NET-1在结直肠癌中的表达及临床意义

这是一篇关于结直肠癌,NET-1,RT-PCR,Western--blot,免疫组化,生存分析的论文, 主要内容为目的:探讨NET-1(C4.8 identifica"tion of novel molecular markers which correlate with HPV-induced tumor progression、P503s、Tspan-1)在结直肠癌中的表达水平与其病理特征的相关性,并通过病例的短期随访,进一步证实NET-1是否可作为结直肠癌早期诊断、预后监测的重要分子生物学指标。方法:以RT-PCR方法和免疫组织化学方法(IHC)检测结直肠癌患者癌组织和癌旁组织中NET-1的mRNA和蛋白的表达,并利用SPSS19.0软件统计分析入组患者NET-1表达水平与相对应临床病理参数之间的关系。RT-PCR方法从人类结肠正常上皮细胞(NCM460)提取的RNA逆转录获得的cDNA中扩增NET-1的编码区片段,连入19T-simple Vector克隆载体,经过酶切测序验证后插入pIRES2-EGFP真核表达载体中,再次酶切测序验证,得到NET-1的真核表达载体,用于转染HCT116及HT29结直肠癌细胞,并通过抗生素嘌呤霉素筛选建立稳定表达NET-1细胞株及其阴性对照组。以细胞增殖实验、细胞迁移实验,检测NET-1过表达后HCT116及HT29结直肠癌细胞增殖、迁移能力的改变。Western-blot检测HCT116细胞过表达NET-1后金属蛋白酶9(MMP-9)蛋白水平变化。利用shRNA干扰技术下调HCT116及HT29结直肠癌细胞中的NET-1表达,并检测下调NET-1后HCT116及HT29结直肠癌细胞增殖、迁移能力的改变。Western-blot检测HCT116细胞敲低NET-1后MMP-9蛋白水平变化。将入组结直肠癌患者分为NET-1阳性表达组及阴性表达组,并进行随访,收集数据通过SPSS19.0进行生存回归分析。结果:免疫组织化学染色:结直肠癌患者组织中NET-1表达阳性率高于正常人群组织;Ki-67、MMP-9、VEGF三者的阳性表达与NET-1表达阳性具有一致性;NET-1表达阳性率与肿瘤分化程度的相关性无统计学意义。RT-PCR:NET-1mRNA相对表达量在正常人肠粘膜上皮组织中低于结直肠癌组织;癌旁组织表达量低于癌组织。Western-blot:正常人群中NET-1蛋白表达量低于结直肠癌患者,组织中的蛋白的表达量在不同程度的肿瘤病理组织中表达量不一致,且随着病理程度的恶化呈上升趋势。细胞增殖活力检测:与对照组细胞相比,过表达NET-1的HCT116细胞(HCT116-NET1)增殖能力明显增强(P<0.01)。MTT细胞增殖实验显示,HCT116-NET1细胞24小时及48小时吸光度显著高于对照组(P<0.01)。此研究结果表明,NET-1能增强结直肠癌细胞的体外增殖能力。细胞侵袭能力检测:与对照组细胞相比,过表达NET1的HCT116细胞(HCT116-NET1)侵袭转移能力明显增强(P<0.01)。过表达NET1的HCT116细胞侵袭数目为30.0±3.0,而对照组细胞的平均细胞侵袭数目为16.0±5.0。此研究结果表明,NET-1能抑制结直肠癌HCT116细胞的体外侵袭转移能力。生存分析:经过随访后得到生存分析结果,在NET-1表达呈阳性组的生存时间与阴性组之间存在有差异(P<0.05),并且在不同的病理类型中的生存时间也不一致(P<0.05)。结论:1.NET-l的表达在结直肠癌的发生、发展过程中发挥重要作用;2.NET-l在结直肠癌中的表达与TNM分期、淋巴结转移、病变的分化程度密切相关,且与Ki-67、MMP-9、VEGF亦具有明显相关性;3.结直肠癌中NET-l的表达与患者的生存期相关,高表达NET-l患者预后较差。

