高度近视漆裂/斑状萎缩的进展及相关因素：北京眼科研究2001-2011

通信作者是来自德国曼海姆的海德堡大学曼海姆医学院眼科的Jost B Jonas，他的另一个单位写的是同仁医院眼科，同时他也是这篇文章的第一作者。这篇文章的另一位通讯作者是同仁医院的Yaxing Wang。本研究发表在Graefes Arch Clin Exp Ophthalmol.

目的：评估高度近视中漆裂/斑状萎缩（LCs/PAs）的发展和进展。

方法：病例对照研究包括高度近视眼（≤-6.0D），基于2001/2011年间在北京眼科研究所进行了检查的人群。使用2001年和2011年拍摄的眼底照片和2011获得的OCT图像，作者评估了发生率和预先存在的LC/PAs的扩大情况。

结果：该研究囊括了89只高度近视的眼睛（年龄：65.0±9.4岁）。在17只眼中检测到新出现或扩大的LC/PA，3只眼睛在先前没有LC的情况下出现新的LC，3只眼睛先前存在的LC所扩大，5只眼睛的LC甚至扩大为PA，3只眼睛先前没有LC在2011年出现了PA，最后3只眼睛中检测到先前存在PA扩大。在17只眼睛中有14只的LC/PA发展或扩大，LC/PA垂直于γ区扩大的方向伸长或变宽。2001年LC/PA扩大的较高患病率（多变量分析）与较高的近视黄斑病变阶段相关、和视乳头旁三角区扩大的频率较高相关。LC/PA扩大的患病率低于其他近视黄斑病变特征性变化的患病率。所有LC/PA扩大的眼睛都显示出预先存在和扩大的γ区

结论：LC/PAs的发展和扩大与视乳头旁三角区扩大有关，且常与γ区扩大方向相关。

PMID: 35608686

DOI: 10.1007/s00417-022-05705-7

漆酶通过没食子酸介导的那他霉素功能化对烟曲霉菌性角膜炎的治疗作用

为了提高那他霉素对真菌性角膜炎的治疗效果，获得了那他霉素和没食子酸的接枝衍生物，并研究了接枝衍生物对烟曲霉角膜炎的作用

漆酶（laccase）是一种含铜多酚氧化酶。在白腐菌中普遍存在，少数低等真菌和植物中也产生，多为分泌型糖蛋白。

没食子酸（gallic acids），也被成为五倍子酸，是一种有机酸，可见于五倍子、茶叶中。

作者首先通过FT-IR和UV-Vis鉴定了没食子酸接枝那他霉素的结构，证明了没食子-那他霉素的的成功合成。CCK-8和Draize眼实验表明没食子-那他霉素的细胞毒性较小。然后，通过最低抑菌浓度（MIC）粘附、生物膜形成、钙荧光染色等体外抗菌实验和临床评分、平板计数等体内实验，结果表明没食子-那他霉素具有与那他霉素相似的抗真菌活性，但疗效优于那他霉素。MPO测定和免疫荧光染色分析显示没食子-那他霉素显著抑制中性粒细胞募集和活性。此外，进一步发现没食子-那他霉素可以抑制LOX-1、TNF-α和IL-1β的mRNA和蛋白表达。

总之，没食子酸-那他霉素抑制真菌生长，减少中性粒细胞向角膜浸润，下调病灶中炎症因子表达，为FK治疗提供了新的选择。

PMID:35597265 | DOI:10.1016/j.ejphar.2022.175041

长链非编码RNA LINC00963通过靶向miR-143-3p抑制角膜纤维化瘢痕形成

角膜纤维化是严重角膜损伤的一种并发症，导致视力下降的主要原因之一。肌成纤维细胞的形成是角膜纤维化一个关键刺激因素。

DNA细胞生物学杂志（DNA Cell Biol）报道了青岛大学Lixia Zhang团队的工作。在这项工作中，研究人员聚焦与LINC00963在角膜纤维化中的作用。TGF-β1被用于诱导人角膜机制细胞分化为角膜肌成纤维细胞，并通过WB和RT-PCR检测了α-SMA表达增加的显著性。他们确认了和未受到刺激的人角膜基质细胞相比LINC00963减少了一半，这预示后者可能在角膜的纤维化中发挥了作用。有趣的是，过表达LINC00963导致肌成纤维细胞形成减少，提示了它的抑制作用。研究人员利用生物信息学工具预测了LINC00963可能的下游靶标。进一步的调查发现LINC00963抑制了TGF-β1诱导的角膜成纤维细胞α-SMA至少部分是通过下调miR-143-3p的表达。此外，无论是促进LINC00963还是抑制miR-143-3p，都可以显著降低肌成纤维的收缩性和胶原蛋白I和III的分泌，这是导致角膜纤维化的关键。

