目的通过测定结直肠癌患者癌组织、癌旁正常组织中mi R-196a和ZG16 m RNA的相对表达水平,探讨二者与患者临床病理特征的关系及二者相关性。方法应用实时荧光定量PCR,检测83例结直肠癌患者癌组织、癌旁正常组织中mi R-196a和ZG16 m RNA...目的通过测定结直肠癌患者癌组织、癌旁正常组织中mi R-196a和ZG16 m RNA的相对表达水平,探讨二者与患者临床病理特征的关系及二者相关性。方法应用实时荧光定量PCR,检测83例结直肠癌患者癌组织、癌旁正常组织中mi R-196a和ZG16 m RNA的相对表达水平,并分析二者相关性及其与患者临床病理特征之间的关系。结果癌组织中ZG16 m RNA表达量明显低于正常组织(t=-27.511,P<0.001);癌组织mi R-196a表达量明显高于正常组织(t=9.04,P<0.001),且二者在癌组织中的表达量呈显著负相关(P<0.001,r=-0.469);癌组织中mi R-196a、ZG16m RNA的表达情况与肿瘤部位、有无淋巴结转移、有无远处转移、肿瘤分期明显相关(P<0.05),与性别、年龄、肿瘤大小、分化程度、浸润深度、CEA水平无关(P>0.05)。结论两者可能推动结直肠癌的发生、发展,可能是潜在的病情评估及疗效评价的生物标志物;两者在左右半结直肠癌中表达量分别有差异,临床上可能有助于左右半结直肠癌靶向药物疗效预测及新的治疗靶点的发现。展开更多
为了对饮食文本信息高效分类,建立一种基于word2vec和长短期记忆网络(Long-short term memory,LSTM)的分类模型。针对食物百科和饮食健康文本特点,首先利用word2vec实现包含语义信息的词向量表示,并解决了传统方法导致数据表示稀疏及维...为了对饮食文本信息高效分类,建立一种基于word2vec和长短期记忆网络(Long-short term memory,LSTM)的分类模型。针对食物百科和饮食健康文本特点,首先利用word2vec实现包含语义信息的词向量表示,并解决了传统方法导致数据表示稀疏及维度灾难问题,基于K-means++根据语义关系聚类以提高训练数据质量。由word2vec构建文本向量作为LSTM的初始输入,训练LSTM分类模型,自动提取特征,进行饮食宜、忌的文本分类。实验采用48 000个文档进行测试,结果显示,分类准确率为98.08%,高于利用tf-idf、bag-of-words等文本数值化表示方法以及基于支持向量机(Support vector machine,SVM)和卷积神经网络(Convolutional neural network,CNN)分类算法结果。实验结果表明,利用该方法能够高质量地对饮食文本自动分类,帮助人们有效地利用健康饮食信息。展开更多
文摘目的通过测定结直肠癌患者癌组织、癌旁正常组织中mi R-196a和ZG16 m RNA的相对表达水平,探讨二者与患者临床病理特征的关系及二者相关性。方法应用实时荧光定量PCR,检测83例结直肠癌患者癌组织、癌旁正常组织中mi R-196a和ZG16 m RNA的相对表达水平,并分析二者相关性及其与患者临床病理特征之间的关系。结果癌组织中ZG16 m RNA表达量明显低于正常组织(t=-27.511,P<0.001);癌组织mi R-196a表达量明显高于正常组织(t=9.04,P<0.001),且二者在癌组织中的表达量呈显著负相关(P<0.001,r=-0.469);癌组织中mi R-196a、ZG16m RNA的表达情况与肿瘤部位、有无淋巴结转移、有无远处转移、肿瘤分期明显相关(P<0.05),与性别、年龄、肿瘤大小、分化程度、浸润深度、CEA水平无关(P>0.05)。结论两者可能推动结直肠癌的发生、发展,可能是潜在的病情评估及疗效评价的生物标志物;两者在左右半结直肠癌中表达量分别有差异,临床上可能有助于左右半结直肠癌靶向药物疗效预测及新的治疗靶点的发现。
