【摘 要】
：
目的:近年来,许多研究表明含有IQ基序的GTP酶激活蛋白3(IQ Motif Containing GTPase-Activating Protein 3,IQGAP3)在几种人类癌症的进展中发挥着十分重要的作用。本研究旨在
论文部分内容阅读
目的:近年来,许多研究表明含有IQ基序的GTP酶激活蛋白3(IQ Motif Containing GTPase-Activating Protein 3,IQGAP3)在几种人类癌症的进展中发挥着十分重要的作用。本研究旨在探讨IQGAP3在前列腺癌中的表达和生物学功能。方法:我们首先通过免疫组织化学方法和对TCGA数据库(The Cancer Genome Atlas Program)中相关信息的比对来评估IQGAP3在前列腺癌中的表达水平。其次用慢病毒转染技术下调IQGAP3在细胞系中的表达并用PCR及Western blot验证下调是否成功,最后采用相关功能试验(细胞增殖实验、划痕实验和流式细胞术)探讨IQGAP3对前列腺癌细胞增殖、迁移及凋亡的生物学行为的影响。结果:1.IQGAP3在前列腺癌的组织水平有显著上调,这与从TCGA数据库中比较得出的结论一致。2.通过慢病毒转染技术成功构建IQGAP3下调表达的前列腺癌细胞株DU145-IQGAP3-shRNA及对照组DU145-NC。3.CCK-8细胞增殖实验检测结果显示在24h、48h、72h三个时间点进行细胞增殖检测时,DU145-IQGAP3-shRNA组相对DU-145-NC组增殖水平显著降低,伤口愈合实验(划痕实验)结果表明,在划痕后的72h内,总的细胞相对迁移距离DU145-IQGAP3-shRNA组较对照组显著缩短。流式凋亡实验结果表明,病毒转染后48小时DU145-IQGAP3-shRNA组较DU-145-NC组细胞诱导出更显著的细胞凋亡。结论:前列腺癌组织中IQGAP3表达较癌旁组织增高,下调IQGAP3在前列腺癌细胞系DU-145中的表达可显著抑制细胞增殖、迁移能力并明显促进细胞凋亡。
其他文献
大连市近些年来在养老事业的发展上取得了突出成果,几种典型的养老模式得到了各界的认可。但在精神养老服务方面还处于发展阶段,主要矛盾是供给与需求之间的平衡问题,即老年
岩石孔隙度是影响地震波在岩石介质中传播的主要因素。但是多年学术研究证明,孔隙结构不同而孔隙度相同的岩石等效弹性性质变化也很大。因此,岩石孔隙结构也是影响饱和岩石等效弹性性质的主要因素之一。在储层预测过程中,考虑岩石孔隙结构的影响会提高对储层的预测精度。而目前在岩石物理学中,没有具体定义岩石孔隙结构的物理意义。所以近年来专家们都是根据工区的具体情况来定义孔隙结构。因此,本文从孔隙形状方面出发来定义孔
酰基辅酶A结合蛋白（Acyl CoA binding protein,ACBP）是分子量约有10kD的保守性蛋白,普遍存在于真核生物中。该蛋白能够特异性的与中长链酰基辅酶A酯结合,并且在一定程度上调控
同声传译因其过程的复杂性和交际条件的有限性而成为一项重负荷的认知任务。如何合理应对同声传译过程中多种问题触发因素对译员认知负荷的影响,保证同声传译的质量,受到口译
假设n,m≥1并且λ=(λ1,λ2),λ1,λ2>1.对任意的x=(x1,x2)∈ Rn × Rm,多参数Littlewood-Paley gλ*函数gλ*(f)定义为gλ*(f)(x1,x2)其中Kt,12(f)(x1,x2)=∫∫Rn×Rm(y1,y2,z1,z2)f(z1,z2)dz1dz2.在本论文中,利用乘积Hardy空间的原子分解和Journe覆盖引理证明多参数Littlewoo
本课题同时使用P2探针荧光标记和HPLC药物定量的方法研究了注射用脂肪乳的体内命运。由于P2荧光探针的独特的水淬灭特性,其荧光信号就代表了完整脂肪乳纳米粒子的信号。首先,使用不同的方法制备了P2标记的营养型脂肪乳和丙泊酚脂肪乳注射液,并考察了其各自的体外稳定性,验证了荧光标记方法的可靠性。与此同时,建立了丙泊酚体内样品的HPLC分析方法,并验证了其可靠性和准确性。荧光分析结果表明所有脂肪乳制剂的纳
急性肾损伤(actue kidney injury,AKI)表现为肾功能急剧下降,是一种由多种病因引起的临床综合征,也是临床常见的急危重症之一。其发病原因主要包括缺血缺氧、脓毒血症、肾毒
循环程序的终止性分析是程序验证的重要组成部分。确保循环程序的终止是循环程序完全正确的必要条件。目前,用来证明程序终止性的主流方法是通过合成秩函数的方法来证明。秩
目的:本研究的目的是为了确定McKeown微创食管癌根治术（minimally invasive esophagectomy,MIE）后颈部吻合口瘘（cervical anastomotic leakage,CAL）的危险因素,并确定相应的截断
随着大规模高维数据在研究和工业领域的普及,对数据分析和知识发现的可扩展计算技术的需求越来越大。将这些数据转化为知识的关键是学习高效的数据统计模型。由于计算机的性能限制,在单机环境下利用大规模数据集学习模型具有很大的局限性;同时,现有的大量学习统计模型的方法,通常在应用于大规模数据时具有较高的计算成本,或者产生学习能力不强的模型。为了解决这两个问题,本文开展了压缩回归与分类问题的算法与应用研究,本文