【摘 要】
：
目的 探讨缺氧条件下ADAM17与ERp5的高表达对肺癌细胞逃避NK细胞免疫杀伤的影响.方法 免疫组织化学法检测肺癌组织和癌旁组织中ADAM17与ERp5的表达;qRT-PCR与Western blot检
【机 构】
：
453000,新乡市中心医院全科医学科;453000,新乡市中心医院呼吸及危重症医学科一
论文部分内容阅读
目的 探讨缺氧条件下ADAM17与ERp5的高表达对肺癌细胞逃避NK细胞免疫杀伤的影响.方法 免疫组织化学法检测肺癌组织和癌旁组织中ADAM17与ERp5的表达;qRT-PCR与Western blot检测缺氧条件下的肺癌细胞中ADAM17、ERp5、MICA与MICB的表达;小干扰RNA内源性敲低ADAM17与ERp5;酶联免疫吸附测定法检测缺氧条件下的肺癌细胞上清中sMICA与sMICB的含量;流式细胞术检测CD3-CD56+NK细胞的纯度;乳酸脱氢酶释放法检测NK细胞对肺癌细胞的杀伤敏感性.结果 ADAM17与ERp5在肺癌组织中高表达;缺氧条件下,肺癌细胞中ADAM17与ERp5的表达量升高(P＜0.05);CD3-CD56+NK细胞的纯度高于90％;缺氧条件下,与si-NC组相比,si-ADAM17与si-ERp5组肺癌细胞上清中sMICA与sMICB的含量降低(P＜0.05),肺癌细胞中MICA与MICB的表达升高(P＜0.05),NK细胞对肺癌细胞的杀伤活性增强(P＜0.05);与si-ADAM17与si-ERp5组相比,si-ADAM17+si-ERp5组肺癌细胞上清中sMICA与sMICB的含量降低(P＜0.05),肺癌细胞MICA与MICB的表达升高(P＜0.05),NK细胞对肺癌细胞的杀伤活性增强(P＜0.05).结论 缺氧条件下,沉默ADAM17与ERp5通过抑制肺癌细胞中sMICA与sMICB的分泌,促进MICA与MICB的表达,增强了 NK细胞对肺癌细胞的免疫杀伤.
其他文献
目的 分析类风湿性关节炎患者外周血和关节液中的DC(dendritic cell,DC)亚群以及DC亚群与炎症产生的关系.方法 收集来自西南医院体检中心26例健康人外周血作为对照组,来自西
为了快速应对柔性作业车间生产过程中出现的突发状况,构建了一种以全局任务最大生产完成时间、机器负载和能耗为优化目标的多目标柔性作业车间动态调度模型。针对上述模型,采用适用于动态调度的动态交互层(DIL),在此基础上设计了多目标粒子群遗传算法(MOPSGA)。采用精英基因序列化策略和基因池选拔策略增加帕累托非支配解集个数和质量,再重新评估、获取帕累托非支配解集。针对柔性作业车间加急订单的意外状况,采用DIL与MOPSGA相结合的方法求解动态调度问题。仿真实验结果验证了DIL处理紧急订单的能力和MOPSGA的有
目的 本研究旨在从Th1/Th2及Th17/Treg平衡轴的角度探讨PM2.5暴露及细菌溶解产物Broncho-Vaxom(BV)治疗与健康大鼠气道炎症的关系.方法 PM2.5暴露组鼻内滴注PM2.5混悬液,口服
日益复杂的计算问题促使各种受启于生物的优化算法不断的研究、发展,人工蜂群(Artificial Bee Colony,ABC)算法正是其中之一,主要在于它鲁棒性强,控制参数少,易于实现.本文着
该文研究了由外部时变干扰和模型不确定性构成的复合扰动作用下,具有全状态约束的海洋水面船舶(MSV)的有限时间轨迹跟踪控制问题。首先,引入有限时间扰动观测器来精确估计由外部扰动和模型不确定性构成的复合扰动。其次,将障碍李雅普诺夫函数、反步法和有限时间稳定性理论相结合,实现全状态约束。采用有限时间指令滤波器对虚拟控制律求导,既避免了微分膨胀问题,也避免了奇异问题。然后,引入有限时间滤波误差补偿系统,处理滤波误差的影响。基于有限时间稳定性理论,证明该文控制策略下的跟踪误差在有限时间内可以收敛到零点附近小邻域。最
目的 研究天抗(TK)对脂多糖(LPS)诱导的小鼠炎症模型的抗炎作用及机制研究.方法 将42只昆明小鼠随机分为正常对照(NC)组、模型对照(LPS)组、地塞米松(DXM)组、天抗低(TK-L)、
针对实际工厂中不确定加工时间的柔性作业车间调度问题,提出一种混合粒子群优化(HPSO)算法。用三角模糊数表示加工时间,以最小化最大模糊完工时间为优化目标建立数学模型。首先,在迭代过程中引入权重自适应调整策略,平衡算法的全局和局部搜索能力。其次,对优秀粒子进行交叉操作以产生更优个体,引入模拟退火算法增强深度寻优能力。最后,将所提算法运用于5个实例中进行仿真测试,并与粒子群优化(PSO)和改进人工蜂群等6种算法就模糊最大完工时间的平均值、最优值和最差值3项指标作对比。结果显示,HPSO求得的3项指标均优于或等
由于对模型参数不确定,并且具有模糊厌恶性,大型保险企业的经理正在寻求稳健的最优投资再保险策略.假设风险资产价格满足平方根因子过程.考虑双方的联合利益,把最大化保险公
为了提高数据挖掘的聚类准确度,提出了一种基于菌群优化的K均值(K-means)聚类算法。采用K均值算法建立数据聚类模型。根据聚类类别数设定多个聚类中心坐标。设定所属类别距离阈值,然后计算待聚类点和所有中心点距离来划分该聚类点的类别。根据参与聚类各节点和各自中心点的距离值建立适应度函数。引入菌群优化算法对K均值聚类过程进行优化。通过细菌的多次驱散、复制和趋化操作,不断提高数据聚类的适应度,直到达到最大操作次数或者最低聚类精确度阈值,获得稳定的数据聚类挖掘算法。实验证明,通过合理设置驱散和趋化次数,微调菌群算