挂关式吸管辅助器

消毒湿巾本身就是细菌源、PVC保鲜膜含有增塑剂，一次性发泡餐盒沾油加热就有毒、五颜六色的吸管危害健康…… 　　核心提示　　户外净手常用湿巾，家庭加热、保存食物常用保鲜膜，上班族谁没有吃过盒饭?用五颜六色的吸管喝果汁、饮料、牛奶，更不用说了，那不仅是孩子们的最爱，小白领们也个个难逃……可是，看了记者调查的结果，你要当心了：也许这些东东，正在毒害着你的健康。　　劣质湿巾无法“消毒”　　春天来了，不少人开始外出旅游。很多人用湿巾擦手擦脸擦水果。殊不知，湿巾选不对路反而会误事。　　“没想到在酒店用了一下湿巾，回到家中眼睛就有了问题。”近日，郑州的刘先生在一酒店用餐时，用了酒店提供的独立包装的湿巾擦了擦手和眼睛，可吃完饭没过多长时间，他感觉眼睛不但发痒还干涩。第二天一早，他发现自己不但变成了“兔眼”，而且疼痛难忍，无奈之下只好去医院检查，结果诊断为“红眼病”。　　记者走访市场发现，在部分湿巾的外包装上，很难找到“卫生消准字、执行标准、生产单位厂址、批号”俱全的产品。　　据了解，消毒湿巾的产品分两类：一类是产品自身经过消毒，但不具备消毒其他物品的功能 另一类湿巾不仅“自己”被消毒，对擦拭对象也有消毒功能，但对大部分细菌不具有杀灭作用，甚至有些湿纸巾本身就细菌超标。　　“目前市场上的一些消毒湿巾存在两个问题，一是细菌超标，二是添加荧光增白剂、工业级香精等物质。”著名环保专家、国际食品包装协会秘书长董金狮教授说，优质湿巾会有一种柔和淡雅的香味，没有任何刺激性气味，多采用无纺布，质地洁白，没有任何杂质，劣质湿巾会有明显的杂质。在使用中，优质湿巾不会起毛，劣质湿巾则有明显起毛，有刺激性气味。　　董金狮提醒人们，选购湿巾时，一定要看标志、生产企业名称、执行标准、生产日期、有效日期等，一个也不能少。　　PVC保鲜膜、一次性发泡餐盒有毒　　对于保鲜膜，大家并不陌生，很多家庭常用保鲜膜封住碗碟口放进冰箱，或者将保鲜膜包裹的食物放进微波炉加热。　　3月12日中午，记者在丰乐路一水果摊前看到，摊主切开一个西瓜后，顺手拿起一个大卷的保鲜膜熟练地覆盖在西瓜的横切面上。“根据国标规定，保鲜膜一般有3种材质，即PE(聚乙烯)、PVC(聚氯乙烯)、PVDC(聚偏二氯乙烯)。”董金狮说，其中，PE和PVDC这两种材质的保鲜膜对人体安全，因为PVDC材质价格相对较贵，所以市场上的保鲜膜以PE材质为主。　　“那种特别透亮的保鲜膜就是PVC保鲜膜，在加工生产过程中一般会添加35%左右的增塑剂。”董金狮说，PVC保鲜膜不能接触带油脂的食品，不能在微波炉中加热，不能在高温下使用，否则增塑剂就会溶解出来，进而影响婴儿发育，导致一些女孩的性早熟，或男性不育症。　　对于PVC和PE保鲜膜用肉眼辨别不太容易，但也有方法。董金狮说，特别透亮的是PVC保鲜膜，不透亮的是PE保鲜膜 PVC保鲜膜韧性强，大幅度拉伸不易断，容易粘在手上，PE保鲜膜柔软，韧性较差 PVC保鲜膜燃烧时会冒浓烟，而且呛鼻子，PE保鲜膜燃烧状态跟蜡烛较像。　　同样，很多人使用的一次性餐盒，也可能存在安全隐患。　　记者在一家小吃店购买了一份卤面要求打包。老板拿出准备好的一次性塑料餐盒进行打包，记者观察发现，餐盒的盖子上印有“环保餐盒”字样，但没有国家规定的QS标志。　　“一次性发泡塑料餐具的原材料是聚苯乙烯，含有苯乙烯单体、二聚体等低聚物，长期摄入会损伤生育功能，造成残疾。”董金狮说，一次性发泡餐具不适合盛装含油多的产品，也不适合在100摄氏度以上使用，更不适合在微波炉中加热。　　董金狮说，有些一次性发泡塑料餐具企业为了欺骗消费者和执法人员，还在产品模具或包装上印制“降解餐盒”、“环保餐盒”等字样。要辨别是否为合格的一次性餐盒，先看有没有QS标志，之后要用手摸 如果是软绵绵的，轻撕就破裂，遇热变形还渗漏，一折会出白印的，就不是环保餐盒。　　吸管越鲜艳危害越大　　每到早晨的上班高峰期，都会看到匆匆忙忙的人们，手上拿着各式各样的早点，边走边吃，并用吸管喝着豆浆、牛奶。