基于TF-IDF和多头注意力Transformer模型的文本情感分析

文本情感分析旨在对带有情感色彩的主观性文本进行分析、处理、归纳和推理,是自然语言处理中一项重要任务。针对现有的计算方法不能充分处理复杂度和混淆度较高的文本数据集的问题,提出了一种基于TF-IDF(Term Frequency-Inverse Document Frequency)和多头注意力Transformer模型的文本情感分析模型。在文本预处理阶段,利用TF-IDF算法对影响文本情感倾向较大的词语进行初步筛选,舍去常见的停用词及其他文本所属邻域对文本情感倾向影响较小的专有名词。然后,利用多头注意力Transformer模型编码器进行特征提取,抓取文本内部重要的语义信息,提高模型对语义的分析和泛化能力。该模型在多领域、多类型评论语料库数据集上取得了98.17%的准确率。

面向多模态情感分析的低秩跨模态Transformer

多模态情感分析将基于文本的方法扩展到包含视觉和语音信号的多模态环境,已成为情感计算领域的热门研究方向。在预训练-微调的背景下,将预训练语言模型微调到多模态情感分析领域是必要的。然而,微调大规模预训练语言模型仍然很昂贵,而且跨模态交互不足会影响性能。因此,提出低秩跨模态Transformer(LRCMT)来解决这些问题。受大型预训练语言模型在适应不同的自然语言处理下游任务时所呈现的低秩参数更新现象启发,LRCMT在每个冻结层中注入可训练的低秩参数矩阵,这大大减少了可训练参数,同时允许动态单词表示。此外,设计了跨模态交互模块,其中视觉和语音模态在与文本模态交互之前首先相互交互,从而实现更充分的跨模态融合。在多模态情感分析基准数据集上的大量实验表明了LRCMT的有效性和高效性。仅微调约全参数量0.76%的参数,LRCMT实现了与完全微调相当或更高的性能。此外,它还在许多指标上获得了最先进或具有竞争力的结果。消融实验表明,低秩微调与充分的跨模态交互有助于提升LRCMT的性能。总之,本文的工作降低了预训练语言模型在多模态任务上的微调成本,并为高效和有效的跨模态融合提供了思路。

基于Transformer的多模态级联文档布局分析网络

针对现有方法在文本和图像模态的预训练目标上存在嵌入不对齐,文档图像采用基于卷积神经网络(CNN)的结构进行预处理,流程复杂,模型参数量大的问题,提出基于Transformer的多模态级联文档布局分析网络(MCOD-Net).设计词块对齐嵌入模块(WAEM),实现文本和图像模态预训练目标的对齐嵌入,使用掩码语言建模(MLM)、掩码图像建模(MIM)和词块对齐(WPA)进行预训练,以促进模型在文本和图像模态上的表征学习能力.直接使用文档原始图像,用图像块的线性投影特征来表示文档图像,简化模型结构,减小了模型参数量.实验结果表明,所提模型在PubLayNet公开数据集上的平均精度均值(mAP)达到95.1%.相较于其他模型,整体性能提升了2.5%,泛化能力突出,综合效果最优.

