摘要：细胞因子(cytokine)是一类由免疫细胞和某些非免疫细胞合成和分泌的信号分子,在免疫系统中通过结合相应受体调节细胞生长、分化和调控免疫应答。目前研究多侧重于通过实验方法检测细胞因子和受体的相互作用来研究细胞间的通讯网络,但存在实验周期长、设备要求高和成本高等不足。因此,有必要通过计算方法来加快对细胞-细胞因子相互作用(cell-cytokine interactions,CKI)的系统研究。本文提出一种基于变分图自编码器(variational graph auto-encoder,VGAE)预测细胞-细胞因子相互作用的深度学习模型——DeepCKI。该模型可有效融合蛋白质相互作用网络和不同类型的蛋白质特征,充分挖掘网络拓扑结构和节点属性中的有效信息,实现对细胞-细胞因子相互作用的高效预测。与变分自编码和深度神经网络方法相比,采用图结构设计的DeepCKI表现出了最优的预测性能。DeepCKI模型对4种不同类型细胞-细胞因子相互作用的ROC曲线下面积均高于0.8,模型具有一定的鲁棒性和有效性。预测打分排名前100的细胞-细胞因子相互作用中,有36对已被最新发表文献验证,表明该模型具有发现新的细胞-细胞因子相互作用的能力。

摘要：目的 探究解决当前细胞迁移研究方法中通量低、难以建立稳定的浓度梯度并实时观察细胞迁移行为等问题。方法 该文设计了一款六通道阵列微流控芯片。首先,使用有限元分析软件COMSOL Multiphysics 5.5进行多物理场建模和数值模拟以分析细胞迁移主管道的流动行为;然后,通过测试健康人中性粒细胞在该微流控芯片中对于不同类型趋化因子梯度的趋化反应来验证该设备的通量优势;接下来,通过分析6例Ⅱ型糖尿病患者和3例健康人的中性粒细胞的迁移速度,进一步验证了环形六通道阵列微流控芯片的临床适用性;最后,使用Pearson系数分析糖尿病患者中性粒细胞趋化功能与患者部分生理指标的相关性。结果 仿真软件模拟管道内部的浓度梯度数据与管道实时荧光测试数据相拟合;健康人中性粒细胞在100 nmol/L白细胞介素-8(IL-8)环境下,其平均迁移速度为(0.21±0.01)μm/s,在100 nmol/L N-甲酰-L-甲硫氨酰-L-白氨酰-L-苯丙氨酸(fMLP)环境下为(0.22±0.01)μm/s;在健康人与糖尿病患者中性粒细胞迁移实验对比中,健康人中性粒细胞趋化速度为(0.19±0.01)μm/s,糖尿病患者中性粒细胞趋化速度为(0.15±0.02)μm/s;相关性分析表明Ⅱ型糖尿病患者中性粒细胞迁移速度与糖化血红蛋白呈负相关。结论 该文所设计的高通量微流控芯片能快速、稳定地检测细胞的迁移功能,可以作为细胞迁移研究的新工具。

摘要：以某腈纶纺丝厂的纺丝控制系统为例,介绍了该系统的电气结构、通讯网络、基于PLC的控制算法设计以及上位机监控系统的实现,观察实际运行效果,设计的系统能够满足生产要求。

摘要：将研究性教育管理模式运用在基因工程实验课程中,教师将教学工作中自己遇到的实际问题当作研究课题,运用研究性教育管理模式解决教育实践问题,促进教育发展,探索管理规律。在实际工作中采用系统分析法,从现实研究、目标研究、实验研究和可行性研究等方面对基因工程实验中的问题进行了分析并采取了相应的解决方案,并对教学实践问题进行了反思,探讨研究性教育管理模式在教育实践中的运用。