目的:探讨首次发病未用药精神分裂症患者结构共变网络的改变及其与临床症状的关系。方法:共纳入163例首次发病未用药精神分裂症患者（精神分裂症组）和189名健康对照者（对照组），采集头颅结构磁共振成像数据后，采用SPM12工具包对数据进行预处理及基于感兴趣区的体积提取，基于大脑灰质体积构建结构共变网络，然后使用图论分析方法计算网络拓扑性能指标，通过置换检验比较组间差异，重复次数为10 000次。对阳性与阴性症状评定量表（Positive and Negative Syndrome Scale，PANSS）评分主成分分析结果进行因子旋转和加权处理，根据最终的权重得分把精神分裂症组分为高PANSS分值组和低PANSS分值组，采用与组间比较相同的方法比较2组患者网络拓扑属性的差异。结果:在全局网络水平上，与对照组相比，精神分裂症组共变网络的最短路径长度显著增加（ P<0.05， FDR校正），局部效率（ P<0.01，FDR校正）和全局效率（ P<0.01，FDR校正）显著下降。与低PANSS分值组相比，高PANSS分值组共变网络的最短路径长度显著增加（ P<0.05，FDR校正），局部效率（ P<0.05，FDR校正）和全局效率（ P<0.05，FDR校正）显著降低。 结论:精神分裂症患者结构共变网络发生了异常改变，其临床症状越严重共变网络组织损害越重。

目的 考察二氢吡啶类钙拮抗剂凝胶的其体外透皮效果,并从分子结构角度解释药物对透皮效果的影响.方法 分别选用非洛地平、尼莫地平和硝苯地平作为模型药物,以卡波姆940和三乙醇胺制备载药凝胶,考察其透皮吸收速率,同时选用7种物理化学参数、量子化学参数及拓扑学参数探讨药物分子结构与体外透皮速率的关系.结果 制备了载药量约40 mg·g-1的3种钙拮抗剂凝胶,其体外透皮速率为尼莫地平＞非洛地平＞硝苯地平;对分子量小于500的难溶性钙阻滞剂,分子越大,极性越强,局部电荷密度越大,透皮性能越好.结论 制备了不同钙阻滞剂凝胶,并从药物结构上解释了其透皮性能的差异.

为了解SpyCatcher-ELPs40 (C-E) 相变异常的原因并考察寡聚化结构域对其相变行为的影响, 将Foldon (F) 分别与C-E和ELPs40 (E) 融合, 构建拓扑结构为非共价三臂星型寡聚化的C-E-F和E-F;探究不同盐浓度和类型对其相变特性的影响, 并与其他ELPs进行比较.结果显示:融合了Foldon的ELPs40的相变温度高于线型ELPs120而低于线型ELPs40及Spy Tag/Spy Catcher介导的共价三臂星型ELPs, 非共价三臂星型C-E-F的相变温度变化幅度较大, 与等重复数的C-E和ELPs40相比, 平均分别高出28.75℃和35.6℃, 尤其在NaCl浓度为0.8 mol/L时, 相差分别为41.2℃和47.1℃.同时, Na2CO3浓度在0.7 mol/L及以上时, 非共价三臂星型C-E-F才会在低温下发生相变, 而其在较低浓度的Na2SO4溶液中相变现象明显, 不符合Hofmeister效应.本研究报道了非线型ELPs特殊的相变行为, 并证明ELPs拓扑结构会影响其相变行为, 但Foldon和Spy Catcher表面电荷是更重要的因素.

目的 长非编码RNA(lncRNAs)参与多种重要的生物学过程并与各种人类疾病密切相关,因此,lncRNA-疾病关联预测研究有助于疾病的诊断、治疗和在分子水平理解人类疾病的发生发展机制.目前,大多数lncRNA-疾病关联预测方法倾向于浅层整合lncRNA和疾病的相关信息,忽略网络拓扑结构中的深层嵌入特征;另外通过随机选取lncRNA-疾病非关联对构建负样本训练集合,影响预测方法的鲁棒性.方法 本文提出一种基于网络嵌入的NELDA方法,预测潜在的lncRNA-疾病关联关系.NELDA首先利用lncRNA表达谱、疾病本体论和已知的lncRNA-疾病关联关系,构建lncRNA相似性网络、疾病相似性网络和lncRNA-疾病关联网络.然后,通过设计4个深度自编码器分别从lncRNA/疾病的相似性网络、lncRNA-疾病关联网络学习lncRNA和疾病的低维网络嵌入特征.串联lncRNA和疾病的相似性网络嵌入特征及lncRNA和疾病的关联网络嵌入特征,分别输入两个支持向量机分类器预测lncRNA-疾病关联.最后,采用加权融合策略融合两个支持向量机分类器的预测结果,给出lncRNA-疾病关联关系的最终预测结果.另外,根据已知的lncRNA-疾病关联对和疾病语义相似性,设计一种负样本选取策略构建可信度相对较高的lncRNA-疾病非关联对样本集,用以改善分类器的鲁棒性,该策略通过设计一种打分函数为每对lncRNA-疾病进行打分,选取得分较低的lncRNA-疾病对作为lncRNA-疾病非关联对样本(即负样本).结果 十折交叉验证实验结果表明:NELDA能够有效预测lncRNA-疾病关联关系,其AUC达到0.982 7,比现有LDASR和LDNFSGB方法分别提高了0.062 7和0.0207.另外,负样本选取策略与决策级加权融合策略能够有效改善NELDA预测性能.胃癌和乳腺癌案例研究中,29/40(72.5％)预测的与胃癌和乳腺癌关联lncRNAs,在近期文献和公共数据库中能够发现相关的支撑证据.结论 这些实验结果表明,NELDA是一种有效的lncRNA-疾病关联关系预测方法,具有挖掘潜在lncRNA-疾病关联关系的能力.