然而，这小小的塑料吸管可能存在着极大的危险。　　记者在市内一批发市场(注：黄河小商品批发市场)的塑料制品摊位看到，一些吸管的透明包装袋上什么字都没有，既没有厂家，也没有生产日期 还有一包包彩色吸管，包装上也是没有任何图案和文字 除了一些三无吸管外，有少部分吸管的外包装上标有生产厂家，而且标明了QS标志。　　随后，记者走访了几家大型超市，发现那里的吸管包装袋上详细标明了材质、保质期、生产商、联系电话、生产许可标志，还明确了耐热和耐冷温度。记者平均算了一下，每根将近1角钱，是批发市场价格的5倍。　　“吸管的原料一般是高密度的PE(聚乙烯)，而PE原料分为食品级和非食品级的，食品级的要比非食品级的贵。”董金狮说，“三无”塑料吸管的生产原料可能用的是工业级PE，或是废塑料等，容易产生低分子的有害物质，长期使用会影响人体肝脏，导致血液疾病或神经系统疾病。　　“有些无良商家为了掩盖用废塑料制作的吸管的杂色，会给吸管染色。”董金狮说，染色的颜料里面通常含有铅、镉等重金属和苯胺类的有机染料，对肝脏、肾脏都可能造成伤害，遇热后会分解出来。因此，颜色越鲜艳，安全隐患越大。　　如何挑选优质吸管呢?　　董金狮说，首先是“看”，看生产包装袋上的信息，生产日期、保质期、生产许可和编号(QS标志) 再辨颜色，五颜六色的尽量别买，颜色深的要特别引起注意 最后要“闻”，在吸管未接触饮料前要闻一闻有无刺鼻的异味，如有异味，说明肯定是问题吸管。

瓜氨酸化是影响蛋白质结构和功能的关键的翻译后修饰。尽管它与各种生物过程和疾病发病紧密相关，但由于缺乏有效的方法来富集、检测和定位该翻译后修饰，其潜在机制仍然知之甚少。近期，威斯康星大学麦迪逊分校李灵军教授课题组报道了生物素硫醇标签的设计和开发，该标签能够通过质谱法对瓜氨酸化进行衍生化、富集来实现可靠的鉴定。作者对小鼠组织的瓜氨酸化蛋白质组进行了全局分析并且从432种瓜氨酸化蛋白质中识别出691个修饰位点，这是迄今为止最大的瓜氨酸化数据集。作者发现并阐述了这个翻译后修饰的新的分布和功能并且表示该方法有希望为进一步破译瓜氨酸化的生理和病理作用奠定基础。这项工作以“Enabling Global Analysis Of Protein Citrullination Via Biotin Thiol Tag-Assisted Mass Spectrometry”为题发表在国际化学权威杂志Analytical Chemistry上 (https://doi.org/10.1021/acs.analchem.2c03844)，文章作者为Yatao Shi#, Zihui Li#, Bin Wang#，Xudong Shi , Hui Ye, Daniel G. Delafield, Langlang Lv, Zhengqing Ye, Zhengwei Chen, Fengfei Ma，Lingjun Li*。此外，李灵军教授课题组进一步拓展了此方法的实用性。作者通过应用二甲基化亮氨酸(DiLeu)等重标记策略第一次实现了瓜氨酸化的高通量定量研究，并利用这一方法揭示了瓜氨酸化在人体细胞DNA损伤及修复过程中的重要作用。相关成果以“12-Plex DiLeu Isobaric Labeling Enabled High-Throughput Investigation of Citrullination Alterations in the DNA Damage Response”为题同样发表在Analytical Chemistry上(https://doi.org/10.1021/acs.analchem.1c04073)，文章作者为Zihui Li, Bin Wang, Qinying Yu, Yatao Shi, Lingjun Li*。　　研究的主要内容　　作者设计了一种生物素硫醇标签，它可以很容易的以低成本合成并且可以与瓜氨酸残基和2,3-丁二酮发生特异性反应(图 1a)。这种衍生化不仅增加了质量转移以允许更可靠的鉴定，而且还引入了生物素部分，使修饰分子的后续富集成为可能。