GB病毒B型(GBV-B)感染的临床与免疫病理研究

目的自从建立起甲、乙、丙、丁、戊5种肝炎病毒的病原学诊断之后,仍有少部分肝炎患者的病因得不到明确,因此不少学者试图探索是否还有新型肝炎病毒的存在,并进行了大量的流行病学和实验诊断的研究,认为的确存在可经肠道外传播并引起人类肝炎的致病因子.1995年 Simons et al 成功地克隆出2株黄病毒 RNA 序列,称之为 GBV-A,GBV-B.继而从一名西非患者血清中克隆出另一黄病毒 RNA 序列,称之为 GBV-C.1996年初美国另一研究小组从一名慢性输血后肝炎患者血清中克隆出一株黄病毒 RNA 序列,称之为 HGV.进一步的研究后认为 GBV-C,HGV 为同一病毒的不同分离株.动物实验发现,GBV-B 可单独引起动物发病,而 GBV-A 单独感染时未能引起发病.本文以此为依据,对 GBV-B 感染者的临床与免疫病理加以研究,试图探讨 GBV-B 对人体肝脏的致病性及其在人体内的分布状态.方法根据 GBV-B NS5区的核苷酸和氨基酸序列,通过计算机软件对其抗原位点进行了预测,并分析其亲水性、键流动性、电荷状态及抗原表位分布等特性,合成一条30个氨基酸多肽.探讨合成肽最佳包被量之后,成功地建立了间接 ELISA 法,用来检测抗-GBV-B.应用此方法检测各型肝炎及其他高危人群血清标本1286份.同时应用 RT-PCR 检测血清中 GBV-B RNA及免疫组化检测肝炎患者肝组织相关病毒抗原.结果经鉴定合成肽纯度在95%以上,氨基酸分析的实际值与理论值基本一致.将合成肽与牛血清清蛋白(BSA)偶联免疫白兔获得高效价抗-GBV-B NS5区的多克隆抗体(PcAb).批内、批间变异系数分别为6.06%和7.65%(均<10%);中和抑制试验结果证明我们建立的 ELISA 法具有较好的特异性.血清抗-GBV-B 检测结果表明各型肝炎患者血清抗-GBV-B 阳性率为10.56%;其中非甲～非戊型肝炎患者血清抗体阳性率为8.57%;肝炎高危人群如献血员、血液透析者及静脉药瘾者血清抗-GBV-B 阳性率分别为2.90%,8.62%及13.44%.随机抽取抗-GBV-B 阳性和抗-GBV-B 阴性血清标本各32例进行RT-PCR 检测 GBV-B RNA,结果64例均为阴性.应用抗-GBV-B 多克隆抗体为试剂,对42例肝炎患者肝组织进行免疫组化研究,均未检测出 GBV-B 相关抗原.结论提示 GBV-B 可能不是人类肝炎病毒,对人体肝脏的致病性轻微,其抗体在不同人群中出现可能是一种短暂的感染,其意义有待进一步研究.

静脉药瘾者血清抗-GBV-B检测阳性8例临床分析

静脉药瘾危害甚大，为了解一种能导致人类肝炎的新型肝炎病毒（ＧＢＶ—Ｂ）在静脉药瘾者的感染情况，我中心与开远市公安局第一强制戒毒所于１９９７年１月份同一时期对住院和在所的静脉药瘾者抽取静脉血５４份血清标本，在第三军医大学西南医院传染科协助下进行ＧＢＶ—...

新型肝炎病毒的研究进展

新型肝炎病毒的研究进展王佑春１（综述）庄辉２李河民１（审）尽管目前已有可靠的临床检测手段来诊断甲、乙、丙、丁、戊型肝炎，但临床上仍有１０％～２０％的病毒型肝炎病原不明；１９９５年Ｓｉｍｏｎｓ从感染ＧＢ因子的动物血清中分离出２种病毒，称之为ＧＢＡ和Ｇ...

血液透析肾病患者GBV-C感染的分析

目的 探讨血液透析病人中GBV -C(GBV -C/HGV)感染情况及GBV -C的致病性。方法 对北京地区6 7例因肾功能衰竭而进行血液透析的患者血清 ,用PCR法检测HCVRNA ,GBV -CRNA和HBVDNA。同时应用ELISA法检测HBsAg和抗 -HCV。结果 6 7例患者血清GBV -CRNA的检出率为 16 4 2 % ,HBVDNA的检出率为 2 6 87% ,HCVRNA的检出率为 2 2 39% ,GBV -C和HCV的感染率随透析次数的增多而增高。在单独感染GBV -C的血液透析患者中未发现血清ALT或AST异常。结论 GBV -C的感染率随透析时间的延长而增高 ,提示血液透析可能是GBV-C的传播途径之一。未发现经血液透析获得单独GBV -C感染者的血清转氨酶异常 ,证明GBV -C很可能不具有嗜肝致病性。

基于视觉显著性与肤色分割的人脸检测

针对复杂环境下人脸检测受光照、姿态、类肤色等因素的影响,提出了一种基于视觉显著性与肤色分割的人脸检测算法。首先利用基于图论的视觉显著性算法(graph-based visual saliency,GBVS)提取包含目标人脸的显著图,并对该显著图进行阈值分割和形态学等操作得到初步的二值人脸目标区域。然后截取LFW数据库中人脸肤色部分并将色彩空间转换至L*a*b*色彩空间,计算出人脸肤色的L,a,b分量的均值。接着在初步得到的人脸目标区域中计算每个像素点的a,b分量与人脸肤色a,b分量的欧氏距离,取该欧氏距离在一定区间内的像素点,计算出它们的质心作为人脸中心点。最后为了减少背景,取初步人脸目标区域边缘到中心点最小距离的80%为半径,截取图像中的准确人脸区域,实现最终的人脸目标检测。在LFW数据库上的实验表明,该算法在检测非端正人脸时好于AdaBoost方法,且算法简单、速度快、检测率高。