检索结果-维普期刊中文期刊服务平台

慢性阻塞性肺疾病患者体力活动与死亡风险的前瞻性关联: 1; 作者张烁兰勇兵 +8 位作者孙点剑一裴培杜怀东陈君石陈铮鸣吕筠李立明余灿清中国慢性病前瞻性研究项目协作组《北京大学学报(医学版)》北大核心 2025年第3期537-544,共8页; 目的:探讨中国成人慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)患者体力活动水平与死亡风险的前瞻性关联。方法:基于中国慢性病前瞻性研究(China Kadoorie Biobank,CKB)项目,采用Cox比例风险回归模型分析中国成人COP... 展开更多; 关键词慢性阻塞性肺疾病体力活动死亡前瞻性关联; 在线阅读下载PDF 职称材料

AlphaFold时代的蛋白质相关人工智能算法及其应用被引量：2: 2; 作者孙雨楠叶川赵东宇《生理科学进展》北大核心 2025年第3期202-209,共8页; 蛋白质是生命活动的物质基础。蛋白质的功能取决于其空间结构,因此解析蛋白质的空间结构对于理解其功能至关重要。人工智能(artificial intelligence,AI)模型的利用极大地推进了蛋白质空间结构预测算法的开发,AlphaFold2是该领域里程碑... 展开更多; 关键词蛋白质结构预测 AlphaFold2 蛋白质语言模型蛋白质相互作用预测蛋白质设计; 在线阅读下载PDF 职称材料

锌与动脉疾病: 3; 作者潘思同胡桂子萌 +1 位作者梁宏彪冯娟《生理科学进展》北大核心 2025年第3期267-273,共7页; 锌(zinc)是人体必需的微量元素之一,参与多种生物功能调控,在血管生理和病理生理中主要发挥保护作用。锌稳态失调通过氧化应激、炎症反应、细胞外基质降解、血管钙化等多种途径促进血管疾病的发生发展,与动脉粥样硬化、主动脉瘤、主动... 展开更多; 关键词锌动脉疾病氧化应激炎症离子转运; 在线阅读下载PDF 职称材料

人工智能与生物医学: 4; 作者赵东宇王宪《生理科学进展》北大核心 2025年第3期199-201,共3页; 近年来,人工智能技术的迅猛发展正在深刻改变生物医学领域的研究范式与临床实践。在多组学测序数据、医学影像数据、临床诊疗数据等多模态数据的爆炸式增长的背景下,传统生物医学研究中的数据分析方法难以满足生物医学大数据挖掘需求。... 展开更多; 关键词多组学测序数据医学影像数据生物医学; 在线阅读下载PDF 职称材料

题名慢性阻塞性肺疾病患者体力活动与死亡风险的前瞻性关联: 1; 作者张烁兰勇兵孙点剑一裴培杜怀东陈君石陈铮鸣吕筠李立明余灿清中国慢性病前瞻性研究项目协作组; 机构北京大学公共卫生学院流行病与卫生统计学系北京大学公众健康与重大疫情防控战略研究中心重大疾病流行病学教育部重点实验室(北京大学) Clinical Trial Service Unit and Epidemiological Studies Unit 国家食品安全风险评估中心北京大学血管稳态与重构全国重点实验室不详; 出处《北京大学学报(医学版)》北大核心 2025年第3期537-544,共8页; 基金四大慢病重大专项(2023ZD0510100) 国家自然科学基金(82192901,82192904,82192900,82388102) +1 种基金香港Kadoorie Charitable基金。; 文摘目的:探讨中国成人慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)患者体力活动水平与死亡风险的前瞻性关联。方法:基于中国慢性病前瞻性研究(China Kadoorie Biobank,CKB)项目,采用Cox比例风险回归模型分析中国成人COPD患者中总体力活动、不同强度(低、中高强度)及不同类型(工作、非工作)体力活动水平与全因死亡、主要死因死亡风险的前瞻性关联,根据体力活动水平的五分位数分为5组(Q1~Q5),将体力活动水平最低五分位数组(Q1)作为对照组,计算其余各组(Q2~Q5)风险比(hazard ratio,HR)及其95%置信区间(confidence interval,CI),同时实施了敏感性分析及亚组分析,包括年龄、性别、自评健康状况、COPD严重程度等。结果:基线时纳入33588例COPD患者,平均随访(11.1±3.1)年,共记录到死亡8314人(22.3%)。总体力活动水平与全因死亡、血管疾病及呼吸系统疾病死亡风险之间存在线性负相关(线性趋势检验P值依次为<0.001、0.002、<0.001),与总体力活动水平最低五分位数组(Q1)相比,最高五分位数组(Q5)对应的全因死亡、血管疾病及呼吸系统疾病死亡风险HR值(95%CI)分别为0.77(0.70,0.85)、0.77(0.65,0.91)、0.58(0.48,0.71)。低强度、中高强度体力活动均与COPD患者全因死亡风险存在线性负相关关联(线性趋势检验P值依次为0.002、<0.001),与低强度、中高强度体力活动水平最低五分位数组(Q1)相比,最高五分位数组(Q5)全因死亡风险对应的HR值(95%CI)分别为0.89(0.82,0.97)、0.79(0.72,0.87)。工作、非工作相关体力活动亦与COPD患者全因死亡风险存在线性负相关关联(线性趋势检验P值依次为<0.001、0.015),与工作、非工作相关体力活动水平最低五分位数组(Q1)相比,最高五分位数组(Q5)全因死亡风险对应的HR值(95%CI)分别为0.69(0.61,0.78),0.91(0.84,0.98)。对于年龄≥60岁、女性、自评健康状况较差的人群,总体力活动与全因死亡风险负相关性更为显著。对于不同严重程度的COPD患者,随着总体力活动的增加,全因死亡风险均呈下降趋势。结论:总体力活动、不同强度、不同类别的体力活动均与COPD患者的死亡风险呈负相关,且存在剂量反应关系。对于年龄≥60岁、女性、自评健康状况较差的人群,总体力活动与全因死亡风险负相关性更为显著。; 关键词慢性阻塞性肺疾病体力活动死亡前瞻性关联; Keywords Chronic obstructive pulmonary disease Physical activity Mortality Prospective association; 分类号 R184 [医药卫生—流行病学]; 在线阅读下载PDF 职称材料