纤维肌痛综合征生物标记物的筛选及免疫细胞浸润分析

背景:纤维肌痛综合征作为常见风湿病,其发病与中枢敏化及免疫异常有关,但具体过程尚未阐明,缺乏特异性诊断标志物,不断探索该病的发病机制具有重要的临床意义。目的:基于加权基因共表达网络分析(WGCNA)等生物信息学方法和机器学习算法筛选纤维肌痛综合征潜在的诊断相关标志基因,并分析其免疫细胞浸润特征。方法:对来自基因表达综合数据库(GEO)的纤维肌痛综合征数据集转录谱进行差异分析和WGCNA分析,整合筛选出差异共表达基因,进一步采用机器学习套索回归(LASSO)算法、支持向量机递归特征消除(SVM-RFE)机器学习算法来识别核心生物标志物,并绘制受试者工作特征(ROC)曲线以评估诊断价值。最后,采用单样本基因集富集分析(ssGSEA)和基因集富集分析(GSEA)评估纤维肌痛综合征的免疫细胞浸润情况及通路富集。结果与结论:①对GSE67311数据集按照log2|(FC)|>0,P<0.05的条件进行差异分析后获得8个下调的差异表达基因;进行WGCNA分析后获得正相关性最高(r=0.22,P=0.04)的模块(MEdarkviolet)内含基因497个,负相关性最高(r=-0.41,P=6×10-5)的模块(MEsalmon2)内含基因19个;将差异表达基因与WGCNA的2个高相关性模块基因取交集,获得7个基因。②对上述7个基因进行LASSO回归算法筛选出4个基因,进行SVM-RFE机器学习算法筛选出5个基因,两者取交集后确定了3个核心基因,分别为重组1号染色体开放阅读框150蛋白(germinal center associated signaling and motility like,GCSAML)、整合素β8(Integrin beta-8,ITGB8)和羧肽酶A3(carboxypeptidase A3,CPA3);绘制3个核心基因的ROC曲线下面积分别为0.744,0.739,0.734,提示均具有很好的诊断价值,可作为纤维肌痛综合征的生物标志物。③免疫浸润分析结果显示,与对照组相比纤维肌痛综合征患者记忆B细胞、CD56 bright NK细胞和肥大细胞显著下调(P<0.05),且与上述3个生物标志物显著正相关(P<0.05)。④富集分析结果提示,纤维肌痛综合征的富集途径包括9条,主要与嗅觉传导、神经活性配体-受体相互作用及感染等通路密切相关。⑤上述结果显示,纤维肌痛综合征的发生发展与多基因参与、免疫调节异常及多个通路失调有关,但这些基因与免疫细胞之间的相互作用,以及它们与各通路之间的关系尚需进一步研究。

基于多尺度Transformer的多视图三维形状分析方法

基于多视图的三维形状分析方法是三维计算机视觉领域中的重要研究分支,通过整合三维形状在多个视角下的二维图像的特征来完成三维形状的识别、检索等任务。然而,如何有效地探索不同视角之间的关联性,并运用这些关联性来聚合多视图图像的特征仍然是三维形状分析中一个亟待解决的核心问题。受到最近兴起的Transformer网络在关系建模问题上成功应用的启发,研究工作引入了一种创新的多尺度Transformer架构,提出了基于多尺度Transformer的多视图三维形状分析方法(Multi-View Multi-Scale Transformer,MVMST)。此方法能够有效地学习不同视角之间的关联性,将多视图图像的特征聚合为一个具有强大表达能力的整体描述符。与以往方法使用感受野为全局的Transformer建模多视图特征的关系不同,该方法受到多尺度学习方法的启发,使用多尺度的Transformer来建模不同尺度下的多视图图像特征之间的关系,并设计了一个多尺度融合模块将多个尺度下经过Transformer处理的特征进行融合,得到一个相比单一尺度更加有效的多尺度表示。多个视图的多尺度表示最终经过视角池化模块融合成三维形状的一个整体描述符。研究了在多个合成和真实扫描三维形状分类数据集上进行了实验,结果表明所提出的方法在三维形状分类任务上表现出令人满意的性能。

基于Transformer的多子空间多模态情感分析

多模态情感分析是指通过文本、视觉和声学信息识别视频中人物表达出的情感。现有方法大多通过设计复杂的融合方案学习多模态一致性信息,而忽略了模态间和模态内的差异化信息,导致缺少对多模态融合表示的信息补充。为此提出了一种基于Transformer的多子空间多模态情感分析(multi-subspace Transformer fusion network for multimodal sentiment analysis,MSTFN)方法。该方法将不同模态映射到私有和共享子空间,获得不同模态的私有表示和共享表示,学习每种模态的差异化信息和统一信息。首先,将每种模态的初始特征表示分别映射到各自的私有和共享子空间,学习每种模态中包含独特信息的私有表示与包含统一信息的共享表示。其次,在加强文本模态和音频模态作用的前提下,设计二元协同注意力跨模态Transformer模块,得到基于文本和音频的三模态表示。然后,使用模态私有表示和共享表示生成每种模态的最终表示,并两两融合得到双模态表示,以进一步补充多模态融合表示的信息。最后,将单模态表示、双模态表示和三模态表示拼接作为最终的多模态特征进行情感预测。在2个基准多模态情感分析数据集上的实验结果表明,该方法与最好的基准方法相比,在二分类准确率指标上分别提升了0.0256/0.0143和0.0007/0.0023。

