睡眠障碍和睡眠时间延迟是神经疾病发生的前兆

《Sleep Medicine》:Sleep disturbances and delayed sleep timing precede neurological disease

【字体: 大 中 小 】 时间:2026年03月26日 来源:Sleep Medicine 3.4

编辑推荐:

  **摘要** 睡眠障碍与神经疾病的风险增加有关,但尚不清楚这些障碍是可改变的风险因素还是疾病的早期征兆。本研究探讨了睡眠的多个维度与神经疾病发病之间的关系,以及诊断前后睡眠模式的变化情况。我们使用了瑞典纵向职业健康调查(Swedish Longitudinal Occupat

  **摘要**
睡眠障碍与神经疾病的风险增加有关,但尚不清楚这些障碍是可改变的风险因素还是疾病的早期征兆。本研究探讨了睡眠的多个维度与神经疾病发病之间的关系,以及诊断前后睡眠模式的变化情况。我们使用了瑞典纵向职业健康调查(Swedish Longitudinal Occupational Survey of Health)中24,033名参与者的纵向数据,这些数据从2010年到2018年每两年收集一次。通过国家登记系统识别出新发神经疾病病例。我们使用Cox比例风险模型分析这些关联,并通过线性混合效应模型在反向时间尺度上研究了睡眠变量的纵向变化趋势。在平均4年的随访期间,有1,382名参与者患上了神经疾病。几种与睡眠相关的症状与疾病风险增加有关,包括持续疲劳(风险比1.58,95%置信区间1.38-1.80)、睡眠质量不佳(风险比1.40,95%置信区间1.22-1.62)和睡眠呼吸障碍(风险比2.27,95%置信区间1.75-2.93)。单独的失眠症状与疾病风险增加无关(风险比1.06,95%置信区间0.84-1.33),除非伴有日间症状(风险比1.51,95%置信区间1.28-1.78)。纵向分析显示,在诊断前几年,患有神经疾病的个体逐渐出现入睡和起床时间推迟的现象,同时失眠症状、疲劳和睡眠呼吸障碍也有所加重。睡眠症状和睡眠-觉醒时间的变化在神经疾病诊断前几年就已经出现。这些模式可能反映了大脑功能的早期改变,支持将睡眠相关问题作为神经健康监测的早期指标的潜力。

**1. 背景**
睡眠障碍,包括睡眠时间极端、睡眠质量差和失眠症状,已被证明与不良的神经后果(包括神经退行性疾病)有关[[1], [2], [3]]。虽然前瞻性研究表明睡眠问题可能先于阿尔茨海默病和帕金森病等疾病的发病[[4], [5], [6]],但这些关联的时间顺序仍不清楚。目前尚不清楚睡眠障碍是先于神经疾病的发病,还是作为神经疾病发展的早期表现。新兴研究还强调了日间功能受损(如持续疲劳、嗜睡和精神疲惫)对大脑健康的潜在影响[7,8]。这些症状通常归因于睡眠质量差,但也可能反映了早期的神经生物学变化。然而,它们的预测价值尚不确定,尤其是在考虑夜间睡眠问题和睡眠时间时。尽管许多研究关注特定的结果[[4], [5], [6], [9,10]],但很少有研究探讨长期睡眠模式或变化与不同诊断类别的神经疾病发病之间的关系。尽管这些疾病的病因和临床表现各不相同,但许多疾病都涉及大脑功能或调节系统的早期改变,这些改变可能通过睡眠变化表现出来[[11,12]]。这些共同特征表明,睡眠障碍可能反映了中枢神经系统的早期变化,即使不同疾病背后的机制不同。从机制学和公共卫生的角度来看,将神经疾病作为一个综合结果进行研究可以提供关于睡眠障碍如何预示大脑健康早期变化的重要见解。我们利用瑞典队列的纵向数据来探讨睡眠的多个维度与新发神经疾病之间的关联,并试图了解患有神经疾病的人与未患病者的睡眠模式是否有不同,以及神经疾病发病后的睡眠变化情况。

