目的:通过生物信息学分析和实验验证探讨巨噬细胞极化在肺结节病中的作用。方法:本研究为实验研究。从基因表达综合数据库下载肺结节病相关RNA-seq数据集GSE83456、GSE34608、GSE42834、GSE16538、GSE18781、GSE19314、GSE19976和GSE37912。将GSE83456数据集作为训练集，其余数据集作为验证集。采用非随机抽样的方法选取2021年1月至2023年1月于成都医学院第一附属医院住院的15例肺结节病患者(Ⅰ期或Ⅱ期)、15例肺结核患者和15例肺腺癌患者，以及同期接受体检的20名健康受试者为研究对象，收集肺结节病患者和健康受试者的外周血样本，收集肺结节病、肺结核和肺腺癌患者的纵隔淋巴结样本(肺腺癌患者淋巴结转移阴性)。通过"xCell"包分析GSE83456数据集中巨噬细胞、M1巨噬细胞和M2巨噬细胞在肺结节病患者中的丰度变化，并通过流式细胞术检测肺结节病患者和健康受试者外周血M1和M2巨噬细胞比例。通过基因集富集分析探索肺结节病组与对照组、高M1巨噬细胞组与低M1巨噬细胞组、高M2巨噬细胞组与低M2巨噬细胞组之间的潜在生物学差异。加权基因共表达网络分析筛选与巨噬细胞极化高度相关的模块基因，将GSE83456数据集中肺结节病组和对照组的差异基因与相关模块基因取交集，得到巨噬细胞极化相关差异基因，并对其进行基因本体论富集分析。通过Lasso回归和随机森林算法筛选出肺结节病患者巨噬细胞极化关键基因，并在验证集中验证关键基因的表达情况，对GSE83456数据集中关键基因与巨噬细胞丰度的关系进行Pearson相关分析。通过蛋白质印迹法验证关键基因在肺结节病、肺结核和肺腺癌患者纵隔淋巴结中的蛋白表达水平。绘制受试者工作特征曲线分析关键基因表达蛋白鉴别肺结节病和肺结核的价值。结果:在GSE83456数据集中，肺结节病组巨噬细胞、M1巨噬细胞丰度评分均高于对照组[(0.27±0.09)分比(0.12±0.07)分，(0.18±0.07)分比(0.12±0.04)分，均 P<0.001]。肺结节病患者外周血M1巨噬细胞比例和M1/M2巨噬细胞比值均高于健康受试者[(0.60±0.12)比(0.47±0.11)，(1.23±0.07)比(0.84±0.06)，均 P<0.05]。炎症反应和干扰素反应等免疫相关通路富集于肺结节病组和高M1巨噬细胞组。加权基因共表达网络分析与差异基因分析的交集共获得32个巨噬细胞极化相关的差异基因，这些基因主要富集于免疫相关的生物过程和分子功能。Lasso回归和随机森林算法筛选出肺结节病患者巨噬细胞极化关键基因ANKRD22。在7个验证集中，肺结节病组ANKRD22 mRNA表达量均高于对照组，并且在GSE42834数据集中肺结核组ANKRD22 mRNA表达量高于肺结节病组(均 P<0.001)。Pearson相关分析显示，在GSE83456数据集中，ANKRD22 mRNA表达量与巨噬细胞丰度( r＝0.65)、M1巨噬细胞丰度( r＝0.54)和单核细胞丰度( r＝0.45)均呈正相关(均 P<0.001)。蛋白质印迹法显示，肺结核患者和肺结节病患者的ANKRD22蛋白相对表达量均高于肺腺癌患者，且肺结核患者高于肺结节病患者[(0.98±0.02)比(0.38±0.03)，(0.62±0.02)比(0.38±0.03)，(0.98±0.02)比(0.62±0.02)，均 P<0.05]。ANKRD22蛋白鉴别肺结节病和肺结核的曲线下面积为0.802，最佳截断值为0.58，敏感度为73.3%，特异度为80.0%。 结论:M1巨噬细胞介导免疫炎症反应参与肺结节病的发生发展。肺结节病巨噬细胞极化关键基因ANKRD22可以作为肺结节病的潜在生物标志物，并具有鉴别肺结节病和肺结核的潜在价值。

