目的:通过了解学生辅导对临床医学专业本科生发展成就的影响，从而全面评估学生辅导在医学生发展中的作用。方法:采用2020年中国医学生培养与发展调查数据，运用工具变量法以修正选择性偏差，分析学生辅导对临床医学专业本科生认知、非认知能力的影响，并通过分样本回归探究这一影响在不同人口特征、家庭背景、入学前经历的学生群体中的异质效应。结果:学生辅导对临床医学专业本科生的专业兴趣( β＝1.06)、从医意愿( β＝0.391)、学习主动性( β＝0.405)、自我效能( β＝0.267)和综合测评排名( β＝0.061)都有显著的积极影响。分样本回归分析进一步揭示出学生辅导的双重效应：一方面，有更充足入学前相关准备或家庭支持的学生总体来说从学生辅导中获益更多，并主要体现在学业成绩上；另一方面，在家庭条件、入学前教育等方面相对缺乏支持的学生更容易在从医意愿、专业兴趣等非学术方面受到影响。 结论:学生辅导对临床医学专业本科生的发展有积极影响，并在不同群体中效应有所差异，应当重视学生辅导的作用，完善学生辅导的机制，实现精准帮扶。

生态位模型通过拟合物种分布与环境变量之间的关系提供物种空间分布预测,在生物多样性研究中有广泛应用.激光雷达(LiDAR)是一种新兴的主动遥感技术,已被大量应用于森林三维结构信息的提取,但其在物种分布模拟的应用研究比较缺乏.本研究以美国加州内华达山脉南部地区的食鱼貂(Martes pennanti)的分布模拟为例,探索LiDAR技术在物种分布模拟中的有效性.生态位模型采用5种传统多类分类器,包括神经网络、广义线性模型、广义可加模型、最大熵模型和多元自适应回归样条模型,并使用正样本-背景学习(presence and background learning,PBL)算法进行模型校正;同时对这5种模型使用加权平均进行模型集成,作为第6个模型.此外,一类最大熵模型也被用于模拟该物种的空间分布.模型的连续输出和二值输出分别使用AUC (area under the receiver operating characteristic curve)以及基于正样本-背景数据的评价指标Fpb进行评价.结果表明,仅考虑气候因子(温度和降水)时,7个模型的AUC和Fpb平均值分别为0.779和1.077;当考虑LiDAR变量(冠层容重、枝下高、叶面积指数、高程、坡度等)后,AUC和Fpb分别为0.800和1.106.该研究表明,LiDAR数据能够提高食鱼貂空间分布的预测精度,在物种分布模拟方面存在一定的应用价值.

背景与目的:胰腺癌具有早期阶段的检测率低,远处转移风险高,以及化疗的效果较差等特点,大多数患者的预后不良,因而开发早期诊断胰腺癌的工具意义重大.本研究利用生物信息学及机器学习的方法,筛选可用于鉴别样本类型的血清miRNA,并构建聚类树.方法:从GEO数据库下载GSE113486及GSE85589的血清miRNA表达谱及分组信息,利用ComBat函数移除批次效应,通过LASSO回归筛选出用于鉴别肿瘤与非肿瘤样本的关键miRNA,基于关键miRNA,利用rpart函数构建决策树.ROC曲线用于评价决策树的预测效果,Wilcoxon检验用于比较决策树观测指标在肿瘤及正常组样本中的表达差异.最后,利用miRDB、miRTarBsae及TargetScan预测关键miRNA的靶向mRNA,并行富集分析.结果:去除批次效应后,共119例健康对照和128例胰腺癌样本的血清miRNA表达谱纳入研究,进行LASSO回归分析,采用10倍交叉验证,筛选出33个miRNA,进一步将样本随机分为训练集(60％)和测试集(40％).在训练集中,将33个miRNA用于构建决策树,通过剪枝,最后保留miR-4532和miR-4668-5p作为决策树的观测指标.ROC曲线评价结果显示,训练集中曲线下面积(AUC)为0.948 1,测试集中AUC为0.902 4.且miR-4532和miR-4668-5p在胰腺癌血清样本高表达,与正常血清样本中的表达量相比具有统计学差异(P＜0.05).预测到6个miR-4532靶mRNA,73个miR-4668-5p靶mRNA,它们可能与转录调节复合物、核染色质、转录阻遏物复合体、巨核细胞分化的调控、黏着剂组装、细胞-底物连接组织、巨核细胞分化、黏着斑组装的负调节等功能有关;主要富集于癌症中的转录失调、FoxO、黏附连接、胰腺癌、乙型肝炎、肝细胞癌、TGF-β,MAPK等信号通路中.结论:miR-4532和miR-4668-5p所构建的决策树在区分正常与胰腺癌血清样本中具有良好的效果,对于胰腺癌的早期诊断有一定的价值.

