为了能给白斑狗鱼耐高温性状的改良提供有效的分子标记,本研究基于白斑狗鱼热敏感组(109尾)和耐高温组(103尾)进行简化基因组测序,对25个染色体中的InDel标记,以前两个PCA为协变量,利用MLM模型(Masked Language Mode)与白斑狗鱼的耐热...为了能给白斑狗鱼耐高温性状的改良提供有效的分子标记,本研究基于白斑狗鱼热敏感组(109尾)和耐高温组(103尾)进行简化基因组测序,对25个染色体中的InDel标记,以前两个PCA为协变量,利用MLM模型(Masked Language Mode)与白斑狗鱼的耐热性状进行了关联分析。结果显示,大部分InDel分布在内含子(63.69%),外显子分布的InDel位点较少(1.30%)。通过GWAS分析,发现5个位点与白斑狗鱼耐热性状显著关联,分别位于safb基因、未知基因LOC117593903和CLSTN2基因内含子中。其中9N del、4N del-1和4N del-2三个InDel位点均位于CLSTN2基因第3内含子,这3个位点在212尾个体中基因型分布高度连锁。本研究中发现的5个InDel突变可能会对白斑狗鱼的耐热性状产生显著的影响,可作为白斑狗鱼耐热性状改良的候选分子标记。进一步在验证群体中利用KASP技术对部分位点进行了验证。发现9N del位点DD基因型个体在热敏感组中占优势,DI基因型个体在耐高温组中占优势,与简化基因组测序结果基本一致。位于CLSTN2基因第2内含子的3个InDel位点可能影响CLSTN2基因的转录,该基因可能是白斑狗鱼耐高温性状相关的重要候选基因。研究结果为白斑狗鱼分子标记辅助育种提供了理论依据,为白斑狗鱼耐热性状的改良提供了候选分子标记。展开更多
目的 探讨通过窄带成像(narrow band imaging,NBI)电子喉镜下观察喉黏膜上皮内的毛细血管袢形态,能否指导喉白斑患者治疗方法的选择。方法 选取2019年6月~2021年9月临床诊断为喉白斑的68例患者为研究对象,根据NBI电子喉镜的诊断结果,将...目的 探讨通过窄带成像(narrow band imaging,NBI)电子喉镜下观察喉黏膜上皮内的毛细血管袢形态,能否指导喉白斑患者治疗方法的选择。方法 选取2019年6月~2021年9月临床诊断为喉白斑的68例患者为研究对象,根据NBI电子喉镜的诊断结果,将患者分为两组:良性病变组(52/68)和恶性病变组(16/68)。比较NBI喉镜诊断与病理检查结果的一致性。结果良性病变组中病理确诊为鳞状上皮增生伴角化35例(67.31%),轻度不典型增生9例(17.31%),中度不典型增生3例(5.77%),原位癌5例(9.62%),恶性病变组中病理确诊为中度不典型增生2例(12.50%),重度不典型增生1例(6.25%),原位癌9例(56.25%),浸润癌4例(25.00%)。采用Kappa一致性检验法,k=0.687,P<0.001,说明NBI电子喉镜诊断结果和病理检查结果存在一致性。结论 NBI电子喉镜能很好的分辨喉白斑的性质,对喉白斑治疗方法的选择和随访观察喉白斑的进展有较高的指导意义。展开更多
目的探讨窄带成像(narrow band imaging,NBI)内镜对声带白斑病变性质的评估价值。方法回顾性分析95例(153侧)声带白斑患者(58例双侧,37例单侧)的临床资料,所有患者在显微喉镜手术前均进行电子喉镜检查,先用普通白光检查声带病变,再用NB...目的探讨窄带成像(narrow band imaging,NBI)内镜对声带白斑病变性质的评估价值。方法回顾性分析95例(153侧)声带白斑患者(58例双侧,37例单侧)的临床资料,所有患者在显微喉镜手术前均进行电子喉镜检查,先用普通白光检查声带病变,再用NBI模式检查。根据NBI内镜下白斑及上皮内乳头样毛细血管袢(intraepithelial papillary capillary loop,IPCL)的形态特征,分为低危组(I型、II型、III型白斑)和高危组(IV型、V型、VI型白斑)。然后所有患者均于全麻支撑喉镜下行喉显微手术,术后切除的病变组织送病理检查,将NBI内镜评估结果与病理结果进行比较,计算NBI内镜评估病变性质的敏感性、特异性、准确性及Kappa-Cohen指数。结果153侧病变中,根据NBI内镜,123侧病灶(80.4%)评估为低危组(I型18侧,II型41侧,III型64侧),可能为良性病变,30侧病灶(19.6%)评估为高危组(IV型2侧,V型25侧,VI型3侧),可能为恶性;病理结果示121侧(79.1%)为低危组(角化过度20侧,轻度不典型增生39侧,中度不典型增生62侧),32侧(20.9%)为高危组(重度不典型增生5侧,原位癌22侧,浸润癌5侧)。NBI内镜评估除低危组中有2侧III型病变病理检查为重度不典型增生外,其余均与病理结果相符合。NBI内镜预测白斑恶性程度的敏感性为100%,特异性为97.6%,阳性预测值为90%,阴性预测值为100%,准确性为98%,Kappa-Cohen指数为90%(95%置信区间82.3%~100%)(P<0.05)。结论根据NBI内镜可较准确评估声带白斑的病变性质。展开更多