基于大数据的在线音乐平台客户价值主张感知

这是一篇关于客户价值主张,在线音乐平台,生存分析,文本分析的论文, 主要内容为在大数据新科技革命背景下,国内在线音乐产业发展迅速。随着音乐承载模式由CD转向在线模式,听音乐是一件极易实现的事情,音乐也成为人们生活中不可或缺的一部分。在线音乐平台已经逐渐成为音乐爱好者的主要听歌渠道。音乐爱好者在听歌的同时还可以在线上发表评论、点赞、跟帖等进行互动交流,表达自己的需求和主张。这些行为改变了价值创造的方式,将传统以企业为主体进行价值创造的模式转变为用户主动参与到企业的价值创造过程,实现价值共创。本文以具备海量歌曲资源、多样化评论功能和创新的社交功能的网易云音乐平台为例,分析该平台中客户的价值共创行为和所产生的客户价值,以产生的具体客户价值类型对音乐平台的客户价值主张进行感知。本文对在线音乐平台的客户需求主要分为听歌需求和情感表达需求,分别从两大需求角度对客户行为进行研究。首先,对于客户的听歌需求,本文选择网易云音乐平台2021年3月31日至12月31日共1503首新歌作为研究对象,对每首新歌的十二种特征属性进行整理和汇总,并统计歌曲在新歌榜单上生存的时间。借助单因素Kaplan-Meier生存分析方法和多因素Cox风险回归分析方法,确定歌手类别的“国籍”、“粉丝数”变量和歌曲类别的“音乐综艺”、“单曲发行”、“评论数”、“首发排名”共六种属性为榜单上高概率生存歌曲的特征。当客户通过榜单收听到满足自身需求的歌曲类型时,收听歌曲的价值共创行为便会产生具体的客户实用价值。因此客户听歌需求得到满足的过程产生了客户的实用价值。其次,对于客户的情感表达需求,本文选择生存分析中评论数较多且类型多样的84首歌曲作为研究对象,使用Python爬虫系统获取歌曲的评论文本。对评论文本的分析,一方面采用Snow NLP库进行情感分析,结果表明评论的情绪有正面、中性和负面三种。分别对三种情绪的主要内容和分布情况进行汇总分析,结合客户价值具体类型的定义,认为客户评论的价值共创行为会产生具体的客户情感价值和娱乐价值。另一方面采用ROST CM工具进行语义网络分析,由生成的高频词及语义网络图分析得出,客户评论的行为同时会产生信息价值和社会价值。网易云音乐平台客户价值主张的感知是在客户价值基础上,确定更明确的客户价值类型。根据生存分析和文本分析的结果表明,客户听歌需求产生的客户价值类型主要为客户实用价值;客户情感表达需求产生的客户价值类型主要为情感价值、娱乐价值、信息价值和社会价值。根据客户所产生的价值类型,为音乐唱作人和音乐平台的更好发展提出相应的建议和策略。对音乐唱作人,建议以特殊时点为主题发表歌曲;创作和提供易被听众选择的歌曲。对音乐平台,建议推出歌曲在榜成绩总结表;在评论区设置搜索功能以及提升客户音乐素养。