18F－FDG PET/CT是诊断淋巴瘤最重要的检查方法之一，其在淋巴瘤的诊断分期、疗效评估、预后预测及临床决策等方面发挥着重要作用。影像组学是一种利用复杂的生物信息学方法从医学图像中提取定量信息来表征肿瘤异质性的技术。 18F－FDG PET/CT影像组学方法已应用于量化肿瘤内异质性，在淋巴瘤的研究颇具潜力和价值。该文就 18F－FDG PET/CT影像组学在淋巴瘤的应用及研究进展进行综述。

目的:通过生物信息学分析方法来识别腹主动脉瘤破裂相关基因与高血压差异基因，筛选出共同关键基因并建立腹主动脉瘤破裂的分子诊断模型。方法:所有样本数据均从基因表达综合数据(GEO)下载。对36例样本(高血压组28例，对照组8例，2015年由法国图卢兹大学心脏病研究所测序获得)的全转录组数据进行差异分析以得到差异基因；对48例腹主动脉瘤样本(17例破裂，31例未破裂，2017年由德国慕尼黑大学检验医学研究所测序获得)的转录组数据进行加权基因共表达网络分析(WGCNA)来识别与腹主动脉瘤破裂最为相关的基因模块。随后对得到的基因取交集并利用机器学习算法(Lasso回归)筛选出腹主动脉瘤破裂的关键基因。利用关键基因构建诊断模型并采用受试者工作特征(ROC)曲线计算诊断模型的ROC曲线下面积(AUC)。该研究中利用未配对的学生 t检验和Wilcoxon检验来比较两组间的差异。 结果:对高血压组及对照组样本进行差异分析共得到444个差异基因。对腹主动脉瘤样本利用WGCNA显示当软阈值为7时符合无尺度网络，淡绿色模块正相关性最高，包含848个基因。将444个基因与848个基因取交集共得到28个基因。利用Lasso回归对28个基因进行筛选，共得到4个关键基因(MAP2K1、KLF9、UTP4、RHOU)。利用这4个基因构建诊断模型来预测患者是否容易发生动脉瘤破裂。利用ROC曲线评估该诊断模型预测腹主动脉瘤破裂的效能，发现曲线下面积为0.825。结论:利用MAP2K1，KLF9，UTP4，RHOU构建的诊断模型有助于腹主动脉瘤破裂的预测。

近年来，区块链技术以其去中心化、可信任、可溯源的特点在医疗领域被广泛提及。本文从区块链与骨科领域结合的技术原理出发，探讨其用于骨科医疗大数据互通、来源可追溯、隐私保护等方面的价值，具体阐述了区块链在电子病历共享、骨科医药耗材管理、智能骨科手术体系应用、骨科康复与监测、临床骨科三维数据库构建、骨科疾病大数据模型训练及数字知识产权保护等方面的作用。

