Graphpad Prism 绘制柱状图与散点图共存图

本文参考https://docs.qq.com/doc/DZEFHalVWU3lQcVFR?from=singlemessage,仅供自学和分享,如有侵权立删

此图为一篇文献中的图,右图的统计图是左图Western条带Nuak1水平柱状图和散点图共存图。这种表现形式的优点是既能够很好显示数据的均值(Mean)和标准差(SD)或者标准误(SEM)又能以散点显示数据的分布。

image.png

绘制

一、

  • 打开Graphpad Prism 7.0软件

  • 在New table & graph中选择Column(列),Enter/import data有三种数据输入方式,在此我们选择Enter replicate values,stacked into columns(输入平行数据使之成列)。

  • 其他两个选项分别为输入配对的重复测量值和输入已经计算好的均值和误差值。

  • 注:绘制柱状图与散点图共存图不能使用第三种输入已经计算好的均值和误差值输入方式,因其本身只有均值和误差值,故不会显现数据分布的散点图。

image.png

  • 新建数据Data1界面如下

    image.png

二、

  • 输入数据列,共5列

    image.png

  • 在Graphs下点击Data1进入Change Graph Type界面。Graph family下可以选择XY,Column……Column bar graph 默认显示Mean with SD,可以根据需要改为SEM。Preview下可以看见Data1绘图的效果,右边的三角形可以切换不同图形的预览。

image.png

image.png

  • 选择柱状图和散点图共存图,Scatter plot with bar,Plot: Mean with SD(可根据需要选择)。柱状图和散点图共存图在此有两种方式可以选择一种是垂直的柱状图与散点图共存图,另一种是水平的柱状图散点图共存图,我们在此以垂直的柱状图与散点图共存图为例。

image.png

  • 水平的柱状图散点图共存图:

    image.png

  • Data1垂直的柱状图与散点图共存图最初效果如下:

    image.png

  • 我们可以看到最初效果中数据列名称A、B、C……为倾斜45°角模式。

  • 双击列名称,进入Format Axes界面,可以看见Location of numbering/labling 此时为Below,angled(向下,角度),角度为45°。

    image.png

  • 有以下几种选择方式:

image.png

  • None无标记:

    image.png

  • Above标记朝上;Below,horizontal 朝下,水平;Below,vertical 朝下,垂直;Below,angled 朝下,角度(可在Numbering/labeling angle选择角度大小)。

image.png

三、

  • 进行美化修饰,修改纵坐标为Recognition Index(RI)

    image.png

双击散点,进入Format Graph界面,选择Data set,Global,change all data sets (选择所有数据列)

image.png

  • 将所有散点的Symbols Shape改为圆形,Size由4改为3。

image.png

  • 效果如下:

image.png

  • 双击散点,在Format Graph的Data set中分别选择Data1:A,Data1:B……更改其对应的颜色。Error bars 统一改为蓝色(9 E)。

image.png

image.png

四、

  • Export导出图片,选择导出为TIF格式,背景颜色为White,分辨率为600 dpi,Color Model选择RGB(millons of colors,24 bits),Size Make width为8 cm。

  • 水平的柱状图散点图共存图的操作步骤与上述相同。

image.png

点击数:0

颌骨内异常结构病变的诊断过程——陈志平教授

颌骨内异常结构病变的诊断过程——陈志平教授

原创

今日口腔



中国医学论坛报今日口腔


5天前

作者:陈志平

加拿大全球口腔医疗中心

概述

通常对根尖周放射影像进行判读前,无论是面对透射阴影还是阻射结构,都需先排除它是否属于正常解剖组织结构或是邻近结构的重叠投影,随后再去分辨它是否属于牙源性病变(odontogenic problems)。如果能够察觉出这个病变和牙体组织无关(non-odontogenic lesions),例如:良性或恶性的颌骨囊肿,或是神经、血管、唾液腺体、各类纤维肉瘤或是肿瘤时,需要尽快协助患者到相关专家处,接受更详细的治疗咨询或处置。

若是经由各项检查之后,能够判定它属于牙源性病变,那么就必须抽丝剥茧,检测患牙的牙髓组织状态如何。除非能够明确患牙牙髓活性仍属正常(vital,or normal pulpal response),例如疑似病变是牙周囊肿(periodontal cyst)、或是根尖区牙骨质发育不良(periapical cemento-osseous dysplasia,PCOD)等,可不进行根管治疗。否则多半只要判定它属于牙源性病变,而且该牙的牙髓组织已被确定没有正常的活力表现时,就应先进行正规的根管治疗程序,之后再通过定期复查,观察病变组织的愈合表现,最终才能明确认定它是否确实是来自牙髓的病变(lesions of endodontic origin,LEO)。

病例分享

 基本信息   患者男,40余岁。

 主诉  患者在进行洁治时,进行了影像学检查,X线片显示在颌骨深层有个异常的影像,建议进行更详细的检查,以查明异常结构的属性。

 既往史  患者自述多年前曾经接受上颌两侧阻生牙的拔除以及龋齿充填治疗,下颌阻生牙因未萌出,未感不适,所以不曾处理,幼年或青少年时期曾有碰撞,具体不详。

 影像学检查  该患者口腔曲面体层片显示45根尖区有一边界清晰(well-defined)、约16 mm×14 mm近乎圆形的透射影,而且在阴影内部又夹杂有阻射斑块的影像,由于该特异影像和颏神经孔所在重叠(图1),必须理清病因。

图1 患者初诊曲面体层片

病例分析

通常出现在根尖周旁的放射透射影,最常见的就是和牙髓根管相关的炎性病变,例如:根尖肉芽组织、根尖囊肿等,或者是由根尖周邻近组织所衍生出较为良性的病灶,如牙周囊肿、纤维囊肿、腺体囊肿、黏液瘤、血管瘤、神经瘤、牙骨质瘤、软骨瘤、骨瘤、牙骨质骨组织发育不全等,又或因原位胚胎组织发育异常、突变增生出较有恶性倾向的肿瘤,例如:牙釉质母细胞瘤、牙骨质母细胞瘤、各类型肉瘤、类腺体肿瘤等,但也有可能属于正常结构的影像,或治疗后愈合中尚未完全复原的过渡残缺痕迹以及治疗后未彻底清除致使残留病变组织再恶化增生。然而,若在其透射阴影内部同时又有阻射斑块者,那么其病变的类别就更加窄化而不多见。但无论这个特殊影像结构实质是什么,对专科医师而言,先辨识口腔牙体的炎性病变,才能知道有无必要提供后续相对应的治疗。

口腔检查

牙龈黏膜无特别的红肿发炎,按压时无异常(图2);触诊检查右侧下颌骨头的颊侧和舌侧外形幅度,未发现鼓起或呈现出压痛、敏感不适症状(图3)。而右下牙体形态大致完整,未发现龋病,分别对各个邻近牙体作冷、热刺激测试,也都呈现出活性牙髓的反应叩诊也未见异常。牙周探诊均在正常范围内。X线检查显示,经由咬合翼片影像看到46、45和44的牙冠结构相当完整(图4);而根尖影像也显示46、45 和44 根尖周旁的牙槽骨板都呈现连续完整的形态(图5);只是这个特异影像因正好位处颏神经孔附近,与颏神经孔所在位置重叠(图6),可能是源自神经组织的增生,不知是否已经压迫到下牙槽神经管。患者自述右侧嘴角、脸颊肌肤未曾出现麻木依目前检查信息,已可初步判断该特异影像与牙体无关,此刻没有施行治疗的必要。建议患者进行锥形束CT(CBCT)检查,通过三维立体观察,查清楚它到底属于何种组织结构,以及它的所在和邻近神经管出口的相对位置关系。日后万一有必要施行手术将它摘除或必须得作进一步切片检查时,CBCT 的影像将会是个非常有价值的参考依据。

图2  右下牙龈黏膜口内照

图3 触诊检查右侧下颌骨的颊侧和舌侧外形幅度,并无异常压痛、不适或鼓起

图4 46、45和44翼颌片

图5 46、45和44根尖片

图6 该结构部位X线片

进一步CBCT检查

CBCT显示,45的牙体正常,其髓腔根管和根管壁以及牙根周边的纤维韧带间隙、与牙槽骨板都完整正常,与位处其根尖部位的特异结构无关联,同时牙体各部位也都没有受到这个特殊结构的影响(图7),也没有造成对下颌(颊侧或舌侧)皮质骨的膨胀(no evidence of bone expansion)(图8)。

图7 CBCT显示该结构没有压迫下牙槽神经管

图8 CBCT显示颏神经孔位于该结构的前缘颊侧

同时,该结构在45的根尖区域,由上缘往下、从颊侧到舌侧,整个包覆经过下牙槽神经管(图9),看似有如下牙槽神经管穿通该结构,但它并也没有出现对神经管道有所压挤或使管道变形异位的情况。