东北三省粮食生产影响因素的关联分析

东北三省是我国重要的粮食生产基地,研究东北三省粮食生产的主要影响因素具有重要的意义。为此,基于2007—2021年东北三省的面板数据,运用灰色关联理论对影响东北三省粮食生产的影响因素进行关联分析,量化粮食总产量与主要影响因素的关联度。同时,从土地利用水平、农业现代化水平、经济条件3个方面选取8个指标进行关联分析,研究东北三省粮食生产的主要影响因素。结果显示:不同省份粮食生产的主要影响因素不同,土地利用水平和农业现代化水平对东北三省粮食生产影响较大。最后,为东北三省提高粮食产量提供了政策建议。

利用Transformer的组合聚类算法在蛋白质数据分析中的应用

该研究将Transformer模型适配于蛋白质特征降维场景,通过其特有的自注意力机制,赋予模型对长程依赖关系的较好建模性能,同时,多头注意力设计使得模型能够从不同角度捕获特征间的相互作用,进一步提升降维结果的表达力和鲁棒性。文章提出了一种新型的GRKM组合聚类算法,在原始K-means算法中引入了灰狼优化算法(Grey Wolf Optimization Algorithm)确定聚类的K值,以随机游走算法(Random Walk)确定初始聚类中心,以马氏距离(Markov Distance)来衡量样本间的相似性。研究中,对5种具有代表性的蛋白质数据集进行了实验验证,得到了改进后算法在轮廓系数以及DB指数等方面相较于改进前都有较大提升的结论。最终的结果分析选取APP蛋白质数据,将蛋白质聚为8类,探讨了各类别的生物功能,在解释性方面也取得了较为明显的效果。所提算法为深入理解蛋白质功能、发现潜在生物标志物以及指导药物设计等实际应用提供了参考工具。

情感分析的跨模态Transformer组合模型

基于Transformer的端到端组合深度学习模型是多模态情感分析的主流模型。针对相关工作中此类模型存在的低资源(low-resource)模态数据的情感特征提取能力不足、不同模态非对齐数据的特征尺度差异导致对齐融合过程中易丢失关键特征信息、基础注意力模型并行处理多模态数据导致多模态长期依赖机制不可靠的问题,提出了一种基于轻量级注意力聚合模块与跨模态Transformer的能使用多模态非对齐数据执行二分类和多分类任务的多模态情感分析模型LAACMT。LAACMT模型提出采用门控循环单元与改进的特征提取算法提取低资源模态信息,提出位置编码配合卷积放缩方法用于对齐多模态语境,提出跨模态多头注意力机制融合已对齐的多模态数据并建立可靠的跨模态长期依赖机制。LAACMT模型在包含文本、语音和视频的三种模态非对齐数据集CMU-MOSI上的实验结果表明该模型的性能评价指标较SOTA有稳定提升。其中Acc7提升了3.96%、Acc2提升了4.08%、F1分数提升了3.35%。消融实验结果数据证明所提模型解决了多模态情感分析相关工作中存在的问题,降低了基于Transformer的多模态情感分析模型的复杂度,提升了模型性能的同时避免了过拟合问题。

基于Transformer的微博文本情感分析方法

论文利用Transformer模型中的自注意力机制,模拟人脑神经系统对微博文本进行特征提取,利用TextCNN层将经过Transformer的词向量进行卷积,得到相邻词向量之间的时序信息,经过Tanh激活函数对模型进行优化,最后将卷积层得到的时序注意力权重应用于文本分类。实验结果证明,论文提出的模型在NLP&CC2013数据集上的准确率相对于Transformer模型有了0.38%的提高,并且在精确率、召回率和F1值上也有一定程度的提升。

