《分枝杆菌生物材料和资源的研究人员》

  • 来源专题:实验室生物安全
  • 编译者: 栾冠楠
  • 发布时间:2021-06-23
  • 分枝杆菌研究人员可以获得许多资源,包括世界各地分发生物材料的培养收集物,基因组和临床数据库,以及强大的生物信息学工具。然而,这些资源中有许多可能是研究界所不知道的。这篇综述文章的目的是总结和公布这些资源,从而通过为科学界提供认证和质量控制的生物材料以及丰富的信息、分析工具和研究机会,从而加强分枝杆菌研究的质量和可重复性。

  • 原文来源:;https://pubmed.ncbi.nlm.nih.gov/29846561/
相关报告
  • 《研究人员探索纳米材料的生物效应》

    • 来源专题:纳米科技
    • 编译者:郭文姣
    • 发布时间:2019-12-19
    • 尽管纳米技术日益普及,但纳米颗粒的风险评估是一个艰巨的过程,给德国联邦风险评估研究所(BfR)带来了相当大的困难。 为了确定更有效的测试技术,一个研究小组,包括来自BfR和亥姆霍兹环境研究中心(UFZ)的科学家,仔细检查了纳米材料的生物影响。研究结果发表在《颗粒和纤维毒理学》杂志上。 纳米材料的应用范围很广,从建筑材料到染料,从医药到电子和化妆品。它们可以在各种不同的应用中找到,但这些材料的性质尚不清楚。 纳米材料的定义完全取决于它们的大小。1到100纳米之间的材料称为纳米材料。 克里斯汀·舒伯特博士,亥姆霍兹环境研究中心分子系统生物学系 为了直观地了解纳米材料的微小尺寸,1纳米仅仅是1毫米的百万分之一。由于纳米材料非常小,它们可以很容易地穿透人体——例如,通过胃肠道、皮肤和肺部,它们可以导致不利的影响。 与传统化学物质类似,纳米材料在工业化生产、使用和商业化之前也应该进行健康危害检测。 每一种纳米材料现在都在单独进行测试。此外,每个纳米材料变体都需要单独的测试,因为即使是最微小的变化——例如表面或尺寸特性——也会影响毒性。 纳米材料的风险评估有时是困难和非常耗时的。待测物质的清单每天都在变长,因为纳米技术正在成为一项具有广泛应用的关键技术。因此,我们迫切需要找到更有效的风险评估的解决方案。 Andrea Haase博士,德国联邦风险评估研究所 但是如何恰当地将纳米材料分类呢?它们的效果有相似之处吗?材料的哪些特性与这些效应有关?在这项新的研究中,BfR和UFZ的研究人员以及行业代表合作回答了这些问题。 舒伯特补充说:“我们关注的是生物效应,并研究了哪些分子和信号通路会受到哪些纳米材料的影响。” 研究人员进行了体外实验,他们将大鼠肺部的上皮细胞暴露在不同类型的纳米材料中,然后观察细胞内的变化。为了完成这项任务,研究人员使用了所谓的多组学技术——他们首先检测各种氨基酸和脂质以及数千种细胞蛋白,并分析细胞内重要的信号通路。 然后,在一种创新的生物信息学分析方法的帮助下,他们评估了大量的数据并得出了一些有趣的结果。 我们能够证明,具有毒性作用的纳米材料最初会引发氧化应激,而在这个过程中,细胞中的某些蛋白质会被上调或下调。在未来,这些关键分子可以作为生物标记物来快速有效地检测和提供纳米材料潜在毒性作用的证据。 克里斯汀·舒伯特博士,亥姆霍兹环境研究中心分子系统生物学系 如果纳米材料具有高水平的毒性,就会导致氧化应激的增加。随后是炎症过程的发展,细胞在特定的时间点后死亡。 “我们现在对纳米材料如何影响细胞有了更好的理解,”Haase补充说。“在生物标志物的帮助下,我们现在可以检测到比以前更低的毒性反应。” 此外,科学家们还发现了细胞代谢变化与纳米材料特性之间的明显联系。 “例如,我们能够证明,表面积大的纳米材料对细胞的影响与表面积小的纳米材料截然不同,”舒伯特补充说。 了解在毒性作用中起主要作用的参数类型将是非常有用的。这意味着纳米材料可以在制造过程中得到改善,例如,通过微小的改变,从而减少有害影响。 舒伯特说:“我们的研究使我们向前迈进了几大步。”“我们第一次广泛地分析了毒性作用背后的生物机制,根据其生物效应将纳米材料分类,并为新的检测方法确定了关键的生物标志物。” BfR的安德里亚·哈斯非常高兴:“研究结果对未来的工作很重要。它们将有助于为纳米材料的有效、可靠的风险评估提供新概念,并为我们确定前进的方向。”
  • 《利用深度学习框架从CT图像区分非结核分枝杆菌和结核分枝杆菌肺部疾病》

    • 来源专题:结核病防治
    • 编译者:蒋君
    • 发布时间:2021-06-17
    • 建立并评价基于CT图像的深度学习框架(3D-ResNet)在区分非结核性肺结核分枝杆菌病(NTM-LD)和结核性肺结核分枝杆菌病(MTB-LD)方面有效果。回顾性分析经病原微生物检查证实的301例NTM-LD和804例MTB-LD的胸部CT图像。分析两种疾病临床表现的差异。3D ResNet旨在以8:1:1的比例随机抽取数据,用于训练、验证和测试。研究人员还收集了外部测试数据(40个NTM-LD和40个MTB-LD)用于模型的外部验证。使用类激活图评估感兴趣的激活区域。该模型与测试集中的三位放射科医生进行了比较。经过比较,NTM-LD患者比MTB-LD患者年龄大,MTB-LD患者咳嗽较多,NTM-LD患者呼吸困难较多,结果有统计学意义(p<0.05)。该模型在训练、验证和测试数据集上的AUC分别为0.90、0.88和0.86,而在外部测试集上的AUC为0.78。此外,该模型的性能高于放射科医生,并且无需人工标记,该模型自动识别CT上异常的肺部区域的效率比放射科医生高1000倍以上。综上所述,3D-ResNet可作为NTB-LD和MTB-LD的快速辅助诊断工具,它的使用有助于为这些疾病的患者提供及时、准确的治疗策略。