Cấy chỉ là gì? Các công bố khoa học về Cấy chỉ
Cấy chỉ là quá trình chuyển ghép một phần thực vật hoặc động vật vào một vị trí khác trong cùng một cơ thể bằng cách cắt và chèn vào. Việc cấy chỉ thông thường ...
Cấy chỉ là quá trình chuyển ghép một phần thực vật hoặc động vật vào một vị trí khác trong cùng một cơ thể bằng cách cắt và chèn vào. Việc cấy chỉ thông thường được thực hiện trong ngành y học để chữa trị các vấn đề sức khỏe, như cấy ghép tim, cấy ghép phổi hoặc cấy ghép tế bào gốc. Ngoài ra, cấy chỉ cũng có thể được sử dụng trong ngành nông nghiệp để tạo ra các loại cây mới có đặc tính khác nhau hoặc cải thiện năng suất.
Cấy chỉ trong y học:
Trong lĩnh vực y học, cấy chỉ được sử dụng để chữa trị và phục hồi sức khỏe cho các bệnh nhân. Các loại cấy chỉ thông thường bao gồm:
1. Cấy ghép nội tạng: Đối với những bệnh nhân có bệnh quái ác hoặc bị hư hại nội tạng, cấy ghép nội tạng có thể được thực hiện. Các bộ phận như tim, phổi, gan, thận, tủy xương, gan và tụy có thể được cấy ghép từ một nguồn chính (như một người hiến tạng) vào người bệnh.
2. Cấy ghép mô: Quá trình này bao gồm việc chuyển ghép một phần tế bào, mô hoặc cả hệ thống mô từ một vị trí trong cơ thể đến vị trí khác. Ví dụ, cấy ghép da để phục hồi da bị bỏng nặng hoặc cấy ghép xương để phục hồi xương bị gãy.
3. Cấy ghép tế bào gốc: Tế bào gốc là tế bào linh hoạt có khả năng biến đổi thành nhiều loại tế bào khác nhau trong cơ thể. Các tế bào gốc có thể được cấy ghép để chữa trị các bệnh lý như ung thư, bệnh tim, suy thận, bệnh Parkinson và tự miễn dịch. Điều này nhờ vào khả năng tạo ra tế bào mới và phục hồi cơ thể bị tổn thương.
Cấy chỉ trong nông nghiệp:
Cấy chỉ trong nông nghiệp áp dụng công nghệ sinh học để tạo ra các loại cây mới có đặc tính khác nhau hoặc cải thiện năng suất. Có một số phương pháp cấy chỉ trong nông nghiệp, bao gồm:
1. Nhiễm trùng mô: Phương pháp này áp dụng cắt và chèn một phần mô cây vào một cây khác. Quá trình này có thể tạo ra một loại cây mới khi mô cây chủ được nhiễm trùng bởi mô cây donator.
2. Cấy chỉ di truyền: Quá trình điều chỉnh gen trong cây để chuyển đổi các tính chất di truyền. Kỹ thuật này có thể giúp cải thiện năng suất, chất lượng, kháng bệnh và kháng sâu bệnh của cây trồng.
Cả hai lĩnh vực trên đều sử dụng cấy chỉ để đạt được các mục tiêu khác nhau như chữa trị bệnh tật trong y học và cải thiện nông nghiệp trong ngành nông nghiệp.
Danh sách công bố khoa học về chủ đề "cấy chỉ":
Nhiệt độ tán lá, được đo bằng nhiệt ẩm hồng ngoại, cùng với nhiệt độ không khí bóng ướt và khô và một ước lượng về bức xạ ròng đã được sử dụng trong các phương trình được phát triển từ các cân bằng năng lượng để tính toán chỉ số căng thẳng nước cây trồng (CWSI). Các giới hạn lý thuyết đã được thiết lập cho sự chênh lệch nhiệt độ không khí trong tán lá liên quan đến độ thiếu hụt áp suất hơi nước của không khí. CWSI được chứng minh là bằng 1 -
Phần lớn thông tin có sẵn về các yếu tố ảnh hưởng đến sự phân hủy mRNA trong
Chín loại chiết xuất từ húng quế (
Đánh giá độ tin cậy và độ giá trị của bảng câu hỏi tỉnh thức Southampton (SMQ), công cụ đo gồm 16 mục để nhận thức tỉnh thức về những suy nghĩ và hình ảnh đáng lo ngại.
