针对多工种交叉作业频繁、环境时常变化、场地狭窄、明火作业多的建筑工程施工现场,以疏散时间为目标函数建立其人员疏散时间模型,基于疏散时间模型以疏散时间最短为目的提出疏散路径优化模型,并利用修正的迪杰斯特拉(Dijkstra)算法求...针对多工种交叉作业频繁、环境时常变化、场地狭窄、明火作业多的建筑工程施工现场,以疏散时间为目标函数建立其人员疏散时间模型,基于疏散时间模型以疏散时间最短为目的提出疏散路径优化模型,并利用修正的迪杰斯特拉(Dijkstra)算法求解模型,同时结合BIM(building information model)4D模型和Anylogic软件以及某在建楼房案例对模型进行仿真模拟验证分析。由仿真模拟结果可知,疏散时间模型计算出的疏散时长与模拟疏散时长吻合度较高,使用经优化后的疏散路径疏散,能够在一定程度上较大幅度节约紧急情况下建筑工程施工现场劳务人员的疏散时间,提高施工阶段的安全管理效率,且在一定疏散人数范围内,优化程度随疏散人数增加而增长。展开更多
目的比较肝细胞癌(hepatocellular carcinoma,HCC)组织中与细胞焦亡相关基因的表达水平,建立对临床工作有用的预测模型。方法从癌症基因组图谱(the cancer genome atlas,TCGA)数据库中随机选取HCC患者,并按1∶1比例分为训练组和验证组...目的比较肝细胞癌(hepatocellular carcinoma,HCC)组织中与细胞焦亡相关基因的表达水平,建立对临床工作有用的预测模型。方法从癌症基因组图谱(the cancer genome atlas,TCGA)数据库中随机选取HCC患者,并按1∶1比例分为训练组和验证组。然后,从有影响力的研究中检索到33个焦亡相关基因,并分析其表达水平。进行了单变量Cox分析和随后的最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)算法,对总体生存期(overall survival,OS)进行分析,以鉴定候选预后基因。最后,利用多变量Cox分析形成预后模型,可以将所有患者区分为高风险或低风险组。结果5个与焦亡相关的基因(GPX4、CASP8、NLRP6、GSDMC和PLCG1)被纳入预测模型,风险评分的中位截断值可以将训练组和验证组患者分为高风险或低风险组。在训练组中发现低风险组的死亡概率低于高风险组,并在验证组中得到确认,差异有统计学意义(P<0.05)。对OS的时间依赖性受试者工作特征曲线(receiver operating characteristic curve,ROC)进行了分析,发现在训练组中,1年、2年和3年时曲线下面积(area under curve,AUC)分别为0.775、0.713和0.677;在验证组中,1年、2年和3年时AUC分别为0.671、0.614和0.624。功能富集分析显示,碳水化合物和脂质代谢途径、巨噬细胞亚群以及免疫反应与风险模型相关联。结论GPX4、CASP8、NLRP6、GSDMC和PLCG1等5个与细胞焦亡相关的基因模型具有显著的HCC预后预测效果。包括细胞焦亡与细胞代谢、巨噬细胞和HCC免疫微环境中的免疫反应之间的相互作用在内的潜在机制,需要进一步探索。展开更多
文摘针对多工种交叉作业频繁、环境时常变化、场地狭窄、明火作业多的建筑工程施工现场,以疏散时间为目标函数建立其人员疏散时间模型,基于疏散时间模型以疏散时间最短为目的提出疏散路径优化模型,并利用修正的迪杰斯特拉(Dijkstra)算法求解模型,同时结合BIM(building information model)4D模型和Anylogic软件以及某在建楼房案例对模型进行仿真模拟验证分析。由仿真模拟结果可知,疏散时间模型计算出的疏散时长与模拟疏散时长吻合度较高,使用经优化后的疏散路径疏散,能够在一定程度上较大幅度节约紧急情况下建筑工程施工现场劳务人员的疏散时间,提高施工阶段的安全管理效率,且在一定疏散人数范围内,优化程度随疏散人数增加而增长。
文摘目的比较肝细胞癌(hepatocellular carcinoma,HCC)组织中与细胞焦亡相关基因的表达水平,建立对临床工作有用的预测模型。方法从癌症基因组图谱(the cancer genome atlas,TCGA)数据库中随机选取HCC患者,并按1∶1比例分为训练组和验证组。然后,从有影响力的研究中检索到33个焦亡相关基因,并分析其表达水平。进行了单变量Cox分析和随后的最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)算法,对总体生存期(overall survival,OS)进行分析,以鉴定候选预后基因。最后,利用多变量Cox分析形成预后模型,可以将所有患者区分为高风险或低风险组。结果5个与焦亡相关的基因(GPX4、CASP8、NLRP6、GSDMC和PLCG1)被纳入预测模型,风险评分的中位截断值可以将训练组和验证组患者分为高风险或低风险组。在训练组中发现低风险组的死亡概率低于高风险组,并在验证组中得到确认,差异有统计学意义(P<0.05)。对OS的时间依赖性受试者工作特征曲线(receiver operating characteristic curve,ROC)进行了分析,发现在训练组中,1年、2年和3年时曲线下面积(area under curve,AUC)分别为0.775、0.713和0.677;在验证组中,1年、2年和3年时AUC分别为0.671、0.614和0.624。功能富集分析显示,碳水化合物和脂质代谢途径、巨噬细胞亚群以及免疫反应与风险模型相关联。结论GPX4、CASP8、NLRP6、GSDMC和PLCG1等5个与细胞焦亡相关的基因模型具有显著的HCC预后预测效果。包括细胞焦亡与细胞代谢、巨噬细胞和HCC免疫微环境中的免疫反应之间的相互作用在内的潜在机制,需要进一步探索。