基于深度学习的病理图像分类与生存分析方法研究

这是一篇关于病理图像分类,H&E染色,图神经网络,深度学习,生存分析的论文, 主要内容为美国癌症协会最新统计显示,2020年全球共有1930万新发癌症病例,癌症导致的死亡人数约1000万;在中国,2016年癌症新发病例约406.4万,因癌症死亡的人数约241.3万,严重威胁到国民的生命健康。病理检查是癌症诊断的“金标准”,其在诊断、预后预测等方面发挥着至关重要的作用。H&E染色病理图像是最常见的病理图像,其具有染色操作简单、稳定性好、成本低等特点被临床广泛使用。传统的分析中,病理医生通过显微镜下对病理切片进行观察,并结合其他临床诊疗信息对病人的病情进行评估,其劳动强度大、耗时费力、可重复性差。随着病理数字化扫描仪的出现,以及计算机硬件、深度学习技术的发展,给计算机辅助病理图像分析带来了新的机遇。本文基于深度学习技术,在H&E染色病理图像分析方面开展了以下两个方面的研究:(1)病理图像中感兴趣区域尺寸大小不一,且差异巨大,给人工智能辅助诊断带来了巨大挑战。针对这一挑战,本文提出了一种结合图神经网络和卷积神经网络的双分支融合模型(Bi Fusion Net),病理图像分别被处理为固定大小的图片和保持了图片原始空间结构的图。为了使得两个分支在性能上相互补充,在交叉熵损失基础上,本文为图神经网络分支添加了Focal loss,且对难分类的样本设置更高的权重,最终模型在交叉熵损失和Focal loss联合监督下进行训练。模型在乳腺癌数据集BRACS上取得了67.03%±2.04%的最佳分类性能,在直肠癌CRA数据集上取得了97.33%±1.25%的最佳分类性能。(2)病理图像蕴含与患者预后相关的丰富信息,为了提高对患者生存预测效能,本文构建了一个基于H&E染色病理图像的生存分析框架。该框架包含了三部分:首先,为了获得精准的细胞核类别信息,本文改进了现有的Ho Ver-Net模型,利用组织信息将错分类的细胞核进行类别矫正;其次,利用细胞核信息构建细胞图,并提取与肿瘤-淋巴细胞相互作用相关的特征,该特征进一步量化,构建肿瘤-淋巴相互作用的全局表征(Tumour-Lymphocyte Spatial Interaction Score,TLSI-score);最后,在三个医院肺腺癌病理图像数据集进行预后验证及可解释性分析。实验结果表明,TLSI-score是一个与无病生存期相关的独立预后因素,结合临床信息,可取得比现有临床模型更好的生存预测效能,在训练集和两个外部验证集的C-index分别为0.716、0.666、0.708。

基于XGBoost的生存分析模型研究

这是一篇关于生存分析,极端梯度提升,基因表达数据,机器学习,癌症的论文, 主要内容为癌症是人类生命健康的重大威胁之一,对人类的健康影响越来越高。对癌症患者的生存状态及其生存时间进行准确预测有益于医生制定有效的个性化治疗方法,也可以帮助患者自身更好地了解状况。随着高通量测序技术的发展,基因组数据在癌症发生和发展过程中的研究也迅速发展。使用基因表达数据预测癌症患者的生存期,不仅可以帮助医生制定更好的治疗方案,还可以提供临床解释。目前,生存分析预测方法在分析研究癌症患者的基因组特征和临床特征与生存之间的联系已经引起了很大关注。然而,基因组数据具有高维性和复杂的非线性特点,这给现有生存分析预测方法的准确度和稳定程度带来了很大的挑战。同时,癌症生存数据中存在一定比例的删失数据,常见的预后预测方法难以对疾病风险进行准确评估。为了克服传统生存分析方法的局限性,本文使用极端梯度提升(XGBoost)算法和弹力网Cox算法构建一套新的生存分析预测框架,通过弹力网提升Cox模型对高维基因组数据的适应性,结合XGBoost算法增强模型的非线性学习能力,并在TCGA数据库的15套癌症数据集上进行实验验证。首先本文提出了XGBENC(XGBoost with Elastic Net-Cox)算法。基于极端梯度提升框架,加入弹力网Cox比例风险回归于其中,提高了算法对高维非线性数据的适应性。通过计算损失函数的一阶导数和二阶导数,重新定义了极端梯度提升框架中的损失函数,并改进了构建生存树的结构。其次构建了基于XGBENC(XGBoost with Elastic Net-Cox)的癌症生存分析预测模型。本文利用XGBENC算法对癌症患者的基因表达数据进行生存预测模型构建,在TCGA数据库提供的十五个不同癌症类型数据集上测试了XGBENC算法的性能,并采用内部五折交叉验证和网格搜索法优化了模型参数,同时用外部五折交叉验证评估了模型的泛化能力。本文将XGBENC模型与现有的五种常用的生存分析模型进行了对比分析,在15个数据集上使用C-index和时间相关AUC分数作为主要评估指标。实验结果显示,XGBENC模型在14个数据集上都优于其他模型,平均C-index提升了15.73%,平均时间相关AUC提升了14.9%。经分析得出,在处理高维非线性基因数据时,XGBENC具有更高的预测精度,并在真实数据集上得到了广泛的验证,证明了XGBENC算法是一个可靠且准确的算法。