图9 CBCT显示该结构整个包覆下牙槽神经管

至于颏神经孔则从该结构的前缘颊侧现身;同样颏神经孔道的行径,也没有受到该结构影响,依然维持有着正常、完整的周缘。

最终诊断

综合各项临床检查信息与整体影像表现,判定这个异常结构应该是正在愈合中的单纯骨囊肿(a healing simple bone cyst),也由于该结构对其所在周边的邻近组织并未造成侵害,因此更能确认这个判定无误。此刻虽无需施行任何治疗,但仍应持续追踪观察该结构的变化。

至于对CBCT影像的判读技巧与检视能力的强弱之处,是如今口腔医师必须积极学习的。然而,各位口腔医师必须先要有扎实的临床检查基本功,才不致迷失于三维影像所提供的庞大信息当中。

作者简介

陈志平教授

陈志平,教授,美国波士顿大学齿髓病学博士暨根管治疗专科医师,加拿大皇家牙医学院专科院士,中国台湾桃园全方位口腔医疗中心主任教授,全方圆教育训练中心5D 显微根管治疗系列课程主讲人。致力于推广可预期且成功的根管治疗技术,讲授传承施德氏技术(Schilder’sTechnique)。

疫情期间,陈志平教授特别搭建工作网站☞(http://www.pingannstudio.com),将其相关著作和案例分析,以电子书方式提供中文和英文版本分享给口腔医生们,部分内容可在线浏览,网站将会依据上网设备自动呈现适配的阅读窗口,欢迎各位口腔医生访问。同时,陈志平教授即将推出空中直播课程,感兴趣的口腔医生可以登录网站关注开播时段。访问网站可直接扫面下方二维码↓↓↓

来自《中国医学论坛报·今日口腔》

第311期06~07版

★转载请获本公众平台许可

(本期编辑:CMT小米)

///近期好课///

今日口腔StomatologyToday 抢先阅读最新《今日口腔》周刊! 小程序

“发现口腔人的精彩,满足口腔人的需要!

——《中国医学论坛报·今日口腔》

点击数:0

生存分析在线工具2020年4月吐血整理!

生存分析在线工具2020年4月吐血整理!

PubPeer

老的生存分析在线工具不断更新的同时,新的工具不断涌现,真是让人应接不暇。今天在这将现有的这些工具做一个综合整理。关于在线分析软件相关文献的发表期刊和年份我分别用红色和黑色加粗字体标记了,在选择相应工作的时候可以作为参考。加了

的是网页使用比较顺畅的。

01

Kaplan Meier-plotter

网址:http://kmplot.com/analysis/index.php?p=background

简介

The Kaplan Meier plotter is capable to assess the effect of 54k genes on survival in 21 cancer types. The largest datasets include breast (n=6,234), ovarian (n=2,190), lung (n=3,452), and gastric (n=1,440) cancer. The miRNA subsystems include 11k samples from 20 different cancer types. The system includes gene chip and RNA-seq data – sources for the databases include GEO, EGA, and TCGA. Primary purpose of the tool is a meta-analysis based discovery and validation of survival biomarkers.

使用者点评

这个网页提供的内置的乳腺癌、卵巢癌、肺癌、肝癌、胃癌数据库,不能选择TCGA特定的数据库。而且分析的多是Microarray而不是主流的RNAseq数据,所以看一眼就行了,不是一个主流的网站。(感觉是做测序的瞧不起做芯片的)

相关论文

1. Gyorffy B, Surowiak P, Budczies J, Lanczky A. Online survival analysis software to assess the prognostic value of biomarkers using transcriptomic data in non-small-cell lung cancer, PLoS One (IF=2.776), 2013 Dec 18;8(12):e82241. doi: 10.1371/journal.pone.0082241.阅读此文

2. Nagy A, Lánczky A, Menyhárt O, Gyrffy B. Validation of miRNA prognostic power in hepatocellular carcinoma using expression data of independent datasets,Scientific Reports (IF=4.011), 2018;8:9227 阅读此文

02

PROGgene

网址:http://genomics.jefferson.edu/proggene/

简介

PROGgene – Pan Cancer Prognostics Database。与其它软件不同的是这个工具提供了基因表达水平比值的预后分析。不过,应该和Normalized by gene(例如GEPIA2)的功能一样的效果。

第二版新功能简介如下:

NEW FEATURES IN VERSION 2

Perform Survival Analysis in a Variety of new ways

Users can now perform analysis on single genes, or select to perform analysis on mean expression of a group of user defined genesUsers can now perform analysis on Gene-Gene ratioAlso, users can perform analysis on entire gene signaturesChose from a repository of more than 10000 curated/published gene signatures.

New/Additional Datasets

We have added new datasets for tissue types in version 2. We have also introduced datasets for 3 tissue types for first time

Efficient use of covariates

Users can now divide cohorts selected for analysis by covariates available for the cohort. Also, users can now adjust survival model for available covariates

Better graphs with statistics

Click on the hyperlinked smaller graph on results page to get high resolution publication quality images. Also available are summary statistics for the survival model in table format

详见:http://genomics.jefferson.edu/proggene/intro.php

可惜的是,今天试用的时候,最后一步竟然不行,大家看看运气吧!

相关论文

VERSION 1oswami CP and Nakshatri H. PROGgene: gene expression based survival analysis web application for multiple cancers. J Clin Bioinforma (非SCI或ESCI). 2013 Oct 28;3(1):22 阅读此文

VERSION 2oswami CP and Nakshatri H. PROGgeneV2: enhancements on the existing database. BMC Cancer (IF=2.933). 2014 14:970. 阅读此文

03

SurvExpress

网址:http://bioinformatica.mty.itesm.mx:8080/Biomatec/SurvivaX.jsp

简介

最后一步无法操作

相关论文

Aguirre-Gamboa, R., Gomez-Rueda, H., Martínez-Ledesma, E., Martínez-Torteya, A., Chacolla-Huaringa, R., Rodriguez-Barrientos, A., … & Trevino, V. (2013). SurvExpress: an online biomarker validation tool and database for cancer gene expression data using survival analysis. PloS One (IF=2.776), 8 (9). 阅读此文

04

KM-express

网址:http://ec2-52-201-246-161.compute-1.amazonaws.com/kmexpress/index.php

简介

哎~又是一个好难打开的网站

相关论文

Chen, X., Miao, Z., Divate, M., Zhao, Z., & Cheung, E. (2018). KM-express: an integrated online patient survival and gene expression analysis tool for the identification and functional characterization of prognostic markers in breast and prostate cancers. Database-the Journal of Biological Databases and Curation (IF=3.683), 2018. 阅读此文

05

PrognoScan

网址:http://dna00.bio.kyutech.ac.jp/PrognoScan/index.html

简介

好素的首页▲

相关论文

Mizuno, H., Kitada, K., Nakai, K., & Sarai, A. (2009). PrognoScan: a new database for meta-analysis of the prognostic value of genes. BMC Medical Genomics (IF=2.568), 2 (1), 18. 阅读此文

06

lnCAR: lncRNA Explorer

网址:https://lncar.renlab.org/

简介

主要功能就是做lncRNA的差异表达和生存分析

相关论文

Zheng, Y., Xu, Q., Liu, M., Hu, H., Xie, Y., Zuo, Z., & Ren, J. (2019). lnCAR: a comprehensive resource for lncRNAs from Cancer Arrays. Cancer Research (IF=8.378), 79 (8), 2076-2083. 阅读此文

07

UALCAN

网址:http://ualcan.path.uab.edu/analysis.html

简介

使用者点评

可以调节的参数较少,而且设置起来特别别扭,而且图表都很丑。

相关论文

Chandrashekar, D. S., Bashel, B., Balasubramanya, S. A. H., Creighton, C. J., Ponce-Rodriguez, I., Chakravarthi, B. V., & Varambally, S. (2017). UALCAN: a portal for facilitating tumor subgroup gene expression and survival analyses. Neoplasia (IF=3.837), 19 (8), 649-658. 阅读此文

08

OncoLnc

网址:http://www.oncolnc.org/

简介

名字虽然是带lnc,但是不仅仅有lncRNA,还有mRNA和miRNA。

相关论文

Anaya, J. (2016). OncoLnc: linking TCGA survival data to mRNAs, miRNAs, and lncRNAs. PeerJ Computer Science (新入选SCI,无IF), 2 , e67. 阅读此文

