标器官的微环境和促进前转移微环境的形成，在肿瘤的转移中起着关键作用。由于星形胶质细胞对于维持大脑微环境的稳态至关重要，因此探索肺癌细胞来源的外泌体对星形胶质细胞的影响，以进一步理解肺癌脑转移的机制是非常有意义的。在H1299细胞来源的外泌体和SVG P12细胞共培养24小时后，星形胶质细胞的存活率降低，凋亡率升高。上清液中的细胞因子水平，包括GROα / CXCL1、IFN-γ、IL-3、IL-5、IL-15、LIF、M-CSF、NGF、PDGF和VEGF得到显著增强，而IL-7分泌显著降低。同时，有关凋亡的蛋白质MAP2K1、TUBA1C、RELA和CASP6被上调。不同表达的蛋白质参与调节代谢途径。H1299的外泌体可以诱导星形胶质细胞凋亡，并促进它们分泌促进炎症微环境和免疫抑制微环境形成的细胞因子，并影响它们的代谢途径，从而促进肺癌脑转移中形成的前转移微环境形成。 ©2023 The Author(s)。

在医学图像检索任务中，由于哈希码的检索效率优势，深度哈希算法广泛应用于大规模数据集用于辅助诊断。其中大部分关注于特征学习，而忽略了医学图像的判别区域和深度特征及哈希码的层次相似性。本文提出了一种新的多尺度三元组哈希（MTH）算法，可同时利用多尺度信息、卷积自注意力和层次相似性来学习有效的哈希码。MTH算法首先设计了多尺度DenseBlock模块来学习医学图像的多尺度信息，同时开发了卷积自注意力机制来执行通道域的信息交互，能够有效地捕捉医学图像的判别区域。在这两条路径上，提出了一种新的损失函数，不仅能在学习过程中保留深度特征的类别级信息和哈希码的语义信息，还能捕获深度特征和哈希码的层次相似性。对Curated X-ray数据集、皮肤癌MNIST数据集和COVID-19放射学数据集进行的大量实验表明，与其他先进的医学图像检索算法相比，MTH算法能进一步提高医疗检索的效果。Copyright © 2023 Elsevier Ltd. All rights reserved.

本文介绍了一种临床适用的计算机分割模型，旨在通过捕捉医学图像中的每个小的和复杂的变化，整合第二意见，减少人为错误，提供临床腺体信息细节。该模型包括增强学习能力，提取密集的多尺度腺体特异性特征，恢复串联过程中的语义间隙，有效处理分辨率降级和梯度消失问题。该模型具有三个建议的模块，分别是编码器和解码器中的Atrous卷积残差学习模块，跳过连接路径中的残差注意模块，以及作为过渡和输出层的Atrous卷积过渡模块。此外，还采用像块采样、染色归一化、数据增强等预处理技术来提高其泛化能力。为了验证其强健性和增强网络的不变性以应对数字变异，我们进行了详细的实验，采用三个不同的公共数据集，即GlaS（腺体分割挑战赛）、CRAG（结直肠腺癌腺体）和LC-25000（肺结肠-25000）数据集，以及一个私人HosC（医院结肠）数据集。 该模型实现了具有竞争性的腺体检测结果，F1得分（GlaS（测试A（0.957），测试B（0.926）），CRAG（0.935），LC 25000（0.922），HosC（0.963））；和腺体分割结果具有目标Dice指数（GlaS（测试A（0.961），测试B（0.933）），CRAG（0.961），LC-25000（0.940），HosC（0.929））和目标Hausdorff距离（GlaS（测试A（21.77）和测试B（69.74）），CRAG（87.63），LC-25000（95.85），HosC（83.29））。此外，对于最终分割结果，还结合了由熟练的病理学家提供的验证分数（GlaS（测试A（0.945），测试B（0.937）），CRAG（0.934），LC-25000（0.911），HosC（0.928）），以证明其在临床应用的可行性和适当性。 该系统将协助病理学家提供参考视角，在结肠组织学形态学评估过程中提供准确的诊断。版权所有 © 2023 Elsevier Ltd.

近年来，甲状腺癌的发病率急剧上升，然而早期超声诊断可降低发病率和死亡率。临床工作严重依赖超声医生的主观经验。虽然存在许多计算机辅助诊断技术，但大多数技术只考虑结果的好坏，而忽略了图像采集前和临床实践中的有用性。为解决这些问题，本研究提出了一种基于注意机制的计算机辅助诊断方法。由于其轻量级属性，该模型可以快速识别结节，并在不使用过多硬件的情况下区分良性和恶性结节。该模型使用边界框定位甲状腺结节，并确定其是否良性或癌症，并输出甲状腺结节超声图像的诊断结果。最新的关注机制可以以较低的成本获得更好的结果。此外，根据甲状腺成像报告和数据系统标准，采集了具有良性和恶性甲状腺结节不同特征的超声图像。实验结果表明，该方法可以快速有效地识别和分类甲状腺结节；结果的mAP值达到0.89，恶性结节的mAP值达到0.94，单幅图像的检测率达到7毫秒。年轻医生和资源有限的小型医院可以受益于使用该方法辅助甲状腺超声检查诊断。 版权所有©2022 Elsevier Ltd。