基于大数据的在线音乐平台客户价值主张感知

这是一篇关于客户价值主张,在线音乐平台,生存分析,文本分析的论文, 主要内容为在大数据新科技革命背景下,国内在线音乐产业发展迅速。随着音乐承载模式由CD转向在线模式,听音乐是一件极易实现的事情,音乐也成为人们生活中不可或缺的一部分。在线音乐平台已经逐渐成为音乐爱好者的主要听歌渠道。音乐爱好者在听歌的同时还可以在线上发表评论、点赞、跟帖等进行互动交流,表达自己的需求和主张。这些行为改变了价值创造的方式,将传统以企业为主体进行价值创造的模式转变为用户主动参与到企业的价值创造过程,实现价值共创。本文以具备海量歌曲资源、多样化评论功能和创新的社交功能的网易云音乐平台为例,分析该平台中客户的价值共创行为和所产生的客户价值,以产生的具体客户价值类型对音乐平台的客户价值主张进行感知。本文对在线音乐平台的客户需求主要分为听歌需求和情感表达需求,分别从两大需求角度对客户行为进行研究。首先,对于客户的听歌需求,本文选择网易云音乐平台2021年3月31日至12月31日共1503首新歌作为研究对象,对每首新歌的十二种特征属性进行整理和汇总,并统计歌曲在新歌榜单上生存的时间。借助单因素Kaplan-Meier生存分析方法和多因素Cox风险回归分析方法,确定歌手类别的“国籍”、“粉丝数”变量和歌曲类别的“音乐综艺”、“单曲发行”、“评论数”、“首发排名”共六种属性为榜单上高概率生存歌曲的特征。当客户通过榜单收听到满足自身需求的歌曲类型时,收听歌曲的价值共创行为便会产生具体的客户实用价值。因此客户听歌需求得到满足的过程产生了客户的实用价值。其次,对于客户的情感表达需求,本文选择生存分析中评论数较多且类型多样的84首歌曲作为研究对象,使用Python爬虫系统获取歌曲的评论文本。对评论文本的分析,一方面采用Snow NLP库进行情感分析,结果表明评论的情绪有正面、中性和负面三种。分别对三种情绪的主要内容和分布情况进行汇总分析,结合客户价值具体类型的定义,认为客户评论的价值共创行为会产生具体的客户情感价值和娱乐价值。另一方面采用ROST CM工具进行语义网络分析,由生成的高频词及语义网络图分析得出,客户评论的行为同时会产生信息价值和社会价值。网易云音乐平台客户价值主张的感知是在客户价值基础上,确定更明确的客户价值类型。根据生存分析和文本分析的结果表明,客户听歌需求产生的客户价值类型主要为客户实用价值;客户情感表达需求产生的客户价值类型主要为情感价值、娱乐价值、信息价值和社会价值。根据客户所产生的价值类型,为音乐唱作人和音乐平台的更好发展提出相应的建议和策略。对音乐唱作人,建议以特殊时点为主题发表歌曲;创作和提供易被听众选择的歌曲。对音乐平台,建议推出歌曲在榜成绩总结表;在评论区设置搜索功能以及提升客户音乐素养。