基于响应面分析下中草药移栽机的优化设计

通过响应面分析法对中草药移栽机进行优化设计,以提高中草药种植效率和质量。首先,选取移栽速度、移栽深度和移栽器械倾角3个因素作为设计变量,选取移栽成功率和移栽损伤率作为评价指标;在此基础上,设计了一个采用多种传感器组合的控制系统,采用模糊控制算法进行控制,并通过试验得到的数据进行响应面分析,得出了最优设计方案。研究结果表明:最优移栽速度为0.2 m/s,最优移栽深度为15 cm,最优移栽器械倾角为25°;通过优化设计,中草药移栽机的移栽成功率提高了11.8%,移栽损伤率降低了9.6%,取得了较好的效果。

黄韧带骨化研究热点及趋势的可视化分析

背景:既往认为黄韧带骨化在人群中罕见发生,随着研究深入,发现其发病率逐渐上升,这引起大量学者的研究兴趣。目的:通过检索科学引文索引数据库核心集自1999年以来的有关黄韧带骨化的研究成果,使用文献计量学方法对数据进行可视化分析,回顾黄韧带骨化的研究历史,指示重要文献,梳理研究热点,为学者寻找研究方向提供思路。方法:以Web of Science核心集数据库为主,搜索并筛选黄韧带骨化相关论文,使用VOSviewer 1.6.19和CiteSpace 6.2.R6软件对年度发文量、研究国家、机构、被引文献、期刊、作者和关键词等进行可视化分析。结果与结论:①共纳入347篇文献,自1999年发文量呈螺旋上升,中国研究较日本起步晚,但是发文量后来居上,北京大学是发文量最多的机构,北京大学的陈仲强教授是发文量最多的学者。②被引用最多的10篇文献中5篇都与黄韧带骨化的手术治疗有关。③去除与研究主题直接相关的关键词,综合词频和中介中心性的结果发现,“胸椎脊髓病”“硬膜骨化”“微创手术”“后纵韧带骨化”处于领域研究的核心地位。④关键词聚类分析显示,黄韧带骨化的临床表现和手术治疗在疾病的研究中占比较大。⑤关键词时间线图及关键词突现分析显示,“微创手术”作为关键词出现在2015年前后,是突现强度最高的关键词,也是突现开始时间最晚的关键词,2019年开始受到学者广泛关注,关键词“硬膜骨化”的突现尚未结束。⑥黄韧带骨化的手术治疗一直处于研究前沿,微创手术方式的开发和研究、黄韧带骨化继发硬膜骨化的研究是该领域的研究热点。

大尺寸非标碟簧承载性能仿真分析

以某锤击式振打系统中的大尺寸非标碟簧为研究对象,对其在不同载荷作用下的响应特性进行了研究。分别采用理论及仿真模拟方法,对标准碟簧及大尺寸非标碟簧的载荷-变形及载荷-应力状态进行了分析;并采用仿真分析方法,研究了对合状态下重载非标碟簧的响应特征。研究结果表明,对于大变形工况,有限元法能更准确地描述大尺寸非标碟簧的承载性能;大尺寸非标碟簧承受载荷小于额定载荷时,其载荷-变形量呈现线性特征;承受载荷超过额定载荷后,载荷-变形量呈现非线性特征。分析认为,碟簧载荷与变形量的理论计算方法适用于结构的小变形状态,当载荷超过额定载荷时,碟簧的变形较大,小变形的线弹性理论已经不适用于大载荷工况。随着载荷变大,对合状态碟簧接触面的接触状态会发生突变,从面-面接触变成线-面接触,接触状态的改变会造成碟簧局部应力产生变化,影响碟簧的安全使用。