目的:应用生物信息学方法筛选结肠癌预后相关的炎症反应相关差异表达基因，构建并验证结肠癌预后模型。方法:从癌症基因组图谱（TCGA）数据库中检索472例结肠癌患者及41名健康人正常结肠组织的RNA测序和临床数据。从国际癌症基因组联盟（ICGC）数据库中检索结肠癌预后相关基因表达及临床数据。检索时间均为建库至2022年11月。通过基因集富集分析（GSEA）数据库获取200个与炎症反应相关的基因，将其与TCGA数据库中获得的结肠癌和正常结肠组织的RNA测序基因数据集进行对比，获得炎症反应相关的差异表达基因。采用Cox比例风险模型分析评估TCGA数据库中与预后相关的差异表达基因，炎症反应相关的差异表达基因与预后相关的差异表达基因取交集，获得预后相关的炎症反应相关差异表达基因。通过LASSO Cox回归构建结肠癌预后模型。计算风险评分，按风险评分的中位值将TCGA数据库结肠癌患者分为低风险（<中位值）和高风险（≥中位值）两组。对两组患者进行主成分分析（PCA），采用Kaplan-Meier法进行生存分析。基于R软件timeROC程序包分析风险评分预测TCGA数据库结肠癌患者总生存（OS）的效能。应用ICGC数据库中的临床数据对构建的预后模型进行外部验证，依据TCGA数据库结肠癌患者中位风险评分将ICGC数据库结肠癌患者分为高、低风险组。使用R软件，对TCGA数据库中预后相关的炎症反应相关差异表达基因进行免疫细胞及免疫功能的单样本基因集富集分析（ssGESA）、免疫分型差异分析、免疫微环境相关性分析、免疫检查点基因差异分析。结果:共获得60个炎症反应相关的差异表达基因，12个与预后相关的差异表达基因，取交集获得6个预后相关的炎症反应相关差异表达基因（CCL24、GP1BA、SLC4A4、SRI、SPHK1、TIMP1）。通过LASSO Cox回归分析，基于6个预后相关的炎症反应相关差异表达基因构建结肠癌预后模型，风险评分＝-0.113×CCL24+0.568×GP1BA+（-0.375）×SLC4A4+（-0.051）×SRI+0.287×SPHK1+0.345×TIMP1。PCA结果显示，结肠癌患者可以较好地分为2个集群。TCGA数据库中高风险组OS较低风险组差（ P<0.001）；预后风险评分预测患者1、3、5年OS率的曲线下面积（AUC）分别为0.701、0.685、0.675。ICGC数据库中低风险组的OS优于高风险组，预后风险评分预测1、2、3年OS率的AUC分别为0.760、0.788、0.743。ssGSEA分析结果显示，TCGA数据库中高风险组免疫细胞浸润水平较高，尤其是活化树突细胞、巨噬细胞、中性粒细胞、浆细胞样树突细胞、T辅助细胞、滤泡辅助性T细胞得分均高于低风险组，辅助性T细胞2（Th2）得分低于低风险组（均 P<0.05）；免疫功能方面，高风险组抗原呈递细胞（APC）共抑制、APC共刺激、免疫检查点、人类白细胞抗原（HLA）、促进炎症、副炎症、T细胞刺激、Ⅰ型干扰素（IFN）反应、Ⅱ型IFN反应得分均高于低风险组（均 P<0.05）。免疫分型分析结果显示，IFN-γ为主型（C2）的炎症反应评分最高，分别与创伤愈合型（C1）、炎症反应型（C3）比较差异均有统计学意义（均 P<0.05）。免疫微环境基质细胞、免疫细胞均与预后风险评分呈正相关（ r值分别为0.35、0.21，均 P<0.01）。免疫检查点差异分析结果显示，高、低风险组程序性死亡受体配体1（PD-L1）表达量比较，差异有统计学意义（ P＝0.002），且PD-L1表达量与预后风险评分呈正相关（ r＝0.23， P<0.01）。 结论:炎症反应相关基因在结肠癌肿瘤免疫中可能发挥重要作用，可以用于结肠癌患者的预后分析及免疫治疗。