基于多尺度特征融合的弥漫大B细胞淋巴瘤自动分割及预后分析研究

这是一篇关于弥漫大B细胞淋巴瘤,医学图像分割,深度学习,多尺度特征融合,生存分析的论文, 主要内容为弥漫大B细胞淋巴瘤(Diffuse Large B-cell Lymphoma,DLBCL)是临床中最常见的淋巴瘤,具有高度的异质性和危险性,在早期准确诊断患者病情、识别预后不良的高风险患者,对于改善患者的疗效具有至关重要的作用。近年来,医学图像成为临床诊断和预后评估的重要参考,如何快速、准确地分割病灶区域,提取具备预后价值的影像组学特征成为了研究热点。在医学图像分割领域,利用深度学习技术分割病灶已经取得了较好的效果,但仍然存在病灶边缘分割不够精细、网络分割精度不够高等问题;在影像组学预后分析中,利用机器学习技术可以从医学图像病灶区域提取影像组学特征并构建具备预后价值的影像组学标签(Radiomics Score,Rad-Score),但是特征提取依赖于人工标注的病灶图像且Rad-Score的预测性能受限于单一的机器学习算法。因此,本文围绕DLBCL患者的正电子发射断层扫描成像(Positron Emission Tomography,PET)图像三维分割和预后分析展开研究,主要工作内容如下:一方面,针对利用卷积神经网络进行医学图像分割的精度问题和DLBCL PET图像分辨率低、分割难度大的特点。从病灶分割细节的角度出发,在U-Net网络架构的基础上,引入了由循环残差卷积层和常规卷积层组成的循环残差编码模块、基于多尺度特征融合的特征增强模块,提出了一种基于多尺度循环残差U-Net(Multi-Scale Recurrent Residual U-Net,MSR2UNet)的三维分割网络。实验表明,循环残差编码模块和特征增强模块有效地提升了网络的特征挖掘能力和细节分割能力,MSR2U-Net网络相较于3D-Unet以及U-Net相关改进网络的三维实现获得了更准确的分割效果,具备更加精细的细节分割能力。另一方面,以提升DLBCL患者诊疗准确度为目的,基于本文提出的MSR2U-Net网络的分割结果提取预测总肿瘤代谢体积(Predictive Total Metabolic Tumour Volume,p TMTV),并提出一种基于Stacking融合策略的最优AUC影像组学标签构建算法,以此基于人工标注的DLBCL PET图像提取的影像组学特征构建更加有效、稳定的Rad-Score。将p TMTV和临床因素作为一组,Rad-Score、代谢参数和临床因素作为一组,分别构建预测生存状况的p TMTV组合模型和Rad-Score组合模型。实验证明,p TMTV组合模型和Rad-Score组合模型在无进展生存期(Progression-free Survival,PFS)和总生存期(Overall Survival,OS)的预测性能优于临床中使用的NCCN-IPI模型。此外,在NCCN-IPI的基础上结合p TMTV或Rad-Score可以进一步划分DLBCL患者对于OS和PFS的风险组。

