【摘 要】
：
目的:探讨结肠癌转移相关基因(metastasis-associated in colon cancer-1,MACC1)蛋白表达与胃癌临床病理的相关性。方法:检索英文数据库:PubMed、Embase、Cochrane Library、web of science和中文数据库CNKI、VIP、WanFang Data,采用文献追溯以及手工检索等方式搜集所有关于MACC1蛋白表达与胃癌临床病理学参
论文部分内容阅读
目的:探讨结肠癌转移相关基因(metastasis-associated in colon cancer-1,MACC1)蛋白表达与胃癌临床病理的相关性。方法:检索英文数据库:PubMed、Embase、Cochrane Library、web of science和中文数据库CNKI、VIP、WanFang Data,采用文献追溯以及手工检索等方式搜集所有关于MACC1蛋白表达与胃癌临床病理学参数的相关性研究。截止日期为:2018年2月。对纳入的文献采用stata software软件进行合并分析MACC1蛋白与胃癌的临床病理特征的关系,采用比值比(OR)和95%可信区间(CI),评价MACC1与胃癌临床病理特征的关联强度,并通过漏斗图,egger图以及Begg图对研究文献进行异质性检验和偏倚评估。结果:根据要求共纳入12篇相关文章,收集病理组共1238例以及癌旁正常组织1145例。Meta分析研究结果显示:胃癌组织中MACC1阳性表达明显高于癌旁正常组织{OR=12.09,95%CI(7.98,18.34),P<0.00001}。此外MACC1阳性表达与胃癌浸润深度{OR 0.41,95%CI(0.26,0.65),P=0.007}、分化程度{OR 0.31,95%CI(0.23,0.42),P<0.00001}、TNM分期{OR=0.3643,95%CI(0.21,0.62),P<0.00001},有无淋巴转移{OR=4.85,95%CI(3.04,7.75),P<0.00001},远处转移{OR=2.01,95%CI(0.69-5.58),P=0.003},肝转移{OR 2.43,95%CI(0.75,7.91),P=0.03}以及腹膜转移{OR 3.95,95%CI(1.74,9.00),P=0.01}密切相关;而与性别{OR 1.13,95%CI(0.84,1.48),P=0.28}、肿瘤生长部位{OR 0.91,95%CI(0.65,1.29),P=0.61}无关。结论:MACC1的阳性表达在胃癌组织中明显高于癌旁正常组织,且MACC1与胃癌的浸润深度、分化程度、TNM分期、淋巴结转移、远处转移、肝转移、腹膜转移密切相关,MACC1可作为胃癌发生、发展以及预后的的标志物,同时也可能成为治疗胃癌的新的靶点。
其他文献
目的:本临床研究通过利用导师长期临床经验用方干预脾虚痰浊型的血脂异常,观察其中西医临床疗效和安全性以及对肠道菌群、脂联素、瘦素的影响。材料与方法:本临床试验基于课
随着移动设备的普及和移动应用用户数量的爆发式增长,移动智能终端安全面临着巨大挑战。机器学习作为人工智能领域的重要方法,近年来在通过分析网络行为进行移动恶意应用检测的研究中得到了广泛应用。然而,由于网络流量天然存在的类别分布不平衡特性和持续到达特性,给机器学习模型训练带来了诸多困难与挑战。首先,在真实环境中,正常行为的网络流量数量要远远多于恶意行为的网络流量数量,这种类别不均匀分布的数据集使得传统的
目的:研究结肠癌转移相关基因1(metastasis associated in colon cancer1,MACC1)对人鼻咽癌细胞恶性生物学行为的影响,观察人鼻咽癌细胞过表达MACC1对细胞的增殖、迁移及侵袭的影响。方法:1.采用Western blot技术检测鼻咽癌5-8F、HNE-1、CNE-1、CNE-2细胞株中MACC1的蛋白表达水平。2.通过慢病毒转染技术建立一组过表达MACC1的
近年来,机器学习技术与传统的通信技术有了更多的交集。现代的通信系统在运行过程中会产生大量的数据,将其与先进的机器学习技术结合能够显著提升网络的性能并优化通信组件的设计和管理。在这一领域,最近提出了一种利用端到端训练对通信系统组件进行联合优化的方法。本文利用这一思想,对单载波频域均衡(SC-FDE)系统进行信道估计与信号检测。本文主要工作如下:(1)首先,针对单天线SC-FDE系统,利用深度学习网络
目的1.描述妇科癌症患者和配偶的心理资源(包括正念、心理灵活性)与负性情绪(包括抑郁、焦虑情绪)状况;2.探索妇科癌症患者和配偶正念、心理灵活性对抑郁情绪、焦虑情绪的二
卷积神经网络(Convolutional Neural Networks,CNN)近年来在图像分类、目标检测、视频语义分析等领域取得了突破性的进展,其强大的特征学习与分类能力得到广泛的关注。由于卷
近年来,世界发生着翻天覆地的变化,科技人才和科研成果创新成为了推动着社会进步、百姓富裕、国家繁荣昌盛的最重要力量,也是国家在未来国际关系中决胜的关键。过去对于科研成果的评价体系中,主要是以情报人员、研究人员和专家学者为主导进行评价总结,使得评价结果不够准确和客观,专家人工筛选所有资源和研究成果的工作量非常巨大,成本很高。通过梳理近几年来对于科学论文重要性评估的评判标准,发现大部分的分析方法是利用科
分类是机器学习和模式识别领域的经典问题之一。对有监督分类任务,分类器从训练样本中学习知识,并调整自己的行为来实现更好的分类表现。许多经典的方法被提出用于解决分类问题,例如支持向量机、神经网络、贝叶斯分类器、决策树等。在这些方法中,神经网络凭借其易于构建和优异的近似能力,被广泛的应用于分类任务中。神经网络的分类过程可以从几何角度被解释。在分类过程中,神经网络将待分类样本从原始的数据空间映射到一个新的
随着互联网技术的飞速进步,全球信息时代得以快速发展,各种新闻数据急剧增加,其中隐含着大量信息和资源;同时很多发展中国家的网络用户快速增长,使得互联网上各种语言的文本数据持续增加。在这种全球化形式下,仅仅获取本国的新闻信息已远远不能满足一个国家或一个大型企业机构在国际地位的需要。跨语言文本的信息组织是一个不可忽视的问题,而单语文本聚类方法几乎不能满足实际需求,因而双语或者跨语言的文本聚类成为了人们研
随着科学技术的进步,许多学科领域对高算力有着无限的渴望,比如深度学习、大气及洋流的模拟仿真、计算化学、空气动力学等等无不依赖多处理器计算机。随着多处理器计算机处理器数量的不断增加,其互连网络构架的收益已经远远高于设计新处理器的收益。具有复杂互连网络结构的多处理器计算机系统维持其可用性的关键环节是互连网络的系统级故障诊断。在系统级故障诊断的研究中,学者们发掘出了诸多诊断模型,但性能优良的诊断算法并不