目的:基于生物信息学方法筛选胃癌内质网应激（ERS）特征相关差异表达基因并构建预后风险模型。方法:从癌症基因组图谱（TCGA）数据库中获取375例胃癌和32例癌旁组织样本的转录组测序数据（RNA-seq）及相应临床信息作为训练集样本；从基因表达综合（GEO）数据库中下载387例胃癌患者数据（GSE84437）作为验证集样本；数据获取时间均为2021年12月25日。从GeneCards数据库中获取785个ERS特征相关基因（ERS-RG）。分析TCGA数据库中胃癌组织与癌旁组织之间差异表达基因。将鉴定出的胃癌差异表达基因与GeneCards数据库中ERS-RG取交集，得到胃癌ERS特征相关差异表达基因，对其进行基因本体功能（GO）和京都基因与基因组百科全书（KEGG）富集分析。采用单因素Cox比例风险模型筛选具有预后价值的胃癌ERS特征相关差异表达基因，进行LASSO回归分析，构建多基因预后风险模型，计算预后风险评分。根据预后风险评分的中位数（2.369），将训练集和验证集中患者分别分为高风险组与低风险组；采用Kaplan-Meier生存分析比较两组患者总生存（OS），并绘制时间依赖的受试者工作特征（ROC）曲线；根据胃癌预后独立影响因素绘制列线图。通过基于反卷积的CIBERSORT算法分析两组间特征免疫细胞浸润丰度。利用颗粒酶A和穿孔蛋白1表达量的几何平均值计算细胞溶解活性评分。根据预后风险评分中位数（2.369）与肿瘤突变负荷（TMB）中位数（3.000），将胃癌患者分为高风险评分-高TMB组、高风险评分-低TMB组、低风险评分-高TMB组与低风险评分-低TMB组，比较各组患者OS。结果:共得到444个胃癌ERS特征相关差异表达基因，包括168个下调基因和276个上调基因；主要富集在内质网中的蛋白加工、细胞外基质（ECM）受体相互作用以及未折叠蛋白反应等生物过程（均 P<0.05）。单因素Cox回归分析共筛选出12个与预后相关的胃癌ERS特征相关差异表达基因。进行LASSO回归分析，得到预后风险评分＝0.052×NOS3+0.137×PON1+0.067×CXCR4+0.131× MATN3+0.116× ANXA5+0.090×SERPINE1。Kaplan-Meier分析结果表明，训练集与验证集中低风险组OS均优于高风险组（均 P<0.01）。时间依赖ROC曲线分析结果显示，训练集中患者3、5、8年OS率的AUC分别为0.695、0.786、0.698；验证集中3、5、8年OS率的AUC分别为0.580、0.625、0.627。多因素Cox回归分析结果显示，预后风险评分（ HR＝3.598，95% CI 2.290~5.655， P<0.001）和肿瘤分期（ HR＝1.344，95% CI 1.057~1.709， P<0.05）是胃癌预后的独立影响因素。TCGA数据库375例胃癌患者中，高风险组ATF6、HSPA5、XBP1和ATF4等相关蛋白的表达水平均高于低风险组（均 P<0.05）；CIBERSORT结果显示，高风险组活化的CD4记忆T细胞丰度低于低风险组，M0和M2型巨噬细胞丰度均高于低风险组（均 P<0.05）。高风险组常见免疫检查点（CD274、CTLA4、TNFRSF9、TIGIT、PDCD1、LAG3）的表达水平均高于低风险组（均 P<0.05）。高风险组患者的细胞溶解活性评分高于低风险组患者（ P<0.05）。预后风险评分与TMB呈负相关（ r＝-0.20， P<0.001）。低风险评分-高TMB组患者OS最好，高风险评分-低TMB组OS最差（均 P<0.001）。 结论:基于6个胃癌ERS特征相关差异表达基因的预后风险评分模型，其预后风险评分可能作为独立预后因素有效预测胃癌患者的预后。

近年口腔正畸领域人工智能技术的应用研究逐渐增加，深度学习作为其中的热门方向，也迅速被应用于正畸诊疗的检测、评估、诊断、预测以及疗效评价等多个环节。目前，深度学习研究在表现出高效、准确优势的同时，也存在可解释性不强、数据量不足等限制。本文从深度学习的提出与发展、正畸诊疗中的应用以及推广的限制与对策三方面进行综述，并进行展望。

目的:基于单细胞RNA测序（scRNA-seq）生物信息学分析的预后相关的差异表达基因构建膀胱癌预后风险模型并验证。方法:从基因表达综合（GEO）数据库中下载膀胱癌scRNA-seq数据集GSE135337、GSE129845，数据更新时间分别为2022年、2019年；下载常规转录组数据集GSE13507(数据更新时间为2020年)中165例膀胱癌样本的表达谱及其生存信息。从癌症基因组图谱（TCGA）数据库中下载414例膀胱癌样本和19例癌旁样本的表达谱数据及405例膀胱癌患者的临床信息。采用R 4.1.2软件对GEO数据库中的10例膀胱癌单细胞样本进行质量控制及降维聚类并对其进行细胞注释；采用CellChat分析GEO数据库中单细胞数据的细胞间通信。采用单因素Cox比例风险模型分析筛选与膀胱癌预后相关的差异表达基因，并使用LASSO-Cox回归分析构建预后风险模型，计算风险评分。根据中位风险评分，以TCGA数据集中膀胱癌患者为训练集，将患者分为低风险组和高风险组；采用GEO数据库GSE13507数据集为验证集进行验证，通过Kaplan-Meier分析比较训练集、验证集低风险组和高风险组患者的总生存情况。通过时间依赖受试者工作特征（ROC）曲线分析评估预后风险模型的预测效能；采用R 4.1.2软件构建预测患者1、3、5年总生存率的列线图。分析TCGA数据集中膀胱癌患者风险评分与相应临床病理特征之间的关系，并进行基因本体（GO）及京都基因与基因组百科全书（KEGG）富集分析和基因集富集分析（GSEA）。结果:GSE135337和GSE129845数据集中，根据质量控制标准过滤后获得了50 263个细胞，其中43 519个细胞为尿路上皮细胞。尿路上皮细胞与成纤维细胞在膀胱癌微环境中具有更多的细胞交互作用，尿路上皮细胞主要通过中期因子信号通路发送信号。筛选出9个预后相关的差异表达基因（SPINK1、FN1、EFEMP1、ELN、PCOLCE2、TUBA1A、COL14A1、TCF4和TM4SF1）并构建预后风险模型，风险评分=-0.019×SPINK1+0.028×FN1+0.025×EFEMP1+0.023×ELN+0.098×PCOLCE2+0.004× TUBA1A+0.047×COL14A1+0.004×TCF4+0.096×TM4SF1。根据风险评分中位值（1.350），训练集、验证集高风险组（≥1.350）患者OS较低风险组（<1.350）差。ROC曲线分析表明，在训练集与验证集中1、3、5年总生存率的曲线下面积（AUC）均>0.65。根据年龄、分期和预后模型风险评分构建预测患者1、3、5年总生存率的列线图，其校正曲线接近理想曲线。风险评分在>60岁患者，M分期为M 1，N分期为N 1、N 2、N 3，TNM分期为Ⅲ、Ⅳ期时均升高，差异均有统计学意义（均 P<0.05）。富集分析发现多个显著富集的基因与体液免疫应答、粒细胞趋化、细胞因子-细胞因子受体相互作用和B细胞介导的免疫等功能与通路相关。 结论:基于scRNA-seq数据构建的较为稳定的膀胱癌预后预测模型可为临床评估患者预后提供参考。