该生物素硫醇标签设计具有紧凑的结构，在高能碰撞解离 (HCD) 期间仅产生两个碎片/诊断离子(图 1b)。 因此，肽主链可以保持良好的裂解效率，并在 HCD 或电子转移解离 (ETD) 期间分别产生丰富的b/y或c/z离子系列。在 HCD(图 1c)、ETD或电子转移/高能碰撞解离(EThcD)碎裂下，衍生化肽标准品的序列收集质谱图几乎完全覆盖相应的肽序列。实验结果表明生物素硫醇标签衍生的瓜氨酸化肽可以产生用于解析及标注的高质量的串联质谱图，并且与各种裂解技术相结合时可以提高瓜氨酸化位点的识别可信度。　　图1|用于瓜氨酸化分析的生物素硫醇标签设计。a，使用生物素硫醇标签和 2,3-丁二酮对瓜氨酸肽进行衍生化。 b，HCD、ETD 或 EThcD 片段化后生物素硫醇标签衍生的瓜氨酸化肽的片段化位点。c，HCD 裂解后生物素硫醇标签衍生的瓜氨酸肽标准品 SAVRACitSSVPGVR 的串联质谱图。　　在接下来的实验中作者使用该生物素硫醇标签和基于质谱的自下而上的蛋白质组学方法对瓜氨酸化进行分析(图2a)。作者在体外利用 PAD(一种可以催化瓜氨酸化的酶)催化的人组蛋白 H3 蛋白来验证这个过程。作为未被PAD催化的阴性对照，未发现组蛋白的肽段被鉴定为瓜氨酸化，证明了生物素标签反应的高特异性(图 2b)。在体外 PAD 处理后，作者 发现许多精氨酸残基被催化为瓜氨酸，并且大量的位点被高可信度的鉴定为瓜氨酸化位点(图 2c)，进一步表明该方法的高效性。在 HCD 碎裂后，其产生了一系列丰富的 b/y 离子，可以帮助准确的表征在同一肽段上单个(图 2d)以及多个(图 2e)瓜氨酸化位点。　　图2|使用生物素硫醇标签进行体外瓜氨酸化分析。a，使用生物素硫醇标签进行蛋白质瓜氨酸化分析的实验工作流程。b、c，在体外 PAD 处理之前 (b) 和之后 (c) 组蛋白 H3 蛋白的瓜氨酸化分析。 已识别的瓜氨酸化位点在序列中以蓝色字母突出显示。 序列下方的红色矩形表示鉴定的瓜氨酸化肽，而瓜氨酸化位点以蓝色显示。 d，PAD处理的组蛋白 H3 (R64Cit) 的已鉴定瓜氨酸化肽的串联质谱图示例。 e，PAD 处理的组蛋白 H3 的同一肽上鉴定的两个瓜氨酸化位点(R70Cit 和 R73Cit)的串联质谱图示例。　　接下来，作者们尝试利用所开发的方法对复杂的生物样本中的瓜氨酸化进行全局分析，并希望能够以此提供阐明生物体中瓜氨酸化调节机制的依据。首先，作者对小鼠的六个身体器官和五个大脑区域进行了深入的瓜氨酸组分析，生成了第一个小鼠瓜氨酸组组织特异性数据库。作者从432种瓜氨酸化蛋白质中以高置信度的方式鉴定了691个瓜氨酸化位点(图 3a)。更重要的是，这些蛋白质中约有 60% 未曾在UniProt 数据库检索并被报道，这一结果极大地扩展了对瓜氨酸化以及这些底物蛋白质如何受到瓜氨酸化影响的理解。作者发现结果中与 UniProt 数据库的已知的瓜氨酸位点重叠部分较少(图 3b)，这可能是因为 UniProt 中描述的近 40% 的瓜氨酸化位点是基于相似性外推理论而没有实际的实验证据。此外，许多报道的位点位于组蛋白上，尤其是蛋白质末端，可能会逃过自下而上质谱策略的检测(图 3b)。图 3c 展示了单位点瓜氨酸化和多位点瓜氨酸化蛋白质分布情况，其中 70% 的已鉴定蛋白质仅有一个瓜氨酸化位点被检测到。　　这个新发现的瓜氨酸化蛋白质组为推测瓜氨酸化的调控机制提供了宝贵的资源。例如，作者在髓鞘碱性蛋白(MBP)上鉴定到了九个瓜氨酸化位点，而在 UniProt 数据库中只有四个(图3d)。作者的结果提供了高质量的串联质谱图，不仅证实了已知修饰位点的存在(图3e)，而且还高可信度的识别了未知的位点(图 3f)。然后作者进行了瓜氨酸化肽段的序列分析，发现在鉴定的瓜氨酸化位点两侧并没有高度保守的氨基酸序列模式(图3g)，但是谷氨酸残基更频繁地出现在瓜氨酸的N末端侧附近。