基于动物模型的院前临时VV-ECMO治疗高原重度肺冲击伤的研究

目的通过在高海拔地区进行自由场化爆实验,建立山羊重度肺冲击伤动物模型,探讨临时静脉-静脉体外膜肺氧合(VV-ECMO)技术在现场早期救治中的可行性。方法选择成年山羊16只,按照随机数字表法分为对照组和救治组,每组8只,在海拔4600 m高原环境下建立重度肺冲击伤模型,随后对照组山羊给予呼吸机支持,救治组山羊给予临时VV-ECMO救治。记录伤后15 min山羊存活情况,比较2组山羊伤前和伤后1 h、2 h、3 h生命体征[体温、呼吸频率、心率、平均动脉压(MAP)]及动脉血气分析指标[pH、动脉血氧分压(PO_(2))、动脉血二氧化碳分压(PCO_(2))、动脉血氧饱和度(SaO_(2))、乳酸(LAC)、血钙离子(Ca^(2+))、红细胞压积(HCT)、血红蛋白(Hb)]。对所有死亡和救治结束后处死的山羊进行尸检,采用器官损伤分级(OIS)评估肺损伤严重程度,依据简明损伤评分(AIS)进行肺损伤评分。计算肺组织湿重与干重比值(W/D)和肺系数。结果爆炸后15 min内对照组山羊死亡4只,存活4只;救治组山羊死亡5只,存活3只。2组山羊受伤前后体温、呼吸频率、心率、MAP组间比较,差异均无统计学意义(P>0.05)。救治组山羊伤后1 h、2 h、3 h PO_(2)、SaO_(2)均优于对照组(P<0.05),伤后2 h Ca^(2+)显著高于对照组(P<0.05);2组山羊伤后不同时间点pH、PCO_(2)、LAC、HCT、Hb比较差异均无统计学意义(P>0.05)。2组山羊伤后OIS、AIS、肺系数比较,差异无统计学意义(P>0.05),但对照组肺组织W/D较救治组低(P<0.05)。结论在高海拔地区,我们首次建立了一种新型、可行性强、救治效果稳定的临时VV-ECMO动物救治策略,可以为高原地区重度肺冲击伤现场早期的VV-ECMO救治提供动物实验依据。

海马神经细胞特异性DRD2基因条件性敲除小鼠模型的建立与鉴定

目的拟构建DRD2基因大脑海马组织特异性敲除小鼠模型,旨在进一步深入研究DRD2的生物学功能。方法运用逆转录病毒基因标记技术,结合Cre-loxP重组酶系统,设计和构建打靶载体,然后将打靶载体电转至小鼠胚胎细胞,用PCR和Southern blot验证ES克隆的正确性,最后将筛选出的ES显微注射到胚囊内,经过PCR鉴定得到Neo delete杂合子小鼠(flox/+)。将Neo delete杂合子小鼠(flox/+)自交获得Neo delete纯合子小鼠(flox/flox)小鼠,经PCR筛选出的在DRD2^(flox/flox)纯合子小鼠与海马组织特异性表达Cre基因的Ca MKⅡα-Cre工具鼠杂交,获得了DRD2^(flox/flox)的特异性组织条件性敲除小鼠,并用定量PCR和Western blot法对其进行鉴定。利用PCR和Western blot方法检测成年DRD2条件性敲除小鼠大脑不同部位(前额、海马)的DRD2表达情况。结果经过多层筛选、鉴定,最后得到DRD2^(flox/flox)的特异性组织条件性敲除小鼠。所制备的DRD2条件性敲除小鼠基因缺失主要发生在海马组织中,前额组织中表达水平变化不大。DRD2表达水平在不同小鼠的海马组织中降低。DRD2海马组织特异性敲除小鼠在交配饲养过程中纯合子小鼠未出现胚胎致死现象,也未发现其他器官组织结构的异常改变。结论成功建立大脑海马神经细胞特异性DRD2基因敲除模型,为进一步深入研究DRD2的生物学功能,尤其是DRD2在精神类疾病的发生、发展中的作用机制提供了研究基础。

低频强声驱散样机对静音室内实验动物的损伤效应观察

目的 为了解低频强声驱散样机(75~85Hz)在不同声强(108~141.5dB)情况下的安全性和有效性,以及低频强声对不同实验动物损伤效应特点,为低频强声驱散样机的定型与使用安全,也为制定该类伤员的诊断、救治、防护措施提供依据。方法 通过用不同声强1(08~141.5dB)作用于放于静音室的不同类实验动物(山羊6只、巴马小香猪4只和SD大鼠40 只3)0min。采用大体与病理解剖、心电、听觉脑干诱发电位、行为学等手段评估不同声强的低频驱散样机在静音室内对实验动物的生物损伤效应。结果 不同强度的低频强声作用于放于静音室内的实验动物30 min后,最高声强1(41.5dB)作用后可引起部分动物脏器(心、肺、肝)的点状出血(轻微损伤),但未发现听阈、功能及行为学异常;≤130dB声强作用后均未发现动物听阈、解剖、功能及行为学异常。结论 该低频强声驱散样机在声强141.5dB时可引起部分大动物(山羊和巴马小香猪)的轻微损伤;低频强声主要引起大动物的内脏损伤,对听觉器官损伤不明显;该低频强声驱散样机在现有频率和强度下仅会引起实验动物主要脏器的点状出血,无不可逆性损伤,具有安全性且具有潜在的驱散能力。

深度置信网络拟合异步电动机逆变器控制开关表

利用深度神经网络学习算法拟合异步电动机控制系统的逆变器开关表控制策略关系,并替代原逆变器开关表电路与逆变器一起形成深度学习控制器,是异步电动机智能控制解决方案的关键技术之一。即原逆变器开关表的输入输出数据作为深度置信神经网络的训练样本,从中学习拟合出具有逆变器开关表控制策略的深度网络拓扑与参数,借助AD/DA转换器接入实际系统,完成替代逆变器开关表硬件电路,智能化地实现异步电动机的控制策略。通过仿真比较两类控制器在各种参考信号下的控制效果,验证了深度置信网络拟合逆变器开关表控制的有效性和精确性。