以移动互联网、物联网、云计算、大数据等为代表的新一代信息技术与健康医疗行业紧密融合，对医学院校面向非信息类专业的医学信息学选修课提出了更高的教学目标和内容要求。本文结合实际教学需求和临床医学生培养目标，对医学信息学选修课的教学内容进行了科学地优化和配置。选择医学信息学教育中的“小数据集，电子病历/电子健康档案的基本应用”为主要内容，模块化医学信息处理中的数值型数据、文本型数据和图像数据，以案例驱动和翻转课堂变革教学方式，将机器学习中常见的方法（如回归、分类和聚类方法）根植于案例的解决方案中，以综合的算法实例报告作为课程考核评价方式。实践表明，以上探索既激发了学生对医学信息学选修课的兴趣，又有效贯彻了医学生培养早预测、早调整、早发现、早诊断和早治疗的“五早”模式。

目的:分析1个由 MEFV基因变异所致的常染色体显性遗传型地中海热(autosomal dominant-familial Mediterranean fever, AD-FMF)家系的临床及遗传学特点。 方法:先证者为男性，5岁，以"发作性无菌性脑膜炎"作为首发表现，症状表现为发作性发热伴头痛呕吐；其母亲、胞兄及胞姐均存在类似发作性发热。提取该家系成员外周血DNA，应用全外显子基因组测序法检测相关基因变异，并通过Sanger测序法验证变异。对可疑变异进行生物信息学分析。结果:经全外显子基因组测序分析发现，先证者 MEFV基因上第10外显子存在一个c.2229C>G (p.Phe743Leu)错义变异，该变异在其母亲、胞兄及胞姐中均有检出。c.2229C>G虽为国内外未报道的错义变异，但其导致的氨基酸水平的改变(p.Phe743Leu)既往在阿拉伯发病人群中有报道(PS1)；该变异在常见正常人群数据库中不存在(PM2)，且经Mutationtaster、PROVEAN、PolyPhen-2等变异预测软件预测结果均提示为有害变异；经PubMed BLAST系统分析 MEFV基因编码蛋白pyrin第743位氨基酸的改变可影响SPRY_PRY_TRIM20及SPRY_superfamily结构域的完整性；同时经计算机模拟对蛋白3D结构建模分析发现，该氨基酸的改变可导致pyrin蛋白原有空间结构发生改变，原有功能丧失(PP3)。根据美国医学遗传学与基因组学学会序列变异解释指南判定该家系检出变异为可能致病性变异(PS1+PM2+PP3)。 结论:MEFV基因c.2229C>G (p.Phe743Leu)可能为该家系罹患AD-FMF的致病原因，以"发作性无菌性脑膜炎"作为主要临床表现在AD-FMF患者中较罕见，国内尚未见报道，分析该家系成员的临床表型及基因变异特点有助于提高国内医师对该病的认识。