全国首批试点

请您微信扫码加入

关于新冠肺炎病毒这些最新发现你一定...

微信公众号移动端

  • 志愿者人数

    116人

  • 活动次数

    635次

  • 累计时长

    79737.6小时

发起组织: 锦屏社区新时代文明实践站

陕西省渭南市富平县庄里镇锦屏社区

负责人: 联系方式:

活动联系人:杨静伟 联系方式:17392137708

活动流程
  • 活动发起

    "锦屏社区新时代文明实践站" 发起"关于新冠肺炎病毒这些最新发现你一定要知道"活动

    2021-01-13 14:44
  • 志愿者招募

    活动正在招募志愿者中

    截止2021-01-14 08:25
  • 活动开展中

    活动正在"陕西省渭南市富平县庄里镇锦屏社区居委会"开展中

    2021-01-14 08:30
  • 活动完成

    "关于新冠肺炎病毒这些最新发现你一定要知道"活动已举办完成

    截止2021-01-14 21:00
活动详情
当前位置 首页 志愿活动 活动详情
点击收藏
关于新冠肺炎病毒这些最新发现你一定要知道

已结束 计划招募60/已招募15人

陕西省渭南市富平县庄里镇锦屏社区居委会

招募时间:

2021-01-13 14:382021-01-14 08:25

活动时间:

2021-01-14 08:302021-01-14 21:00

服务类别: 信息宣传

服务对象: 青少年

0

志愿者保障:戴口罩

感染新冠后体内的变化

以往多数与新冠病毒相关的基础研究,是在实验室内利用基于病毒感染的细胞系模型来推测病毒对人体各器官造成的影响。

缺乏对新冠肺炎重症患者多器官损伤的病理学观察表型背后的分子水平研究,难以深刻认识新冠致死的机理,从而难以对患者进行精准的干预治疗。

为此,西湖大学郭天南团队及其合作者收集了19例新冠病故患者的肺、脾、肝、心脏、肾脏、甲状腺等6种器官的组织样本。

基于高压循环技术(PCT)及TMT标记结合鸟枪法蛋白质组技术的质谱数据采样以及组学数据分析,研究团队鉴定了11394个人源蛋白质分子,绘制出新冠危重症病故患者的多器官蛋白分子全景图。

西湖大学生命科学学院特聘研究员郭天南表示:研究结果揭示,与非新冠患者的对照组织样本比较,新冠肺炎病故患者组织样本中5336个蛋白质发生了改变。

郭天南介绍,在人体七类器官组织中,脾脏红髓里未鉴定到明显改变的蛋白,而肝脏里改变的蛋白数量最多(1970个),这意味着新冠肺炎病故患者中肝脏受到的损伤可能比较大。

研究团队还发现,帮助病毒进入细胞相关的组织蛋白酶L(CTSL),在新冠病人肺部明显增多,意味着CTSL可能是阻断病毒入侵的潜在治疗靶点。

此外,虽然新冠患者仅肺部发生了实质性纤维化病变,但蛋白组学结果显示,在肝脏、肾脏等器官也有组织纤维化先兆。

肝肾纤维化先兆

研究团队进一步对多种器官的生理功能、病理形态与蛋白质组学进行系统比较研究,发现多个肺部蛋白出现改变,包括与病毒增殖相关、参与肺纤维化病理过程及降解病毒限制因子的蛋白。

郭天南介绍,蛋白组学结果显示,肺部和脾脏表现出以免疫检查点蛋白的上调及T细胞富集蛋白的下调为分子特征的适应性免疫反应抑制,且脾脏的T、B等淋巴细胞减少也印证了该分子特征。

“ 从临床病理学来看,虽然只有肺部发生了实质性的纤维化病变,但蛋白组学结果显示,在肝脏、肾脏等器官也观察到组织纤维化的先兆。”郭天南分析,这提示,对已恢复健康的危重症新冠病人而言,需要对“多器官纤维化”这一可能出现的后遗症进行预防和采取提前干预。

此次研究还找到了新冠肺炎病故患者的睾丸组织中发生明显改变的10个蛋白,它们的功能与胆固醇合成抑制、精子活性降低和Leydig细胞特异标记物减少紧密相关。

“听见”新冠肺炎

在全球大流行的情势下,迫切需要新冠肺炎的快速鉴别,实时、远程诊断以及无需大型设备的诊断。 

华中科技大学同济医学院附属同济医院心内科教授曾和松团队开展了以“基于心肺听诊的新冠肺炎(COVID-19)人工智能分级诊断研究”,此研究是全国乃至全球率先对新冠肺炎进行心肺音听诊记录并进行智能诊断的研究,即“听见”新冠肺炎

2020年4月1日至4月5日新冠疫情期间,曾和松领导团队的朱红玲和赖金胜对在同济医院住院治疗的172例新冠肺炎确诊病例进行了多部位心肺听诊记录,采集心肺音数据,并对所有心肺音听诊数据分类和诊断,同时将数据传输到电脑端构建数据库

根据冠状病毒性肺炎的诊断和治疗方案(第7版),将患者分为普通型,重型和危重型组,同时纳入50位正常患者作为对照组。

以本研究数据库为基础,合作方华中科技大学光学与电子信息学院王超教授和江汉大学物理与信息工程学院张建敏教授建立深度学习人工智能(AI)模型,并分析模型的准确率、F1分数、敏感性和特异性等多项指标。

该智能模型对正常患者和新冠肺炎异常肺音进行分类的准确率达95%以上,并进一步的可将正常,普通型,重型和危重型患者进行分级诊断,准确率达95%以上。特别是在诊断识别肺部的啰音、哮鸣音和痰鸣音时,模型同样具有95%的高准确率。

曾和松介绍,目前此项研究正在申请知识产权专利。心肺音数据采集,非专业人士即可操作,快速、远程、无创、无需大型设备、无实物采样,尤其在如新冠肺炎一类高传播性和高致死性的疾病中具有重大意义。

同时研究发现,通过深度学习模型能够准确和有效的区分异常肺音与正常肺音,并将异常肺音识别为不同类型,以作为分级新冠肺炎严重等级的指标,更重要的是还能够检测不同种类的异常肺音,对疾病的病例生理机制提供科学支持。