09

OncomiR

网址:http://www.oncomir.org/

简介

使用者点评

生成的生存曲线清晰度差,无PDF格式文件。

相关论文

Wong, N. W., Chen, Y., Chen, S., & Wang, X. (2018). OncomiR: an online resource for exploring pan-cancer microRNA dysregulation. Bioinformatics (IF=4.531), 34 (4), 713-715. 阅读此文

10

MethSurv

网址:https://biit.cs.ut.ee/methsurv/

简介

TCGA数据库中收录的主要是450K芯片的数据,也有一些早期27K芯片的数据。本文所述的MethSurv就是基于TCGA数据集中的450K数据构建的可视化分析工具。MethSurv适用于没有特定生物信息学技能(不熟悉编程分析)的研究人员和临床医生,主要用于探索与癌症患者生存相关的甲基化生物标记物。

相关论文

Modhukur, V., Iljasenko, T., Metsalu, T., Lokk, K., Laisk-Podar, T., & Vilo, J. (2018). MethSurv: a web tool to perform multivariable survival analysis using DNA methylation data. Epigenomics (IF=4.404), 10 (3), 277-288. 阅读此文

11

BloodSpot

网址:http://servers.binf.ku.dk/bloodspot/

简介

加载半天就出现上面这个鬼样子▲

提供健康和恶性造血中基因和基因特征的基因表达谱,包括来自人类和小鼠的数据。除了显示集成表达图的默认图外,还有两个额外的可视化级别; 一个交互式树,显示样本之间的层次关系,以及Kaplan-Meier生存图。数据库被细分为几个可供浏览的数据集。

相关论文

Bagger, F. O., Sasivarevic, D., Sohi, S. H., Laursen, L. G., Pundhir, S., Snderby, C. K., … & Porse, B. T. (2016). BloodSpot: a database of gene expression profiles and transcriptional programs for healthy and malignant haematopoiesis. Nucleic acids research (IF=11.147), 44 (D1), D917-D924. 阅读此文

12

GEPIA 2

网址:http://gepia2.cancer-pku.cn/#survival

简介

在线TCGA基因表达和生存分析的工具(GEPIA2),2019年发表在NAR上,目前已更新到2.0版本。

使用者点评

北大做的一个在线生信系统,可以分析存活曲线、共表达、癌肿分析等,非常好用,而且在墙内,所以速度很优秀。

相关论文

Tang, Z., Kang, B., Li, C., Chen, T., & Zhang, Z. (2019). GEPIA2: an enhanced web server for large-scale expression profiling and interactive analysis. Nucleic acids research (IF=11.147), 47 (W1), W556-W560. 阅读此文

Tang, Z., Li, C., Kang, B., Gao, G., Li, C., & Zhang, Z. (2017). GEPIA: a web server for cancer and normal gene expression profiling and interactive analyses. Nucleic acids research (IF=11.147), 45 (W1), W98-W102. 阅读此文

13

GenomicScape

网址:http://www.genomicscape.com/microarray/survival.php

简介

数据不是非常丰富,包括结直肠癌、白血病、肝癌、淋巴癌、多发性骨髓瘤和卵巢癌的芯片数据。另外,图丑得不要不要的,这线条粗得,啧啧啧…如下图,感受一下。大家看看能不能调吧!

相关论文

Kassambara, A., Rème, T., Jourdan, M., Fest, T., Hose, D., Tarte, K., & Klein, B. (2015). GenomicScape: an easy-to-use web tool for gene expression data analysis. Application to investigate the molecular events in the differentiation of B cells into plasma cells. PLoS Computational Biology (IF=4.428), 11 (1).

14

ExSurv

网址:https://exsurv.soic.iupui.edu/

简介

ExSurv is a web resource for studying the survival contributions of exons across human cancers using RNA-seq data. ExSurv is the first web server which provides exon level survival significance by using the RNA-seq expression datasets and the clinical metadata for four cancer types from The Cancer Genome Atlas (TCGA) project. We pre-calculated the prognostic significance of more than 600,000 annotated exons in Ensembl using survival package in R. We stored the TCGA clinical data, exon survival p-values and the expression of the significant exons for visualizing the survival curves in a MySQL database. We developed an integrated backend using PHP and R and used JavaScript in the frontend. The PHP/R backend is reponsible for querying the MySQL database upon user input, calling R to visualize the corresponding database results (using survival package) and returning these results to the frontend. In the frontend, the results are shown to the users in an organized way as a table where each row corresponds to an exon in the queried gene symbol or Ensembl gene ID. It is possible to export the survival plots in SVG (scalable vector graphics) format and the raw data used to generate the plot in TSV (tab-separated values) format.

肿瘤类型目前只有乳腺癌、胶质瘤、肾癌和肝癌。

相关论文

Hashemikhabir, S., Budak, G., & Janga, S. C. (2016). ExSurv: A web resource for prognostic analyses of exons across human cancers using clinical transcriptomes. Cancer informatics (ESCI), 15 , CIN-S39367. 阅读此文

15

LOGpc

网址:http://bioinfo.henu.edu.cn/DatabaseList.jsp

简介

LOGpc ( Long-term Outcome and Gene Expression Profiling Database of pan-cancers ) encompasses 209 expression datasets, provides 13 types of survival terms for 31310 patients of 27 distinct malignancies.

相关论文

这个工具是2019、2020年才开始出现的,该课题组发表的相关论文太多了,懒得写了。几乎每种癌症都发一篇文章,这个操作够骚的。详见:http://bioinfo.henu.edu.cn/results.html。主要发表的期刊如下:

Front Oncol (IF=4.137)

Front Genet (IF=3.517)

Cancer Med (IF=3.357)

Mol Carcinog (IF=3.411)

Cancer Manag Res (IF=2.243)

Future Oncol (IF=2.279)

其它乱七八糟可能用得上的工具

16. CBioportal

,是一个全能的TCGA生信分析平台,可以选择的数据库数量是所有网站中最多的,但不是所有的数据源都有survival信息,例如肺腺癌。另外,好像很多数据是基因拷贝数和突变,而不是表达量。还有,没有健康对照组,相当尴尬。

17. Watson,提供的数据库类别多,和CBioportal收录的互有补充。有人觉得界面不大人性化,画出来的图很丑。目前我用的移动宽带打不开…

18. UCSC Xena,非常全能的数据库,存活曲线只是其中一个小功能,更多的是统计和分析。But…网站想打开也是够呛。

19. GDC portal,TCGA自家的工具,能不能打开好像也是看网络心情。可能需要用VPN搞起!

20.SurvMicro,和SurvExpress是一家的,2019年10月份链接(即发表的论文中的链接)失效了,不过备用链接打开了,但最后一步也无法操作。课题组说没钱了…

Aguirre-Gamboa, R., & Trevino, V. (2014). SurvMicro: assessment of miRNA-based prognostic signatures for cancer clinical outcomes by multivariate survival analysis. Bioinformatics (IF=4.531), 30 (11), 1630-1632. 阅读此文

21. CANSURV,不想说了,浏览器又在转圈圈,开不动…不过,发现个可下载的软件CanSurv version 1.4(2018年5月发行版本),不知道是不是一家的,也没时间研究了。链接在这:

https://surveillance.cancer.gov/cansurv/download,大家自己瞅瞅。

Yu et al. (2005). CANSURV: a Windows program for population-based cancer survival analysis. Computer methods and programs in biomedicine , 80 (3), 195-203.

22. OSA (Online Survival Analysis),这个不是打不开,而是网站直接就有错误…希望早点修复吧!不过好像不是我所想的那个样子。

Montes-Torres et al. (2016). Advanced online survival analysis tool for predictive modelling in clinical data science. PloS One (IF=2.776), 11 (8).

23. SurvCurv,没人的数据,其它的还不是非常熟悉,感兴趣的自行摸索。

Ziehm et al. (2015). SurvCurv database and online survival analysis platform update. Bioinformatics (IF=4.531), 31 (23), 3878-3880. 阅读此文。

24.TCPA v3.0,此数据库是基于蛋白质组学结果的,不仅仅是生存分析,还有更多的功能。网站能打开,但是非常慢,你们自己想办法看看吧!