基于Transformer的煤矿爆破块度分析

准确量化爆破后岩石的破碎程度对于优化爆破设计和提高采矿作业的生产效率至关重要。传统的图像分析方法通常耗时耗力,且准确性较低。文章提出了一种名为BBDFiT的框架,能够自动分析爆破后图像中的岩石破碎分布。BBDFiT可以高效提取岩石块度分布和内部裂隙结构,为优化爆破设计和质量控制提供数据驱动的见解。在专用的煤矿爆破块度数据集上,BBDFiT实现了81.5%的top-1准确率,比当前最先进的视觉转换器模型高出约1.8%,而推理速度相当。这种人工智能驱动的方法为采矿企业提供了一种新的数字化工具,有望提高生产效率和经济效益,在矿山工程图像分析领域具有广阔的应用前景。

绝经后骨质疏松症动物模型研究现状及趋势的文献计量可视化分析

背景:近年来,绝经后骨质疏松症受到社会的广泛关注,随着动物模型研究的逐渐深入,动物模型已然成为现代中医药研究的重要手段以及实验基础,因此了解动物模型的研究现状、热点及发展趋势尤为重要。目的:分析国内外绝经后骨质疏松症动物模型的研究现状、热点及发展趋势,为后续研究提供一定的理论基础及参考依据。方法:以“主题词=绝经后骨质疏松AND主题词=鼠+兔+犬+猪+羊+猴+鱼+实验动物+动物实验”为检索式,对1999-01-01/2023-10-01在中国知网、万方数据库中的文章进行主题词检索;同时以“TS=(Postmenopausal osteoporosis)AND TS=(mouse OR mice OR rat OR rabbit OR dog OR swine OR pig OR sheep OR monkey OR fish or flies OR“laboratory animal”OR“experiment animal”)”为检索式,对1999-01-01/2023-10-01在Web of Science核心合集数据库中的文章进行主题词检索。应用Citespace软件对文献作者、机构、国家、关键词以及文献共被引量进行可视化分析。结果与结论:①分析后筛选中国知网及万方数据库共纳入1238篇文献,Web of Science核心合集数据库共纳入3419篇文献。自1999年来,该领域发文量总体呈上升趋势,研究中心性最高的是美国,发文量最高的是中国,研究中心性最高的机构为美国加利福尼亚大学。②去除与文章主题直接相关的关键词,综合共现频率及中心性,“生物力学”“左归丸”“阿仑膦酸盐”“乳腺癌”“生化指标”处于该研究领域较为核心的地位。③通过文献共被引分析,被引频次前10位的文献中有5篇文献与绝经后骨质疏松症治疗措施与临床疗效有关。④综合关键词与共被引文献分析显示,探究成骨细胞的形成以及骨形成的机制、代谢组学的作用机制、中药复方的治疗、信号通路、甲状旁腺激素治疗及硬骨素抗体治疗等方面是当下的研究热点也是未来的研究趋势。

免疫细胞与膝骨关节炎之间因果作用:一项两样本双向孟德尔随机化分析

背景:膝骨关节炎是一种常见的关节软骨及周围组织损伤的慢性炎症性疾病,而免疫细胞在膝骨关节炎免疫炎症反应中起到重要作用,但其中的具体机制仍有待深入研究。目的:采用孟德尔随机化方法来评估731种免疫细胞表型与膝骨关节炎风险之间的潜在因果关系。方法:使用全基因组关联分析(GWAS)目录中公开获取731种免疫细胞表型的全基因组关联分析统计数据(从GCST0001391到GCST0002121)和IEUGWAS数据库中膝骨关节炎的全基因组关联分析数据(ebi-a-GCST007090)。采用逆方差加权法、MR-Egger回归法、加权中位数法、加权模型法和简单模型法来研究免疫细胞与膝骨关节炎之间的因果关系。敏感性分析用于检验孟德尔随机化分析结果是否可靠,然后以同样方法进行反向孟德尔随机化分析。结果与结论:①正向分析结果表明,共有4种免疫细胞表型与膝骨关节炎有显著的因果关系(FDR<0.20),其中B细胞中的CD27 on CD24+CD27+(OR=1.026,P=0.00026,Pfdr=0.18)、髓系细胞中的CD33 on CD33dim HLA DR-(OR=1.014,P=0.00050,Pfdr=0.18)以及Treg细胞中的CD45RA+CD28-CD8br%CD8br(OR=1.001,P=0.00078,Pfdr=0.18)与膝骨关节炎风险呈直接的正向因果关联;单核细胞中PDL-1 on monocyte(OR=0.952,P=0.00098,Pfdr=0.18)与膝骨关节炎风险呈直接的负向因果关联。②反向分析结果表明,当膝骨关节炎作为暴露数据时,与731种免疫细胞表型均不具有显著因果关系(FDR<0.20)。③敏感性分析结果显示:双向孟德尔随机化的Cochran’s Q检验和MR-Egger回归法结果P值均大于0.05,表明免疫细胞表型与膝骨关节炎之间的因果效应分析不存在显著的异质性和多效性。④上述结果证实,CD27 on CD24+CD27+,CD33 on CD33dim HLA DR-,CD45RA+CD28-CD8br%CD8br以及PDL-1 on monocyte免疫细胞表型与膝骨关节炎之间可能具有较为显著的潜在因果关系,这为研究膝骨关节炎的生物学机制及探索膝骨关节炎的早期防治提供有价值的线索,也为干预性药物的开发提供了新的方向。