亚裔皮肤黑色素瘤患者临床特征及预后分析

这是一篇关于皮肤黑色素瘤,种族差异,SEER数据库,倾向评分匹配,生存分析的论文, 主要内容为[背景]皮肤黑色素瘤(Cutaneous Melanoma,CM)是一种起源于黑素细胞,发生于皮肤的恶性肿瘤。近年来,在世界范围内CM的发生呈明显上升趋势,由此带来的疾病负担日益加重。现有研究表明,CM在流行病学特征、临床表现、病理学特征及预后等方面具有明显的地域和种族差异性。在包括中国和太平洋岛国在内的亚洲国家中,CM的发生率相对较低,而研究资料相对不足,尤其缺乏大样本数据资料支持,以及对CM临床及预后特征的无偏估计。[目的]本研究以非西班牙裔白人患者为阳性对照,设计针对亚裔与环太平洋岛民患者的大样本观察性研究,考察亚裔患者与白人患者在临床表现与病理学特征等方面的差异,并评估种族差异对患者预后造成的影响;以期进一步提高人们对CM种族差异的认识,为我国CM疾病防治策略的制定和完善提供启发与参考。[方法]收集监测、流行病学与预后(Surveillance,Epidemiology and End Results,SEER)数据库在2004-2016年期间,登记于加利福尼亚州的皮肤黑色素瘤(ICD-O-3/WHO 2008:Melanoma of the Skin)病例资料。纳入肿瘤登记信息为非西班牙裔白人(Non-hispanic White,NHW)和亚裔与环太平洋岛民(Asian or Pacific Islander,API)病例个案,按照纳入排出标准筛选病例,构建队列。纳入分析的变量包括:种族、性别、发病年龄、诊断时间、原发部位、手术方式、病理类型、AJCC 7th分期和生存信息等。采用亚组分析的方法,初步描述API与NHW在流行病学、临床表现、病理学特征等方面的差异。采用生存分析法,以CM特异性死亡为结果事件,生存时间为因变量,进行单因素Kaplan-Meier分析,单因素COX风险回归分析和多因素COX风险回归分析,初步评估种族差异对患者预后的影响。采用倾向评分匹配法,以组间有差异,且经多因素COX风险回归分析有意义的变量为协变量,以NHW为对照组API为试验组构建匹配队列,并对匹配后的队列进行单因素分析和分层分析,进一步评估在两组病例基线资料相对均衡的前提下,种族差异对预后的影响。[结果]①共纳入符合标准的82,660例病例资料进行亚组分析,其中API组770例,NHW组81,890例。分析发现,API患者和NHW患者在发病年龄、性别、原发部位、病理学类型、手术方式、AJCC 7th分期等方面均存在差异,P<0.050。②去除原始队列中AJCC 7th分期为0期的患者,共纳入48,874例病例资料(API组570例,NHW组48,304例)进行生存分析,发现API组患者与NHW组患者之间存在生存差异,两组患者生存曲线经log-rank检验,P<0.001。单因素COX风险回归分析显示,API组患者较NHW组患者相对死亡风险比为2.778,95%置信区间(Confidence interval,CI)为(2.330-3.311)。③多因素COX风险回归分析发现种族、性别、发病年龄、原发部位、病理学类型、手术方式、AJCC 7th分期等变量均为患者预后的独立影响因素。其中API种族、男性、较大的年龄,原发部位为头皮及颈部和躯干部,病理类型为结节型或肢端雀斑型,更晚的临床分期等为预后的相对危险因素:NHW种族、女性、原发部位为上肢及肩部和面部,病理类型为浅表扩散型和恶性雀斑样痣型,手术等为预后的相对保护因素。④对API组和NHW组病例进行倾向性评分匹配。对匹配后的队列(API组570例,NHW组1,676例)进行KM分析发现,API组患者预后仍较NHW组更差,log-rank检验P=0.032。经COX风险回归模型计算,两组患者的相对死亡风险比为1.314,95%CI(1.069-1.615)。以分期为层变量的KM分析显示API组患者与NHW组患者之间的生存差异主要存在于Ⅰ期及Ⅲ期患者P=0.020,0.042。[结论]亚裔与环太平洋岛民患者与非西班牙裔白人患者在流行病学、临床病理特征等方面存在显著差异:亚裔患者确诊时相对更年轻,但临床分期却更晚;亚裔患者的原发病灶容易出现在下肢及臀部,有别于白人的躯干部;虽然肢端雀斑型黑色素瘤在亚裔患者中更常见,但浅表扩散型黑色素瘤是已知类型中,亚裔患者中占比最大的病理类型。即使均衡了以上差异对预后的影响,亚裔患者的预后较白人患者更差,且这一差异主要存在于Ⅰ期和Ⅲ期患者之中。