Chen et al. (2019). TCPA v3. 0: an integrative platform to explore the pan-cancer analysis of functional proteomic data. Molecular & Cellular Proteomics (IF=4.828), 18 (8 suppl 1), S15-S25. 阅读此文。

25.LCE

,专注肺癌基因表达和临床关系的数据库。

Cai et al. (2019). LCE: an open web portal to explore gene expression and clinical associations in lung cancer. Oncogene (IF=6.634), 38 (14), 2551-2564. 阅读此文

26.DriverDBv3

,能打开,就是速度有点慢。

Liu, S. H., Shen, P. C., Chen, C. Y., Hsu, A. N., Cho, Y. C., Lai, Y. L., … & Chung, I. F. (2020). DriverDBv3: a multi-omics database for cancer driver gene research. Nucleic acids research (IF=11.147), 48 (D1), D863-D870. 阅读此文

27. LncACTdb 2.0,在做生存分析方面,操作极其简单粗暴!

Wang, P., Li, X., Gao, Y., Guo, Q., Wang, Y., Fang, Y., … & Liu, W. (2019). LncACTdb 2.0: an updated database of experimentally supported ceRNA interactions curated from low-and high-throughput experiments. Nucleic acids research (IF=11.147), 47 (D1), D121-D127. 阅读此文

28.Oncomine,需要用高效单位邮箱注册,不是很方便使用。

Measure

Measure

点击数:0

生信在线分析全能网站Metascape

生信在线分析全能网站Metascape

展开全文

Metascape(http://metascape.org/) 是一个功能强大的基因功能注释分析工具,能帮助用户将当前流行的生物信息学分析方法应用到批量基因和蛋白质的分析中,以实现对基因或蛋白功能的认知。只需在Metascape网页几步简单的操作,就可以对大批量的基因或蛋白质进行注释、富集分析以及构建蛋白质-蛋白质互作网络。并且构建的蛋白互作网络还可以直接导出给Cytoscape使用,绘制美观、可发表的蛋白互作网络图。

更新快:每月更新一次,保证了数据的可靠性;

覆盖广:整合了GO、KEGG、Uniprot等多个权威的功能数据库;同时Metasacape不仅可以分析人类(H. sapien)的数据,还包括很多其他物种数据,如 M. musculus, R. norvegicus, D. rerio, D. melanogaster, C. elegans, S. cerevisiae, A. thaliana, and P. falciparum等;

易操作:“CAME”流程操作,简单易上手,不仅可以单独分析一个基因集,还可以同时分析多个基因集;得到的结果报告颜值极高,往往能达到发表文章的级别!

不收钱!!!

2019年3月4日,Matascape团队总结了Metascape的使用就发表了一篇Nature communications,可见这个软件的被认可程度。其中提到Metascape网站在文章发表之前就已经被350多篇论文引用,其中不乏《自然》,《科学》,《细胞》等杂志。有趣的是约三分之二的引用文章直接使用了Metascape生成的图表

a)摘自Lotan et al. Molecular Psychiatry (2018) 78:865中的Figure 5; b)摘自Dong et al. Genome Biol (2018) 19:31中的Figure 3。

二、Metascape的工作流程

Metascape采用的是一种称为“CAME”的通用分析工作流程,概述如下:

ID转换 (Conversion)——将用户输入的基因标识符自动转换为目标物种的Entrez gene IDs;

注释 (Annotation)——为基因列表添加注释列,包括基因的描述、功能和蛋白质分类等;

归类 (Membership)——获取感兴趣的基因集。例如,获取被归为以“cancer”作为关键字的GO生物过程分类的基因。

富集 (Enrichment)——对基因列表的功能富集分析,识别具有统计意义的通路。最新的版本还包括蛋白质网络分析,可以用来识别和获取具有紧密连接的蛋白质网络元件 (如Oct4、Sox2和Nanog网络)。

新版本的Metascape可以分析多种模式生物的基因,用户只需输入基因或蛋白质名称(很多基因名均可识别),就可以借助Metascape网站快速获得基因注释、基因功能、基因分类、富集的通路以及蛋白质相互作用网络(可导入Cytoscape再处理)。这对于大多数的日常分析需求来说已经足够了。

三、Metascape的使用

数据上传

在Metascape主页,用户可以在1处粘贴一个由逗号、冒号、空格、制表符或行分隔符组成的基因列表(基因名可以是:Entrez Gene ID、Ensembl ID、RefSeq、Symbol、UniProt ID、UCSC ID等等),或者在2可以选择本地的一个电子表格文件(xlsx、xls、csv或txt),其中的一列必须包含基因名称列。其它的数据列是可选的,在分析期间会被忽略。

图2 Metascape Home

如果在上传文件中提供了多个列,而基因只是其中的一列,注意使用下拉菜单确保正确选择含有基因名称的列。

txt格式基本上与csv格式相同,只不过前者使用tab作为字段分隔符;txt格式不支持任何非标准的规则。

Metacape会将分析后的基因注释等结果加在输入基因的列表后面。

使用Excel表时需要注意,Excel文件虽非常常用,但其有时不能很好地引用基因symbols,因为某些基因symbols可能被错误地转换成日期和数字。例如“Mar1”、“Marc1”和“March1”都可能被Excel转换为3月1日,而基因符号“201E9”则可能被视为一个大整数。其他的例子如“1/6”、“12-14-90”、“2-Oct”、“9830125E18”等等,因此这些基因symbols不能被映射到Entrez gene IDs中,因而在分析过程中会被漏掉。为防止基因symbols被转换成日期或数字,可以用单引号来对符号进行前缀,例如,输入’Mar1。因此最好不要依赖于在xls或xlsx格式中使用基因symbols,而应使用诸如RefSeq之类的其他ID格式。Excel改变了你的基因名,30% 相关Nature文章受影响,NCBI也受波及 但是,如果使用.csv或.txt格式,就可随意使用基因symbols。

Metascape主页包含所支持格式的文件模板(在“Upload File Format”下,见图3);可以下载下来并依照这些例子载入数据。想要测试Metascape的运行,可以点击single list,将上传一个人类基因列表。点击Test Identifiers下的任何链接,就会自动粘贴指定格式的列表基因ID。

注意:基因列的名称开头不能有下划线,下划线是为Metascape保留的。用户提供的列的名称的任何下划线都将被自动删掉。

图3 数据格式举例

富集分析

粘贴或上传好基因数据后,在图Step2中先选择Input as species,如果有对应物种的基因就选择对应物种,如果没有可以选择括号中数字最大的物种 (说明可以进行转换的基因比较多),选择Analysis as species也遵循上述原则。

选择好物种后点击Express Analysis即可进行快速分析。此时下方会显示一个进度条,之后会显示一个Analysis Report按钮,点击后会打开一个报告页面。

快速分析(Express Analysis)包括最流行的注释源和基因本体 (Gene ontology)分类 (结果如下图)。对于经验丰富的用户,或希望对分析选项有更大控制权的用户,可使用自定义分析Custom Analysis。设置其中的一些选项能够更好地控制CAME分析流程。

a) Metascape去除功能冗余的富集通路,用简单明了的bargraph显示出最主要的实验结果;b)富集生物通路可以以网络方式表现,这更利于理解通路或生物过程之间的关系;c)Metascape自动抽取提交列表中蕴含的蛋白质互作用网络;d)为了更容易理解这一网络,Metascape采用成熟的MCODE算法寻找网络中的密集联结的蛋白质群,并对每个群的生物功能进行注释。

分析结果

先看到的是如图5的富集总结,横坐标是对p-values取以10为底的对数值并取负值;纵向是不同的富集通路,已按照-log10(P)的值排序。越排在上面的-log10(P)值越大,p-values就越小,富集就越显著(颜色也越深)。

在富集的通路中包括CORUM、Ractome和GO等数据集,展示的结果直观、丰富。可点击下方的PDF下载。

图5  Heatmap of enriched terms across input gene lists, colored by p-values.

在下图的表格中包含上图中富集分析的具体信息,如Count(即用户输入的基因有多少个落在这个通路中)和Log10(q)(是经多重假设验证校正的p-value)。

图6 Pathway and Process Enrichment Analysis

蛋白蛋白互作

下图展示了在用户输入的基因中发现的蛋白——蛋白互作网络。其数据来源于BioGridInWeb_IMOmniPath等数据库。点击CYS 图标可以下载这个网络并可以用Cytoscape软件打开,可以进一步调整图形布局或加入基因表达等信息。

图7 Protein-protein Interaction Enrichment Analysis

多基因列表联合分析

当代的多组学实验往往生成多个基因列表,目前的网络工具很少能同时分析并整合多基因列表,而这恰恰是Metascape的长处之一。其实Metascape的”meta”就是来源于多列表的meta-analysis。下图以三组过去独立发表的流感宿主因子列表为例进行说明。

a) Metascape用heatmap让三组数据集共享的和独特的生物通路一目了然。b)富集通路也可以以网络呈现。由于每一组宿主因子用一个独特的颜色表示,我们可以很清楚的发现Viral gene expression是共享的而Regulation of cell development主要只存在于绿色对应的实验中。

