miR-23c调控MELK对前列腺癌细胞增殖及凋亡的机制研究

目的探讨miR-23c的靶向基因及其对前列腺癌细胞增殖、侵袭和凋亡的作用。方法干预实验验证miR-23c调控MELK的表达,分为4组,即LNCaP细胞株组(Control组)、miR-NC组、miR-23c抑制物组、miR-23c模拟物组,分别对后三组进行转染;通过预测软件筛选出MELK作为miR-23c的下游靶基因并检测miR-23c对蛋白表达的影响。筛靶实验确定最优干扰质粒MELK-shRNA。正式实验检测MELK的表达水平,分为3组,即LNCaP细胞株(Control组)、转染shRNA-NC(shRNA-NC组)、转染MELK-shRNA(MELK-shRNA组);PCR检测MELK的表达;CCK-8实验检测细胞增殖;Transwell实验检测细胞侵袭能力;流式细胞学检测LNCaP细胞凋亡程度。共转染miR-23c后进行回复实验验证miR-23c通过靶向MELK抑制LNCaP细胞增殖及侵袭。结果生物信息分析及预测提示miR-23c与MELK存在结合位点,靶点实验表明可以通过调节miR-23c的表达量影响MELK的表达;侵袭实验发现MELK-shRNA组细胞增殖数比Control组明显下降(P<0.001);流式细胞学检测各组凋亡率分别为(8.42±0.50)%、(9.28±0.66)%、(37.55±0.88)%,MELK-shRNA组细胞凋亡率显著上升(P<0.001)。荧光素酶实验检测到miR-23c可降低MELK-3'UTR WT荧光素酶强度至28%,提示miR-23c可调控MELK的表达。结论miR-23c可通过靶向MELK抑制LNCaP细胞增殖、侵袭能力,并提高细胞凋亡水平。

基于加权核范数和L_(2,1)范数的最优均值线性分类器

缺陷检测是智能制造系统的一个重要的环节。在采用传统机器学习算法进行缺陷分类的时候,通常会遇到数据噪声干扰,降低算法对缺陷类别的预测精度。尽管近几年提出了如鲁棒线性判别分析(RLDA)等强大的算法用于解决数据受稀疏噪声干扰的分类问题,但仍存在一些缺点限制其应用性能。该文提出一种新的基于线性判别分析的最优均值鲁棒线性分类模型(OMRLSA)。不同于以往应对噪声数据的分类方法忽略稀疏噪声具有的拉普拉斯分布特性对数据均值的影响,该文所提出的最优均值鲁棒线性分类模型会自动更新数据的最优均值,从而保证数据的统计特性不会受到噪声的干扰。此外,随后的损失函数中首次在鲁棒分类模型中引入了关于正则化和误差测量的联合L_(2,1)范数最小化和秩压缩的加权核范数最小化方法,从而提高算法的鲁棒性。在具有不同比例损坏的标准数据集上的实验结果说明了该文方法的优越性。

关于一类弱奇性Wendroff型积分不等式的注记

给出了一类弱奇性Wendroff型积分不等式解的估计,所得结果推广了过去关于非线性弱奇性Wendroff型积分不等式的相关结果,并将结果应用到研究微分方程解的有界性中.

关于一类新的弱奇性Wendroff型积分不等式的注记

讨论了一类新的弱奇性Wendroff型积分不等式解的估计,所得结果推广了已有的相关结果,并将结果应用到研究微分方程解的有界性中.

一类两个变量的弱奇性Wendroff积分不等式的推广

建立了一类有两个变量的非线性弱奇性Wendroff型积分不等式解的估计,所得结果推广了过去关于非线性弱奇性Wendroff型积分不等式的相关结果,所给出的解的估计更具有一般性.

一类新的Gronwall-Bellman积分不等式

建立了一类新的含有n项非线性Gronwall-Bellman型积分不等式解的估计,并将结果应用到研究微分方程解的有界性中.

一类弱奇性Wendroff型积分不等式

在参数α,β,γ更广的分布下,给出了一类弱奇性Wendroff型积分不等式解的有限形式的界公式,所得结果推广了过去关于弱奇性Wendroff型积分不等式的相关结果,并将结果应用到微分方程中.

新型节能环保燃气灶

曾德宇同学在科学课上学习到火焰分为外焰、内焰和焰心三部分，知道了外焰的温度是最高的。由此他通过观察，发现家中所使用的燃气灶没有很好地利用这一科学原理，只能调节火焰的大小，不能调节火焰的高低，当火焰小的时候，外焰没有直接接触锅底，可是火开大了，