高分子材料调控肿瘤免疫微环境的研究进展

随着肿瘤免疫疗法在临床应用取得巨大突破,通过抗肿瘤免疫反应提高抗肿瘤疗效的治疗方式受到了广泛的关注.然而,肿瘤组织存在复杂的免疫抑制性微环境,严重限制了部分免疫疗法的效果.长期以来,高分子材料作为重要的药物递送载体受到广泛关注,但是其在调控肿瘤免疫微环境的功能及应用方面尚未引起足够的重视.在本文中,我们一方面介绍了肿瘤组织形成免疫抑制性微环境的成因,如肿瘤组织存在多种免疫抑制性细胞,如调节性T细胞(Tregs)、髓系来源抑制性细胞(MDSCs)和肿瘤相关巨噬细胞(TAMs)等,以及免疫细胞、肿瘤细胞等分泌的大量细胞因子、趋化因子、代谢产物等.另一方面,重点介绍了近年来高分子材料作为载体递送免疫调节分子或发挥自身免疫调节功能,调控或逆转免疫抑制性微环境的策略和典型代表,证明了高分子材料在调控肿瘤免疫微环境,改善肿瘤治疗效果方面的巨大潜力.

基于脑电功率谱密度和随机森林的自动睡眠分期方法

采用深度学习技术实现睡眠自动分期计算复杂度较高,且需大量数据支撑。本文提出一种基于功率谱密度和随机森林的自动睡眠分期方法,先提取脑电信号6种特征波(K复合波、δ波、θ波、α波、纺锤波、β波)的功率谱密度作为特征,然后利用随机森林分类器实现5种睡眠状态(W、N1、N2、N3、REM)自动分类。采用Sleep-EDF数据库中健康受试者整晚睡眠脑电数据作为实验数据,对比了使用不同输入通道脑电信号(FpzCz单通道、Pz-Oz单通道、Fpz-Cz+Pz-Oz双通道)、不同分类器(随机森林、自适应增强、梯度提升、高斯朴素贝叶斯、决策树、K近邻)、不同训练集与测试集划分方法(2折、5折、10折交叉验证及单个受试者)对分类效果的影响。实验结果表明,当采用Pz-Oz单通道脑电信号和随机森林分类器时效果最好,无论怎样变换训练集与测试集,分类准确率都达到90.79%以上,总体分类准确率、宏观平均F1值、Kappa系数最高分别可达到91.94%、73.2%、0.845,证明该方法是有效的,且不易受数据量影响,具有较好的稳定性。与已有研究相比,该方法分类准确率更高、实现更简单,适用于自动化。