慢性心力衰竭患者社会衰弱现状及其影响因素可解释性分析研究

背景心力衰竭(简称心衰)合并衰弱的综合管理对衰弱评估提出了多维需求,然而作为心衰患者不良健康结局的增量预测因子,衰弱的社会维度尚未得到充分关注。目的分析慢性心衰患者社会衰弱现状及其影响因素。方法采用便利抽样法,选取2022年9月—2023年7月在南京医科大学第一附属医院心血管内科住院治疗的慢性心衰患者作为调查对象。采用一般资料调查表、社会衰弱量表(HALFT量表,评估社会衰弱)、中文简化版孤独感量表(评估孤独感)、简化版双向社会支持量表(评估社会支持)、个人掌控感量表(PMS,评估个人掌控感)、患者健康问卷(PHQ-9,评估抑郁情况)进行调查。采用单因素分析、支持向量机-特征递归消除进行特征筛选,构建支持向量机分类模型,引入SHAP值进行影响因素分析。结果本研究筛选患者228例,其中8例拒绝填写,共计发放问卷220份,回收有效问卷213份,有效问卷回收率为96.81%。慢性心衰患者中社会衰弱前期及社会衰弱人数占比分别为46.0%(98/213)、17.8%(38/213)。不同社会衰弱情况的慢性心衰患者文化程度、居住地、工作状态、疾病经济负担、个人月收入、病程、运动习惯、就医满意度、交通出行、孤独感量表得分、简化版双向社会支持量表得分、PMS得分、PHQ-9得分比较,差异有统计学意义(P<0.05)。支持向量机-特征递归消除模型性能最佳时,采用最优特征子集(以3∶7拆分样本作为测试集和训练集)构建分类模型后进行SHAP值可解释性分析,模型预测准确率在训练集和测试集中分别为0.73和0.63,此时特征重要性排序及影响方向从高到低为无运动习惯(+)、个人掌控感(-)、疾病经济负担重(+)、双向社会支持(-)、抑郁(+)、孤独感(+)、无业(+)。结论慢性心衰患者中社会衰弱占60%以上,医护人员应对患者的社会功能予以重视,关注患者缺失的社会资源属性及其上游因素,通过强化外部支持系统、培养患者内在信念、克服负性情绪体验,统筹制订管理方案,整合医疗资源实施干预延缓或逆转患者社会衰弱进程,改善其预后及生活质量。