目的旨在确定内镜下白光成像(white lighting imaging,WLI)和窄带成像(narrow band imaging,NBI)对声带白斑(vocal cord leukoplakia,VCL)病理类型进行诊断的最佳截断点,以提高非侵入性预测VCL病理性质的准确性,并为VCL患者是否需要手...目的旨在确定内镜下白光成像(white lighting imaging,WLI)和窄带成像(narrow band imaging,NBI)对声带白斑(vocal cord leukoplakia,VCL)病理类型进行诊断的最佳截断点,以提高非侵入性预测VCL病理性质的准确性,并为VCL患者是否需要手术干预及手术时机提供参考依据。方法纳入96例确诊病理性质为VCL患者。术前分别进行WLI模式及NBI模式下的图像采集,并对病变进行WLI模式Chen分型和NBI模式Ni分型的评定。通过比较受试者操作特征曲线的约登指数得出分型的最佳截断值。通过比较2种临床分型的曲线下面积(area under the curve,AUC)、最佳截断值下的准确度、敏感度、特异性、阳性预测值及阴性预测值评价不同临床分型对VCL病理性质的诊断效能。结果WLI模式Chen分型、NBI模式Ni分型与病理等级间均存在相关性(rs=0.513、0.653,P<0.001)。WLI模式Chen分型的最佳截断值为3,即光滑平坦型及光滑隆起型为良性病变,粗糙型为恶性病变;NBI模式Ni分型的最佳截断值为5,即Ⅰ~Ⅳ型为良性病变,Ⅴ型、Ⅵ型为恶性病变。WLI模式Chen分型、NBI模式Ni分型的AUC分别为0.815,0.875。最佳截断值的准确度、敏感度、特异性、阳性预测值及阴性预测值Chen分型为79.51%,84.62%,75.71%,72.13%,86.89%;Ni分型为85.25%,76.92%,91.42%,86.96%,84.21%。结论NBI模式Ni分型及WLI模式Chen分型的诊断效能均较高,但NBI模式Ni分型对VCL病理性质的诊断效能高于白光模式Chen分型。展开更多
动物个体识别是进行种群数量监测、动物行为学和生态学研究的基础。通过区分个体特征差异,可收集个体行为、社会联属行为和迁移行为等重要数据(Cronin,2012;Crouse et al.,2017),为动物种群数量评估和制定有效保护策略提供关键基础数据...动物个体识别是进行种群数量监测、动物行为学和生态学研究的基础。通过区分个体特征差异,可收集个体行为、社会联属行为和迁移行为等重要数据(Cronin,2012;Crouse et al.,2017),为动物种群数量评估和制定有效保护策略提供关键基础数据。濒危野生动物个体识别方法目前有足迹识别、条纹识别(顾佳音等,2013)、DNA识别(张保卫,2005)、基于卷积神经网络(Convolutional Neural Network,CNN)进行个体面部图像识别(王革伟,2018;Qi et al.,2020)等。展开更多
文摘目的旨在确定内镜下白光成像(white lighting imaging,WLI)和窄带成像(narrow band imaging,NBI)对声带白斑(vocal cord leukoplakia,VCL)病理类型进行诊断的最佳截断点,以提高非侵入性预测VCL病理性质的准确性,并为VCL患者是否需要手术干预及手术时机提供参考依据。方法纳入96例确诊病理性质为VCL患者。术前分别进行WLI模式及NBI模式下的图像采集,并对病变进行WLI模式Chen分型和NBI模式Ni分型的评定。通过比较受试者操作特征曲线的约登指数得出分型的最佳截断值。通过比较2种临床分型的曲线下面积(area under the curve,AUC)、最佳截断值下的准确度、敏感度、特异性、阳性预测值及阴性预测值评价不同临床分型对VCL病理性质的诊断效能。结果WLI模式Chen分型、NBI模式Ni分型与病理等级间均存在相关性(rs=0.513、0.653,P<0.001)。WLI模式Chen分型的最佳截断值为3,即光滑平坦型及光滑隆起型为良性病变,粗糙型为恶性病变;NBI模式Ni分型的最佳截断值为5,即Ⅰ~Ⅳ型为良性病变,Ⅴ型、Ⅵ型为恶性病变。WLI模式Chen分型、NBI模式Ni分型的AUC分别为0.815,0.875。最佳截断值的准确度、敏感度、特异性、阳性预测值及阴性预测值Chen分型为79.51%,84.62%,75.71%,72.13%,86.89%;Ni分型为85.25%,76.92%,91.42%,86.96%,84.21%。结论NBI模式Ni分型及WLI模式Chen分型的诊断效能均较高,但NBI模式Ni分型对VCL病理性质的诊断效能高于白光模式Chen分型。
文摘动物个体识别是进行种群数量监测、动物行为学和生态学研究的基础。通过区分个体特征差异,可收集个体行为、社会联属行为和迁移行为等重要数据(Cronin,2012;Crouse et al.,2017),为动物种群数量评估和制定有效保护策略提供关键基础数据。濒危野生动物个体识别方法目前有足迹识别、条纹识别(顾佳音等,2013)、DNA识别(张保卫,2005)、基于卷积神经网络(Convolutional Neural Network,CNN)进行个体面部图像识别(王革伟,2018;Qi et al.,2020)等。