这与Fert-Bober 等人报道的小鼠瓜氨酸组分析结论一致。另一方面，Tanikawa 等人发现在人体组织和血浆中大约五分之一的 PAD4 底物含有 RG/RGG 基序。同样，Lee 等人及相关研究人员观察到天冬氨酸和甘氨酸残基在瓜氨酸化位点出现频率偏高。值得注意的是，这些研究使用了不同的人源细胞系或组织，因此作者的结果可能表明在不同物种之间瓜氨酸化位点周围的序列模式是不同的。为了更好地辨别瓜氨酸化蛋白质所涉及的功能，作者展示了基因本体论(GO)富集分析的热图，其显示了二十个最显著富集的细胞成分(图3h)以及KEGG途径(图3i)。作者发现小鼠大脑组织和身体器官之间存在明显差异，而瓜氨酸蛋白更多地参与大脑功能。具体来说瓜氨酸化蛋白质集中在轴突、髓鞘、核周体和突触中，因此在中枢神经系统中可能发挥着重要的作用。　　图3|不同小鼠组织的大规模瓜氨酸组分析。a，不同小鼠组织中已鉴定的瓜氨酸化蛋白和瓜氨酸化位点的数量。 b，本研究中鉴定的瓜氨酸化位点与 UniProt 数据库中报告的位点比较。 c，每个鉴定的瓜氨酸化蛋白质的瓜氨酸化位点数量分布。d，本研究中确定的瓜氨酸化位点与 UniProt 数据库中关于髓鞘碱性蛋白的瓜氨酸化位点的比较。e、f，在髓磷脂碱性蛋白 R157Cit (e) 和 R228Cit (f) 上鉴定的两个瓜氨酸化位点的示例串联质谱图。g，鉴定的瓜氨酸化肽的序列。瓜氨酸化位点位于中间的“0”位置。字母的高度表示每个氨基酸在特定位置的相对频率。 h,i，使用 Metascape 生成的热图显示不同小鼠组织中显着丰富的(p 值 0.01)细胞成分 (h) (KEGG) 通路 (i)。　　为了进一步拓展该方法的实用性，作者应用了二甲基化亮氨酸(DiLeu)等重标记策略，第一次实现了对瓜氨酸化进行高通量的定量研究。作者首先使用瓜氨酸化标准肽段进行测试，证明在优化反应条件下DiLeu标记和生物素硫醇标记反应可以分步进行而不互相干扰(图 4B，4C)。同时，将标准肽段按照已知比例进行4-plex DiLeu标记并混合，再进行生物素硫醇标记和瓜氨酸化分析，结果显示了非常好的定量准确性(图5)。作者进一步优化了运用该方法在复杂生物样品中进行定量分析的实验方法，并且证明此方法依然可以实现极佳的定量准确度和精确度(图6)。　　图4|瓜氨酸化标准肽段测试DiLeu标记和生物素硫醇标记分步反应的特异性和效率　　图5|瓜氨酸化标准肽段测试DiLeu标记和生物素硫醇标记定量分析的准确性　　图6|复杂生物样品测试DiLeu标记和生物素硫醇标记定量分析的准确度和精确度　　作者接下来应用该方法对DNA损伤中瓜氨酸化的作用进行了研究。作者在MCF7细胞中用三种方法造成了DNA损伤，并定量分析了蛋白质瓜氨酸化的变化。作者一共鉴定到63种瓜氨酸化蛋白以及其包含的78个瓜氨酸化位点，并发现三个实验组中的瓜氨酸化表达相比于对照组呈现出非常不同的趋势(图7A)，这一结果表明瓜氨酸化在不同类型的DNA损伤模型中具有差异性的作用。通过对实验组中显著变化的瓜氨酸化蛋白进行生物过程网络分析，作者发现瓜氨酸化主要对DNA代谢，蛋白结构变化，翻译以及DNA修复等过程进行调控(图 7B，7C)。该实验结果表明蛋白瓜氨酸化对DNA损伤以及相关发病机理具有非常重要的作用。　　图7|高通量定量分析研究瓜氨酸化在DNA损伤中的变化及作用(来源：Anal. Chem.)　　小结　　本文章介绍了一种生物素硫醇标签的设计和开发，该标签可与瓜氨酸化肽段发生特异性反应并极大地提高了瓜氨酸化的富集和检测效率。在使用标准肽和重组蛋白证明该方法的有效性后，作者进一步优化了从复杂生物样品中检测瓜氨酸化的实验过程。通过此方法对小鼠五个大脑区域和六个身体器官的蛋白质瓜氨酸化进行分析，作者鉴定出432个瓜氨酸化蛋白以及691个瓜氨酸化位点，这是迄今为止最大的数据集。该研究揭示了这种翻译后修饰可能在神经系统中发挥的关键作用，并表明它们在包括呼吸和糖酵解在内的许多代谢过程中也可能发挥着重要作用。