背景与目的:结直肠癌(CRC)是全球第三大最常诊断的恶性肿瘤和第二大癌症死亡原因.最新指南推荐所有的CRC患者需要进行微卫星不稳定(MSI)的检测.MSI患者往往具有错配修复蛋白缺失(dMMR).MSI/dMMR状态已被用作生物标志物预测对免疫治疗的有利反应和预后.然而MSI特征基因及其与肿瘤浸润的免疫细胞的关系未进行阐述.因此本研究通过使用机器学习的方式发掘CRC中新型的MSI特征基因,并且验证其的诊断价值及其与免疫细胞浸润的关系.方法:按照纳入排除标准,将GEO数据库中GSE39582数据集作为训练集,将TCGA数据库中COAD数据集作为外部验证集.使用机器学习的方法(LASSO回归、SVM-RFE算法),在GSE39582结直肠癌数据集中筛选MSI特征基因,并在TCGA结直肠癌数据中进行验证.采用受试者工作特征(ROC)曲线和曲线下面积(AUC)评价基因对MSI的诊断效能.CIBERSORT算法评估肿瘤样本浸润的免疫细胞成分,Spearman相关性分析验证MSI特征基因和免疫细胞的关系.结果:训练集共纳入536例CRC患者,其中高频MSI(MSI-H)77例(14.37％).在验证集中,共计389例CRC患者,其中MSI-H67例(17.22％).基线资料分析显示,MSI-H/dMMR CRC的TNM分期存活率优于低频MSI(MSI-L)或微卫星稳定(MSS)/错配蛋白完整(pMMR)CRC(P＜0.05).在GSE39582数据集中,LASSO回归筛选MSI特征基因21个,SVM-RFE算法筛选基因6个,结合两种算法确定MSI特征基因为 EIF5A、CXCL13、HNRNPL、HOXC6、RPL22L1、Y16709.在 TCGA 数据库中进一步验证MSI特征基因的诊断效能,研究发现EIF5A的诊断效能最高.在训练集和验证集中,EIF5A的AUC值分别为0.922和0.805.同时,Spearman相关性分析发现,EIF5A主要与CD8+T细胞,活化的树突状细胞,辅助性T细胞,M1型巨噬细胞,γδT细胞,中性粒细胞成正相关;与CD4+记忆性T细胞,M2型巨噬细胞,静止树突状细胞,嗜酸性粒细胞,调节性T细胞呈负相关.结论:CRC的新型MSI特征基因分析结果表明,EIF5A对CRC MSI的诊断具有较好的诊断作用和临床价值,同时提示EIF5A与免疫细胞及免疫微环境相关.因此,EIF5A可能成为免疫检查点治疗的新型标志物.

背景 轻度认知障碍(MCI)是干预和延缓痴呆进展的重要阶段,既往研究发现MCI与遗传因素存在紧密关联,且载脂蛋白E(APOE)ε4是医学界公认的MCI重要风险等位基因.由于缺少MCI的全基因组关联研究(GWAS)汇总数据,当前普遍以阿尔茨海默病(AD)的GWAS汇总数据作为Base数据集来计算MCI的多基因风险评分(PRS),致使MCI的PRS遗传风险预测效果并不理想.目的 本研究以多基因遗传风险综合评分(metaPRS)与APOEε4作为重要预测因子,从广义线性模型与机器学习角度,探索并优化MCI的遗传风险统计建模策略.方法 计算MCI的12个亚表型PRS,并利用弹性网状Logistic回归模型将其整合为MCI的metaPRS.利用年龄矫正的APOEε4效应量计算APOEε4加权总和(SCOREAPOE).以metaPRS、SCOREAPOE及基本人口学信息(年龄、性别、受教育程度)构建不同的预测因子纳入策略,以XGBoost、GBM、Logistic回归及Lasso回归作为统计建模方法,采用AUC及F-measure评价MCI遗传风险统计建模的预测效果.结果 metaPRS与SCOREAPOE对于MCI的遗传风险有较高的预测价值,纳入metaPRS、SCOREAPOE及基本人口学信息(年龄、性别、受教育程度)后,各个统计建模方法的预测效果为:XGBoost(AUC=0.69,F-measure=0.88),GBM(AUC=0.76,F-measure=0.87),Logistic回归(AUC=0.77,F-measure=0.89),Lasso回归(AUC=0.76,F-measure=0.92).结论 在样本量为325(<500)的情况下,以metaPRS、SCOREAPOE与基本人口学信息为预测因子,以Lasso回归为统计建模方法的MCI遗传风险预测效果最好.本研究为MCI等复杂疾病的遗传风险统计建模提供了新的思路与视角.