目的利用生物信息学技术分析跨膜7超家族成员2(transmembrane 7 superfamily member 2,TM7SF2)基因在结直肠癌中的表达及其与患者预后的关系。方法利用癌症基因组图谱数据库下载结直肠癌组织和正常组织的表达谱数据和临床资料,并对TM7SF...目的利用生物信息学技术分析跨膜7超家族成员2(transmembrane 7 superfamily member 2,TM7SF2)基因在结直肠癌中的表达及其与患者预后的关系。方法利用癌症基因组图谱数据库下载结直肠癌组织和正常组织的表达谱数据和临床资料,并对TM7SF2进行差异分析及临床相关性分析。通过单因素及多因素Cox回归分析,评估TM7SF2基因表达水平对患者预后的影响。下载基因集并用基因集变异分析(gene set variation analysis,GSVA)算法评分评估样本生物学功能变化;根据TM7SF2基因表达水平将患者分为高、低组,并用基因集合富集分析信号通路差异;运用CIBERSORT工具评估肿瘤免疫细胞浸润与TM7SF2关系;预测该基因的药物化疗敏感度,并分析TM7SF2基因表达与结直肠癌患者临床指标间的相关性。结果与正常组织比较,肿瘤组织的TM7SF2表达量上调,TM7SF2基因高表达与结直肠癌患者预后不良相关。通过单因素和多因素Cox回归模型分析,TM7SF2表达水平可作为结直肠癌患者预后的独立因素。通路富集分析结果显示,TM7SF2可能在DNA复制、Wnt信号通路及戊糖磷酸等途径中发挥作用。TM7SF2表达水平与调节性T细胞和CD8^(+)T细胞呈正相关,与记忆性CD4^(+)T细胞和中性粒细胞呈负相关。在药物敏感度方面,TM7SF2表达水平与喜树碱、顺铂、多西他赛、尼洛替尼、奥拉帕尼、阿昔替尼的敏感度具有相关性。结论TM7SF2在结直肠癌组织中高表达,与患者预后不良相关,可作为预后生物标志物。展开更多
针对爆炸用激波管缺乏相应的经验公式和数值模拟时效性差的问题,同时为了快速得到激波管内的峰值压力,建立预测爆炸用激波管试验段峰值压力的四层反向传播(back propagation,BP)神经网络。采用数值模拟方法计算激波管试验段峰值压力,计...针对爆炸用激波管缺乏相应的经验公式和数值模拟时效性差的问题,同时为了快速得到激波管内的峰值压力,建立预测爆炸用激波管试验段峰值压力的四层反向传播(back propagation,BP)神经网络。采用数值模拟方法计算激波管试验段峰值压力,计算结果与激波管爆炸试验结果进行对比,平均相对误差为2.69%。证明激波管数值模型的准确性后,将数值模拟得到的195组激波管测得的峰值压力作为输出层,激波管驱动段TNT的药量、药柱的长径比以及爆炸比例距离作为神经网络的输入层。为了加快神经网络迭代速度和提高预测精度,使用自适应矩估计(adaptive moment estimation,ADAM)算法作为神经网络误差梯度下降的优化算法。结果表明,训练好的神经网络得到的预测结果与模拟值基本吻合,预测结果与数值模拟结果的平均相对误差为3.26%。BP神经网络模型能够反映激波管爆炸的峰值压力与影响因素之间的映射关系,采用BP神经网络模型计算时比数值模拟节约了大量运算时间。展开更多
文摘目的利用生物信息学技术分析跨膜7超家族成员2(transmembrane 7 superfamily member 2,TM7SF2)基因在结直肠癌中的表达及其与患者预后的关系。方法利用癌症基因组图谱数据库下载结直肠癌组织和正常组织的表达谱数据和临床资料,并对TM7SF2进行差异分析及临床相关性分析。通过单因素及多因素Cox回归分析,评估TM7SF2基因表达水平对患者预后的影响。下载基因集并用基因集变异分析(gene set variation analysis,GSVA)算法评分评估样本生物学功能变化;根据TM7SF2基因表达水平将患者分为高、低组,并用基因集合富集分析信号通路差异;运用CIBERSORT工具评估肿瘤免疫细胞浸润与TM7SF2关系;预测该基因的药物化疗敏感度,并分析TM7SF2基因表达与结直肠癌患者临床指标间的相关性。结果与正常组织比较,肿瘤组织的TM7SF2表达量上调,TM7SF2基因高表达与结直肠癌患者预后不良相关。通过单因素和多因素Cox回归模型分析,TM7SF2表达水平可作为结直肠癌患者预后的独立因素。通路富集分析结果显示,TM7SF2可能在DNA复制、Wnt信号通路及戊糖磷酸等途径中发挥作用。TM7SF2表达水平与调节性T细胞和CD8^(+)T细胞呈正相关,与记忆性CD4^(+)T细胞和中性粒细胞呈负相关。在药物敏感度方面,TM7SF2表达水平与喜树碱、顺铂、多西他赛、尼洛替尼、奥拉帕尼、阿昔替尼的敏感度具有相关性。结论TM7SF2在结直肠癌组织中高表达,与患者预后不良相关,可作为预后生物标志物。
文摘针对爆炸用激波管缺乏相应的经验公式和数值模拟时效性差的问题,同时为了快速得到激波管内的峰值压力,建立预测爆炸用激波管试验段峰值压力的四层反向传播(back propagation,BP)神经网络。采用数值模拟方法计算激波管试验段峰值压力,计算结果与激波管爆炸试验结果进行对比,平均相对误差为2.69%。证明激波管数值模型的准确性后,将数值模拟得到的195组激波管测得的峰值压力作为输出层,激波管驱动段TNT的药量、药柱的长径比以及爆炸比例距离作为神经网络的输入层。为了加快神经网络迭代速度和提高预测精度,使用自适应矩估计(adaptive moment estimation,ADAM)算法作为神经网络误差梯度下降的优化算法。结果表明,训练好的神经网络得到的预测结果与模拟值基本吻合,预测结果与数值模拟结果的平均相对误差为3.26%。BP神经网络模型能够反映激波管爆炸的峰值压力与影响因素之间的映射关系,采用BP神经网络模型计算时比数值模拟节约了大量运算时间。