Tổng cộng 256 người đã tham gia, gồm 134 người trong mẫu cộng đồng không có dấu hiệu lâm sàng (83 người thiền định và 51 người không thiền định) và một mẫu lâm sàng gồm 122 người đang có chứng loạn thần gây khổ sở hiện thời. Để đánh giá độ giá trị đồng thời, các người tham gia không mắc bệnh lâm sàng và một nửa người tham gia mắc bệnh lâm sàng (tổng cộng 197 người tham gia) đã hoàn thành thang đo nhận thức và chú ý tỉnh thức (MAAS). Các liên kết dự đoán được đánh giá với cảm xúc và 59 bệnh nhân đã hoàn thành thước đo được xác nhận để đánh giá liên kết giữa tỉnh thức và cường độ của trải nghiệm ‘mê tín’.
Thang đo có cấu trúc một yếu tố duy nhất, có độ tin cậy nội bộ tốt, tương quan đáng kể với MAAS, cho thấy các mối liên hệ dự kiến với ảnh hưởng và phân biệt giữa những người thiền định, người không thiền định và người mắc chứng loạn thần.
Dữ liệu hỗ trợ việc sử dụng SMQ trong thực hành và nghiên cứu lâm sàng để đánh giá phản ứng tỉnh thức với những suy nghĩ và hình ảnh khó chịu.
Mục tiêu chính của nghiên cứu này là đánh giá và so sánh hiệu suất của các thuật toán học máy (ML) khác nhau, cụ thể là Mạng Nơron Nhân Tạo (ANN), Máy Học Tăng Cường (ELM) và thuật toán Cây Tăng Cường (Boosted), khi xem xét ảnh hưởng của các tỷ lệ đào tạo đối với kiểm tra trong việc dự đoán độ bền cắt của đất, một trong những tính chất kỹ thuật địa chất quan trọng nhất trong thiết kế và xây dựng công trình. Để thực hiện điều này, một cơ sở dữ liệu gồm 538 mẫu đất thu thập từ dự án nhà máy điện Long Phú 1, Việt Nam, đã được sử dụng để tạo ra các bộ dữ liệu cho quá trình mô hình hóa. Các tỷ lệ khác nhau (tức là 10/90, 20/80, 30/70, 40/60, 50/50, 60/40, 70/30, 80/20, và 90/10) đã được sử dụng để chia bộ dữ liệu thành bộ dữ liệu đào tạo và kiểm tra nhằm đánh giá hiệu suất của các mô hình. Các chỉ số thống kê phổ biến, chẳng hạn như Lỗi Bình Phương Trung Bình (RMSE), Lỗi Tuyệt Đối Trung Bình (MAE) và Hệ Số Tương Quan (R), đã được sử dụng để đánh giá khả năng dự báo của các mô hình dưới các tỷ lệ đào tạo và kiểm tra khác nhau. Ngoài ra, mô phỏng Monte Carlo đã được thực hiện đồng thời để đánh giá hiệu suất của các mô hình đề xuất, có tính đến ảnh hưởng của lấy mẫu ngẫu nhiên. Kết quả cho thấy mặc dù cả ba mô hình ML đều hoạt động tốt, nhưng ANN là mô hình chính xác nhất và ổn định nhất về mặt thống kê sau 1000 lần mô phỏng Monte Carlo (R Trung Bình = 0.9348) so với các mô hình khác như Boosted (R Trung Bình = 0.9192) và ELM (R Trung Bình = 0.8703). Điều tra về hiệu suất của các mô hình cho thấy khả năng dự báo của các mô hình ML bị ảnh hưởng lớn bởi các tỷ lệ đào tạo/kiểm tra, trong đó tỷ lệ 70/30 thể hiện hiệu suất tốt nhất của các mô hình. Một cách ngắn gọn, kết quả được trình bày ở đây thể hiện một cách thức hiệu quả trong việc lựa chọn các tỷ lệ dữ liệu phù hợp và mô hình ML tốt nhất để dự đoán chính xác độ bền cắt của đất, điều này sẽ hữu ích trong các giai đoạn thiết kế và kỹ thuật của các dự án xây dựng.
