Icariin inhibits proliferation and migration of VSMCs via LncRNA H19 competitively binding to HuR
Icariin, a bioactive compound from traditional Chinese medicine, has been shown to inhibit the proliferation and migration of vascular smooth muscle cells (VSMCs) through the regulation of lncRNA H19. This study elucidates the molecular mechanism by which lncRNA H19 interacts with HuR, affecting the stability of mRNAs related to cell cycle regulation, particularly cyclin D1 and MMP-9. The findings suggest that icariin could be a promising therapeutic agent for managing atherosclerosis, highlighting its potential in cardiovascular disease treatment.
Spatiotemporal regulation of endoplasmic reticulum stress visualized by live imaging of bipA mRNA in Aspergillus oryzae
该研究聚焦于Aspergillus oryzae中的bipA mRNA，利用MS2系统实时监测其在内质网应激下的表达动态。研究发现，bipA mRNA在应激条件下的时空调控机制，揭示了真菌在高蛋白分泌条件下的应激反应。这一发现为生物技术领域提供了新的研究视角，尤其是在优化蛋白质分泌和应对内质网应激方面。
Development and validation of novel diagnostic recombinant surface antigen D5 and cytotoxic gene pathogenesis island Cag11 protein for Helicobacter pylori
本研究开发了针对幽门螺旋杆菌的新型重组抗原PSA D15和Cag11，并建立了相应的ELISA检测系统。研究结果表明，该系统在检测幽门螺旋杆菌感染方面具有高达93.33%的敏感性和96.67%的特异性，且重复性良好，适合临床应用。该技术的创新性和市场潜力使其成为投资的良好选择，尤其是在非洲等高发地区。
Fusion cryptography for secure medical data transmission using mathematical quantum computing operations
该研究提出了一种新型的量子集成加密框架，结合了量子计算和经典加密技术，旨在提高医疗数据的安全性和效率。通过实验验证，该框架在抗噪声和剪切攻击方面表现优异，显示出强大的安全性和高效性。研究结果表明，该方法在加密效率和安全性方面具有显著优势，适用于医疗数据的安全传输。
Optimizing retinal images based carotid atherosclerosis prediction with explainable foundation models
本研究系统评估了基础模型在颈动脉粥样硬化分类中的表现，使用39,620名个体的数据，比较了不同微调方法的效果。结果显示，DINOv2与LoRA微调模型在分类准确性和临床预后方面表现最佳，强调了视网膜成像在心血管疾病筛查中的潜力。研究提出了一种多维评估框架，以优化模型选择和微调策略，增强预测准确性和临床相关性。
An effective image despeckling and reconstruction approach using U-Net based model and comparative analysis
U-Tunnel-Net是一种新型深度学习模型，专为超声图像去噪设计。通过重新定位池化操作和引入实例归一化，该模型在去噪性能上显著优于传统U-Net架构。实验结果表明，U-Tunnel-Net在高噪声条件下表现出色，能够有效提升超声图像的质量，进而提高临床诊断的准确性。该模型的创新设计和良好的适应性使其在医疗成像领域具有广泛的应用潜力。
Multi scale self supervised learning for deep knowledge transfer in diabetic retinopathy grading
研究提出了一种多尺度自监督学习模型（MsSSL），旨在改善糖尿病视网膜病变的自动分级。该模型结合了视觉变换器和卷积神经网络的优势，显著提高了分类准确性，尤其是在数据稀缺的情况下。研究表明，领域特定的预训练和模型组件的集成对于医学成像任务至关重要，MsSSL模型在糖尿病视网膜病变分级中设定了新的基准，展示了其在临床应用中的潜力。
Innovative design and comprehensive characterization of a valine-enhanced lipid nanoparticle-coated mRNA vaccine targeting the SARS-CoV-2 S-RBD antigen
本研究开发了一种新型的mRNA疫苗，针对SARS-CoV-2 S-RBD抗原，采用阳离子脂质纳米颗粒（LNP）进行包裹。研究表明，该疫苗在体外表现出良好的生物相容性和免疫反应，且通过生物信息学分析显示其结构稳定性得到增强。该疫苗的创新设计和全面特征分析为未来的疫苗开发提供了重要的数据支持，具有潜在的市场应用价值。
Explainable artificial intelligence identifies and localizes left ventricular scar in hypertrophic cardiomyopathy using 12-Lead electrocardiogram
XplainScar是一个创新的机器学习模型，专门用于通过12导联心电图检测和定位左心室瘢痕，尤其适用于肥厚型心肌病患者。该模型在两家医院的748名患者中进行训练和验证，显示出高达89%的F1分数和90%的灵敏度。XplainScar的快速分析能力和强大的预测性能使其成为MRI的有效替代方案，具有降低医疗成本和改善患者护理的潜力。
Attention-enhanced hybrid U-Net for prostate cancer grading and explainability
本研究提出了一种新的Transformer注意力混合U-Net架构，旨在提高前列腺癌的分级精度和可解释性。该模型结合了卷积神经网络和Transformer的优点，通过注意力机制和多阶段引导损失机制，显著改善了分割性能。实验结果表明，该模型在Dice Score和IoU等指标上均优于传统U-Net架构，展示了其在临床应用中的潜力。此外，使用可解释人工智能技术（如LIME和Occlusion Sensitivity）验证了模型的决策透明性，增强了临床信任。
Decoding pathogenic MMP9 variants in rheumatoid arthritis using computational and molecular dynamics approaches
本研究通过计算和分子动力学方法分析了MMP9基因的致病性变异，识别了12个关键的非同义单核苷酸多态性（nsSNPs），并探讨了这些变异对蛋白质稳定性和功能的影响。研究结果表明，MMP9在类风湿关节炎的发病机制中发挥重要作用，可能成为未来治疗的靶点。
Assessment of the validity of ChatGPT-3.5 responses to patient-generated queries following BPH surgery
该研究评估了ChatGPT-3.5在回答BPH手术后患者问题的有效性，发现其在新手术方法上的回答更为准确，显示出AI在医疗领域的潜力。然而，研究也指出了AI生成信息的局限性，强调了对患者安全的关注。未来的研究应致力于提高AI在临床应用中的可靠性。
A systematic review of real-world gait-related digital mobility outcomes in Parkinson’s disease
该系统评价探讨了数字移动结果（DMOs）在帕金森病患者中的应用，强调其在真实世界环境中对患者移动的评估潜力。研究显示，DMOs能够有效区分帕金森病患者与健康对照组，并提供对患者日常活动的深入理解。然而，当前的测量协议缺乏一致性，需进一步研究以建立标准化的评估方法，以便更好地应用于临床实践。
Prediction of treatment-resistant depression using the 23andMe survey data
本研究开发了一种基于23andMe调查数据的治疗抵抗性抑郁症（TRD）预测模型，利用101个特征进行分析。模型在区分TRD与非抵抗性抑郁症（NTRD）方面表现良好，AUC达到78%。该模型的提出有助于改善抑郁症的管理，能够更早识别TRD患者，从而优化治疗决策。
Computational identification and evaluation of novel PD-L1 inhibitors for cancer immunotherapy
本研究通过计算方法识别和评估新型PD-L1抑制剂，特别是Lig_1，展示了其在抗癌免疫治疗中的潜力。Lig_1表现出优越的结合能力和药代动力学特征，能够有效穿越血脑屏障，可能为治疗脑肿瘤提供新选择。研究强调了计算筛选在药物发现中的重要性，并为未来的实验验证奠定了基础。