GNMT通过TGF-β1/Smad3信号通路抑制宫腔粘连纤维化及其机制研究

目的探究甘氨酸N-甲基转移酶(glycine N-methyl transferase,GNMT)对宫腔粘连(intrauterine adhesion,IUA)纤维化的影响及其相关机制。方法体内实验:采用36只SPF级健康雌性SD大鼠(周龄为6~8周,体质量180~220 g)。分别构建SD大鼠IUA模型及GNMT过表达大鼠IUA模型,利用RT-qPCR、免疫荧光检测正常子宫与模型组子宫GNMT表达水平;进一步利用RT-qPCR及Western blot检测各组子宫纤维化相关分子mRNA和蛋白水平以及TGF-β1/Smad3信号通路激活情况;HE染色观察各组子宫内膜腺体数量;Masson染色分析各组子宫内膜纤维化程度。体外实验:利用TGF-β1构建人子宫内膜间质细胞(transformed human endometrial stromal cells,THESCs)纤维化表型模型,使用TGF-β1处理稳定转染过表达GNMT慢病毒的THESCs,RT-qPCR及Western blot检测纤维化表型相关分子mRNA和蛋白的表达情况;Western blot检测TGF-β1/Smad3信号通路相关蛋白表达;通过TGF-β1/Smad信号通路激活剂(SRI-011381)激活TGF-β1/Smad3信号通路,Western blot检测TGF-β1/Smad3信号通路及纤维化表型关键分子蛋白表达情况。结果体内实验:与对照组比较,IUA大鼠GNMT mRNA和蛋白表达水平下降(P<0.05)。过表达GNMT可降低IUA大鼠子宫组织纤维化相关分子CollagenⅠ、CollagenⅢ、FN mRNA及蛋白水平(P<0.05),并降低TGF-β1及其下游的Smad3蛋白磷酸化水平(P<0.05);HE和Masson染色显示过表达GNMT可增加IUA大鼠子宫内膜腺体数量并减轻纤维化程度(P<0.05)。体外实验:过表达GNMT可降低THESCs纤维化表型相关分子CollagenⅠ、CollagenⅢ和FN的mRNA和蛋白水平(P<0.05),并降低TGF-β1下游的Smad3蛋白磷酸化水平(P<0.05);TGF-β1/Smad3信号通路激活后,LV-GNMT+SRI-011381组中TGF-β1/Smad3信号通路及下游的纤维化表型相关分子CollagenⅢ、FN的蛋白水平均明显降低。结论过表达GNMT通过调控TGF-β1/Smad3信号通路抑制子宫内膜纤维化,进而达到治疗IUA的作用。

缺氧诱导因子1α(HIF1α)下调HepG2细胞中甘氨酸-N-甲基转移酶(GNMT)基因的表达

目的 探讨乏氧对甘氨酸-N-甲基转移酶（Glycine-N- methyltransferase,GNMT）表达的影响,以及GNMT与缺氧诱导因子1α （hypoxia inducible factor 1 alpha,HIF1α）表达之间的关系。方法 HepG2,293T,H460 3株细胞常规培养并设立常氧组和乏氧组,待细胞生长至50%~60%融合后,将乏氧组细胞放入1%氧气乏氧箱继续培养24 h,常氧组继续常规培养24 h后,运用半定量PCR,实时荧光定量PCR方法分析HepG2,293T,H460 3株细胞乏氧后相对于常氧GNMT基因的表达变化;通过小RNA干扰方法敲低HepG2细胞中HIF1α基因和HIF2A基因,运用实时荧光定量技术检测干扰效率,并检测GNMT基因的表达变化。结果 乏氧能够下调HepG2,293T,H460 3株细胞中GNMT基因的表达,HepG2细胞中抑制最明显;3株细胞的GNMT基因表达抑制率分别为68%,17%,21%;在HepG2细胞中敲低HIF1α基因能够引起GNMT表达明显上调,而敲低HIF2A后GNMT表达无明显变化。结论 在HepG2细胞中乏氧可能通过HIF1α下调GNMT的表达。

人类ARRB1和GNMT蛋白相互作用的初步研究

GNMT(甘氨酸-N-甲基转移酶,glycine N-methyltransferase)是人体内一个多功能蛋白.最近研究发现GNMT是一个潜在的抑癌基因,但GNMT抑癌的机理却不清楚.研究以GNMT为"诱饵",利用酵母双杂交系统筛选人肝cDNA文库,获得了GNMT的一个相互作用蛋白ARRB1(-βarrestin1),并通过GST Pull-down、免疫共沉淀的方法在体内体外验证了相互作用的特异性.进一步研究发现GNMT和ARRB1的相互作用不依赖于GNMT的四聚体高级结构和甲基转移酶活性.免疫荧光共定位实验发现,当ARRB1与GNMT共转染HeLa细胞后,ARRB1蛋白的亚细胞定位发生改变,表现出与GNMT蛋白共定位,有入核的趋势.这为研究GNMT的抑癌作用机理提供了新的线索.

计算机算法类资料的中英文智能翻译

当前互联网免费可用的在线翻译系统均是使用通用语料训练出来的神经机器翻译模型,在通用语义环境下翻译出色,而在特定的垂直领域(如计算机专业领域)中,由于训练文本和模型训练算法缺乏针对性,导致翻译结果出现专业词汇错漏,文本晦涩难懂。因此,实现特定垂直领域的自动化机器翻译的需求越来越大。通过网络爬虫获取计算机算法类相关的英汉双语例句,基于Word2Vec算法生成含有上下文信息的词向量,将词向量嵌入到Google开源GNMT模型训练英汉翻译模型,基于训练模型实现简易翻译软件。通过对照实验,探究Word2Vec算法中词向量长度对计算词汇间文本相似度的影响和对GNMT训练效果的影响,以及GNMT超参数中的隐藏层单元数num_unit、批尺寸batch_size对训练效果的影响。综合实验结果训练最佳的英汉翻译模型。

甘氨酸-N-甲基转移酶对神经干细胞分化的影响

本文主要是研究甘氨酸鄄N鄄甲基转移酶(Gnm t)抑制后对神经干细胞分化的影响。从14d SD孕鼠的胚胎纹状体分离培养神经干细胞,培养两周后,将神经干细胞接种到24孔板,加入甘氨酸鄄N鄄甲基转移酶的产物SAH对该酶进行抑制,观察其抑制后对神经干细胞分化的影响。采用RT鄄PCR分析Gnm t抑制后m RNA的表达。结果表明:甘氨酸鄄N鄄甲基转移酶抑制可以诱导神经干细胞的分化。

科技英语定语从句的机译评价

定语从句在科技英语长句中占有相当大的比重,也给机器翻译带来一定困难。本研究以语言类型学为理论依据,建立科技英语定语从句语料库,对其谷歌机器译文和人工译文进行比较分析。结果表明,在英汉转换过程中,机译系统有时会出现漏译定语从句、核心词识别错误、从句理解错误等问题。此分析结果有利于机器翻译在通用领域和特定领域的应用做到直观高效。