Measure

Measure

点击数:0

Cell Stem Cell | 王存玉院士团队发现明星分子BMI1的独特作用:肿瘤免疫功能

Cell Stem Cell | 王存玉院士团队发现明星分子BMI1的独特作用:肿瘤免疫功能

枫叶 iNature 今天

iNature

基于PD1阻滞剂的联合疗法已被批准作为头颈部鳞状细胞癌(HNSCC)的一线治疗。但是,反应率仍然相对较低,HNSCC患者最终会复发。

2020年7月21日,中国工程院外籍院士王存玉团队在Cell Stem Cell 在线发表题为“BMI1 Inhibition Eliminates Residual Cancer Stem Cells after PD1 Blockade and Activates Antitumor Immunity to Prevent Metastasis and Relapse”的研究论文,该研究表明抗PD1和顺铂的联合治疗作用于HNSCC中的BMI1 + CSC,同时抑制了HNSCC的生长。相比之下,BMI1的药理和遗传抑制作用消除了BMI1 + CSCs并启用了PD1阻断疗法,从而抑制了转移性HNSCC,预防了HNSCC复发。除消除BMI1 + CSC外,BMI1抑制还通过募集和激活CD8 + T细胞来强烈诱导肿瘤细胞内在免疫反应。

从机制上讲,BMI1抑制通过刺激IRF3介导的转录并消除抑制性H2A泛素化而诱导CD8 + T细胞招募趋化因子。该研究结果表明,靶向BMI1除了清除CSC以外,还可以通过激活细胞内在免疫力并防止肿瘤复发。

癌症干细胞(CSC),也称为癌症起始细胞,与肿瘤的起始,生长和转移有关。越来越多的证据表明癌症干细胞可能与癌症治疗的耐药性以及复发有关。为了实现肿瘤的完全消除,必须基于癌症干细胞理论来靶向癌症干细胞。已发现Moloney鼠-白血病病毒插入位点1(BMI1)在包括头颈部鳞状细胞癌(HNSCC)在内的多种人类癌症中控制癌症干细胞的自我更新和功能 。 

BMI1是多梳抑制复合物1(PRC1)的核心组件,它通过组蛋白H2A的单泛素化介导基因沉默。在异种移植裸鼠模型中,用小分子抑制剂PTC209靶向BMI1可以消除从人结直肠癌分离的癌症干细胞的自我更新。在自发形成的小鼠模型中使用体内谱系追踪,证明BMI1 + CSC负责HNSCC的起始,侵袭性生长和转移。靶向BMI1 + CSC与化学治疗药物顺铂协同抑制HNSCC的生长,从而表明联合治疗散发肿瘤和消除CSC可以达到更好的癌症治疗效果。

HNSCC是一种侵袭性恶性肿瘤,其5年生存率低且预后差,具有高度侵袭性并经常转移至宫颈淋巴结。程序性细胞死亡蛋白1(PD1)阻断与化学疗法相结合已被批准用于治疗复发或转移性HNSCC,并已显著改变了HNSCC的治疗前景。客观应答率不是很高,并且中位应答持续时间相对较短,这表明HNSCC可能对PD1阻断具有内在抗性并最终在治疗后复发。由于通常通过使用免疫缺陷小鼠模型来定义CSC,因此很大程度上未知基于PD1阻断的免疫疗法是否可以靶向CSC。

文章模式图(图源自Cell Stem Cell

越来越多的证据表明,CSC可能分泌各种生长因子和细胞因子来抑制免疫反应并促进免疫抑制肿瘤的微环境。已经发现,在胶质母细胞瘤和前列腺癌的CSC中,抗原加工和主要组织相容性复合物复杂分子的表达被下调。然而,PD-L1在人HNSCC和其他实体瘤的CSC中显示升高。最近,研究表明CSC通过表达CD80直接抑制细胞毒性T细胞活性并介导对过继性细胞毒性T细胞转移免疫疗法的肿瘤抗性。这些研究表明,靶向CSCs对于提高免疫疗法的疗效和预防肿瘤复发可能至关重要。

可用于完整肿瘤免疫微环境中CSC遗传谱系分析的有限模型系统阻碍了新型治疗策略的发展。尽管在癌症免疫疗法中取得了令人兴奋的进展,但尚无临床前或临床研究表明免疫检查点封锁可通过激活抗肿瘤免疫力消除CSC。最近,研究人员建立了由4-硝基喹啉-1氧化物(4NQO)诱导的HNSCC的Rosatd Tomato小鼠模型,该模型完全模拟了人类HNSCC的发展和转移,并允许研究人员在不受干扰的肿瘤免疫微环境中进行BMI1 + CSC的体内谱系追踪。

利用该模型,研究人员测试了基于PD1阻断的联合治疗能否消除BMI1 + CSC。该研究意外地发现,BMI1的药理或遗传抑制作用不仅有助于消除 BMI1+CSC,而且还通过激活肿瘤细胞内在免疫力来增强PD1阻断作用,从而抑制了转移性肿瘤的生长并防止了肿瘤的复发。该临床前研究为开发基于PD1阻断剂与BMI1抑制剂联合治疗的新临床试验奠定了重要基础。

参考消息:

https://doi.org/10.1016/j.stem.2020.06.022

Measure

Measure

点击数:0

拥有这套单细胞测序课题设计模板,就可以轻松发20分文章!

拥有这套单细胞测序课题设计模板,就可以轻松发20分文章!

原创 Dr.Mei 吉凯基因 昨天

2015年以来,随着BD Rhapsody™、10X Genomics、Drop-seq、Micro-well、Split-seq等技术的飞速发展,单细胞测序的成本大幅度降低,大规模样本的单细胞测序已成为可能。单细胞测序很好的解决了遗传信息的异质性问题,广泛应用于癌症、免疫、胚胎分化发育、神经性疾病等研究,为疾病或遗传发育等研究提供了有利条件。

近年来关于单细胞测序的技术突飞猛进,相应的高质量文章也呈井喷式涌现。那么作为万千科研大军中的一员,怎样才能拥有一篇属于自己的单细胞测序文章呢?在公司拿到单细胞测序的数据后怎样才能组织成一篇文章呢?接下来,小编将提供一些思路供您参考。

点击获取参考资料

立题与取材

首先,我们应该明白我们的研究目的是啥?单细胞测序能解决什么实质性的问题?

立题一定要新颖,可以在谷歌学术或Pubmed上关键词搜索“scRNA-seq”及对应的研究对象,看看哪些已经被发表了,哪些领域目前还没有人做。结合自己的研究背景和前人的研究成果选择一个创新性强的、可行度高的课题。其次,我们要选择合适的材料来做实验,这主要涉及两个方面:

1. 物种的选择:尽量选择人和小鼠来做实验,其他物种就算测序结果出来了,好多细胞类型也无法标注,因此不建议用来做单细胞测序;

2. 组织样本的选择:常规的组织样本和血液样本按照Protocol取材就行,但特殊的组织样本要参考相关文献取材,并确定样本的数量以保证足够的细胞量,最好做个预实验。

测序数据分析与文章框架构建

拿到一大堆测序数据后该怎么分析呢?怎么结合自己的课题构建一篇完整的SCI文章呢?小编将近年来高分单细胞测序的文章整理了下,文章框架大致如下:

Fig1. 总的单细胞转录组图谱

1.方案流程图;

2.对照组和实验组分别作t-SNE可视化细胞分群图;

3.所有细胞总的t-SNE可视化细胞分群图,包括细胞类群注释,各群细胞数目,占比等,可以表格的形式列出,也可以用圆饼图展示;

4.实验组与对照组中各细胞群占比情况(柱形图);

5.各主要细胞群的Marker基因t-SNE可视化图;

6.各细胞群的Top基因热力图或各细胞亚群对应的Top基因热力图;

7.各细胞群的Marker基因保龄球图。

以下图片是代表性的图片,仅供参考,各图片间不具备逻辑关系。

Fig2. 目的细胞群/亚群单细胞转录组图谱

跟前面总的细胞图谱分析方式一样,不同的是这模块只分析感兴趣的或是与研究方向密切联系的细胞群,如跟某类肿瘤的发生发展有关的细胞群。这里重点分析目的细胞群的转录图谱,他有哪些细胞亚群?marker基因是啥?哪个细胞亚群直接推动了肿瘤的发生发展?等等。具体分析方式参考Fig1.中的总单细胞转录组图谱。

Fig3. 疾病发生发展过程中基因表达模式分析

这个模块需要解决如下科学问题:

1.疾病发生发展过程中细胞分化进程(拟时序分析);

2.疾病进展过程中相关的基因表达模式分析;

3. 获得疾病进展过程中关键调控基因、转录因子、激活的信号通路等信息(GO、KEGG分析)。

Fig4. 目的细胞亚群与疾病发生发展的联系(功能表型)

此模块需要解决的科学问题:

1.目的细胞亚群组织特异性研究;

