目的探讨H3.3G34W、p63及SATB2在骨巨细胞瘤(giant cell tumor of bone,GCTB)中的表达情况及其联合应用对GCTB的诊断作用和价值。方法收集西安交通大学附属红会医院病理科2020年至2022年诊断的54例GCTB、83例非骨巨细胞瘤(non-giant cel...目的探讨H3.3G34W、p63及SATB2在骨巨细胞瘤(giant cell tumor of bone,GCTB)中的表达情况及其联合应用对GCTB的诊断作用和价值。方法收集西安交通大学附属红会医院病理科2020年至2022年诊断的54例GCTB、83例非骨巨细胞瘤(non-giant cell tumor of bone,NGCTB)(包含14例动脉瘤样骨囊肿、16例软骨母细胞瘤和53例非骨化性纤维瘤)患者的样本和病历资料,采用免疫组织化学EliVision法检测H3.3G34W、p63及SATB2的表达情况。通过χ^(2)检验判断H3.3G34W、p63及SATB2的阳性率在各组间是否存在统计学差异;通过Logistic回归分析建立包括H3.3G34W、p63及SATB2的联合诊断模型,通过受试者工作特征(ROC)曲线分析评价模型的诊断价值。结果H3.3G34W、p63及SATB2在GCTB组中阳性率分别为81.5%、90.7%、92.6%;在NGCTB组中阳性率分别为2.4%、28.9%、62.7%。与NGCTB组相比,GCTB组患者年龄显著较大[(41.222±14.849)vs.(16.566±9.439);P<0.001],女性比男性患病率更高(51.9%vs.48.1%,P<0.001)。与NGCTB组相比,GCTB组中H3.3G34W(81.5%vs.2.4%,P<0.001);p63(90.7%vs.28.9%,P<0.001)和SATB2(92.6%vs.62.7%,P<0.001)的阳性率更高。单因素Logistic回归分析构建单因素预测模型,同时行ROC曲线分析,表明年龄(AUC=92.9%,P<0.001)、性别(AUC=64.5%,P=0.004)、H3.3G34W阳性率(AUC=89.5%,P<0.001)、p63阳性率(AUC=80.9%,P<0.001)、SATB2阳性率(AUC=65.0%,P=0.003)是GCTB诊断的独立预测因素。进一步的多因素Logistic回归分析构建混合预测模型,并行ROC曲线分析,发现混合模型展现出比单因素模型更好的预测价值(AUC=98.4%,P<0.001)。结论H3.3G34W、p63及SATB2是有效诊断GCTB的分子标记物,且三者联合应用更能提高GCTB的诊断预测效能。展开更多
文摘目的探讨H3.3G34W、p63及SATB2在骨巨细胞瘤(giant cell tumor of bone,GCTB)中的表达情况及其联合应用对GCTB的诊断作用和价值。方法收集西安交通大学附属红会医院病理科2020年至2022年诊断的54例GCTB、83例非骨巨细胞瘤(non-giant cell tumor of bone,NGCTB)(包含14例动脉瘤样骨囊肿、16例软骨母细胞瘤和53例非骨化性纤维瘤)患者的样本和病历资料,采用免疫组织化学EliVision法检测H3.3G34W、p63及SATB2的表达情况。通过χ^(2)检验判断H3.3G34W、p63及SATB2的阳性率在各组间是否存在统计学差异;通过Logistic回归分析建立包括H3.3G34W、p63及SATB2的联合诊断模型,通过受试者工作特征(ROC)曲线分析评价模型的诊断价值。结果H3.3G34W、p63及SATB2在GCTB组中阳性率分别为81.5%、90.7%、92.6%;在NGCTB组中阳性率分别为2.4%、28.9%、62.7%。与NGCTB组相比,GCTB组患者年龄显著较大[(41.222±14.849)vs.(16.566±9.439);P<0.001],女性比男性患病率更高(51.9%vs.48.1%,P<0.001)。与NGCTB组相比,GCTB组中H3.3G34W(81.5%vs.2.4%,P<0.001);p63(90.7%vs.28.9%,P<0.001)和SATB2(92.6%vs.62.7%,P<0.001)的阳性率更高。单因素Logistic回归分析构建单因素预测模型,同时行ROC曲线分析,表明年龄(AUC=92.9%,P<0.001)、性别(AUC=64.5%,P=0.004)、H3.3G34W阳性率(AUC=89.5%,P<0.001)、p63阳性率(AUC=80.9%,P<0.001)、SATB2阳性率(AUC=65.0%,P=0.003)是GCTB诊断的独立预测因素。进一步的多因素Logistic回归分析构建混合预测模型,并行ROC曲线分析,发现混合模型展现出比单因素模型更好的预测价值(AUC=98.4%,P<0.001)。结论H3.3G34W、p63及SATB2是有效诊断GCTB的分子标记物,且三者联合应用更能提高GCTB的诊断预测效能。
文摘为了促进广谱高效大豆埃氏慢生根瘤菌Y63-1菌株的高效生产与推广应用,本研究对其培养基进行了筛选与优化。首先比较了Y63-1在YMA、TY、SM、PA和BSE 5种根瘤菌基本培养基中的生长速度,结果表明Y63-1在TY基本培养基中生长最快。以TY为基本培养基进行单因素碳源及无机盐利用试验,结果表明葡萄糖是Y63-1生长的最佳碳源,CaCl_(2)为必要的培养基成分,Rh微量元素对菌株的生长有很大的促进作用。进一步对蛋白胨、葡萄糖、酵母粉及Rh微量元素4种组分进行正交优化,获得了适宜Y63-1生长的最佳培养基,配方(1 L)为:8 g蛋白胨、10 g葡萄糖、3 g酵母粉、0.1 g CaCl_(2)·6H_(2)O、3 mL Rh微量元素,pH7.0。此培养基也能显著提升USDA110的生长速率,可以广泛应用于慢生根瘤菌菌剂的大规模生产。