摘要：目的设计一种基于外泌体高效递送的方法,将治疗性核酸递送到肝癌组织治疗原发性肝癌。方法构建靶向肝癌的融合表达SP94和CD47的质粒,转染至HEK293T细胞后提取分离外泌体。通过透射电子显微镜及纳米颗粒跟踪分析、蛋白质印迹法等方法对外泌体进行鉴定。小鼠经尾静脉分别注射200μg DiD标记的未修饰外泌体和SP94修饰的外泌体,采用小动物活体成像仪检测并分析外泌体对肝癌组织的靶向作用。将未修饰外泌体和CD47修饰的外泌体分别与巨噬细胞RAW264.7、小鼠肝癌细胞Hepa1-6共孵育,验证细胞对修饰后外泌体的吞噬情况。通过电穿孔法将Polo样激酶1(PLK1)siRNA加载到不同修饰的外泌体中,再与Hepa1-6细胞共孵育,采用流式细胞术检测细胞凋亡水平。原发性肝癌模型小鼠经尾静脉注射加载PLK1 siRNA的修饰外泌体,系统研究并分析其对原发性肝癌的治疗效果。结果SP94修饰增强了外泌体对肝癌组织的靶向作用,CD47修饰减少了外泌体被巨噬细胞吞噬。SP94和CD47双修饰外泌体递送PLK1 siRNA促进了肝癌细胞凋亡。在原发性肝癌模型小鼠中,SP94和CD47双修饰外泌体加载PLK1 siRNA能有效抑制小鼠肝癌结节的生长,延长小鼠生存期。结论SP94和CD47双修饰外泌体可以高效靶向肝癌递送治疗性核酸PLK1siRNA,有效抑制肝癌的生长。

摘要：目的观察敲低Geminin对人脑胶质瘤细胞放疗敏感性的影响。方法利用GEPIA和CGGA数据库分析Geminin在脑胶质瘤组织中的表达及与生存期的相关性。实验分为两组:si-GL2组(对照组)和si-Gem组(干扰组),设计siRNA干扰序列(si-Gem)和阴性对照序列(si-GL2),分别转染脑胶质瘤细胞LN229和U87,qRT-PCR和Western blot检测转染效率及蛋白表达水平。流式细胞术检测碘化丙啶(PI)染色后DNA含量分布,进而分析敲低Geminin对DNA再复制的影响。通过AnnexinⅤ-FITC/PI法,用流式细胞术检测敲低Geminin对细胞凋亡的影响。CCK-8细胞增殖实验检测敲低Geminin对胶质瘤细胞LN229和U87放疗敏感性的影响。Western blot检测Geminin相关分子Cdt1和DNA相关损伤蛋白γ-H2AX的表达水平。结果脑胶质瘤组织中Geminin的表达水平高于癌旁正常组织,且Geminin表达越高,脑胶质瘤患者预后越差(P<0.05)。与si-GL2组相比,si-Gem组Geminin在LN229和U87细胞中的表达降低(P<0.05)。与si-GL2组相比,si-Gem组敲低Geminin可诱导脑胶质瘤细胞出现DNA再复制表型、细胞凋亡比例显著增加(P<0.05),脑胶质瘤细胞对放疗敏感性增强(P<0.05)。与si-GL2组相比,si-Gem组Geminin相关分子Cdt1蛋白表达水平降低,γ-H2AX的蛋白表达水平升高。结论敲低Geminin可以诱导脑胶质瘤细胞出现DNA再复制表型,造成DNA复制压力,并引起自发性细胞周期阻滞及细胞凋亡增多,进而增强脑胶质瘤细胞放疗敏感性,Geminin有望成为脑胶质瘤治疗的新靶点。

摘要：主要研究了胶凝材料组成及纤维掺量对玻璃纤维增强水泥(Glass fiber reinforced cement,GRC)的干燥收缩和自收缩性能的影响。通过等温量热仪、X射线衍射仪对不同类型的胶凝材料的早期水化放热及不同龄期的水化产物进行表征和分析,探讨了胶凝材料组成对GRC材料收缩性能的作用机理。试验结果表明:采用硫铝酸盐水泥制备的GRC材料其长期干燥收缩及自收缩最小,采用硅酸盐水泥制备的GRC材料干燥收缩及自收缩均较大,而掺入粉煤灰、硅灰等矿物掺和料可有效的降低GRC材料的干燥收缩和自收缩。同时,总体来看玻璃纤维掺量对GRC材料的收缩性能的影响相对较小,但适当掺量的玻璃纤维可一定程度上降低GRC材料的干燥收缩及自收缩。

摘要：为满足标准配送式变电站对二次设备预制舱原材料的性能要求,对硅酸盐水泥基玻璃纤维混凝土和硫铝酸盐基玻璃纤维混凝土的弹性模量和本构关系进行了研究。实验采取两种不同基材GRC材料的9种配合比,考虑水灰比、胶砂比、玻璃纤维掺量等三种对GRC材料性能影响明显的参数,对比了不同配合比下GRC材料的性能表现。实验结果显示,对于硅酸盐水泥GRC材料,提高水灰比会导致其抗压强度降低;而对于硫铝酸盐GRC材料,适当提高水灰比会减少纤维引入的缺陷,一定程度上提高抗压强度。GRC材料弹性模量主要受水灰比的影响,与之呈负相关;GRC材料受弯时,基体强度较高的GRC材料整体强度更高,但破坏速度更快;基体强度较低时整体强度也略有下降,但破坏速度更平缓;硫铝酸盐水泥GRC材料的破坏速度均小于硅酸盐水泥GRC材料。

摘要：确定燃气管道安全风险大数据预警模型采用怀卡托智能分析环境。确定数据预处理流程,包含原始数据的获取、数据清洗、特征变量确定与提取、缺失值填补、训练样本的选取。指出内部因素数据为管龄、管材、管径、压力级制、埋深、管理单位,外部因素数据为铁路、地铁等电气化轨道、水系面(河流与湖泊)等影响管道腐蚀的3类。从数据库中随机提取正样本1份,负样本4份,每份各855个样本点。将训练数据集分成3组:训练样本1、训练样本2、训练样本3,组成分别为正样本+负样本1,正样本+负样本2,正样本+负样本3。确定缺失值填补采用KNN算法。选择决策树C4.5、随机森林、贝叶斯网络、朴素贝叶斯、支持向量机和逻辑回归6种算法作为预警模型训练算法。根据选择的算法,同时考虑内外部因素的影响,进行预警模型训练(即实验)。根据实验结果比较分析,选出随机森林为最优算法。同时考虑内外部因素比仅考虑内部因素,模型准确率提高5.07%。