2.目的细胞亚群来源研究(拟时序分析);

3.目的细胞亚群在疾病发生发展过程中关键调控基因、转录因子、激活的信号通路分析;

4.目的细胞亚群通过什么机制调控疾病的发生发展(如增殖凋亡等);

5.目的细胞亚群与其他细胞亚群相互作用网络分析。

Fig5. 目的细胞亚群临床应用价值

前面Fig1-4对单细胞测序的结果做了一个整体分析,找出了与疾病发生发展有关的细胞亚群、相应的marker基因及调控机制。接下来需探究目的细胞亚群在临床上的应用价值,大致需研究这些内容:

1.利用TCGA数据库分析正常组与疾病组的目的细胞亚群的分布情况,其细胞占比是否发生改变;

2.利用TCGA数据库分析正常组与疾病组的目的细胞亚群的基因表达模式,如marker基因及相关的调控基因等;

3.TCGA数据库分析病人的五年生存期与目的细胞亚群的联系,看他们是否具有相关性;

4.探究目的细胞亚群的marker基因或者上下游基因是否能成为治疗该疾病的靶点(细胞实验或动物实验验证)。

Fig6. 目的细胞亚群临床应用机制研究

这部分需要解决的问题是目的细胞亚群在临床上改变患者的病情,具体机制是什么?这需要做下面这些研究工作:

1.TCGA数据库中病例样本基因表达模式分析,找出基因上调表达代表目的细胞亚群(A1)相对应的下调表达代表的另一类细胞亚群(A2);

2.分析A2细胞亚群与疾病的发生发展的联系(可参考Fig4中的分析内容);

3.A2细胞亚群调控疾病的机制(如T细胞的激活等)。

Fig7. 动物模型研究

大部分的研究做到前面几个就差不多了,数据拓展并整理下就能发一篇高分文章。但如果想冲击CNS,机制最好做得更完善些。这里大概可以从以下几个方面入手:

1.如果前面单细胞测序是人的结果,可以用小鼠疾病模型同步进行单细胞测序,看小鼠的单细胞测序分析结果与人的是否保持一致,比如是否具有类似的细胞亚群及marker基因,类似的目的细胞亚群是否与疾病发生发展有关等;

2.如果通过前面分析结果筛选出了药物靶点,如市面上有相应的药物可以给疾病模型小鼠喂药,看是否减轻小鼠症状。有条件的话可以再做一次单细胞测序,看目的细胞亚群的变化,基因表达模式的变化等。没条件的话检测加药前后细胞或动物样本的变化,验证靶点的准确性。

以上就是单细胞测序的大体研究思路,大家可以照着上面的模板做。上面的有的点包含不少内容,大家可以根据需要发散去做,不一定要全做。做的越细致越全面,文章的质量越高,在此祝大家多发高质量paper!

Measure

Measure

点击数:0

比较了两种浓度次氯酸钠冲洗液对单次根管治疗充填法术后疼痛的区别

比较了两种浓度次氯酸钠冲洗液对单次根管治疗充填法术后疼痛的区别

高浓度的有较低的术后疼痛发生,我猜可能和很好的牙髓降解有关系。

有空自己读一下文章

iej.12749.pdf

点击数:0

Protaper Next和BT-RaCe镍钛锉对弯曲根管的预备成形能力比较研究

Protaper Next和BT-RaCe镍钛锉对弯曲根管的预备成形能力比较研究

2017-11-17 17:26
来源:登士柏

Shaping ability of Protaper Next and BT-RaCe nickel-titanium instruments in severely curved root canals

Protaper Next和BT-RaCe镍钛锉对弯曲根管的预备成形能力比较

作者:S. Burklein, D. Mathey & E. Schafer

文献摘要

简介

此研究的目的是比较四种机用镍钛根管锉对离体牙弯曲根管的预备成形能力。

方法

共80个曲率范围在25°至39°之间的弯曲根管被分为四组,每组20个根管。根据预备前拍摄的X光片,按根管弯曲角度和曲率半径进行组间平衡。 分别使用Mtwo,Protaper Universal,Protaper Next和BT-RaCe,对根管进行预备,最终预备根尖到0.40。 使用预备前后的X光片,用计算机图像分析程序测定根管偏移曲率和根管的拉直程度。同时记录预备时间和器械分离情况。 使用ANOVA和Student-Newman-Keuls检验对数据进行统计学分析

结果

与Mtwo相比,使用BT-RaCe锉会更显著的拉直根管(P <0.05),而所有其他锉之间的差异不显著(P> 0.05)。所有四种锉在根管偏移方面没有显着差异(P = 0.429)。 使用Protaper Next 预备明显快于所有其他锉(P <0.05)。 在弯曲根管的预备中,一支BT2锉断裂,使用其他锉时没有发生断裂(P> 0.05)

结论

在本研究的参数范围内,所有锉均能保持良好的根管曲率,是安全的。然而,由于其独特的圆柱形设计,使用BT2锉时应小心

返回搜狐,查看更多

声明:该文观点仅代表作者本人,搜狐号系信息发布平台,搜狐仅提供信息存储空间服务。

Measure

Measure

点击数:0

牙骨质结构不良的X线多样性表现与口腔临床相关性

牙骨质结构不良的X线多样性表现与口腔临床相关性

Abstract

牙骨质结构不良是临床上较常见的疾病之一,由于其有X线表现的多样性,常常造成临床诊断不清,影响了该疾病的正确治疗。牙骨质结构不良临床上易误诊为慢性根尖周炎、骨髓炎、肿瘤等。本文对牙骨质结构不良的临床表现、影像诊断以及二者之间的相关性进行分析,以便临床医生能够正确诊断。

Keywords: 牙骨质结构不良, X线表现, 鉴别诊断

牙骨质结构不良是临床上较常见的疾病之一,顾名思义就是牙骨质的结构出现异常的反应,在颌骨里出现各种各样的病理性结构。牙骨质结构不良经常是口腔临床拍摄全景片时无意发现的,只有部分是出现相关的临床表现而前来就诊。关于牙骨质结构不良的诊断和分类一直存在一些争议,最早的诊断是牙骨质结构不良,但由于其有类似膨胀性生长的特征又被称为“假性牙骨质瘤”,现世界卫生组织又将其归为“骨纤维病变”一类大的病变之中。牙骨质结构不良存在各种各样的X线表现,口腔医生在认识该疾病时非常容易混淆,影响了该疾病的正确治疗。所以笔者选择四川大学华西口腔医院拍摄的牙骨质结构不良患者的全景片及锥形束CT(cone beam computed tomography,CBCT)进行观察,探讨牙骨质结构不良的临床表现、影像诊断以及二者之间的相关性,以便临床医生能够更加清楚地了解该疾病的发生发展及疾病的转归,合理地制定临床治疗方案。

1. 牙骨质结构不良的临床表现

根据临床症状的有无,牙骨质结构不良可分为两类。一是无症状。拍片时偶然发现,患者无任何症状,常常是医生看片时发现了异常X线表现,请放射科医生会诊而出现。二是有症状。患者存在相关的临床表现,已经做了相关的处理或者没有处理而来医院拍摄全景片或者CBCT。临床症状常常表现为3种情况:1)相关牙有轻微临床症状,拍片发现根尖区存在阴影,临床医生诊断或者怀疑慢性根尖周炎,此时患者可能已经开髓进行根管治疗;2)临床医生怀疑病变,但不确定疾病类型,患者表现为牙松动、疼痛、拔牙后创口愈合不佳以及骨髓炎症状等;3)患者出现面部肿胀,临床表现为占位性改变,怀疑为肿瘤。

影像科遇到的常常是临床医生拍摄照片后发现这些征象而来咨询或者要求出具诊断报告的情况。

2. 牙骨质结构不良的影像多样性

2.1. 下前牙区影像学改变

下前牙区影像学改变是牙骨质结构不良最经典的影像学表现,特征表现为3个病变阶段,如果医生考虑到这个疾病的话,就应要求患者定期拍摄相同部位的牙片进行追踪观察,发现其病变的转归过程。根据X线表现特征,按照病理分类方法而分为3个阶段。

1)根尖区骨质溶解破坏期(早期病变):常常表现为下颌前牙个别牙或者对称性的牙根尖部出现低密度规则或者不规则影像,特别像根尖周炎的X线表现,但临床检查无龋坏存在,影像上也看不见类似龋的破坏存在。

2)牙骨质小体形成期(第二期病变):原来的低密度影密度出现改变,其中可以出现高密度影像,病变范围可以扩大,也可以发生迁移,比如原来在中切牙下方的低密度影消失,可出现密度增高影,并且常常有低密度的带状影包围,而侧切牙根尖出现低密度影,类似根尖周炎改变。

