|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | Changes in hippocampal connectivity in the early stages of Alzheimer's disease: evidence from resting state fMRI显示文摘 | Wang L Zang Y He Y Liang M Zhang X Tian L Wu T Jiang T Li K | 2006 | 中国生物学文摘2006，20，10： | 84 |
| 2 | 武汉市新型冠状病毒感染患者的临床特征显示文摘中国武汉最近发生的一组肺炎病例是由一种新的冠状病毒,即2019年新型冠状病毒(2019 novel coronavirus,2019-nCoV)引起的。本研究报告这些患者的流行病学、临床、实验室和放射学特征,以及治疗和临床结果。本研究的所有疑似2019-nCoV感染的患者均被送往武汉市指定医院。本研究前瞻性地收集和分析通过real-time RT-PCR和二代测序进行过实验室确认的2019-nCoV感染患者的数据。 | 吕新军(编译) Huang C Wang Y Li X | 2020 | 中华实验和临床病毒学杂志2020，34，1： | 2378 |
| 3 | 2019新型冠状病毒基因组特征和流行病学:病毒起源和受体结合的意义显示文摘研究者对来自9例新型冠状病毒肺炎住院患者的支气管肺泡灌洗液样本和培养的分离株进行了下一代测序。从这些个体中获得了严重急性呼吸综合征-冠状病毒2(severe acute respiratory syndrome-coronavirus 2,SARS-CoV-2)的完整和部分基因组序列。利用Sanger测序连接病毒重叠群以获得全长基因组,cDNA末端快速扩增确定终端区。对这些SARSCoV-2基因组和其他冠状病毒基因组进行了系统进化分析,以确定该病毒的进化史并有助于推断其可能的起源。 | 刘青(译) 刘莉(审校) Lu R Zhao X Li J Niu P Yang B Wu H Wang W Song H Huang B Zhu N Bi Y Ma X Zhan F Wang L Hu T Zhou H Hu Z Zhou W Zhao L Chen J Meng Y Wang J Lin Y Yuan J Xie Z Ma J Liu WJ Wang D Xu W Holmes EC Gao GF Wu G Chen W Shi W Tan W | 2020 | 中华高血压杂志2020，28，3： | 516 |
| 4 | 外刊拾贝显示文摘1.根据2018年美国糖尿病学会标准诊断中国糖尿病患病率:全国横断面研究目的:评估糖尿病患病率及其危险因素。设计:基于人群的横断面研究。背景:2015-2017年中国大陆31省份全国横断面数据。调查对象:75880名18周岁及以上代表中国大陆人口的成年人样本。主要观察指标:根据2018年美国糖尿病学会和世界卫生组织标准诊断中国成人不同性别、区域和种族的糖尿病患病率。通过问卷的方式记录调查对象的社会人口学信息、生活方式和疾病史。 | 单忠艳 Li Y Teng D Shi X Ba J 王看然 李启富 Wang K Hu J Yang J | 2020 | 国际内分泌代谢杂志2020，40，5： | 42 |
| 5 | Study of BESIII trigger efficiencies with the 2018 J/ψ data显示文摘Using a dedicated data sample taken in 2018 on the J/ψpeak,we perform a detailed study of the trigger efficiencies of the BESIII detector.The efficiencies are determined from three representative physics processes,namely Bhabha scattering,dimuon production and generic hadronic events with charged particles.The combined efficiency of all active triggers approaches 100%in most cases,with uncertainties small enough not to affect most physics analyses. | M.Ablikim M.N.Achasov P.Adlarson S.Ahmed M.Albrecht R.Aliberti A.Amoroso M.R.An Q.An X.H.Bai Y.Bai O.Bakina R.Baldini Ferroli I.Balossino Y.Ban K.Begzsuren N.Berger M.Bertani D.Bettoni F.Bianchi J.Bloms A.Bortone I.Boyko R.A.Briere H.Cai X.Cai A.Calcaterra G.F.Cao N.Cao S.A.Cetin J.F.Chang W.L.Chang G.Chelkov D.Y.Chen G.Chen H.S.Chen M.L.Chen S.J.Chen X.R.Chen Y.B.Chen Z.J Chen W.S.Cheng G.Cibinetto F.Cossio X.F.Cui H.L.Dai X.C.Dai A.Dbeyssi R.E.de Boer D.Dedovich Z.Y.Deng A.Denig I.Denysenko M.Destefanis F.De Mori Y.Ding C.Dong