-
公开(公告)号：CN108333366A
公开(公告)日：2018-07-27
申请号：CN201810077848.2
申请日：2018-01-26
IPC分类号： G01N33/68 , G01N33/574
摘要： 本发明公开了一种高迁移率蛋白HMGB3在监测肝细胞恶性转化过程的应用，包括以下步骤：动物分组，模型制备，制作大鼠肝脏组织的石蜡切片，大鼠肝脏的H&E染色，Trizol法检测并计算大鼠肝癌形成动态过程中HMGB家族的mRNA表达水平，和免疫组化技术检测大鼠肝癌形成过程中HMGB3的蛋白表达水平。本发明构建了大鼠肝癌模型，以2-乙酰氨基芴诱发肝细胞恶性转化，通过RT-qPCR发现，分析肝癌形成的不同阶段HMGB家族成员mRNA水平，发现HMGB3表达在肝恶性转化过程中呈动态增长；并且免疫组化验证HMGB3蛋白水平在肝癌形成的过程中表达显著增高；由此可见HMGB3可以用于肝细胞恶性转化过程的动态监检。
-
公开(公告)号：CN108333366B
公开(公告)日：2020-06-12
申请号：CN201810077848.2
申请日：2018-01-26
IPC分类号： G01N33/68 , G01N33/574
摘要： 本发明公开了一种高迁移率蛋白HMGB3在监测肝细胞恶性转化过程的应用，包括以下步骤：动物分组，模型制备，制作大鼠肝脏组织的石蜡切片，大鼠肝脏的H&E染色，Trizol法检测并计算大鼠肝癌形成动态过程中HMGB家族的mRNA表达水平，和免疫组化技术检测大鼠肝癌形成过程中HMGB3的蛋白表达水平。本发明构建了大鼠肝癌模型，以2‑乙酰氨基芴诱发肝细胞恶性转化，通过RT‑qPCR发现，分析肝癌形成的不同阶段HMGB家族成员mRNA水平，发现HMGB3表达在肝恶性转化过程中呈动态增长；并且免疫组化验证HMGB3蛋白水平在肝癌形成的过程中表达显著增高；由此可见HMGB3可以用于肝细胞恶性转化过程的动态监检。
-
公开(公告)号：CN108004325A
公开(公告)日：2018-05-08
申请号：CN201810095877.1
申请日：2018-01-31
IPC分类号： C12Q1/6886 , G01N33/574
摘要： 本发明公开了一种CD44在监测非酒精性脂肪性肝病恶化转化过程中的应用，包括以下步骤：动物分组、模型构建、肝组织脂肪染色、血脂和肝酶活性测定、免疫组织化学染色和基因表达谱分析；通过以上步骤，本发明通过建立正常肝、脂肪肝、损伤变性肝、病变肝和癌变肝的大鼠模型，检测在肝细胞恶性转化过程中CD44变化，对照组肝组织含有极微量CD44表达，脂肪肝组的鼠肝组织中CD44表达量明显高于对照组；而变性组、病变组和癌变组的鼠肝组织中CD44表达量均显著高于脂肪肝组和对照组，其中癌变组的CD44表达量最高，癌变组的CD44表达量最高，肝组织中CD44的高表达对肝细胞恶化转化过程中起促进作用。
-
公开(公告)号：CN116650484A
公开(公告)日：2023-08-29
申请号：CN202310525216.9
申请日：2023-05-11
申请人： 南通大学
IPC分类号： A61K31/4535 , A61K31/565 , A61K31/55 , A61K31/566 , A61K31/167 , A61K45/00 , A61P35/00
摘要： 本发明公开了一种乳腺癌相关蛋白的抑制剂及其应用，所述乳腺癌相关蛋白为PARP1、CDK2和PI3Kα，所述抑制剂为雷洛昔芬和氟维司群；其中，雷洛昔芬为PARP1和PI3Kα的抑制剂，氟维司群为CDK2的抑制剂。本发明充分应用分子对接技术分析结合相互作用，并关联氟维司群和雷洛昔芬对三种乳腺癌标靶受体5HA9、6GUE和7K6O的结合亲和力，发现雷洛昔芬是PARP1和PI3Kα最有效的抑制剂，氟维司群是CDK2最有效的抑制剂。最后采用分子动力学方法测定了5HA9‑雷洛昔芬、6GUE‑氟维司群和7K6O‑雷洛昔芬的稳定性。这一结果有助于发现治疗乳腺癌的新药。
-
公开(公告)号：CN111988178B
公开(公告)日：2023-04-07
申请号：CN202010847915.1
申请日：2020-08-21
申请人： 南通大学 , 南通先进通信技术研究院有限公司
IPC分类号： H04L41/0894 , H04L41/14 , H04L41/12
摘要： 本发明提供了一种融合节点多属性的复杂网络重要节点识别方法，包括如下步骤：S10确认网络连接；S20获得节点i的介数中心性评估参数BC(i)、节点i的近邻中心性评估参数CC(i)以及节点i的信息中心性评估参数IC(i)；S30采用改进的变异系数(ICV)计算参数BC、CC以及IC对节点i的重要性贡献系数ωBC、ωCC以及ωIC；S40构建公式BICC(i)＝ωBCBC(i)+ωCCCC(i)+ωICIC(i)计算复杂网络节点的中心性得分，识别出复杂网络中系统层面的重要节点。本发明的一种融合节点多属性的复杂网络重要节点识别方法，将介数中心性评估参数BC、近邻中心性评估参数CC以及信息中心性评估参数IC进行有效融合，从网络系统水平上考虑节点重要性的评价指标，与现有技术相比重要节点识别的可靠性极大提高，算法的精度得到了较大的改善。
-
公开(公告)号：CN107142310B