3)钙化成熟期(第三期病变):随着病变的进一步发展,高密度影逐渐融合变大,密度更高,钙化团块由各个钙化中心确定其大小及范围;周围的低密度包膜影呈现两种改变,一种是低密度包膜影开始变得不规则,另一种是低密度包膜影逐渐扩大或者缩小。

这三个期可以分别出现,但常常是同时并存。

2.2. 后牙单独发生影像学改变

牙骨质结构不良可以单独发生在后牙,常常发生于第一磨牙区域的根尖部,牙可以没有龋坏,也可以有龋坏,或者为残根、残冠,影像学常常表现为根尖下方的团状影,周围有明显的包膜(图1)。

Open in a separate window

图 1

单发性后牙区牙骨质结构不良

Fig 1 Single cementum dysplasia in the molar areas

左:单发性下颌后牙区牙骨质结构不良,女性,39岁,D6根尖周围团状高密度影,有包膜(箭头)。中:单发性上颌后牙区牙骨质结构不良,男性,63岁,A7根尖周围团状高密度影,有明显包膜(箭头)。右:单发性右侧下颌后牙区牙骨质结构不良,女性,58岁,C6根尖周围团状高密度影,有包膜,向颊侧突出明显,临床怀疑为肿瘤。

2.3. 对称性的改变

牙骨质结构不良可以呈对称性的发生,常常发生于下颌后牙区,影像学表现为不规则的高密度影,周围可以有类似囊肿样的改变(图2),临床医生做完根管治疗后其囊性改变并未消失,长期追踪可能会发现其他改变出现。

Open in a separate window

图 2

对称性下颌后牙区牙骨质结构不良

Fig 2 Symmetry cemental dysplasia in the molar areas

左:女性,70岁,右下颌肿物4个月,全景片发现C67、D67根尖部不规则形状高密度影伴包膜包绕,未见骨膜反应(箭头),提示为钙化成熟改变。右:女性,52岁,外院已行D67根管治疗,但发现右侧C4567有囊性病变,全景片示D67根管充填,根尖呈不规则团状钙化影,有包膜;C4567囊性改变,C6下方团状影与牙根关系密切,C8根尖下方团状影。

2.4. 上、下颌骨均发生

这类改变可称为“繁茂型牙骨质结构不良”,简单地理解就是在上下颌骨只要有牙的地方都可以发生[1]。由于牙骨质小体无序混乱的生长,导致牙和颌骨出现相关的血供问题,临床上常常发生骨髓炎改变,甚至颌骨局部膨大类似肿瘤,病程很长,治疗效果也不好。繁茂型牙骨质结构不良的影像学特征是上下颌骨均出现多数的高密度小团片状影,周围有包膜包绕,骨皮质可变薄,继发感染时可出现类似死骨的征象,而向外膨胀的时候就表现为类似肿瘤样改变(图3)。

Open in a separate window

图 3

上下颌骨繁茂型牙骨质结构不良

Fig 3 Florid cemental dysplasia in the upper and lower jaws

左:女性,31岁,上下颌骨磨牙根尖部周围及下方见相同类型的不规则大大小小的团状影,均有包膜包绕的影像学改变。中:男性,83岁,双侧上下颌骨缺牙区及非缺牙区牙根方有大小不等形状不规则的高密度影,其下方有明显的包膜,但宽窄不一致。右:女性,58岁,临床表现为C6缺失后反复感染,诊断为骨髓炎,全景片显示双侧上下颌骨缺牙区及非缺牙区牙根方有大小不等形状不规则的高密度影,下颌骨有明显增宽的包膜影,但宽窄不一致,C34D4区类似囊肿。

3. 牙骨质结构不良的影像诊断和临床的相关性分析

3.1. 牙骨质结构不良的影像学多样性和病理的相关性

牙骨质结构不良以往研究显示以中年女性多见,临床上常见的发病年龄在40岁左右,常为单发或者多发性改变。患者常无自觉症状,可伴有牙松动。笔者在资料中发现牙骨质结构不良年龄范围可以从10多岁一直到80多岁,无明显性别区别,而泛发性的牙骨质结构不良患者年龄都超过40岁,年龄越大发生率越高。

牙骨质结构不良病理上的三期病变表现为:1)骨质溶解破坏期:患牙根尖周牙槽骨吸收破坏,纤维结缔组织增生;2)牙骨质小体形成期:增生纤维结缔组织内出现牙骨质小体样结构,同时还有骨样组织和骨组织;3)钙化成熟期:随病变发展,钙化组织增多,有较大的牙骨质团块和编织状组织出现[2]

牙骨质结构不良的影像学表现是:1)第一期骨质破坏期,牙根尖周出现类圆形低密度透射区,边缘不整齐,牙周膜间隙及骨硬板消失;2)第二期牙骨质小体形成期,病变区可见高密度点状或团块状的牙骨质小体的类钙化影像;3)钙化成熟期,根尖区可见体积较大的团状钙化影。牙骨质结构不良常常可以多发,即上下颌骨多个牙根尖可以见到不同时期的改变,而且随着时间的推移可以发生转化,所以牙骨质结构不良应该是属于一种不稳定的结构,病变可以有自限性[2]

3.2. 牙骨质结构不良的影像学鉴别诊断

3.2.1. 成牙骨质细胞瘤

成牙骨质细胞瘤又称真性牙骨质瘤,多发生于25岁以下的青年男性,好发部位在下颌第一磨牙区,生长缓慢,多无自觉症状,肿瘤增大时可有颌骨膨胀和疼痛[1][2]。X线表现为牙根部团状密度增高区,周边可见低密度结缔组织包膜。可伴有牙根吸收或牙根与肿瘤融合(图4)。而牙骨质结构不良常见于中年女性,不局限于下颌第一磨牙,常多发,无自觉症状,不会引起颌骨的膨胀和疼痛,X线表现为中致密团块影,周围无低密度包膜影。

Open in a separate window

图 4

牙骨质瘤

Fig 4 Cementoma

左:右下颌牙骨质瘤,男性,21岁,全景片局部显示C67根尖团状影,与牙根关系密切,神经管有推压移位征象,周围见包膜影;CBCT清楚显示肿瘤舌侧膨大明显,牙根与瘤体融合,包膜较完整。右:左上颌牙骨质瘤,女性,17岁,全景片局部显示B456根尖规则圆形高密度影,有均匀的包膜包绕(箭头)。

3.2.2. 根尖周炎

发生于下颌前牙区及个别后牙区的牙骨质结构不良常常会诊断为慢性根尖周炎,其区别的要点是当根尖周出现低密度影时要判断牙是否有龋坏,可能还需要结合临床患者的主诉和体征,再结合影像上的特征进行综合判断,可以进行观察后再拍片进行对比,如果发现有钙化征象或者有游走征象基本就可以判断为牙骨质结构不良,而无需着急去开髓及根管治疗,因为该病具有自限性,一些病例不需要进行治疗。

3.2.3. 骨岛

骨岛是发生于颌骨内的一种高密度影[3][4],形状不规则,有多种表现形式,常常发生在前磨牙和磨牙的牙根之间或者牙根下方,密度较均匀,无包膜形成是诊断最重要的要点(图5)。在临床上骨岛影响比较大的是正畸关于牙的移动和种植过程中可能产生的影响。

Open in a separate window

图 5

骨岛

Fig 5 Bone island

左:双侧对称性骨岛,男性,19岁,正畸前检查偶然发现,全景片显示双侧下颌第一前磨牙根尖圆形高密度影,未见包膜(箭头)。中:女性,32岁,CBCT显示右侧下颌骨C56之间不规则高密度影,没有包膜(箭头)。右:女性,54岁,种植前照片发现类圆形致密影,CBCT显示密度高、均匀,边界清楚,上界位于上颌窦底。

3.2.4. 牙骨质-骨化纤维瘤

牙骨质-骨化纤维瘤是一种真性肿瘤[5],牙骨质-骨化纤维瘤有多种表现,可以表现为囊性(图6左)、混杂密度性(图6中),其中一类X线表现很像牙骨质结构不良的类肿瘤型,但其体积比较大,低密度区域的病变膨胀明显,牙骨质小体钙化影及其他钙化物常常集中在中分呈团状、片状等(图6右)。

Open in a separate window

图 6

牙骨质-骨化纤维瘤

Fig 6 Cement-osteo-fibroma

左:女性,35岁,全景片显示下颌骨囊性改变,膨胀明显,骨皮质变薄,病变区见小点片状高密度影。中:女性,19岁,CBCT显示右侧下颌骨皮质膨胀明显,病变密度不均匀,病变区见不规则稍高密度影分布于其中(箭头)。右:女性,27岁,CBCT显示左侧下颌骨囊性改变,颊舌侧膨胀明显,病变内有不规则团状、片状高密度影聚集(箭头)。

