小鼠骨髓间充质干细胞对异基因肝移植模型大鼠移植区域组织损伤的修复作用

目的观察小鼠骨髓间充质干细胞(MSCs)注入后在异基因肝移植模型大鼠移植区域的迁徙、定居及组织修复作用,探讨MSCs诱导异基因移植免疫耐受的可能性。方法将昆明小鼠肝组织块埋入Wister大鼠肝脏切口,制备异基因肝移植大鼠模型;体外分离、纯化并培养昆明小鼠乳鼠MSCs;经DAPI标记后,尾静脉注入模型大鼠,通过激光共聚焦显微镜,分别在24h、5d及10d观察MSCs在肝脏移植区域的迁徙及定居;采用HE染色观察肝移植区域组织损伤情况。结果MSCs尾静脉注入后,24h即出现在肝移植区域,5d时分布于血管周围,10d时扩散至移植区域血管及周围组织;MSCs治疗5d,HE染色显示移植区域浸润的炎性细胞减少,可见肝组织结构。结论小鼠MSCs可在大鼠体内存活,并参与损伤区血管及组织的修复。     

小鼠骨髓间充质干细胞对异基因肝移植大鼠淋巴细胞增殖的抑制作用

目的观察小鼠骨髓间充质干细胞(Mesenchymal stem cells,MSCs)移植后,在异基因肝移植模型大鼠胸腺、脾脏及骨髓中的迁徙、定居情况及对淋巴细胞增殖的抑制作用,以探讨MSCs诱导异基因移植免疫耐受的可能性。方法体外分离、纯化并培养小鼠MSCs;将小鼠肝组织块埋入大鼠肝脏切口,建立异基因肝移植大鼠模型;经尾静脉移植DAPI标记的小鼠MSCs,通过激光共聚焦显微镜观察24 h及5 d时,MSCs在模型大鼠胸腺、脾脏及骨髓内的迁徙及定居;采用体外淋巴细胞增殖实验检测小鼠MSCs对异基因肝移植大鼠淋巴细胞增殖的抑制作用。结果MSCs移植后,24 h即散在分布于胸腺、脾脏及骨髓内,5 d时集中在血管周围;经MSCs治疗后,大鼠胸腺和脾脏淋巴细胞增殖均受到抑制,与未经治疗的模型大鼠相比,差异有显著意义。结论小鼠MSCs可迁徙至异基因肝移植大鼠免疫器官内,并具有抑制淋巴细胞增殖的作用。     

掺锂非晶硅薄膜的电学性质

用硅烷的辉光放电分解伴随着锂蒸发来制备掺锂的非晶硅薄膜.测量了薄膜的直流电导率与温度以及与所加的测试电压的关系.发现在温度范围为350～500K和高场强(高于10~3V/cm)情况下掺锂薄膜存在离子电导现象.     

基于差分隐私的多模式隐藏动态对称可搜索加密方案

动态对称可搜索加密(dynamic symmetric searchable encryption,DSSE)在近年来已经成为数据隐私保护方面至关重要的原语,它能够允许客户端对保存于云服务器的加密数据执行高效的检索和更新操作,而仅向服务器泄露少量经过严格定义的信息,如搜索模式、访问模式、更新模式和容量泄露.然而,越来越多的研究发现,一些强大的敌手能够利用DSSE的泄露执行特定攻击,从而破坏数据和检索的隐私性.以往方案往往利用隐私数据查询,茫然随机存取器和存储补齐等技术来压缩甚至消除泄露信息,这些技术能够提供较好的安全性,但是存在计算、通信和存储复杂度过高的问题,难以实用.为了实现更好的安全和效率平衡,提出想法:首先引入差分隐私这一安全概念,提出了一种新的填充方法-差分隐私填充(differential privacy padding,DPP),在保证安全性的同时降低了存储负载.随后在多服务器模式下提出了一种称为"MDSSE"(multi dynamic searchable symmetric encryption)的动态搜索更新方案,通过对DPP的动态运用实现容量、更新以及搜索模式隐藏,保证了前向安全和后向安全.对于方案的安全性证明,扩展了对于更新历史的定义,提出了适用于方案的差分更新历史DP-Update.实验表明:方案可以抵御泄露滥用攻击,并具有较高的存储与通信效率.     

骨髓间充质干细胞对电离辐射诱发的小鼠胸腺瘤的抑制作用

目的观察骨髓间充质干细胞(MSCs)对电离辐射诱发的小鼠胸腺瘤的抑制作用。方法采用经典Kaplan法复制电离辐射诱发的小鼠胸腺瘤模型。应用全骨髓贴壁法分离培养C57BL/6小鼠MSCs,DAPI标记,经尾静脉注入荷瘤小鼠后,分别于1、5、10d处死小鼠,取胸腺组织,激光共聚焦显微镜下观察MSCs在胸腺瘤组织中的定位;第1次全身大剂量照射后6个月取胸腺组织,HE染色观察胸腺组织的病理变化,并判断成瘤情况。结果激光共聚焦显微镜下观察可见,MSCs经尾静脉输注后可迁徙至小鼠胸腺组织内;病理观察显示,胸腺组织皮髓质结构清楚,淋巴样肿瘤细胞较少,细胞形态、大小不一,偶见核分裂象;MSCs输注使辐射诱导的胸腺瘤成瘤率由57.00%±9.78%降低至37.50%±7.55%。结论已成功建立辐射诱发的小鼠胸腺瘤模型;输注的MSCs可迁徙至胸腺组织中,并降低胸腺瘤的成瘤率。     

隐私保护机器学习的密码学方法

新一代人工智能技术的特征,表现为借助GPU计算、云计算等高性能分布式计算能力,使用以深度学习算法为代表的机器学习算法,在大数据上进行学习训练,来模拟、延伸和扩展人的智能。不同数据来源、不同的计算物理位置,使得目前的机器学习面临严重的隐私泄露问题,因此隐私保护机器学习(PPM)成为目前广受关注的研究领域。采用密码学工具来解决机器学习中的隐私问题,是隐私保护机器学习重要的技术。该文介绍隐私保护机器学习中常用的密码学工具,包括通用安全多方计算(SMPC)、隐私保护集合运算、同态加密(HE)等,以及应用它们来解决机器学习中数据整理、模型训练、模型测试、数据预测等各个阶段中存在的隐私保护问题的研究方法与研究现状。