J.Dong L.Y.Dong M.Y.Dong X.Dong S.X.Du Y.L.Fan J.Fang S.S.Fang Y.Fang R.Farinelli L.Fava F.Feldbauer G.Felici C.Q.Feng J.H.Feng M.Fritsch C.D.Fu Y.Gao Y.Gao Y.Gao Y.G.Gao I.Garzia P.T.Ge C.Geng E.M.Gersabeck A Gilman K.Goetzen L.Gong W.X.Gong W.Gradl M.Greco L.M.Gu M.H.Gu S.Gu Y.T.Gu C.Y Guan A.Q.Guo L.B.Guo R.P.Guo Y.P.Guo A.Guskov T.T.Han W.Y.Han X.Q.Hao F.A.Harris H Hüsken K.L.He F.H.Heinsius C.H.Heinz T.Held Y.K.Heng C.Herold M.Himmelreich T.Holtmann Y.R.Hou Z.L.Hou H.M.Hu J.F.Hu T.Hu Y.Hu G.S.Huang L.Q.Huang X.T.Huang Y.P.Huang Z.Huang T.Hussain W.Ikegami Andersson W.Imoehl M.Irshad S.Jaeger S.Janchiv Q.Ji Q.P.Ji X.B.Ji X.L.Ji H.B.Jiang X.S.Jiang J.B.Jiao Z.Jiao S.Jin Y.Jin T.Johansson N.Kalantar-Nayestanaki X.S.Kang R.Kappert M.Kavatsyuk B.C.Ke I.K.Keshk A.Khoukaz P.Kiese R.Kiuchi R.Kliemt L.Koch O.B.Kolcu B.Kopf M.Kuemmel M.Kuessner A.Kupsc M.G.Kurth W.Kühn J.J.Lane J.S.Lange P.Larin A.Lavania L.Lavezzi Z.H.Lei H.Leithoff M.Lellmann T.Lenz C.Li C.H.Li Cheng Li D.M.Li F.Li G.Li H.Li H.Li H.B.Li H.J.Li J.L.Li J.Q.Li J.S.Li Ke Li L.K.Li Lei Li P.R.Li S.Y.Li W.D.Li W.G.Li X.H.Li X.L.Li Z.Y.Li H.Liang H.Liang H.Liang Y.F.Liang Y.T.Liang L.Z.Liao J.Libby C.X.Lin B.J.Liu C.X.Liu D.Liu F.H.Liu Fang Liu Feng Liu H.B.Liu H.M.Liu Huanhuan Liu Huihui Liu J.B.Liu J.L.Liu J.Y.Liu K.Liu K.Y.Liu Ke Liu L.Liu M.H.Liu P.L.Liu Q.Liu Q.Liu S.B.Liu Shuai Liu T.Liu W.M.Liu X.Liu Y.Liu Y.B.Liu Z.A.Liu Z.Q.Liu X.C.Lou F.X.Lu H.J.Lu J.D.Lu J.G.Lu X.L.Lu Y.Lu Y.P.Lu C.L.Luo M.X.Luo b P.W.Luo T.Luo X.L.Luo S.Lusso X.R.Lyu F.C.Ma H.L.Ma L.L.Ma M.M.Ma Q.M.Ma R.Q.Ma R.T.Ma X.X.Ma X.Y.Ma F.E.Maas M.Maggiora S.Maldaner S.Malde Q.A.Malik A.Mangoni Y.J.Mao Z.P.Mao S.Marcello Z.X.Meng J.G.Messchendorp G.Mezzadri T.J.Min R.E.Mitchell X.H.Mo Y.J.Mo N.Yu.Muchnoi H.Muramatsu S.Nakhoul Y.Nefedov F.Nerling I.B.Nikolaev Z.Ning S.Nisar S.L.Olsen Q.Ouyang S.Pacetti X.Pan Y.Pan A.Pathak P.Patteri M.Pelizaeus H.P.Peng K.Peters J.Pettersson J.L.Ping R.G.Ping R.Poling V.Prasad H.Qi H.R.Qi K.H.Qi M.Qi T.Y.Qi T.Y.Qi S.Qian W.-B.Qian Z.Qian C.F.Qiao L.Q.Qin X.S.Qin Z.H.Qin J.F.Qiu S.Q.Qu K.H.Rashid K.Ravindran C.F.Redmer A.Rivetti V.Rodin M.Rolo G.Rong Ch.Rosner M.Rump H.S.Sang A.Sarantsev Y.Schelhaas C.Schnier K.Schoenning M.Scodeggio D.C.Shan W.Shan X.Y.Shan J.F.Shangguan M.Shao C.P.Shen P.X.Shen X.Y.Shen H.C.Shi R.S.Shi X.Shi X.D Shi W.M.Song Y.X.Song S.Sosio S.Spataro K.X.Su P.P.Su F.F.Sui G.X.Sun H.K.Sun J.F.Sun L.Sun S.S.Sun T.Sun W.Y.Sun X Sun Y.J.Sun Y.K.Sun Y.Z.Sun Z.T.Sun Y.H.Tan Y.X.Tan C.J.Tang G.Y.Tang J.Tang