头孢菌素C对蔬菜种子萌发的毒理效应

为探究头孢菌素菌渣无害化处置与肥料化利用过程中残留的头孢菌素C对蔬菜生长的毒理效应,通过恒温保湿培养法,采用生菜(Lactuca sativa Linn.var.ramosa Hort.)、油麦菜(Lactuca sativa var.longifoliaf.Lam)、白菜(Brassica pekinensis(Lour.)Rupr.)及油菜(Brassica campestris L.)4种蔬菜种子为研究对象,以种子发芽率、幼苗的鲜质量、胚轴长、胚根长为毒性敏感指标,研究了7种浓度头孢菌素C溶液胁迫下4种蔬菜毒性的剂量-效应关系,比较了不同蔬菜在头孢菌素C毒害下的生态毒性差异和相对敏感的指标。结果表明:头孢菌素C溶液对4种蔬菜种子毒性敏感指标的影响程度依次为胚根>鲜质量>胚轴>发芽率;头孢菌素C溶液浓度与4种蔬菜胚根生长率呈显著的线性关系(P<0.01);头孢菌素C对生菜、油麦菜、白菜以及油菜的最大无响应浓度(NOEC)分别为868.10、727.25、796.27 mg·L^-1和629.277 mg·L^-1,4种蔬菜对头孢菌素C的毒性敏感度依次为油菜>油麦菜>白菜>生菜,其中油菜IC50值为1538.36 mg·L^-1。研究表明,与油麦菜、白菜和生菜相比,油菜更适合作为后续实验的生态毒性指示植物。

菌渣中青霉素对蔬菜种子萌发的生态毒性效应

为推动青霉素菌渣环境安全利用技术规范的建立,以油麦菜、油菜、白菜和生菜4种蔬菜为研究对象,以种子发芽率、幼苗鲜质量、芽长和根长为毒性敏感指标,研究了不同处理组〔ρ(PG)分别为10、100、200、400、800、1200、1600、2000、2400、3200和4000 mg L〕和对照组的青霉素(Penicillin,简称“PG”)对4种蔬菜种子萌发的生态毒性响应关系.结果表明:①与对照组相比,各处理组4种蔬菜种子发芽率之间均无显著性差异(P>0.05);当ρ(PG)≥1200 mg L时,油菜种子的芽长增长率在60%左右,且与对照组相比具有显著差异(P<0.05);在ρ(PG)为200 mg L时,生菜鲜质量达到最大值(0.29 g),较对照组增加了10.37%,白菜鲜质量在ρ(PG)为400 mg L时达到最大值,较对照组增加了5.76%,而在试验浓度范围内,各处理组4种蔬菜种子的根长均随着ρ(PG)的增大表现出逐渐增强的抑制作用.②PG对4种蔬菜的根长抑制率剂量-效应关系均符合Allometric模型,即y=ax b〔其中,x为ρ(PG),y为根长抑制率,a和b均为常数〕.③油麦菜、油菜、白菜和生菜4种蔬菜对PG的根长半抑制浓度(IC 50)分别为1675.11、995.67、3736.40和2510.24 mg L,4种蔬菜根长抑制率对PG的敏感程度表现为油菜>油麦菜>生菜>白菜(P<0.05).研究显示,与油麦菜、白菜和生菜相比,油菜更适合作为PG的生态毒性指示植物.

颅骨直接穿刺单次注血制作脑表面铁质沉积模型的可行性研究

目的:探讨通过颅骨直接穿刺单次注血造成家兔蛛网膜下腔出血(SAH)来建立中枢神经系统表面铁质沉积模型(SS-CNS)的可行性。方法:研究对象为38只新西兰兔,在CT引导下行颅骨直接穿刺后蛛网膜下腔内自体动脉血注射来引发SAH,随后将实验兔分为两组,A组饲养105天、B组饲养154天后均行头颅MRI检查,5天后处死新西兰兔,对其大脑标本进行病理检查,比较两组实验兔大脑的大体解剖、影像学及病理表现。结果:穿刺过程中实验兔死亡7只,其余31只(81.6%)均在CT图像上显示有蛛网膜下腔出血。饲养过程中6只实验兔死亡,病理检查显示SS-CNS阳性10只,建模成功率为40%(10/25),其中A组为37.5%(6/16),B组阳性率为44.4%(4/9),两组间差异无统计学意义(P=0.53)。结论:颅骨直接穿刺单次注血是制作SS-CNS模型的一种可行的方法;建立SAH模型后,饲养时间对建立SS-CNS的成功率影响不大。

基于全脑白质MR影像组学预测脑白质高信号进展及其相关危险因素分析

基于全脑白质的MR影像组学预测脑白质高信号(WMH)进展及其相关危险因素分析.方法回顾性分析2014年3月至2018年10月在浙江省人民医院行两次头颅MRI检查的152例患者资料,选取每例患者的基线T1WI图像使用统计参数图(SPM)12软件包切割出全脑白质并导入AK分析软件进行纹理特征提取和降维,最终使用最小绝对收缩与选择算子算法(LASSO)计算每例患者的影像组学标签值.依据改进Fazekas量表,将WMH进展患者分为任何区域进展(AWMH)、侧脑室旁高信号进展(PWMH)和深部高信号进展(DWMH)3种状态,使用独立样本t检验或者Mann-Whitney U检验比较各个状态WMH进展亚组和非进展亚组之间各临床因素和影像组学标签值差异,对各状态筛选出的有统计学差异的因素使用单因素逻辑斯回归筛选独立临床危险因素并使用多变量逻辑斯回归结合影像组学标签构建预测模型,使用ROC曲线评估模型诊断效能,同时分析独立危险因素的临床指标与构建影像组学标签纹理值的相关性.结果预测AWMH进展、PWMH进展和DWMH进展的影像组学模型的ROC曲线下面积(AUC)分别为0.818、0.778和0.824.其中年龄是AWMH进展和DWMH进展的独立危险因素[OR(95%CI)为4.776(2.152~10.601)和3.851(1.101~8.245);P<0.05],体质指数是DWMH的独立危险因素[OR(95%CI)为3.004(1.204~7.37);P<0.05],高脂血症是AWMH和PWMH的独立危险因素[OR(95%CI)为4.062(1.834~8.998)和3.549(1.666~7.563);P<0.05].在AWMH亚组中,SurfaceArea与年龄和低密度脂蛋白呈负相关(r=-0.401,-0.312),InverseDifferenceMoment_ALLDirection_offset1_SD与年龄呈负相关(r=-0.412).在PWMH亚组中,Compactness1与低密度脂蛋白呈负相关(r=-0.198),InverseDifferenceMoment_angle0_offset7与低密度脂蛋白呈正相关(r=0.252).在DWMH亚组中,LongRunEmphasis_ALLDirection_offset7与年龄呈负相关(r=-0.322),GLCMEntropy_angle0_offset4与年龄呈负相关(r=-0.278).GLCMEntropy_AllDirection_offset4与体质指数呈负相关(r=-0.514).结论基于全脑白质影像组学可以预测WMH进展并确立高风险人群的危险因素,可以为常规MR预测WMH进展提供早期额外信息.