【摘 要】
：
目的：探讨田蓟苷对脑小血管病（cerebral small vessel disease,CSVD）大鼠模型认知功能受损和神经细胞凋亡的影响及机制。方法：将SD大鼠分为Sham组、CSVD组、低剂量田蓟苷组（L-Til组，5 mg/kg/d）、中剂量田蓟苷组（M-Til组，10 mg/kg/d）和高剂量田蓟苷组（H-Til组，20 mg/kg/d）。通过同种系微栓子体外注入法建立CSVD大鼠模型，
【基金项目】
：
陕西省自然科学基础研究计划（2022JM-594）；
论文部分内容阅读
目的：探讨田蓟苷对脑小血管病（cerebral small vessel disease,CSVD）大鼠模型认知功能受损和神经细胞凋亡的影响及机制。方法：将SD大鼠分为Sham组、CSVD组、低剂量田蓟苷组（L-Til组，5 mg/kg/d）、中剂量田蓟苷组（M-Til组，10 mg/kg/d）和高剂量田蓟苷组（H-Til组，20 mg/kg/d）。通过同种系微栓子体外注入法建立CSVD大鼠模型，各组大鼠均治疗4周。治疗结束后对各组大鼠进行Morris水迷宫测试，分离海马组织并进行HE染色、TUNEL染色和尼氏染色。通过免疫组化染色或Western blot检测大鼠海马组织中Bax、Bcl2、cleaved caspase-3、VEGF和细胞核NF-κB p65的表达。使用相应试剂盒检测血清炎症指标（TNF-α和IL-1β）和氧化应激指标（SOD和MDA）水平。结果：与CSVD组比较，L-Til组、M-Til组和H-Til组的逃避潜伏期均缩短，而穿越平台次数均增加（P＜0.05）。与CSVD组比较，L-Til组、M-Til组和H-Til组大鼠海马组织TUNEL阳性率降低，而尼氏体光密度增加（P＜0.05）;Bax和cleaved caspase-3的表达水平降低，Bcl2水平升高（P＜0.05）。与CSVD组比较，L-Til组、M-Til组和H-Til组大鼠血清中TNF-α、IL-1β和MDA水平降低，SOD升高（P＜0.05）。与CSVD组比较，L-Til组、M-Til组和H-Til组大鼠海马组织中细胞核NF-κB p65蛋白表达水平降低，细胞质VEGF蛋白表达水平升高（P＜0.05）。结论：本研究证明田蓟苷可减轻CSVD大鼠的认知功能障碍并抑制神经细胞凋亡，田蓟苷对CSVD的治疗机制部分通过减少炎症和氧化应激、促进VEGF的表达和抑制NF-κB信号通路来实现。
其他文献
目的:本研究通过选取第5版《中华医典》中载有妊娠咳嗽证治内容的清代医籍,采用文献整理与统计分析相结合的研究方法,归纳总结清代医家对妊娠咳嗽病因病机的认识、辨治方法及用药配伍特点,以期为临床辨治妊娠咳嗽提供借鉴。方法:1.以第5版《中华医典》为主要数据来源,将“妊娠咳嗽”、“妊娠喘嗽”、“子嗽”、“子咳”、“子呛”作为关键词,在数据库中检索、收集相关条文及方剂,运用文献学方法,对妊娠咳嗽的病因病机、
实验室条件下电机驱动器功率级测试方案通常采用“待测电机驱动器-电动机-发电机”的电机对拖平台,该方案成本高、灵活性低、对不同负载特性的模拟能力差。针对传统电机对拖测试平台的缺点,近年来出现的功率硬件在环（Power Hardware In The Loop,PHIL）测试平台,代替真实电机完成对电机驱动器的功率级测试,受到了广泛关注。PHIL电机模拟器与被测电机驱动器相连,在不改变待测电机驱动器硬
背景与目的强迫症（obsessive-compulsive disorder,OCD）是一种具有不同临床特征的致残性精神障碍,终生患病率为2%-3%。OCD的核心症状是侵入性的重复性想法或者重复的行为,因很难预测和控制强迫症状的发生而感到不安焦虑,从而造成严重的个人困扰或社会功能障碍。然而,目前OCD发生的神经机制仍然不清楚,前期研究证实皮质-纹状体-丘脑-皮质（cortico-striato-t
本文以山西综改示范区潇河国际会议中心为工程应用背景,针对建筑回填工程中工程弃土难以利用及狭窄空间回填困难等难题,为了充分利用当地工业废渣赤泥和煤矸石,同时兼顾经济效益和社会效益,采用工程弃土为试验材料,赤泥和偏高岭土作为辅助胶凝材料,开发了一种新型低水泥流态固化土。通过室内试验和数值模拟相结合的方法,运用扫描电镜等测试手段,揭示了赤泥-偏高岭土流态固化土的物理力学性能变化机理,明晰了其管道流动特性
伴随着中国经济的快速发展,餐饮行业上演着日益加剧的激烈竞争,为了提升竞争力,在市场中脱颖而出,品牌化管理已经成为餐饮行业的核心竞争力。打造具有广泛影响力、口碑极佳的品牌,通过品牌管理为企业带来丰厚的收益,这是每个品牌创始人都竭力追求的目标。本文的研究对象——老凯俚酸汤鱼是贵州传统特色美食的代表品牌,目前发展虽然相对成熟、具有一定规模,但也存在品牌抗风险能力较弱、省外知名度较低、品牌资产管理体系化不
联邦学习（Federated Learning）是为了解决机器学习中以隐私保护为前提的数据碎片化和隔离问题。各客户端节点在本地训练数据，将训练的模型参数信息上传到中央服务器，由参数服务器聚合参数信息以达到共同训练的目的。由于现实环境中，各节点数据之间的分布往往不一致，通过分析非独立同分布数据对联邦学习准确率的影响，来证明传统联邦学习方法得到的模型精度较低。因此，采用多样化抽样策略模拟数据倾斜度分布
联邦学习（Federated Learning, FL）以多方数据参与为驱动，参与方与中央服务器通过不断交换模型参数，而不是直接上传原始数据的方式来实现数据共享和隐私保护。在实际的应用中，FL全局模型的精确性依赖于多个稳定且高质量的客户端参与，但客户端之间数据质量不平衡的问题会导致在训练过程中客户端处于不公平地位甚至直接不参与训练。因此，如何激励客户端积极可靠地参与到FL中，是保证FL被广泛推广和
边缘计算（Edge Computing）作为一种新的计算范式，在网络边缘提供计算服务，相比传统的云计算模式，它具有高可信、低延迟等特点，在各行各业中有着广阔的应用前景，但在隐私保护和数据处理上仍存在一些问题。而联邦学习作为一种分布式的机器学习技术，能很好地解决边缘计算场景下数据分布不一致和数据隐私问题，但仍面临设备异构、数据异质及通信方面的挑战，如模型偏移、收敛效果差、部分设备计算结果丢失等问题。