J.X.Teng V.Thoren I.Uman B.Wang C.W.Wang D.Y.Wang H.J.Wang H.P.Wang K.Wang L.L.Wang M.Wang M.Z.Wang Meng Wang W.Wang W.H.Wang W.P.Wang X.Wang X.F.Wang X.L.Wang Y.Wang Y.D.Wang Y.F.Wang Y.Q.Wang Y.Y.Wang Z.Wang Z.Y.Wang Ziyi Wang Zongyuan Wang D.H.Wei P.Weidenkaff F.Weidner S.P.Wen D.J.White U.Wiedner G.Wilkinson M.Wolke L.Wollenberg J.F.Wu L.H.Wu L.J.Wu X.Wu Z.Wu L.Xia H.Xiao S.Y.Xiao Z.J.Xiao X.H.Xie Y.G.Xie Y.H.Xie T.Y.Xing G.F.Xu Q.J.Xu W.Xu X.P.Xu F.Yan L.Yan W.B.Yan W.C.Yan Xu Yan H.J.Yang H.X.Yang L.Yang S.L.Yang Y.X.Yang Yifan Yang Zhi Yang M.Ye M.H.Ye J.H.Yin Z.Y.You B.X.Yu C.X.Yu G.Yu J.S.Yu T.Yu C.Z.Yuan L.Yuan X.Q.Yuan Y.Yuan Z.Y.Yuan C.X.Yue A.Yuncu A.A.Zafar Y.Zeng B.X.Zhang Guangyi Zhang H.Zhang H.H.Zhang H.Y.Zhang J.J.Zhang J.L.Zhang J.Q.Zhang J.W.Zhang J.Y.Zhang J.Z.Zhang Jianyu Zhang Jiawei Zhang L.Q.Zhang Lei Zhang S.Zhang S.F.Zhang Shulei Zhang X.D.Zhang X.Y.Zhang Y.Zhang Y.H.Zhang Y.T.Zhang Yan Zhang Yao Zhang Yi Zhang Z.H.Zhang Z.Y.Zhang G.Zhao J.Zhao J.Y.Zhao J.Z.Zhao Lei Zhao Ling Zhao M.G.Zhao Q.Zhao S.J.Zhao Y.B.Zhao Y.X.Zhao Z.G.Zhao A.Zhemchugov B.Zheng J.P.Zheng Y.Zheng Y.H.Zheng B.Zhong C.Zhong L.P.Zhou Q.Zhou X.Zhou X.K.Zhou X.R.Zhou A.N.Zhu J.Zhu K.Zhu K.J.Zhu S.H.Zhu T.J.Zhu W.J.Zhu W.J.Zhu Y.C.Zhu Z.A.Zhu B.S.Zou J.H.Zou | 2021 | Chinese Physics C2021，45，2： | 33 |
| 6 | Human mesenchymal stem cells overexpressing pigment epitheliumderived factor inhibit hepatocellular carcinoma in nude mice(摘要)显示文摘 | Gao, Y Yao, A Zhang, W Lu, S Yu, Y Deng, L Yin, A Xia, Y Sun, B Wang, X | 2010 | 南京医科大学学报(自然科学版)2010，30，8： | 25 |
| 7 | Numerical description of coalbed methane desorption stages based on isothermal adsorption experiment显示文摘Quantitative description of desorption stages of coalbed methane is an important basis to objectively understand the production of coalbed methane well,to diagnose the production state,and to optimize the management of draining and collection of coalbed methane.A series of isothermal adsorption experiments were carried out with 12 anthracite samples from 6 coalbed methane wells located in the south of the Qinshui Basin,based on the results of isothermal adsorption experiments,and an analytical model was developed based on the Langmuir sorption theory.With the model,a numerical method that adopts equivalent desorption rate and its curve was established,which can be used to characterize the staged desorption of coalbed methane.According to the experimental and numerical characterizations,three key pressure points determined by the