3.3. 牙骨质结构不良的影像学多样性和与临床的诊断相关性

牙骨质结构不良具有多样性的影像学特征,所以在临床上也表现为不同的症状,由于该疾病生长比较缓慢,患者在未出现症状前经常不会来就诊。当患者出现症状时或者医生偶然在拍摄片子后发现根尖暗影,就会遇到诊断的问题,最常造成诊断不清的是诊断为慢性根尖周炎,按照惯性思维往往首先思考根尖周炎,就采用传统的根管治疗方式进行治疗,但治疗以后发现根尖的骨质改变更加明显,极端的甚至出现长时间的症状不消失或者不愈,或者形成骨髓炎改变。多发性或者泛发性的牙骨质结构不良常常造成牙脱落或者拔牙后出现感染,进而出现骨髓炎改变,颌骨骨皮质密度增高、增厚,为炎性反应性增生所致(图7)。

Open in a separate window

图 7

繁茂型牙骨质结构不良伴感染

Fig 7 Florid cemental dysplasia accompanied with infection

左:男性,66岁,临床诊断为骨髓炎,影像表现为上下颌繁茂型的不规则团状高密度影,周围有包膜。右:女性,58岁,左上下颌骨反复流脓半年,面形不对称,左下颌骨膨隆明显,左下颌后牙牙槽骨缺失,局部溢脓,B3颊侧牙龈见一瘘道口,挤压见脓液流出,右侧上颌骨手术切除后缺失,全景片显示右侧上颌骨缺失,余留的正常上颌骨和下颌骨骨质呈团片状的高密度影,周围有包膜影像,相当于左侧前磨牙区域骨质凹陷状改变,右侧下颌骨皮质膨胀变薄。

发生于后牙的牙骨质结构不良常常表现为颌骨膨胀,临床容易诊断为肿瘤,牙骨质结构不良以往被称为“假性牙骨质瘤”就可以表明这类肿瘤的特性,并且往往造成误诊,而病理由于组织切取和牙、骨等硬组织的原因,常常诊断也比较困难,需要结合X线检查来确定[1]。对于泛发性的牙骨质结构不良,X线的诊断应该更具有优势,尤其是全景片可以清楚地显示上下颌骨的病变,对于影像的相似性判断更加容易,而CBCT的优势在于可以清楚了解病变区内的结构、密度、边界及相邻牙等结构受影响的变化情况。

3.4. 牙骨质与骨的相关性

既然牙骨质与颌骨关系密切,那么二者之间必然会出现交互关系,也就是说当病理状况发生时,牙骨质可以脱离牙体向骨质内游离,如果缺乏“包膜”的引导,牙骨质就可以和颌骨骨质在特定的条件下发生融合,融合后形成的复合体会逐渐长大,形成类似牙骨质包在骨岛内的征象,可以称为牙骨质-骨岛复合体(图8)。

Open in a separate window

图 8

牙骨质-骨岛复合体

Fig 8 Cement-bone island compound

女性,35岁,CBCT矢状位显示第一前磨牙根尖下方不规则、密度不均匀、边界清楚的团状影,上方箭头指示牙骨质结构,与牙关系密切,下方箭头指示圆形高密度影,周围有密度低于该高密度影的密度增高影像的包绕。

当位于根尖下方而且形状比较规则时,常常被认为是牙骨质瘤;在另外一些状态下,牙骨质可以继续按照牙骨质结构不良的生长方式慢慢或者迅速扩大,而发展成为牙骨质-骨化纤维瘤。

3.5. 牙骨质结构不良成因的猜想

牙骨质位于牙槽骨内,依靠牙周膜与骨质相连接,所以与骨的关系十分密切,当牙的咬合力出现异常,而牙骨质不能或者不愿意承受这种压力时,就会突破牙周膜间隙向骨质方向发展,所以可以认为牙骨质是一个不稳定的结构。

牙骨质突入骨质后必须依靠一个非常重要的结构才能完成,那就是被称为“包膜”的结构,“包膜”不仅向外进行扩张,而且还为牙骨质的生长提供养分,同时指明扩张的方向和速度,这就可以解释下牙牙骨质结构不良的变化。牙骨质结构不良常常在临床上无症状,当患者自觉不适拍片发现个别牙根尖呈低密度改变,就常常被诊断为根尖周炎,采用根管治疗,而且该牙无龋坏,牙髓活力正常,治疗后拍片发现其下方出现高密度影,相邻牙根下方又出现低密度影,而扩展的方向并没有固定的模式,牙骨质团块的大小、密度及“包膜”的宽度也不相同,甚至可以形成囊肿样的改变。一般来说,“包膜”的增宽、变窄是该疾病发生发展的决定因素,团块样钙化影并不与“包膜”呈必然的相关性。

Funding Statement

[基金项目] 成都市科技惠民计划(2015-HM01-00181-SF)

Supported by: Chengdu Science and Technology Benefit People Projection (2015-HM01-00181-SF).

References

1. 王 虎, 郑 广宁. 口腔临床CBCT影像诊断学[M] 北京: 人民卫生出版社; 2014. pp. 55–61. [Google Scholar]Wang H, Zheng GN. Oral and maxillofacial imaging diagnosis of cone beam computed tomography in clinic[M] Beijing: People’s Medical Publishing House; 2014. pp. 55–61. [Google Scholar]

2. 马 绪臣. 口腔颌面医学影像诊断学[M] 6版 北京: 人民卫生出版社; 2013. pp. 79–80. [Google Scholar]Ma XC. Oral and maxillofacial medical imaging diagnosis[M] 6th ed. Beijing: People’s Medical Publishing House; 2013. pp. 79–80. [Google Scholar]

3. 李 娜, 王 虎, 姜 矇, et al. 颌骨骨岛的影像表现分析[J] 华西口腔医学杂志 2014;32(1):58–61. [Google Scholar]Li N, Wang H, Jiang M, et al. Analysis of imaging findings in jaw bone islands[J] West Chin J Stomatol. 2014;32(1):58–61. [PMC free article] [PubMed] [Google Scholar]

4. 何 双双, 刘 媛媛, 宋 雪娟, et al. 颌骨骨岛的CBCT影像分析及分型[J] 临床口腔医学杂志 2017;33(5):283–285. [Google Scholar]He SS, Liu YY, Song XJ, et al. Analysis of imaging finding and classification in jaw bone islands on cone beam CT[J] J Clin Stomatol. 2017;33(5):283–285. [Google Scholar]

5. Liu Y, Wang H, You M, et al. Ossifying fibromas of the jaw bone: 20 cases[J] Dentomaxillofac Radiol. 2010;39(1):57–63. [PMC free article] [PubMed] [Google Scholar]

Articles from West China Journal of Stomatology are provided here courtesy of Editorial Department of West China Journal of Stomatology

Similar articles in PubMed

See reviews…See all…

Links

Recent Activity

See more…

1. 王 虎, 郑 广宁. 口腔临床CBCT影像诊断学[M] 北京: 人民卫生出版社; 2014. pp. 55–61. [Google Scholar]Wang H, Zheng GN. Oral and maxillofacial imaging diagnosis of cone beam computed tomography in clinic[M] Beijing: People’s Medical Publishing House; 2014. pp. 55–61. [Google Scholar] [Ref list]

2. 马 绪臣. 口腔颌面医学影像诊断学[M] 6版 北京: 人民卫生出版社; 2013. pp. 79–80. [Google Scholar]Ma XC. Oral and maxillofacial medical imaging diagnosis[M] 6th ed. Beijing: People’s Medical Publishing House; 2013. pp. 79–80. [Google Scholar] [Ref list]

3. 李 娜, 王 虎, 姜 矇, et al. 颌骨骨岛的影像表现分析[J] 华西口腔医学杂志 2014;32(1):58–61. [Google Scholar]Li N, Wang H, Jiang M, et al. Analysis of imaging findings in jaw bone islands[J] West Chin J Stomatol. 2014;32(1):58–61. [PMC free article] [PubMed] [Google Scholar] [Ref list]

4. 何 双双, 刘 媛媛, 宋 雪娟, et al. 颌骨骨岛的CBCT影像分析及分型[J] 临床口腔医学杂志 2017;33(5):283–285. [Google Scholar]He SS, Liu YY, Song XJ, et al. Analysis of imaging finding and classification in jaw bone islands on cone beam CT[J] J Clin Stomatol. 2017;33(5):283–285. [Google Scholar] [Ref list]

Review Ossifying fibromas of the jaw bone: 20 cases.

Measure

Measure

点击数:0