【摘 要】
：
甾醇类化合物降胆固醇功效得到了科学权威的认可，适量地摄入甾醇可以改善血脂异常，其机制研究也成为热点。通过建立HepG2高胆固醇细胞模型，测定细胞总胆固醇，甘油三酯及其胆固醇调控相关蛋白水平，探讨甾醇类化合物的降胆固醇活性及其作用机制。结果表明：四种甾醇类化合物可以降低HepG2细胞内的甘油三酯（TG）和总胆固醇（TC）水平，改善高胆固醇细胞模型脂质的增加和代谢紊乱，四种甾醇类化合物可能通过下调Ni
【机 构】
：
南昌大学食品科学与技术国家重点实验室
【基金项目】
：
国家自然科学基金项目（31560438）；
论文部分内容阅读
甾醇类化合物降胆固醇功效得到了科学权威的认可，适量地摄入甾醇可以改善血脂异常，其机制研究也成为热点。通过建立HepG2高胆固醇细胞模型，测定细胞总胆固醇，甘油三酯及其胆固醇调控相关蛋白水平，探讨甾醇类化合物的降胆固醇活性及其作用机制。结果表明：四种甾醇类化合物可以降低HepG2细胞内的甘油三酯（TG）和总胆固醇（TC）水平，改善高胆固醇细胞模型脂质的增加和代谢紊乱，四种甾醇类化合物可能通过下调Niemann-Pick C1-like 1 （NPC1L1），胆固醇酰基转移酶（Acetyl-CoA acetyltransferase， ACAT2），羟甲基戊二酸单酰CoA合成酶（3-hydroxy-3-methylglutaryl-coenzyme A synthase， HMGCS1）和固醇调节元件结合蛋白2（sterol-regulatory element binding protein 2， SREBP2），上调腺苷三磷酸盐结合盒转运体（ATP-binding cassette transporter G5/8， ABCG5/8）的表达，从而降低胆固醇的吸收合成，减少胆固醇酯化，促进胆固醇向肠道的排泄，同时减少胆固醇的生物合成。
其他文献
秦岭是横跨中国中西部亚热带和暖温带间的过渡区域,是中国南北的地理分界线和黄河与长江水系的分水岭。由于秦岭独特的地理位置,使得该地区孕育了丰富的物种资源。秦岭也是世界生物多样性热点区域之一,被称为世界罕见的―生物基因库‖。然而,长期以来,秦岭地区特有植物响应地质变迁的起源进化历史以及全球气候变化对秦岭地区特有植物的影响机制尚不清楚。本研究以我国秦岭地区自然分布的30种特有植物为研究对象,通过二代测序
随着教育普及性提升,大学生人数日益增加,具有心理问题的学生也越来越多,能否及时发现心理异常学生是目前高校面临的主要问题之一。高校教育大数据对分析和识别心理异常学生发挥着至关重要的作用。本文以学校一卡通、教务系统、门禁系统及相关业务系统收集的教育数据为基础,通过对海量杂乱的学生在校数据进行数据清洗、变换等处理后,提取学生行为特征。并通过假设检验分析正常学生与心理异常学生的在校行为特征差异,最终建立识
工业化进程的加速和城乡建设空间的扩张推动了我国城乡结构的巨大变化,具体而言,2019年我国的常住人口城镇化率约是1978年的3.4倍,而城镇人口则是1978年的4.9倍。40多年“压缩型”城市化进程,给我国的城市发展带来了诸多问题。党的十九大以来,城市建设开始步入追求高质量发展的新时期,面对国土空间规划工作的全面开展,识别和划分不同城市用地的主导功能,是确定城市未来发展方向的重要基础,也是构建国土
在线学习的重要目标之一是实现基于智能技术的个性化学习服务,从而促进规模化下的个性化教育。为此,教学资源服务的智能化、个性化改造成为两项核心任务。论文以此为目标,通过对教学资源基于知识图谱技术的重构组织,配套对学习者学习水平和需求的测评分析,实现面向学习者的个性化学习服务。为此开展了相关技术的研究和系统原型实现,形成基于知识图谱的个性化学习平台,它将知识点的学习、习题的训练和个性化推荐相融合,构成一
信息时代的教育正面临着从学习规模化向个性化的转变,我国教育生态变革和重构充满机遇和挑战。智能教育是以人工智能、大数据、物联网为代表的智能技术与教育深度结合,具有个性化、终身化等特征。为此,满足学习者的知识检索和个性化学习需求,同时支撑和服务于教师教学工作,贯彻“以学生者为中心”的育人思想和泛在学习理念,开展有关研究具有重要意义。本文以中学数学学习的个性化为切入点,探索面向智能教育的教学环境条件的构
随着中国逐渐成为世界格局中的重要力量,我们和不同文化交流的重要性与日俱增,我国文化走出去的战略充满机遇和挑战。文化走出去,就要先引进来学习。诗歌作为文学作品中的瑰宝,深受人们喜爱,可以搭建文化学习和交流的桥梁。实现诗歌的自动翻译,有利于对外国文化有选择地借鉴和吸收,全面地认识到“国外的月亮不都圆”,弘扬民族传统文化,坚定民族文化自信。诗歌的翻译是一项极其具备挑战的任务,面临主题漂移、数据单一、格律
目前,图像识别技术已经日趋成熟,在人脸识别,图像搜索,无人驾驶等众多领域得到了广泛应用。但是,在使用图像识别模型进行决策的过程中,训练数据来源的安全性难以保障,这有可能导致训练出的模型存在安全隐患。攻击者会通过在训练数据集中插入一些带毒样本对模型进行恶意攻击,当有毒数据被攻击者激活后,会使本身在良性样本上表现良好的模型的预测性能发生恶意转化,这种攻击被称为“后门攻击”。现阶段对于后门攻击中触发器参
大脑是人体中最高级且最神奇的器官,但是对其机理的探究只是冰山一角。脑电信号记录了脑部神经元电生理活动在头皮处的总体反映,体现了被试者生理、病理甚至特定意图信息,是一种人类探索大脑的有效手段。目前已有大批的基于脑电信号的研究与应用,例如癫痫检测、情绪识别、睡眠阶段划分和疲劳检测,其中面向神经系统疾病的癫痫检测和面向智能人机交互的情绪识别是热点研究问题,从技术的角度出发,这两个研究点都涉及对脑电信号进
伪随机序列的构造和随机性分析是密码学的核心问题,许多学者基于Fermat商和广义分圆类构造了系列的二元序列.本文基于Fermat商的特征和估计构造了大族伪随机序列并研究了其伪随机性.此外本文利用Dirichlet特征和与指数和的相关知识,研究了伪随机序列的自相关值,3阶和4阶相关测度.设为素数,本文的主要成果如下:1.通过模p~2的乘法特征的性质,给出序列（?）的特殊情形下的自相关值.此外利用关于
近年来,无线信号感知识别技术受到广泛的使用。然而信号传播环境中的多径干扰造成感知识别性能下降是实际应用中面临的重要调整。多径干扰复杂多变,难以准确表征建模,并且难以分离。已有工作利用手动提取的特征维度有限,无法分离复杂干扰;且大都只针对少数种类多径干扰进行处理。针对上述多径干扰问题特点以及研究现状,本文提出一种基于对抗网络和模型解释相结合的无线感知干扰分离方法,并且对于方法的效果和性能开展实验进行