公开(公告)日：2021-06-29
申请号：CN201710367068.7
申请日：2017-05-23
IPC分类号： C12Q1/6886 , C12Q1/02 , G01N33/574
摘要： 本发明公开了特异性shRNA筛选及其靶向Ang‑2基因抑制肺癌细胞的验证方法，经细胞复苏、细胞培养、细胞转染、干扰前后实时荧光定量PCR检测Ang‑2表达、干扰前后细胞中蛋白表达分析、CCK‑8方法检测干扰Ang‑2基因前后的肺癌细胞增殖能力及干扰前后细胞侵袭、迁移能力改变的检测的步骤完成对特异性shRNA的筛选及其靶向Ang‑2基因抑制肺癌细胞的验证；本发明实现筛选对Ang‑2基因转录干扰具有特异性Ang‑2‑shRNA1有效质粒转染肺癌细胞，同时能够验证了特异性shRNA靶向干扰Ang‑2能够有效抑制癌细胞的增殖、侵袭、迁移等生物学能力，为治疗肺癌提供一种新的治疗方向，抑制Ang‑2弥补抗VEGFR单一疗法的局限性。
-
公开(公告)号：CN111988178A
公开(公告)日：2020-11-24
申请号：CN202010847915.1
申请日：2020-08-21
申请人： 南通大学 , 南通先进通信技术研究院有限公司
IPC分类号： H04L12/24
摘要： 本发明提供了一种融合节点多属性的复杂网络重要节点识别方法，包括如下步骤：S10确认网络连接；S20获得节点i的介数中心性评估参数BC(i)、节点i的近邻中心性评估参数CC(i)以及节点i的信息中心性评估参数IC(i)；S30采用改进的变异系数(ICV)计算参数BC、CC以及IC对节点i的重要性贡献系数ωBC、ωCC以及ωIC；S40构建公式BICC(i)＝ωBCBC(i)+ωCCCC(i)+ωICIC(i)计算复杂网络节点的中心性得分，识别出复杂网络中系统层面的重要节点。本发明的一种融合节点多属性的复杂网络重要节点识别方法，将介数中心性评估参数BC、近邻中心性评估参数CC以及信息中心性评估参数IC进行有效融合，从网络系统水平上考虑节点重要性的评价指标，与现有技术相比重要节点识别的可靠性极大提高，算法的精度得到了较大的改善。
-
公开(公告)号：CN111984927A
公开(公告)日：2020-11-24
申请号：CN202010811039.7
申请日：2020-08-13
申请人： 南通大学 , 南通先进通信技术研究院有限公司
摘要： 本发明提供了一种空气污染健康效应的评估方法，包括如下步骤：S10采集地面站点观测的空气污染数据、气象要素数据、人口数据以及基准死亡率数据；S20将所述空气污染数据以及所述气象要素数据融合，利用多元线性逐步回归，获得气象与排放对污染变化的贡献；S30采用对数线性模型结合人口数据、基准死亡率数据以及空气污染数据评估污染变化导致的健康损失或健康收益；以及S40将气象与排放对污染变化的贡献与污染变化导致的健康损失及健康收益结合获得气象与排放对健康效应贡献的评估结果。本发明的一种空气污染健康效应的评估方法，使用气象要素数据以及空气污染数据对公众的健康状况提供了一种评估方法，可为环境管理部门对健康评估提供科学依据。
-
公开(公告)号：CN110348019A
公开(公告)日：2019-10-18
申请号：CN201910644003.1
申请日：2019-07-17
申请人： 南通大学
摘要： 本发明提供一种基于注意力机制的医疗实体向量转化方法，建立MedE2vec模型，具体包括以下步骤：患者整个医疗过程的电子病历包括时间分布零散的多次诊疗事件Event，单次的诊疗事件Event由患者的多个医疗实体Entity组成；输入患者的一次临床诊疗的所有医疗实体，由初始化向量矩阵W将其初始化为向量表示的诊疗序列；捕获患者诊疗事件序列V内部的医疗实体之间的关系即注意力机制；捕获患者不同诊疗事件间的关系：经过迭代训练得到向量矩阵W，W中的第i行即表示医疗实体集合中的向量；通过损失函数不断优化向量矩阵W，来得到最终的医疗实体向量。本发明是一个基于注意力机制的深度学习模型；MedE2vec可以生成更加精确的医疗实体向量。
-
公开(公告)号：CN117995265A
公开(公告)日：2024-05-07
申请号：CN202410142692.7
申请日：2024-02-01
申请人： 南通大学
IPC分类号： G16B15/30 , G16B40/00 , G06F18/27 , G16C20/50 , G16C20/70 , A61K31/497 , A61K31/675 , A61P35/00
摘要： 本发明公开了一种基于QSAR、分子对接模拟和ADME参数筛选HDAC抑制剂的方法和应用，首先通过多元线性回归(MLR)构建QSAR模型，并使用留一法交叉验证模型的可预测性，再根据结果设计化合物，并对设计的化合物进行分子对接模拟，筛选出具有较高对接分数的化合物，最后采用网络工具Swiss ADME计算，筛选出遵循Lipinski五定律，且具有良好对接分数、合适ADME和类药性特征的化合物，即为适合的HDAC抑制剂。本发明的方法适用于研究具有HDAC抑制作用的43种吲唑衍生物，结果表明，通过本发明方法设计的化合物P5、P2和P7可用作潜在抗乳腺癌候选药物。
-
-
-
-
-
-
-
-
-
搜索结果
54 条记录 (耗时 0.027 秒)