因此，作者认为ILNC00963是一个有前途的治疗靶标。

最后，原文的链结如下：

PMID: 35262384 PMCID: PMC9063159 DOI: 10.1089/dna.2021.1034

R in Action Chapter 5（三）字符处理函数

字符处理函数

这类函数可以从文本型数据中抽取信息，或者为打印输出和生成报告重设文本格式。

• 你可能希望将某人的姓和名连接在一起，并保证姓和名的首字母大写

• 想统计可自由回答的调查反馈信息中含有秽语的实例数量

下面的表格中是一些有用的字符处理函数

表5-6字符处理函数

函数	描述	示例
nchar(x)	计算x中的字符数量	x<-c("ab", "cde", "fghij") lenghth(x)返回值为3 nchar(x[3])返回值为5
substr(x, star, stop)	提取或替换一个字符向量中的子串	x <- "abcdef" substr(x,2,4)返回值为"bcd" sbustr(x,2,4) <- "22222"(将原x中2-4位的bcd替换成222)
grep(pattern, x, ignore.case = FALSE, fixed = FALSE)	在x中搜寻某种模式，若fixed = FALSE， 则pattern为一个正则表达式；若fixed = TRUE，则pattern为一个文本字符串。返回值为匹配的下标	grep("A",c("b", "A", "c"), fixed = TRUE)返回值为2
sub(pattern, replacement, x, ignore.case = FALSE, fixed = FALSE)	在x中搜索pattern，并以文本replacement将其替换。 若fixed = FALSE，则pattern为一个正则表达式； 若fixed = TRUE，则pattern为一个文本字符串	sub("\s", ".", "Hello There")返回值为Hello.There
strsplit(x, split, fixed = FALSE)	在split处分割字符向量x中的元素 若fixed = FALSE，则pattern为一个正则表达式； 若fixed = TRUE，则pattern为一个文本字符串	y <- strsplit("abc", ""),返回含有一个成分、3个元素的列表，包含的内容分别为"a"，"b"，"c"
paste(…, sep="")	连接字符串，分隔符为sep	paste("x", 1:3, sep="")，返回c("x1","x2","x3"） paste("x", 1:3, sep="M")，返回c("xM1","xM2","xM3"） paste("Today is", date()),返回值为Today is 具体时间
toupper(x)	大写转换
tolower(x)	小写转换

R in Action Chapter 5 (二) 概率函数

概率函数

概率函数通常用来生成特征已知的模拟数据，以及在用户编写的统计函数中计算概率值。

概率函数的格式如下：

[dpqr]distribution_abbreviation()

对上述格式的说明如下：

• d = 密度函数（density）

• p = 分布函数（distribution function）

• q = 分位数函数（quantile function）

• r = 生成睿集数（随机偏差）

下面一正态分布的有关函数，了解这些函数的使用方法。

如果不指定一个均值和一个标准差，则函数将假定其为标准正态分布（均值为0，标准差为1）。密度函数（dnorm）、分布函数（pnorm）、分位数函数（qnorm）和随机数生成函数（rnorm）函数示例如下：

#正态分布函数
x <- pretty(c(-3,3), 30)
y <- dnorm(x)
plot(x, y,
    type = "1",
    xlab = "NormalDeviate",
    ylab = "density"，
    yaxs = "i")
pnorm(1.96)

1.设定随机数种子

可以通过函数set.seed() 显式指定这个种子，让结果可以重现

下面代码给出一个示例，其中函数runif()用来生成0-1去见上服从均匀分布的伪随机数。

代码清单5-2 生成服从正态分布的伪随机数
runif(5)
runif(5)
set.seed(134)
runif(5)
set.seed(134)
runif(5)

2.生成多元正态数据

在模拟研究和蒙特卡洛方法中，你经常需要获取来自给定均值向量和协方差阵的多元正态分布数据。MASS包中的mvrnorm（）函数可以让这个问题变得很容易，其调用格式为

mvnorm(n, mean, sigma)

对上述格式解释如下

• n：你想要的样本大小

• mean：均值向量

• sigma：方差-协方差矩阵（或相关矩阵）

下面代码将实现从一个三元正态分布中抽取500个观测

#打码清单5-3 生成服从多元正态分布的数据
library(MASS)
options(digits = 3)
set.seed(1234)
mean <-c(230.7, 146.7, 3.6)
sigma <- matrix(c(15360.8, 6721.2, -47.1, 6721.2, 4700.9, -16.5, -47.1, -16.5, 0.3), nrow = 3, ncol = 3)
mydata <- mvrnorm(500,mean, sigma)
mydata <- as.data.frame(mydata)
names(mydata) <- c("y", "x1", "x2")
dim(mydata)
head(mydata, n = 10)

