目的探讨负性共刺激分子T细胞活化的V结构域Ig抑制因子(V-domain immunoglobulin suppressor of T cell activation,VISTA)的表达与胃癌患者临床病理参数及预后的关系。方法收集2011年1月至2012年12月在苏州大学附属第一医院接受胃癌手...目的探讨负性共刺激分子T细胞活化的V结构域Ig抑制因子(V-domain immunoglobulin suppressor of T cell activation,VISTA)的表达与胃癌患者临床病理参数及预后的关系。方法收集2011年1月至2012年12月在苏州大学附属第一医院接受胃癌手术的268例胃癌患者肿瘤组织并制作成组织芯片;免疫组化染色法检测组织芯片VISTA、浸润细胞标志物、γ干扰素(IFN-γ)的表达水平;荧光定量PCR(qRT-PCR)检测胃癌和胃炎组织中VISTA mRNA的表达水平;ELISA法检测血清IFN-γ的表达水平;进一步分析VISTA与IFN-γ、胃癌患者临床病理参数之间的相关性以及对患者预后的影响。结果VISTA主要在肿瘤浸润免疫细胞(122/268,45.5%)和间质细胞(148/268,55.2%)中表达,较少在肿瘤细胞(14/268,5.2%)中表达。VISTA与IFN-γ的表达水平呈正相关(P<0.05)。胃癌组织VISTA mRNA和蛋白质的表达水平均显著高于胃炎组织(P均<0.05),且其高表达与胃癌患者性别、肿瘤分期以及是否存在淋巴结转移之间呈显著相关性(P均<0.05)。VISTA低表达是影响胃癌患者总生存率的危险因素(P=0.035)。结论VISTA具有作为胃癌与胃炎鉴别诊断指标的潜能,可作为胃癌患者风险因素的预后标志物,但需联合肿瘤微环境中的其他指标分析以精准预测患者预后。展开更多
贝叶斯网络由于其强大的不确定性推理能力和因果可表示性越来越受到研究者的关注。从数据中学习一个贝叶斯网络结构被称为NP-hard问题。其中,针对K2算法强依赖于变量拓扑序的问题,提出了一种组合变量邻居集和v-结构信息的K2改进学习方法...贝叶斯网络由于其强大的不确定性推理能力和因果可表示性越来越受到研究者的关注。从数据中学习一个贝叶斯网络结构被称为NP-hard问题。其中,针对K2算法强依赖于变量拓扑序的问题,提出了一种组合变量邻居集和v-结构信息的K2改进学习方法TSK2(Two-Step Search Strategy of K2)。该方法有效减小了序空间搜索规模,同时避免了过早陷入局部最优。具体而言,该方法在约束算法定向规则的启示下,借助识别的v-结构和邻居集信息可靠调整汇点的邻居在序中的位置;其次,在贝网基本组成结构的启发下,借助变量邻居集信息,通过执行顺连、分连、汇连3个基本结构的搜索,准确修正父节点与子节点的序位置,获得最优序列。实验结果表明,在Asia和Alarm网络数据集上,与对比方法相比,所提算法的准确率得到显著提升,可以获得更准确的网络结构。展开更多
文摘目的探讨负性共刺激分子T细胞活化的V结构域Ig抑制因子(V-domain immunoglobulin suppressor of T cell activation,VISTA)的表达与胃癌患者临床病理参数及预后的关系。方法收集2011年1月至2012年12月在苏州大学附属第一医院接受胃癌手术的268例胃癌患者肿瘤组织并制作成组织芯片;免疫组化染色法检测组织芯片VISTA、浸润细胞标志物、γ干扰素(IFN-γ)的表达水平;荧光定量PCR(qRT-PCR)检测胃癌和胃炎组织中VISTA mRNA的表达水平;ELISA法检测血清IFN-γ的表达水平;进一步分析VISTA与IFN-γ、胃癌患者临床病理参数之间的相关性以及对患者预后的影响。结果VISTA主要在肿瘤浸润免疫细胞(122/268,45.5%)和间质细胞(148/268,55.2%)中表达,较少在肿瘤细胞(14/268,5.2%)中表达。VISTA与IFN-γ的表达水平呈正相关(P<0.05)。胃癌组织VISTA mRNA和蛋白质的表达水平均显著高于胃炎组织(P均<0.05),且其高表达与胃癌患者性别、肿瘤分期以及是否存在淋巴结转移之间呈显著相关性(P均<0.05)。VISTA低表达是影响胃癌患者总生存率的危险因素(P=0.035)。结论VISTA具有作为胃癌与胃炎鉴别诊断指标的潜能,可作为胃癌患者风险因素的预后标志物,但需联合肿瘤微环境中的其他指标分析以精准预测患者预后。
文摘贝叶斯网络由于其强大的不确定性推理能力和因果可表示性越来越受到研究者的关注。从数据中学习一个贝叶斯网络结构被称为NP-hard问题。其中,针对K2算法强依赖于变量拓扑序的问题,提出了一种组合变量邻居集和v-结构信息的K2改进学习方法TSK2(Two-Step Search Strategy of K2)。该方法有效减小了序空间搜索规模,同时避免了过早陷入局部最优。具体而言,该方法在约束算法定向规则的启示下,借助识别的v-结构和邻居集信息可靠调整汇点的邻居在序中的位置;其次,在贝网基本组成结构的启发下,借助变量邻居集信息,通过执行顺连、分连、汇连3个基本结构的搜索,准确修正父节点与子节点的序位置,获得最优序列。实验结果表明,在Asia和Alarm网络数据集上,与对比方法相比,所提算法的准确率得到显著提升,可以获得更准确的网络结构。