equivalent desorption rate curvature that defines pressure-declining desorption stage,have been proposed and confirmed,namely,start-up pressure,transition pressure and sensitive pressure.By using these three key pressure points,the process of coalbed methane desorption associated with isothermal adsorption experiments can be divided into four stages,i.e.,zero desorption stage,slow desorption stage,transition desorption stage,and sensitive desorption stage.According to analogy analysis,there are differences and similarities between the processes of coalbed methane desorption identified by isothermal adsorption experiments and observed in gas production.Moreover,it has been found that larger Langmuir volume and ratio of Langmuir constants are beneficial to earlier advent of steady production stage,whereas it is also possible that the declining production stage may occur ahead of schedule. | ZHANG Zheng QIN Yong Geoff X WANG FU XueHai | 2013 | Science China Earth Sciences2013，56，6： | 25 |
| 8 | Vascular endothelial growth factor receptor 2(VEGFR-2) plays a key role in vasculogenic mimicry formation,neovascularization and tumor initiation by Glioma stem-like cells显示文摘Human glioblastomas(GBM)are thought to be initiated by glioma stem-like cells(GSLCs).GSLCs also participate in tumor neovascularization by transdifferentiating into vascular endothelial cells.Here,we report a critical role of GSLCs in the formation of vasculogenic mimicry(VM),which defines channels lined by tumor cells to supply nutrients to early growing tumors and | Yao X Ping Y Liu Y Chen K Yoshimura T Liu M Gong W Chen C Niu Q Guo D Zhang X Wang JM Bian X | 2013 | 中国神经肿瘤杂志2013，11，3： | 23 |
| 9 | Proteomic analysis of human ovaries from normal and polycystic ovarian syndrome显示文摘 | Ma,X Fan,L Meng,Y Hou,Z Mao,YDL Wang,W Ding,W Liu,JY | 2007 | 南京医科大学学报(自然科学版)2007，27，11： | 20 |
| 10 | 2001~2011年中国ST段抬高型心肌梗死(回顾性急性心肌梗死研究China PEACE):一项基于医院数据的回顾性研究显示文摘背景:尽管ST段抬高型心肌梗死十分危险,但是过去10年中国并没有国家级有代表性的研究来描述其临床特征、处理方案以及结局。 | Li J Li X Wang Q 李汭傧 | 2014 | 临床荟萃2014，29，11： | 20 |
| 11 | 人工智能干预性临床试验报告指南:CONSORT-AI扩展显示文摘《试验报告统一标准》(Consolidated Standards of Reporting Trials,CONSORT)2010声明提供了报告随机试验的最低准则。它的广泛使用有助于保证评估新的干预措施的透明性。最近,人们越来越认识到,涉及人工智能(artificial intelligence,AI)的干预需要经过严格的前瞻性评估,以明确其对健康的影响。《人工智能试验报告统一标准》(Consolidated Standards of Reporting Trials Artificial Intelligence,CONSORT-AI)是一个新的临床试验报告指南,用以评估具有AI成分的干预。它是与《人工智能干预试验方案报告标准》(Standard ProtocolItems:Recommendations forI nterventional Trials-Artificial Intelligence,SPIRIT-AI)同步编制的。