荧光原位杂交技术预测人大肠癌细胞内在放射敏感性的实验研究

探讨荧光原位杂交技术预测人大肠癌细胞内在放射敏感性的可行性.应用荧光原位杂交技术检测人大肠癌动物模型照射后癌细胞2号染色体易位畸变并分析其与照射后肿瘤生长曲线的相关性.结果表明,放疗使Lovo移植瘤的增长明显延缓,Lovo细胞的放射敏感性高于SW480细胞.X射线照射后肿瘤荧光原位杂交技术检测结果显示:Lovo细胞的2号染色体诱导易位畸变量显著大于SW480细胞(p＜0.05).荧光原位杂交技术能快捷、可靠地预测人大肠癌细胞的放射敏感性,从而为临床大肠癌病人放疗的选择提供重要参考依据.     

低温肉制品热狗肠的制作

热狗肠是西方国家日常生活中不可缺少的一种乳化型低温香肠,其味道鲜美、风味独特、营养丰富,很受西方国家人们的欢迎。近年来,北京、上海也有少量生产,且市场看好。现将我们与外国专家共同研制的热狗肠的制作方法介绍如下:1 配方: 原料:猪瘦肉50kg、大豆分离蛋白2kg、牛瘦肉30kg、马铃薯淀粉6.0kg、猪脂肪     

天然烟熏剂在肉制品中的应用

烟熏制品在我国及国外均有悠久的历史,传统的木烟熏在实际生产中使用很不方便,而天然液体烟熏剂则有许多优点。天然烟熏剂是利用无污染的木才经干馏、过滤、浓缩后制成的无毒液体,它具有木烟熏的风味、色泽特点,同本烟熏比较,使用天然烟熏剂有以下优点。     

化学稠油开采技术研究

目前为止,我国己形成了稠油热采技术（主要包括蒸汽吞吐、蒸汽驱、火烧油层、蒸汽辅助重力泄油技术、水平压裂辅助蒸汽驱技术等）、稠油冷采技术（主要包括碱驱、聚合物驱、混相驱、化学吞吐、化学降粘、微生物采油、溶剂萃取、电喷泵开采等技术）。尤其是稠油热采技术已成功用于各大油田。     

光纤探针镀膜的扫描电镜检测

扫描近场光学显微镜（ＳＮＯＭ）是一种新型高分辨率光学显微镜。它突破了传统的光学显微镜所受到的衍射极限，可在超高光学分辨率下进行纳米尺度的光学成像。已报道的近场光学显微镜的分辨率已达１０ｎｍ。因此，近场光学显微镜将在物理、化学、生物学及材料科学等领域有...     

IL-8动员造血细胞救治致死性照射小鼠的初步研究

将人重组白细胞介素－8(rhIL-8）动员的雄性小鼠外周血单个核细胞（MNCs）静脉输注给受到8．5Gy照射的同种雌性小鼠,并对存活的受体小鼠进行Y染色体PCR检测。结果表明,经rhIL－8动员的造血干／祖细胞可使受照射小鼠长期重建造血。提示rhIL－8具有快速有效的动员造血细胞的作用。     

国产扫描电镜上安装X线能谱仪

扫描电子显微镜所成的像是由分解为近百万个的像元逐点依次记录而成的,因而使它在观察表面形貌的同时可进行成分和元素的分析。对于三透镜式扫描电子显微镜,还可以通过电子通道花样进行结晶学研究[1]。近几年,对一台八十年代初国产的BSM-25型扫描电子显微镜作了几方面的改进工作,其中包括高压纹波的减小、高亮度阴极的使用等措施[2,3],使原来15nm的极限分辨率提高到6nm左右;另外在自行研制的YWD-1A型扫描电镜上又进行了低真空条件下的高能电子反射衍射仪研究实验,成功地对一些材料的表面结构进行了分析确定[4]。近来,经过设计,在BSM-25…     

大肠癌细胞辐射敏感相关基因的筛选

应用基因芯片技术初步筛选人大肠癌细胞辐射敏感相关基因.培养2种不同辐射敏感性的人大肠癌细胞LOVO和SW480,收集细胞至少达到107数量级,提取细胞总RNA,采用人全基因组表达谱芯片获得该两株细胞的基因表达谱,分析比较两者之间基因表达的差异.1、LOVO细胞组检出基因16882个,SW480细胞组检出基因17114个.2、在2倍以上差异表达基因中筛选出上调基因908个,下调基因1312个.上调基因中包括Fas基因、NFkB基因等,下调基因中包括Caspas6基因、RAD21基因等,已有研究证明与辐射敏感相关.3、LOVO细胞中高表达的基因主要有CEACAM5、THBS1、SERPINE2、ARL7、HPGD,提示与辐射敏感相关;SW480细胞中高表达的基因主要有SCD、NQ01、LYZ、KRT20、ATP1B1,提示与辐射抵抗有关.1、大肠癌辐射敏感性的预测可以从基因水平来体现.2、表达谱基因芯片技术能快速、灵敏地预测大肠癌辐射敏感性,筛选大肠癌辐射敏感性相关基因.     

面向小样本约束的域适应分类算法

近年来,人工智能的相关应用被越来越细化到不同的应用场景,而对不同的应用场景都进行相应的数据收集,模型训练,模型调优等步骤需要消耗大量的时间精力会严重影响人工智能技术应用的效率.因此如何基于现有的成熟的训练过的模型迁移到其他应用场景是当前应用人工智能技术的关键问题.域适应算法主要研究将源域模型有效地迁移到目标域,这为上述问题提供了一个重要的解决思路.本文提出小样本对抗判别域适应算法,相对于无监督域适应算法能够在更严格的约束下-仅需要少量的目标域样本,在标准数据集上取得了优于对抗判别域适应算法(Adversarial Discriminative Domain Adaptation,ADDA)算法的表现,在单任务中最高提升幅度达16.9%.本文中,首先,提出了两种新的数据增强方法,以构建符合双域联合分布的图像以丰富样本多样性并填充特征空间,解决小样本约束下模型易过拟合到少量目标域样本的问题.接着,结合双域样本配对机制和ADDA算法,将以大量目标域样本为条件的无监督域适应算法改进为面向小样本约束的有监督域适应算法.在域适应过程中,引入类标签平滑损失来抑制过拟合现象,并结合度量学习中的最大平均...