有限元法在脊柱胸腰段骨折生物力学分析中的应用及发展方向

背景:脊柱骨折最高发部位是胸腰段,其症状为后背部疼痛、后凸畸形、活动受限,或伴脊髓神经损伤引发下肢疼痛、麻木甚至截瘫等并发症。有限元法是一种数字化的计算机建模技术,能真实模拟实物模型并进行受力分析。目的:综述有限元法在脊柱胸腰段骨折中的应用。方法:在中英文文献数据库PubMed、Web of Science、中国知网中检索2024年3月之前发表的有限元分析法在脊柱胸腰段骨折中应用的相关文献,中英文检索词为“有限元分析法(finite element analysis methods)”“生物力学(biomechanical phenomena)”“应力分析(stress analysis)”“胸腰椎骨折(thoracolumbar fractures)”“脊柱骨折(spinal fractures)”,最终纳入55篇文献。结果与结论:①通过有限元法对不同病因(骨质疏松性、创伤性、病理性)导致的胸腰椎骨折进行探索,有利于对各种类型胸腰椎骨折的生物力学特征有更加深刻的认识,完善对胸腰椎骨折的个性化和精细化治疗;②单一样本或数量较少样本的有限元分析具有偶然性,未来的有限元分析需要更大的样本数量来减少样本偶然性带来的误差;③仅骨骼的刚性结构不能满足实物的完整性所具有的生物力学工况,未来的有限元模型需要尽可能纳入实物的所有结构(例如肌肉、韧带等软组织);④有限元法在骨质疏松性和创伤性胸腰椎骨折方面的研究较多,未来需要进行更加深入的研究;病理性胸腰椎骨折领域的研究较少,未来研究范围较广。

免疫细胞介导不同脂质与膝骨关节炎的相关性:欧洲个体全基因组关联分析

背景:观察性研究发现脂质与免疫细胞对于骨关节炎进展具有双重影响,但其具体作用机制尚不清楚。目的:探究脂质与膝骨关节炎的因果关系是否受免疫细胞调控。方法:179种脂质来源于Linda Ottensman数据库,从Open GWAS上获取到了731种免疫细胞相关的单核苷酸多态性作为工具变量,膝骨关节炎的全基因组关联研究数据来自于骨关节炎遗传学联盟。首先采用双样本孟德尔随机化方法从遗传学角度分别探讨脂质与膝骨关节炎、免疫细胞与膝骨关节炎、脂质与免疫细胞的因果关系。另外采用贝叶斯加权孟德尔随机化验证脂质与膝骨关节炎的因果关系,反向孟德尔随机化和Steiger方向性检验评估正向关系。随后进行敏感性分析,包括Cochran’s Q检验消除异质性,MR-PRESSO全局检验和MR-Egger截距排除水平多效性,留一法评估单个单核苷酸多态性驱动因素对随机估计的影响。最后,通过两步孟德尔随机化方法确定特定免疫细胞性状在脂质与膝骨关节炎因果关系中的中介效应。结果与结论:①逆方差加权法和贝叶斯加权算法共同确定8种与膝骨关节炎存在因果关系的脂质种类;②Cochran’s Q、MR-PRESSO和MR-Egger截距结果均无统计学意义(P<0.05);③同时共计算得出了3组中介关系,介导比例最低为11.85%,最高为45.48%;④提示免疫细胞水平在脂质与膝骨关节炎的调节进程中发挥潜在作用,这一发现能为深入探索膝骨关节炎的作用机制提供新的视角。

Stage IV malignant transformation of mature cystic teratoma palliatively treated with concurrent chemoradiotherapy:A case report

BACKGROUND Malignant transformation(MT)of mature cystic teratoma(MCT)has a poor prognosis,especially in advanced cases.Concurrent chemoradiotherapy(CCRT)has an inhibitory effect on MT.CASE SUMMARY Herein,we present a case in which CCRT had a reduction effect preoperatively.A 73-year-old woman with pyelonephritis was referred to our hospital.Computed tomography revealed right hydronephrosis and a 6-cm pelvic mass.Endoscopic ultrasound-guided fine-needle biopsy(EUS-FNB)revealed squamous cell carci-noma.The patient was diagnosed with MT of MCT.Due to her poor general con-dition and renal malfunction,we selected CCRT,expecting fewer adverse effects.After CCRT,her performance status improved,and the tumor size was reduced;surgery was performed.Five months postoperatively,the patient developed dis-semination and lymph node metastases.Palliative chemotherapy was ineffective.She died 18 months after treatment initiation.CONCLUSION EUS-FNB was useful in the diagnosis of MT of MCT;CCRT suppressed the disea-se and improved quality of life.