这两项指南的编制通过分阶段的文献回顾和专家咨询等过程达成共识,产生29项候选条目。由国际多方利益相关者小组在两阶段德尔菲调查(103个利益相关者)中对这些条目进行了咨询,并在共识会议上达成一致意见(31个利益相关者),通过34个试点参与进行改进和优化。CONSORT-AI扩展包括14项新条目,这些新条目对于AI干预非常重要,除了2010年CONSORT声明的核心条目之外,试验报告还应常规包含这些内容。CONSORT-AI建议研究人员提供关于AI干预的清晰描述,包括使用AI所需的说明和技能、AI干预集成环境的设置、输入和输出数据处理的注意事项、人-AI交互和错误案例分析。CONSORT-AI将有助于提高AI干预临床试验方案的透明度和完整性,也有助于编辑、同行评审以及普通读者理解、解释和严格评估临床试验的设计和偏倚风险。 | 李子孝(译) 熊云云(译) 丁玲玲(译) 王春雪(译) 赵性泉(译) 王拥军(译) WANG Chun-Juan LIU X X CRUZ RIVERA S MOHER D | 2020 | 中国卒中杂志2020，15，12： | 19 |
| 12 | 多学科合作下糖尿病足防治专家共识(2020版)显示文摘糖尿病足是糖尿病患者致残致死的主要原因之一,同时也给社会、家庭带来严重的经济负担。自2005年世界糖尿病日关注糖尿病足部管理开始,各国更加注重糖尿病足的诊疗并制定了一系列诊疗指南。目前我国也有几部糖尿病足指南发布,对规范医疗起到了极大的作用。 | Wang A Lv G Cheng X | 2020 | 中华烧伤杂志2020，36，10： | 18 |
| 13 | An ABA-mimicking ligand that reduces water loss and promotes drought resistance in plants显示文摘Abscisic 酸(骆驼毛的织物) 是最重要的荷尔蒙让植物抵抗干旱和另外的不能生活的压力。骆驼毛的织物直接绑在骆驼毛的织物受体的 PYR/PYL 家庭,导致类型 2C 磷酸酶(PP2C ) 和下游的骆驼毛的织物发信号的激活的抑制。骆驼毛的织物由小分子发信号的干预能帮助植物克服象干旱,寒冷和土壤咸度那样的不能生活的压力,这被想象。然而,由植物酶的化学不稳定性和快速的分解代谢限制骆驼毛的织物本身的实际申请。这里,我们报导一件小分子骆驼毛的织物的鉴定模仿(AM1 ) 那充当骆驼毛的织物受体的家庭的多重成员的有势力使活跃之物。在 Arabidopsis, AM1 激活高度类似于由骆驼毛的织物导致了那的一个基因网络。有 AM1 的处理禁止种子萌芽,阻止叶水损失,并且支持干旱抵抗。我们与 PYL2 骆驼毛的织物受体和 HAB1 PP2C 在建筑群解决了 AM1 的水晶结构,它表明 AM1 调停交往的 gate-latch-lock 网络,在骆驼毛的织物界限 receptor/PP2C 建筑群被保存的一个结构的特征。一起,这些结果证明一件单个小分子骆驼毛的织物模仿能激活多重骆驼毛的织物受体并且保护植物免受水损失和干旱应力的伤害。而且, AM1 复杂水晶结构为设计 ABA-mimicking 小分子的下一代提供一个结构的基础。 | Minjie Cao Xue Liu Yan Zhang Xiaoqian Xue X EdwardZhou Karsten Melcher Pan Gao Fuxing Wang Liang Zeng Yang Zhao Pan Deng Dafang Zhong Jian-Kang Zhu H Eric Xu Yong Xu | 2013 | Cell Research2013，23，8： | 17 |
| 14 | A Deep Learning Approach for Fault Diagnosis of Induction Motors in Manufacturing显示文摘Extracting features from original signals is a key procedure for traditional fault diagnosis of induction motors, as it directly influences the performance of fault recognition. However, high quality features need expert knowledge and human intervention. In this paper,a deep learning approach based on deep belief networks(DBN) is developed to learn features from frequency distribution of vibration signals with the purpose of characterizing working status of induction motors. It combines feature extraction procedure with classification task together to achieve automated and intelligent fault diagnosis. The DBN model is built by stacking multiple-units of restricted Boltzmann machine(RBM), and is trained using layer-bylayer pre-training algorithm. Compared with traditional diagnostic approaches where feature extraction is needed,the presented approach