【摘 要】
：
目的 探究白细胞介素34（IL-34）对大鼠根尖牙乳头干细胞（SCAP）成牙、成骨分化的影响。方法 采用酶消化法分离培养大鼠SCAP,实时荧光定量PCR检测IL-34在大鼠SCAP中的表达。采用噻唑蓝（MTT）法分析不同浓度IL-34对大鼠SCAP增殖活性的影响。茜素红染色观察矿化情况，划痕实验检测增殖能力，实时荧光定量PCR检测成骨相关基因碱性磷酸酶（ALP）、牙本质涎磷蛋白（DSPP）、 Ru
【基金项目】
：
蚌埠医学院自然科学研究重点项目（BYKY2019157ZD）;蚌埠医学院转化医学研究项目（BYTM2019005）;蚌埠医学院研究生科研创新计划（Byycx20060）；
论文部分内容阅读
目的 探究白细胞介素34（IL-34）对大鼠根尖牙乳头干细胞（SCAP）成牙、成骨分化的影响。方法 采用酶消化法分离培养大鼠SCAP,实时荧光定量PCR检测IL-34在大鼠SCAP中的表达。采用噻唑蓝（MTT）法分析不同浓度IL-34对大鼠SCAP增殖活性的影响。茜素红染色观察矿化情况，划痕实验检测增殖能力，实时荧光定量PCR检测成骨相关基因碱性磷酸酶（ALP）、牙本质涎磷蛋白（DSPP）、 Runt相关转录因子2（RUNX2）、成骨细胞特异性转录因子（OSX）的表达。应用Western blot法检测ALP、 DSPP、 RUNX2、 OSX蛋白的表达。结果 IL-34促进大鼠SCAP增殖的最大剂量为100 ng/mL,茜素红染色显示IL-34能够促进SCAP的矿化。100 ng/mL IL-34处理显著提高成骨相关基因ALP、 DSPP、 RUNX2、 OSX的表达。结论 IL-34能够促进大鼠SCAP的增殖并向成牙/成骨分化。
其他文献
随着深度学习的快速发展,图像生成领域取得了许多令人印象深刻的进展,这使得从标签,文本描述或者语义布局生成具有真实感的图像成为可能。本文所要研究的是从语义分割图生成与之语义对齐的具有真实感的图像,它在内容创作和编辑等方向有着广泛的应用前景。早期的工作直接将语义图作为生成器的编码器端的输入,这种网络设计对于语义信息的利用效率是次优的,空域自适应特征变换的提出缓解了这一问题。它以语义图作为条件输入,预测
在社会生产生活中,往往需要布置大量传感器去采集时序数据,但是由于采集错误、传感器自身功率变化、网络传输异常或人为干预等原因,时序数据中难免会出现一些异常。然而,现有的多维时间序列异常检测算法没有对异常数据的类型进行区分,用户往往会将检测出的异常数据全部清洗掉,导致清洗后的数据丢失大量具有意义的事件和特征。本文将异常数据分为噪声和异常事件两类,分别针对多维时序数据上的异常事件检测问题和噪声修复问题展
随着数字经济发展步伐加快，网络安全、数据安全问题变得更加重要，随时可能影响智慧城市发展，甚至危害社会安全和国家安全。QKD基于量子力学基本特性，能够提供无条件的安全性保证，与经典数据传输网络融合，解决量子保密通信和经典通信协同应用问题。研究了QKD应用的基础原理、关键技术和网络架构，探讨融合方法和创新应用方案，实现智慧城市更安全可靠的数据加密传输。
当人类回答问题时,他们会利用关于空间关系、因果关系、科学事实和社会习俗等的常识知识。这些知识对人类来说微不足道,但仍然超出了当前问答系统的能力范围。与给定上下文篇章的问答任务不同,常识问答任务通常只有单独的问题而没有任何上下文语境,这就需要模型检索到与问题相关的常识知识并利用知识进行逻辑推理才能给出答案。因此如何检索到合适的常识知识以及将这些知识融入模型进行推理以解决常识问答任务成为了最近的研究热
事件时序关系抽取是自动文本分析中的一个关键问题,能够执行此任务的系统在时间感知摘要、事件时间线构建和事件预测等应用中具有重要的意义。时序关系抽取任务要求模型能够正确的捕获并理解自然语言文本中提及的时间信息。当前阶段自然语言处理任务中广泛使用预训练语言模型作为编码器,然而这些模型所采用的自监督预训练任务往往并不能感知文本中与时间有关的信号。本文探究面向篇章理解的事件时序关系抽取技术,即在预训练语言模
航天器是一个复杂的物理系统,直接反映其在轨运行状态的遥测数据具有难以用简单的物理公式描述、包含大量噪声等特点,使得航天器异常检测面临着难以得到精确的遥测数据模型的困难。LSTM模型在遥测数据建模应用中表现出了优秀的非线性拟合和噪声容忍能力,有效的提高了建模的精度。但应用LSTM模型极度依赖超参数配置,严重影响了建模的效果和速度。此外遥测数中包含了大量噪声,也会导致建模精度一定程度的下降。本文围绕遥
面对日益增多的科技文献,研究者们目前缺少一种高效的方式进行文章的快速阅读和知识梳理。知识图谱作为一种结构化知识表示形式,以三元组的形式进行信息组织,目前针对科技文献领域的知识图谱构建研究内容尚少。本文的研究目标是对科技文献进行开放式抽取,即无需额外标注,可直接对原文本进行三元组抽取。相较于其他类型文献,科技文献模块之间的区分度更高,如实验设置,实验结果,模型等,我们将这些模块称为信息单元。根据科技
近年来,开放域问答系统在学界和业界都获得了越来越多的关注。开放域问答作为自然语言处理中极重要的任务,其目的是为用户的问题提供简洁的答案,被认为是新一代搜索引擎的核心技术。基于文本的开放域问答是一种重要的实现形式,主要可以分为篇章检索、答案抽取和答案选择三个步骤。本文围绕基于文本的开放域问答中的篇章检索和答案选择进行研究,以提高开放域问答系统的整体性能。本文的内容是对篇章检索和答案选择进行优化。首先
药物分子和靶标蛋白亲和性的成功鉴定在药物发现的虚拟筛选阶段和现有药物的再利用环节中起着至关重要的作用。本文主要从亲和力值预测模型的输入、编码和解码三个角度研究了药物-靶标作用表示与预测方法,以提升预测准确率。本文基于生物领域问题的特点,参考了自然语言处理、多模态融合和推荐算法领域的先进思想,改进了上述三个阶段。主要研究内容包括:（1）基于多粒度表示的药物-靶标亲和力值预测方法研究,对药物、蛋白质的