【摘 要】
：
目的 研究经血来源的间充质干细胞（MenSCs）对子宫内膜血管生成的调节作用及分子机制。方法 应用MenSCs来源的条件培养液（0,500,1 000,2 000μl）分别培养原代培养的子宫内膜基质细胞，共作用48 h后，采用实时PCR和In Cell-Western的方法对子宫内膜间质细胞中CXCL1的表达进行分析。将子宫内膜基质细胞（组1）、MenSCs和子宫内膜基质细胞（组2）、MenSCs
【基金项目】
：
辽宁省科学技术计划项目（2018225087,2019-ZD-1093）；
论文部分内容阅读
目的 研究经血来源的间充质干细胞（MenSCs）对子宫内膜血管生成的调节作用及分子机制。方法 应用MenSCs来源的条件培养液（0,500,1 000,2 000μl）分别培养原代培养的子宫内膜基质细胞，共作用48 h后，采用实时PCR和In Cell-Western的方法对子宫内膜间质细胞中CXCL1的表达进行分析。将子宫内膜基质细胞（组1）、MenSCs和子宫内膜基质细胞（组2）、MenSCs和子宫内膜基质细胞添加CXCL1中和抗体（组3）放入Transwell小室上层，人脐静脉内皮细胞（HUVECs）放入小室下层培养，共同培养48 h后，检测HUVECs的微管形成情况。结果 随着MenSCs来源的条件培养液的浓度增加，子宫内膜基质细胞中的CXCL1表达依赖性增加，差异有统计学意义（P＜0.05）。组1、组2、组3微管形成的节点数分别为（19.73±2.26）、（37.23±2.58）、（11.29±1.32）。组2的微管形成能力明显好于组1（P＜0.05）,当添加了CXCL1中和抗体后，组3的微管形成能力同组2比较明显下降（P＜0.05）。结论 MenSCs可以通过促进子宫内膜基质细胞合成CXCL1来调控子宫内膜的血管形成，在子宫内膜再生过程中具有重要作用。
其他文献
近年来,随着移动互联网和社交媒体平台的发展,文本、图像、视频等多媒体数据迅速增长,用户不再满足于单一模态的检索进而对不同模态间数据检索的需求不断增加。为了实现不同模态数据之间的相互检索,跨模态检索方法应运而生。跨模态检索将一种模态的数据作为查询去检索其它模态中语义相似的数据。由于其广阔的应用前景,近年来受到研究人员的广泛关注。目前,大多数跨模态检索的工作利用跨模态数据的语义标注作为监督信息进行跨模
自从人类社会诞生以来,人与自然之间就产生了千丝万缕的联系。当历史的车轮推进到工业文明阶段,人类征服自然、利用自然的需求与欲望不断增强,导致环境污染和生态危机日益加剧,重新审视人与自然的伦理关系成为当务之急。本文以马克思恩格斯生态伦理思想的理论渊源与形成过程为出发点,系统阐述了马克思恩格斯生态伦理思想的理论内涵,并在梳理马克思恩格斯生态伦理思想在中西方的传承与发展的基础之上,具体探讨了马克思恩格斯生
乳脂作为乳中重要的组成成分,是乳制品中主要的能量及风味来源。然而,国内对于乳脂的研究起步较晚,现有的乳脂产品较为单一,无法满足工业化食品加工的需求,严重限制了乳脂产业的发展。因此,本研究通过分级分提、短程分子蒸馏及酶解等改性方法对乳脂进行一定程度的分离,并分析经过不同改性后乳脂组分的物化特性变化,为研发不同需求的乳脂产品提供理论指导。实验具体结果如下:首先,采用干法分提的方式对乳脂进行改性,并研究
目的:本研究通过临床随机对照试验设计,旨在评价电针在Ⅰ型腹股沟疝术中镇痛效果,并对术前术后患者血浆中的β-内啡肽（β-EP）含量采用ELISA法进行实验室指标检测,观察电针对β-EP表达的影响,为推广临床应用及进一步探索研究打下基础。方法:根据纳入和排除标准,选择2020年09月-2021年09月期间,在南京中医药大学附属南京市中西医结合医院普外科住院接受开放手术治疗的Ⅰ型腹股沟疝患者60例,所有
等值线图作为数据可视化的传统手段,在石油勘探、采矿、地球物理和气象预报等诸多领域中应用广泛。地质研究表明,从复杂地质中准确计算断层区域对发现石油与天然气等资源有重要的指导作用。本文旨在研究在存在断层的情况下如何追踪地层内部的等值线,辅助定位油气资源的聚集区域。使用等值线图提取地层结构是地质结构研究的重要手段,但当断层相交、断层类型不一致等复杂地层出现时,传统的等值线计算结果很难满足实际需求。本文针
三维形状的结构分析是三维视觉领域内的重要研究内容,在机器人抓取和场景理解等方面具有非常重要的应用。随着激光雷达等设备的逐步成熟和点云扫描技术的不断发展,点云数据也得到了越来越广泛的使用。因此,点云的结构分析与理解成为一个重要的研究问题,而预测关键点或者结构点是解决这一问题的有效方式。二维图像中的许多关键点检测技术都已经成功移植到三维点云模型上来,比如SIFT算子和Harris角点等。SIFT算子预
图像分类作为计算机视觉领域中一个极其重要的基础任务,一直受到国内外学者的广泛关注。近年来,深度神经网络凭借其强大的学习能力,已逐渐成为解决图像分类任务的主要技术路径。然而,随着对图像分类的精度要求越来越高,深度神经网络的模型结构变得越来越复杂,参数量也随之越来越大,这使得深度模型的实际落地应用受到了极大的限制。针对上述问题,以知识蒸馏为代表的模型轻量化技术应运而生。虽然现有的知识蒸馏方法取得了显著
随着数字设计、虚拟现实、计算机游戏等技术的快速发展,3D模型的数量和规模在各类业务中呈现快速增长。3D形状识别和分类是进行形状理解、智能设计、模型检索以及提高人机协同效率的基础。因此如何使计算机快速准确完成对大量3D形状的识别,成为计算机图形学领域的研究热点。深度学习近年来在众多领域取得重大进展,人们也将其应用到3D形状分类任务中。但3D形状数据并不是一种欧氏数据,这与深度学习的基本计算方法相冲突
由于交通事故行为在真实环境下表现为类型复杂,行为发生的时间跨度较大,产生的时间跨度却极小。通常来说,产生交通事故的小片段对于交通事故是否发生具有重要意义,在构造深度学习张量之前精确的定位这些小片段会提高行为识别模型的准确率。同时,行为识别模型中时间维度的额外引入带来了高昂的计算代价,特别是以3D卷积为基础的深度学习模型。在构造3D张量时,张量时间上的维度会远小于视频本身,视频中稀疏的交通事故行为无
三维目标跟踪是增强现实系统实现环境感知和对动态物体进行空间定位与虚实空间注册的重要手段。然而,相比于传统的平面标志,三维跟踪需要在更高维度的空间进行位姿搜索与优化,并且涉及大量的图形运算,因此在跟踪稳定性和计算效率上都面临更大的挑战。同时,近年来随着手机等便携式移动设备的普及,增强现实的主流平台目前都主要面向移动设备,计算性能非常有限,并且要综合考虑功耗、时延等实际问题。因此,尽管三维目标跟踪与检