深度学习模型，例如AlexNet、VGG和ResNet，在BreakHis数据集中对乳腺癌病理学图像进行分类取得了良好的性能。然而，由于计算复杂性和参数过多，这些模型在实践中并不适用于计算资源有限的设备，因此它们很少被使用。本文基于知识蒸馏开发了一种轻量级学习模型，用于分类BreakHis中的乳腺癌病理学图像。该方法采用基于VGG和ResNext的两个教师模型来训练两个学生模型，这些学生模型在构建上类似于教师模型，但具有更少的深层结构。在所提出的方法中，采用自适应联合学习方法，将教师模型的最终层输出和中间层的特征映射作为黑暗知识传递给学生模型。根据实验结果，基于ResNeXt结构设计的学生模型能够对所有病理学图像实现97.09%的识别率。此外，该模型的参数数量比教师模型少了约6940万，GPU内存使用量也减少了约0.93 G，压缩率比教师模型高268.17倍。而在学生模型中，识别率仅降低了1.75%。比较结果表明，与BreakHis中的最先进方法相比，学生模型的输出相当可接受。Copyright © 2022. Elsevier Ltd. 发表。

小分子抑制剂（SMI）能够靶向Oncostatin M (OSM)信号通路，是应对癌症、炎症性肠病和CNS疾病的新型治疗方法。最近，报道了一种名为SMI-10B的首例SMI，它能够靶向OSM并阻止其与受体（OSMR）的相互作用。然而，SMI-10B在OSM上的结合口袋和相互作用模式仍不为人们所了解，这阻碍了靶向OSM的SMIs的合理设计。本研究利用SMI-10B作为探针，通过无偏分子动力学（MD）模拟广泛探索了OSM上与小分子结合的多个口袋。随后，通过分子力学广义Born表面积（MM/GBSA）结合能漏斗鉴定了该复合物的近原生态结构。此外，通过额外的独立MD运行和绝对自由能扰动（FEP）计算验证了近原生态和非原生态构象下的蛋白质-配体复合物的结合稳定性。总之，本研究所表征的SMI-10B自发结合于OSM的独特特征不仅为理解SMI-10B与OSM结合的分子机制提供了详细的信息，还将促进新型更强效的SMI阻断OSM信号通路的合理设计。版权所有 ©2023 Elsevier Ltd.发表。

估计转移性复发风险是决定早期乳腺癌（eBC）辅助治疗选择的主要挑战。到目前为止，远处转移无生存（DMFS）分析主要依赖经典的统计模型（例如Cox回归）。相反，我们在这里提出了得出DMFS机械模型的建议。目前的系列由未接受辅助系统治疗的eBC患者组成，分别由3个数据集组成，包括分别由692（Bergonié研究所），591（Paoli-Calmettes研究所，IPC）和163（马赛公立医院，AP-HM）例病人以及日常临床注释。最后一个数据集还包含了三种非常规生物标志物的表达。我们的DMFS机械模型依赖于代表生长（α）和传播（μ）的两个数学参数。我们使用混合效应建模识别它们的种群分布。关键是，我们提出了一种新颖的变量选择程序，允许（i）确定生物参数与α、μ或两者之间的关联，和（ii）生成DMFS预测的最佳候选模型。我们发现Ki67和胸腺嘧啶激酶-1与α相关联，而淋巴结状况和纤溶酶原激活抑制剂-1与μ相关联。该模型的预测性能在校准中表现出色，但在鉴别中较为一般，c指数分别为0.72（95% CI [0.48, 0.95]，AP-HM），0.63 ([0.44, 0.83]，Bergonié)和0.60（95% CI [0.54, 0.80]，IPC）。总的来说，我们展示了结合机械和高级统计建模的新方法能够从DMFS数据中揭示临床病理参数的生物学作用。版权所有©2023年Elsevier B.V.出版。

骨髓（BM）细胞的形态学检查在诊断和治疗各种血液学疾病中至关重要。然而，目前仍采用手动检查方式，工作量巨大。迫切需要一种人工智能辅助诊断系统来减轻检查者的工作量并提高结果的可重复性。本文提出了一种基于骨髓涂片形态学检查的人工智能辅助诊断支持系统，包括细胞检测、分类和白血病类型的预测。对于细胞检测，我们训练了新的YOLOX-s模型，以精确定位细胞并获取单个细胞图像。对于细胞分类，我们将其视为一项细粒度分类任务，并提出了一种称为MLFL-Net的新颖架构，利用多级特征。此外，我们根据世界卫生组织（WHO）标准对包括40名正常人（骨髓移植供体）和40名不同类型急性白血病患者的数据集进行白血病类型预测。我们构建了一个包含11,788张完全注释的显微图像和131,300张专家注释的单个细胞图像的大规模数据集。使用这个数据集，检测模型达到了0.9797的AUC和4.33％的框架定位误差。对于细胞分类，我们提出的MLFL-Net的总准确率达到了89.53％，在识别细胞类别方面优于所有其他相关模型。同时，我们以急性白血病为例，探索了血液病的白血病类型预测过程。对于92.5％的队列，它生成与专家给出的诊断预测相同的结果。这种人工智能辅助系统可用于协助临床决策并加速诊断。该方法将有助于促进BM细胞形态学的智能化和现代化，对于医学事业的发展具有重要意义。版权所有 ©2023 Elsevier B.V. 发布。