Vào cuối năm 1987, đã xảy ra một vụ ngộ độc do việc tiêu thụ ngao xanh nuôi trồng (Mytilus edulis) từ một khu vực nhỏ ở miền Đông Canada (vịnh Cardigan, đảo Prince Edward) liên quan đến sự nở hoa mạnh mẽ của Nitzschia pungens, một loại diatom phân bố rộng rãi, chưa được biết đến khả năng sản xuất độc tố; đã có trường hợp tử vong ở người. Tại đây chúng tôi cung cấp chứng cứ cho thấy tác nhân gây bệnh, axit domoic, thực sự được sản xuất bởi diatom này. Mặc dù không phát hiện được axit domoic (<2 ng∙mL−1) trong môi trường nuôi cấy (FE) chuẩn bị từ nước sông Cardigan, nhưng nó đã được tìm thấy trong các văn hóa của Nitzschia pungens được nuôi trong môi trường này với nồng độ dao động từ 0.03 đến 0.8 pg∙cell−1 trong nhiều văn hóa riêng biệt thu hoạch để phân tích hóa học 7–68 ngày sau khi cấy.
Bảng hỏi về nhận thức của trẻ em (CPQ8–10 và CPQ11–14) là chỉ số liên quan đến chất lượng cuộc sống liên quan đến sức khỏe miệng của trẻ em. Mục tiêu của nghiên cứu này là đánh giá độ tin cậy và tính hợp lệ của CPQ8–10 và CPQ11–14 tự áp dụng ở trẻ em Brazil, sau khi đã được dịch và điều chỉnh văn hóa sang tiếng Bồ Đào Nha Brazil.
Các học sinh đã được tuyển chọn từ các quần thể chung để thực hiện thử nghiệm trước (n = 80), đánh giá độ tin cậy (n = 210) và tính hợp lệ kiểm tra lại (n = 50). Họ cũng được kiểm tra về sâu răng, viêm nướu, fluorosis và sai lệch khớp cắn.
Các trẻ em có kinh nghiệm sâu răng lớn hơn trong bộ răng sữa có ảnh hưởng cao hơn đến các miền CPQ. Các bé gái có điểm số cao hơn cho các miền CPQ8–10 so với các bé trai. Điểm CPQ11–14 trung bình cao nhất là ở trẻ em 11 tuổi và thấp nhất ở trẻ em 14 tuổi. Tính hợp lệ cấu trúc được hỗ trợ bởi các mối liên hệ đáng kể giữa điểm số CPQ8–10 và CPQ11–14 với đánh giá tổng thể về sức khỏe miệng (r = 0.38, r = 0.43) và phúc lợi tổng thể (r = 0.39, r = 0.60), tương ứng. Alpha Cronbach là 0.95 cho cả hai bảng hỏi. Độ tin cậy kiểm tra lại của điểm CPQ8–10 và CPQ11–14 đều rất tốt (ICC = 0.96, ICC = 0.92).
Phiên bản tiếng Bồ Đào Nha Brazil của CPQ8–10 và CPQ11–14 có giá trị và độ tin cậy cho việc sử dụng trong dân số trẻ em Brazil, mặc dù tính hợp lệ phân biệt không đồng đều do các ảnh hưởng được trung gian bởi các yếu tố khác như các biến cá nhân, xã hội và môi trường.
- 1
- 2
- 3
- 4
- 5
- 6
- 10