**2. 方法**
我们使用了瑞典纵向职业健康调查(SLOSH)[13]的数据,该调查始于2006年,目前包括57,104名参与者。SLOSH跟踪16-64岁的工作人群。数据通过自我填写的邮政问卷每两年收集一次,直至2020年。问卷有两个版本:一个针对有固定工作的人,另一个针对工作较少或没有工作的人。两个版本都包含相同的关于睡眠和健康的核心问题。本研究使用了第3至7波(2010-2018年)的数据,这些数据包含了更详细的睡眠模式评估。在每次调查中,参与者报告了他们的睡眠习惯、生活方式、健康状况和社会人口统计特征。根据瑞典法规,通过返回完成的问卷即视为获得了知情同意。随着时间的推移,响应率从2010年的57%下降到2018年的48%。响应者更可能是女性、出生于瑞典、具有大学教育背景且平均年龄较大。问卷数据通过唯一的个人身份号码与国家登记系统链接。通过瑞典国家患者登记系统和死亡原因登记系统,我们识别出新发神经疾病(ICD代码G00-G99),时间范围截至2018年。在参与第3至7波的27,911名参与者中,我们排除了基线时有神经疾病诊断的人(n = 3,786)和所有睡眠相关问题回答缺失的人(n = 92),最终得到24,033名参与者(见图1)。为了评估神经疾病发病前的长期睡眠模式变化,我们仅纳入了在第3至7波中至少有三次重复测量的参与者。共有16,351名参与者符合这一标准。由于某些睡眠问题是在第3波引入的,并非所有参与者都回答了所有问题,因此每个变化轨迹的参与者数量从14,334人(针对身体疲惫)到15,972人(针对主观睡眠不足)不等。该研究获得了斯德哥尔摩地区伦理审查委员会的批准。

**3. 睡眠相关项目的定义**
参与者分别报告了工作日和休息日的典型就寝时间和起床时间。这些数据用于计算平均每周睡眠时间,分为短睡眠(<6小时)、正常睡眠(6-8小时)和长睡眠(>8小时)。睡眠相关症状通过卡罗林斯卡睡眠问卷(Karolinska Sleep Questionnaire)[14]中的项目进行评估。参与者报告了他们经历的症状频率,如入睡困难、多次醒来后难以再次入睡、早醒、醒来后感觉不清醒、打鼾、睡眠呼吸暂停、持续疲劳、身体疲惫和精神疲惫。每个症状在六点量表上评分:1)从未,2)很少/仅一次,3)有时/每月几次,4)频繁/每周1-2次,5)大部分/每周3-4次,6)总是/每周5次或更多。如果夜间症状每周至少出现三次(评分5-6),则认为存在夜间症状;如果日间症状每周出现两次或更多,则认为存在日间症状。主观睡眠充足性在五点量表上评分,分为充足(得分1-3)和不足(得分4-5)。夜间失眠定义为每周至少出现三次入睡困难、多次醒来后难以再次入睡或早醒。根据夜间失眠和日间症状的存在,我们将参与者分为互斥的组别,以反映具有临床意义的症状特征。

**4. 统计分析**
分类变量用频率和百分比表示,连续变量用均值和标准差(SD)表示。使用Cox比例风险回归模型分析了睡眠变量与新发神经疾病风险之间的关联。随访时间从基线问卷日期计算到以下最早事件的发生:新发神经事件、失访、死亡或随访结束(2018年),以先发生者为准。使用Schoenfeld残差评估比例风险假设,未发现违规情况。所有模型都调整了潜在的混杂因素,包括基线年龄、性别、教育水平(大学 vs. 无大学)、吸烟状况(当前 vs. 从未吸烟)、体力活动(低 vs. 高)、体重指数(根据WHO标准分为体重过轻、正常体重、超重或肥胖)、是否定期使用睡眠药物(是/否)、习惯性睡眠时间(<6小时、6-8小时、>8小时)和共病(心血管疾病ICD I00-I99、癌症ICD C00-C97和精神疾病ICD F00-F99)。为了减少反向因果关系的潜在影响,我们进行了敏感性分析,排除了基线后两年内被诊断的参与者。此外,分析按年龄组(<40岁、40-59岁和≥60岁)分层,以检查不同生命阶段的关联是否有所不同,因为睡眠特征和神经疾病发病率随年龄显著变化。使用线性混合效应模型评估了神经疾病诊断前后的睡眠轨迹,对于至少有三次重复测量的参与者,应用了反向时间尺度,其中第0年定义为病例的神经疾病诊断年份,或未诊断者的随访结束年份。对于有新发神经疾病的参与者,我们在第0年加入了一个变化点,以考虑诊断前后的不同趋势。我们使用分段线性混合效应模型拟合了固定效应,包括神经疾病状态、时间和它们的交互作用,以捕捉不同疾病状态下的睡眠轨迹差异。随机效应包括个体水平的随机截距和斜率。我们比较了患有神经疾病和未患病者的睡眠变量变化率,并进一步分析了诊断前后的个体内变化。对于每年前一年的变化,我们估计了患有神经疾病和未患病者的睡眠变量差异,正值表示患有神经疾病者的睡眠质量评分较差。分析调整了第0年的年龄、性别和教育程度。为了捕捉睡眠障碍的多维性质,我们基于每次调查中评估的11个二进制睡眠变量构建了一个综合睡眠症状评分。每个症状编码为存在(1)或不存在(0),总分(范围0-11)反映了每个时间点的同时存在的睡眠相关症状数量。这些综合评分的轨迹使用相同的线性混合效应模型进行分析。所有分析均使用SAS软件9.4版(SAS Institute Inc, Cary, NC)进行。