总的来说，实验结果表明蛋白质瓜氨酸化在不同组织中具有广泛分布并参与各种生物过程，这扩展了目前对蛋白质瓜氨酸化生理作用的认知和理解。此外，作者进一步拓展了此方法的实用性，通过应用DiLeu等重标记策略第一次实现了瓜氨酸化的高通量定量研究，并利用这一方法揭示了瓜氨酸化在人体细胞DNA损伤及修复过程中的重要作用。更重要的是，该方法可以提供一种普适、简单而强大的检测方法来明确鉴定蛋白质瓜氨酸化，这也将启发和有益于未来对这种翻译后修饰在生理和病理条件下的功能作用的研究。　　相关研究成果近期发表在Analytical Chemistry上的两篇文章中, 通过生物素硫醇标签辅助质谱法对蛋白质瓜氨酸化进行全局分析文章的共同第一作者是威斯康星大学麦迪逊分校博士生石亚涛，李子辉，王斌，并与中国药科大学叶慧教授课题组合作 应用二甲基化亮氨酸等重标记策略进行蛋白质瓜氨酸化高通量定量研究文章的第一作者是威斯康星大学麦迪逊分校博士生李子辉，两篇文章通讯作者为李灵军教授。更多关于李灵军教授研究团队的最新研究进展欢迎登陆课题组网站：https://www.lilabs.org/

图1 面向新冠肺炎影像诊断的自适应注意力深度学习网络AANet图2 AANet网络相比Deep-COVID等主流深度学习方法，病症定位精准度大幅提升，热点图(saliency map)颜色深度与病症位置匹配度显著提升在国家自然科学基金项目（批准号：61973087、61773127、62073086）资助下，广东工业大学智能信息处理团队谢胜利、何昭水、吕俊等在人工智能（Artificial Intelligence，AI）辅助新冠肺炎影像诊断方面取得进展。研究成果以“面向COVID-19肺炎X影像诊断的自适应注意力网络（AANet: Adaptive Attention Network for COVID-19 Detection From Chest X-Ray Images）”为题，发表在《IEEE神经网络与学习系统汇刊》（IEEE Transactions on Neural Networks and Learning Systems, IEEE TNNLS）。论文链接：https://ieeexplore.ieee.org/document/9560709。　　2020年以来，新冠肺炎肆虐全球，造成巨大损失并引发世界性健康危机(世界卫生组织统计指出，截至2021年10月19日，全球累计新冠肺炎确诊240940937例，死亡4903911例)。在新冠肺炎防治方面，快速准确诊断新冠肺炎患者是遏制新冠病毒传播，阻止病毒扩散的关键环节。其中，新冠肺炎诊断的依据主要有核酸检测和医学影像检测，但一些患者核酸检测需2次，甚至有直到第5次才显示阳性的情况。因此，临床上影像检测是新冠肺炎诊断至关重要的手段且被列入《卫健委新冠肺炎诊疗指南（第五版）》。　　在传统影像诊断中，医生需要结合自身经验逐一查阅影像，主观性强且时间和准确性难以保证，易产生错误判断，在应对爆发性流行病（如新冠肺炎）诊断过程中受到限制。近年来，虽然深度学习等AI技术在影像诊断中取得较好进展，提高了影像诊断速度、准确性和可靠性。但在新冠肺炎影像诊断中，存在病灶边界不清，病灶形态多样且不规则等问题，致使已有的深度学习技术直接应用于新冠肺炎影像诊断时面临着无法准确定位、病灶放射学特征难以检测等挑战。针对以上问题，广东工业大学智能信息处理团队基于注意力机制、可变形卷积理论和方法，提出了“面向新冠肺炎快速影像检测”的自适应注意力深度学习网络AANet（如图1所示）。其分别通过“注意力机制模块”克服因影像病灶边界不清等导致的病症难以准确定位问题，通过“自适应可变形卷积模块”克服因病灶影像形态多样且不规则等导致的新冠放射学特征难以检测问题，从而实现新冠肺炎病症影像的快速检测和准确定位（如图2所示），在新冠肺炎公开数据集COVIDx dataset中的检测准确率高达97%（比国际主流方法Deep-COVID、COVID-Net等提高6%以上）。