血管紧张素II在气道炎症期间通过AT1a增加ILC2s反应

ILC2已经成为驱动过敏性气道炎症的关键介质。

最近，J Exp Med发表了来自天津医科大学基础医学院的一项研究。在这项研究中，采用了木瓜蛋白酶诱导的肺部炎症。研究人员将血管紧张素（Ang）II鉴定为ILC2的正调节剂。ILC2s表达更高水平的AngII受体AT1a，并与表达血管紧张素原的肺上皮细胞共定位。AngII的施用显著增强了体内和体外ILC2反应，这在AT1a缺陷小鼠中几乎完全消除。AT1a的缺失或AngII-AT1轴的药理学一直导致了气道炎症的显著缓解。AngII对ILC2的调节是细胞内在的、依赖于IL-33，并且与转录谱的显著变化和ERK1/2磷酸化的上调有关。另外，较高水平的血浆AngII与循环ILC2的丰度以及小鬟患者的疾病严重程度呈正相关。

这些观察结果揭示了AngII在调节ILC2反应和气道炎症中的关键作用。

第五章（一）：数学函数和统计函数

R中作为数据处理基石的函数，可以分为数值（数学、统计、概率）函数与字符处理函数

数学函数

表5-2数学函数

函数	描述	示例
abs(x)	绝对值	abs(-4)返回值为4
sqrt(x)	平方根	sqrt（25）返回值为5
ceilling(x)	不小于x的最小整数	ceiling（3.475）返回值为4
floor(x)	不大于x最大整数	floor（3.475）返回值为3
frunc(x)	向0的方向截取x中的整数部分	trunc（5.99）返回值为5
round(x, digits = n)	将x舍入为指定位的小数	round(3,475, digits =2)返回值为3.48
signif（x, digits = n）	将x舍入为指定的有效数字位数	signif(3.475, digits =2)返回值为3.5
cos(x), sin(x),tan(x)	余弦、正弦、和正切	cos(2)返回值为-0.416
acos(x), asin(x), atan(x)	反余弦、反正弦、反正切	acos(-0.416)返回值为2
cosh(x), sinh(x), tanh(x)	双曲余弦、双曲正弦、双曲正切	sinh(2)返回值为30627
acosh(x), asinh(x), atanh(x)	反双曲余弦、反双曲正弦、反双曲正切	asinh(3.627)返回值为2
log(x,base = n)	对x取以n为底的对数
log(x)	自然对数	log(2) = 1
log10(x)	常用对数	log10(10) = 1
exp(x)	指数函数	exp(2.3026) = 10

对数据变换是这些函数的一个主要用途。

当这些数学函数被应用于数值向量、矩阵或数据框时，他们会作用于每一个独立的值

观察下列应用返回的值

squrt(c(4, 16, 25))
#返回值为c(2, 4, 5)

统计函数

许多统计函数都拥有可以影响输出结果的可选参数，例如

z <- mean(x, trim = 0.05, na.rm = TRUE)

上述命令提供了截尾平均数，即丢弃了最大的5%和最小的5%的数据和所有缺失值后的算术平均数。

表5-3 统计函数

函数	描述	举例
mean(x)	平均数
median(x)	中位数
sd(x)	标准差
var(x)	方差
mad(x)	绝对中位数	mad(c(1, 2,3, 4)) = 1.48
quantile(x, probs)	求分位数，其中x为待求分位数的数值型向量，probs为一个由[0，1]之间的概率值组成的数值向量	求x的30%和84%分为点 y <- quantile(x, c(0.3, 0.84))
range(x)	求值域	x <- c(1, 2, 3, 4) rang(x)返回值为c(1, 4)
sum(x)	求和
diff(x, lag = n)	滞后差分，lag用以指定滞后几项，默认的lag为1	x <- c(1, 5, 23, 29) diff(x)返回值为c(4, 18, 6)
min(x)	求最小值
max(x)	求最大值
scale(x, center = TRUE, scale = TRUE)	为数据对象x按列进行中心化（center = TRUE）或标准化（center = TRUE, scale = TRUE）	代码清单5-6中给出一个示例

#代码清单5-1 均值和标准差的计算 ####
x <- c(1, 2, 3, 4, 5, 6, 7, 8)
mean(x)
sd(x)
n <- length(x)
meanx <- sum(x)/n
css <- sum((x - meanx)^2)
sdx <-squrt(css / (n-1))
meanx
sdx

数据的标准化

默认情况下，函数scale()对矩阵或数据框的指定列进行均值为0、标准化为1的标准化

newdata <- scale(mydata)

要对每一列进行任意均值和标准差的标准化，可以使用如下代码

newdata <- scale(mydata)*SD +M

要对指定列而不是整个矩阵或数据框进行标准化，可以使用这样的代码

newdata <- transform(mydata, myvar = scale(myvar)*10 +50)