题名AlphaFold时代的蛋白质相关人工智能算法及其应用被引量：2: 2; 作者孙雨楠叶川赵东宇; 机构北京大学基础医学院医学生物信息学系北京大学血管稳态与重构全国重点实验室; 出处《生理科学进展》北大核心 2025年第3期202-209,共8页; 基金国家自然科学基金面上项目(32270603) 北京市自然科学基金面上项目(5242010)资助课题。; 文摘蛋白质是生命活动的物质基础。蛋白质的功能取决于其空间结构,因此解析蛋白质的空间结构对于理解其功能至关重要。人工智能(artificial intelligence,AI)模型的利用极大地推进了蛋白质空间结构预测算法的开发,AlphaFold2是该领域里程碑式的成果,使得快速、准确且大规模的蛋白质空间结构预测成为可能。此外,蛋白质语言模型、蛋白质相互作用预测以及蛋白质设计等领域均在AlphaFold时代迎来快速发展,代表性的模型包括ESM2、ScanNet、RFdiffusion和RoseTTAFold-All Atom等。这些基于人工智能的新算法的开发极大地促进了蛋白质功能、诱发疾病的机制和药物设计等领域的研究。; 关键词蛋白质结构预测 AlphaFold2 蛋白质语言模型蛋白质相互作用预测蛋白质设计; Keywords protein structure prediction AlphaFold2 protein language model protein interaction prediction protein design; 分类号 Q811.4 [生物学—生物工程]; 在线阅读下载PDF 职称材料

题名锌与动脉疾病: 3; 作者潘思同胡桂子萌梁宏彪冯娟; 机构北京大学基础医学院中西医结合教研室北京大学血管稳态与重构全国重点实验室; 出处《生理科学进展》北大核心 2025年第3期267-273,共7页; 基金国家自然科学基金(82170476 92268107)资助课题。; 文摘锌(zinc)是人体必需的微量元素之一,参与多种生物功能调控,在血管生理和病理生理中主要发挥保护作用。锌稳态失调通过氧化应激、炎症反应、细胞外基质降解、血管钙化等多种途径促进血管疾病的发生发展,与动脉粥样硬化、主动脉瘤、主动脉夹层和外周动脉疾病密切相关。本文总结锌缺乏导致动脉疾病的潜在机制、锌相关蛋白质的作用以及补充锌对血管功能的保护作用,为动脉疾病的治疗与研究提供新的思路及线索。; 关键词锌动脉疾病氧化应激炎症离子转运; Keywords zinc arterial diseases oxidative stress inflammation ion transport; 分类号 R543 [医药卫生—心血管疾病] R591 [医药卫生—内科学] R363 [医药卫生—病理学]; 在线阅读下载PDF 职称材料

题名人工智能与生物医学: 4; 作者赵东宇王宪; 机构北京大学基础医学院医学生物信息学系北京大学血管稳态与重构全国重点实验室北京大学基础医学院生理学与病理生理学系; 出处《生理科学进展》北大核心 2025年第3期199-201,共3页; 文摘近年来,人工智能技术的迅猛发展正在深刻改变生物医学领域的研究范式与临床实践。在多组学测序数据、医学影像数据、临床诊疗数据等多模态数据的爆炸式增长的背景下,传统生物医学研究中的数据分析方法难以满足生物医学大数据挖掘需求。而人工智能,尤其是深度学习大模型的应用,为这一困局提供了革命性解决方案:它不仅能够从海量多模态数据中挖掘潜藏的生物规律,还可以通过构建跨尺度、多层次的深度学习模型,从而推动生物医学研究与临床疾病诊疗[1]。; 关键词多组学测序数据医学影像数据生物医学; 分类号 R318 [医药卫生—生物医学工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	慢性阻塞性肺疾病患者体力活动与死亡风险的前瞻性关联	张烁兰勇兵孙点剑一裴培杜怀东陈君石陈铮鸣吕筠李立明余灿清中国慢性病前瞻性研究项目协作组	《北京大学学报(医学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
2	AlphaFold时代的蛋白质相关人工智能算法及其应用	孙雨楠叶川赵东宇	《生理科学进展》北大核心	2025	2	在线阅读下载PDF 职称材料
3	锌与动脉疾病	潘思同胡桂子萌梁宏彪冯娟	《生理科学进展》北大核心	2025	0	在线阅读下载PDF 职称材料
4	人工智能与生物医学	赵东宇王宪	《生理科学进展》北大核心	2025	0	在线阅读下载PDF 职称材料