目的使用饮食诱导肥胖(DIO)大鼠模型,探索间歇性缺氧-复氧(IHR)对肥胖大鼠体质量、食水摄入量、循环代谢因子和中枢瘦素注射反应的影响。方法通过12周高脂饮食(HFD)喂养建立DIO大鼠模型,将其随机分为3组并继续HFD喂养:常氧组(NM,n=15)...目的使用饮食诱导肥胖(DIO)大鼠模型,探索间歇性缺氧-复氧(IHR)对肥胖大鼠体质量、食水摄入量、循环代谢因子和中枢瘦素注射反应的影响。方法通过12周高脂饮食(HFD)喂养建立DIO大鼠模型,将其随机分为3组并继续HFD喂养:常氧组(NM,n=15)、间歇性缺氧组(IH:6%O2,30周期/h,8 h/d,4周,n=15),IHR组(缺氧2周后复氧2周,n=15)。记录大鼠体质量、饮食饮水情况,检测循环瘦素、IL-6、Ang-II含量。IHR干预结束后,大鼠接受4μg瘦素侧脑室注射,1 h后处死取材下丘脑及肝脏。通过免疫组化观察下丘脑POMC、FRA-1、FRA-2表达,Western blotting检测下丘脑POMC、pSTAT3、LepR表达,RT-PCR检测下丘脑和肝脏中LepR mRNA含量,对比各组大鼠下丘脑瘦素受体(LepR)及下游通路蛋白的变化。结果IH暴露导致DIO大鼠体质量(P=0.001)和摄食量(P=0.001)增加,全身炎症因子升高(瘦素P=0.004;IL-6 P=0.008;Ang-II P<0.001)。IH抑制下丘脑食欲抑制肽POMC表达(P<0.001 vs NM组),降低反映瘦素反应性神经元活性的FRA-1表达(P<0.001 vs NM组),抑制对瘦素响应的pSTAT3表达(瘦素+vs瘦素-,P=0.241),降低对外源性瘦素给药的反应性(P<0.001 vs NM组),并下调下丘脑和肝脏LepR mRNA含量(P<0.001 vs NM组)。经过2周的复氧治疗后,IH加剧的体质量增加和代谢紊乱能够得到改善,下丘脑瘦素反应性也有所提高。结论IH可能通过下调LepR表达损害下丘脑瘦素信号传导,从而促进肥胖大鼠增重,这可以通过复氧治疗得到改善。展开更多
心脏病对人体的危害极大,甚至会危及人们的生命。相比于医院检测,使用机器学习方法预测心脏病,可以节约大量的时间。本文以Kaggle心脏病数据集中的1025条真实心脏病数据为例,分析了引起心脏病的相关因素,并构建了K近邻、决策树、随机森...心脏病对人体的危害极大,甚至会危及人们的生命。相比于医院检测,使用机器学习方法预测心脏病,可以节约大量的时间。本文以Kaggle心脏病数据集中的1025条真实心脏病数据为例,分析了引起心脏病的相关因素,并构建了K近邻、决策树、随机森林、逻辑回归四种不同的分类算法模型,对心脏病进行预测。以混淆矩阵、准确率、召回率、精确率、ROC曲线和AUC值作为模型的评价指标,发现K近邻和随机森林的预测效果更好,从而为心脏病预测和诊断提供了有效的科学依据。Heart disease poses great harm to the human body, even endangering people’s lives. Compared to hospital testing, using machine learning methods to predict heart disease can save a lot of time. This article takes 1025 real heart disease data in the Kaggle heart disease dataset as examples to analyze the relevant factors that cause heart disease, and constructs four different classification algorithm models: K-nearest neighbor, decision tree, random forest, and logistic regression to predict heart disease. Using confusion matrix, accuracy, recall, precision, ROC curve, and AUC value as evaluation indicators for the model, it was found that K-nearest neighbor and random forest had better prediction performance, providing an effective scientific basis for heart disease prediction and diagnosis.展开更多
文摘目的使用饮食诱导肥胖(DIO)大鼠模型,探索间歇性缺氧-复氧(IHR)对肥胖大鼠体质量、食水摄入量、循环代谢因子和中枢瘦素注射反应的影响。方法通过12周高脂饮食(HFD)喂养建立DIO大鼠模型,将其随机分为3组并继续HFD喂养:常氧组(NM,n=15)、间歇性缺氧组(IH:6%O2,30周期/h,8 h/d,4周,n=15),IHR组(缺氧2周后复氧2周,n=15)。记录大鼠体质量、饮食饮水情况,检测循环瘦素、IL-6、Ang-II含量。IHR干预结束后,大鼠接受4μg瘦素侧脑室注射,1 h后处死取材下丘脑及肝脏。通过免疫组化观察下丘脑POMC、FRA-1、FRA-2表达,Western blotting检测下丘脑POMC、pSTAT3、LepR表达,RT-PCR检测下丘脑和肝脏中LepR mRNA含量,对比各组大鼠下丘脑瘦素受体(LepR)及下游通路蛋白的变化。结果IH暴露导致DIO大鼠体质量(P=0.001)和摄食量(P=0.001)增加,全身炎症因子升高(瘦素P=0.004;IL-6 P=0.008;Ang-II P<0.001)。IH抑制下丘脑食欲抑制肽POMC表达(P<0.001 vs NM组),降低反映瘦素反应性神经元活性的FRA-1表达(P<0.001 vs NM组),抑制对瘦素响应的pSTAT3表达(瘦素+vs瘦素-,P=0.241),降低对外源性瘦素给药的反应性(P<0.001 vs NM组),并下调下丘脑和肝脏LepR mRNA含量(P<0.001 vs NM组)。经过2周的复氧治疗后,IH加剧的体质量增加和代谢紊乱能够得到改善,下丘脑瘦素反应性也有所提高。结论IH可能通过下调LepR表达损害下丘脑瘦素信号传导,从而促进肥胖大鼠增重,这可以通过复氧治疗得到改善。
文摘心脏病对人体的危害极大,甚至会危及人们的生命。相比于医院检测,使用机器学习方法预测心脏病,可以节约大量的时间。本文以Kaggle心脏病数据集中的1025条真实心脏病数据为例,分析了引起心脏病的相关因素,并构建了K近邻、决策树、随机森林、逻辑回归四种不同的分类算法模型,对心脏病进行预测。以混淆矩阵、准确率、召回率、精确率、ROC曲线和AUC值作为模型的评价指标,发现K近邻和随机森林的预测效果更好,从而为心脏病预测和诊断提供了有效的科学依据。Heart disease poses great harm to the human body, even endangering people’s lives. Compared to hospital testing, using machine learning methods to predict heart disease can save a lot of time. This article takes 1025 real heart disease data in the Kaggle heart disease dataset as examples to analyze the relevant factors that cause heart disease, and constructs four different classification algorithm models: K-nearest neighbor, decision tree, random forest, and logistic regression to predict heart disease. Using confusion matrix, accuracy, recall, precision, ROC curve, and AUC value as evaluation indicators for the model, it was found that K-nearest neighbor and random forest had better prediction performance, providing an effective scientific basis for heart disease prediction and diagnosis.