has the ability of learning hierarchical representations, which are suitable for fault classification, directly from frequency distribution of the measurement data. The structure of the DBN model is investigated as the scale and depth of the DBN architecture directly affect its classification performance. Experimental study conducted on a machine fault simulator verifies the effectiveness of the deep learning approach for fault diagnosis of induction motors. This research proposes an intelligent diagnosis method for induction motor which utilizes deep learning model to automatically learn features from sensor data and realize working status recognition. | Si-Yu Shao Wen-Jun Sun Ru-Qiang Yan Peng Wang Robert X Gao | 2017 | Chinese Journal of Mechanical Engineering2017，30，6： | 17 |
| 15 | 胸背根神经节或肋间神经脉冲射频调制治疗老年带状疱疹后神经痛的疗效和安全性回顾性研究显示文摘带状疱疹后神经痛(PHN)是由水痘带状疱疹病毒感染引起的一种慢性疼痛,常见于老年人。PHN的典型临床症状是持续的刺痛或灼痛,伴自发性疼痛,严重影响老年患者的生活质量。其发病机制复杂,治疗困难。脉冲射频(PRF)是一种对靶神经施加脉冲电流的微创技术。最近的研究证实了PRF对术后疼痛、周围神经病理性疼痛和带状疱疹后神经痛的有益作用。胸神经(T1~12)是PHN最常见的受累部位,发病率高达50%。研究表明,背根神经节(DRG)和肋间神经(ICN)联合PRF治疗胸椎带状疱疹后遗神经痛均有效。 | Huang X Ma Y Wang W 潘雪芹(编译) | 2021 | 中华医学杂志2021，101，43： | 15 |
| 16 | 低剂量利福昔明可预防肝硬化失代偿期患者的并发症并提高生存率显示文摘利福昔明已被推荐作为肝性脑病(HE)和自发性细菌性腹膜炎(SBP)的预防药物。该研究旨在探讨低剂量利福昔明是否能预防肝硬化患者的整体并发症和延长生存期。在这项多中心随机开放标签的前瞻性研究中,200例失代偿期肝硬化患者按1∶1的比例随机分配。利福昔明组患者给予利福昔明400 mg,每日2次,疗程6个月,其余治疗策略在两组患者中尽量保持不变。主要疗效终点是总并发症发生率和无肝移植生存率。次要终点是各种主要肝硬化相关并发症的发生率,以及Child-Pugh评分和分级。 | ZENG X SHENG X WANG PQ 朱玉凡 牛俊奇 | 2021 | 临床肝胆病杂志2021，37，3： | 15 |
| 17 | Proteome analysis of hepatocellular carcinoma by laser capture microdissection显示文摘 | Ai J Tan Y Ying W Hong Y Liu S Wu M Qian X Wang H | 2006 | 第二军医大学学报2006，27，5： | 14 |
| 18 | 中国社区健康素养与高血压治疗之间的关系:回顾性队列研究显示文摘健康素养较低与临床预后差相关。健康素养与血压之间的关系研究结果不一致。该研究调查了健康素养的决定因素和健康素养与高血压管理之间的潜在关系。方法:对360例高血压患者进行回顾性队列研究。基于标准方案进行测量、体检和实验室检查。 | 刘莉 叶鹏 Shi D Li J Wang Y Wang S Liu K Shi R Zhang Q Chen X | 2017 | 中华高血压杂志2017，25，5： | 14 |
| 19 | 创新显示文摘XDebloat框架有效对抗安卓应用臃肿化创新点人类有白色、棕色和米色3种不同功能的脂肪。白色脂肪负责储存热量;棕色脂肪负责燃烧脂肪产生热量;最新发现的米色脂肪在静息时表现出白色脂肪功能,在被激活后则具有脂肪棕色的潜力,可促进热量产生和脂肪消耗。因此,如何安全有效地激活米色脂肪成为治疗肥胖和代谢疾病的重要研究方向。华东师范大学生命科学学院马欣然研究员、徐凌燕研究员联合其他研究团队,共同发现了米色脂肪局部热疗的新方法,可以改善代谢紊乱并治疗肥胖。 | LI Y WANG D PING X 陈西 | 2022 | 张江科技评论2022，，2： | 14 |
| 20 | 基质金属蛋白酶1的组织抑制剂通过介导CD63与整合素β_1的相互作用促进心肌纤维化显示文摘心肌纤维化指细胞外基质纤维胶原蛋白的过度积累。纤维化是各种心肌病的关键特征,会影响心脏收缩和舒张功能。金属蛋白酶1组织抑制剂(tissue inhibitor of metalloproteinase-1,TIMP1)水平在心肌纤维化过程中始终增加,被认为是纤维化的标记物。 | Takawale A Zhang P Patel VB Wang X Oudit G Kassiri Z 刘莉 叶鹏 | 2017 | 中华高血压杂志2017，25，4： | 13 |
您所在的机构暂未开通此部分的功能，请联系管理员