**5. 结果**
我们的研究包括24,033名具有完整睡眠变量和协变量数据的参与者。基线时的平均年龄为51.1岁(标准差11.6岁),其中13,265人(55.2%)为女性。在平均4年的随访期间,有1,382人患上了神经疾病。与未患神经疾病的人相比,患病者在基线时年龄更大,报告的睡眠时间更长,体力活动较低,BMI较高,且更有可能伴有心血管或精神疾病。他们也更有可能报告使用睡眠药物,并且睡眠相关症状的患病率更高。表1展示了总人群和按新发神经疾病分层后的基线特征。

**表1. 研究人群的特征**
| 特征 | 总计 | 新发神经疾病 | P值 |
|-----------------|-----------|------------|-----------|
| 平均年龄(SD) | 51.1(11.6) | 53.9(10.7) | <0.0001 |
| 性别(%) | 13,265(55.2) | 767(55.5) | 12,498(55.2) | 0.81 |
| 男性(%) | 1,076 | 615 | 1015 | 0.81 |
| 高等教育(%) | 978 | 528 | 925 | 0.05 |
| 吸烟状况(%) | 2,091 | 1,193 | 1,972 | 0.56 |
| 当前吸烟者(%) | 2,896 | 1,73 | 2,723 | 0.56 |
| 体力活动(%) | 456 | 302 | 426 | 0.005 |
| 低体力活动(%) | 1,929 | 0 | 1,067 | 1,822 | 0.81 |
| 体重指数(%) | 231 | 10 | 221 | <0.0001 |
| 正常体重(%) | 1,116 | 543 | 106 | 1,998 | 0.81 |
| 超重(%) | 897 | 542 | 842 | 0.81 |
| 肥胖(%) | 289 | 230 | 266 | 0.81 |
| 共病(%) | 132 | 97 | 122 | 0.01 |
| 心血管疾病(%) | 202 | 167 | 185 | <0.0001 |
| 癌症(%) | 139 | 85 | 130 | 0.56 |
| 使用催眠药(%) | 225 | 67 | 124 | 181 | <0.0001 |
| 睡眠时间(小时/夜) | <6 | 171 | 90 | 162 | 0.046 |
| 6-8 | 1,269 | 695 | 1,200 | 0.046 |
| >8 | 961 | 96 | 597 | 0.81 |
| 入睡困难(%) | 182 | 147 | 167 | <0.0001 |
| 多次醒来(%) | 238 | 180 | 180 | 0.0001 |
| 早醒(%) | 239 | 171 | 222 | 0.002 |
| 打鼾(%) | 186 | 203 | 166 | 0.0001 |
| 呼吸暂停(%) | 48 | 23 | 73 | 0.0001 |
| 醒来困难(%) | 147 | 107 | 136 | 0.01 |
| 睡眠质量不佳(%) | 379 | 276 | 276 | 0.0001 |
| 持续疲劳(%) | 426 | 354 | 391 | 0.0001 |
| 身体疲惫(%) | 245 | 199 | 199 | 0.0001 |
| 精神疲惫(%) | 416 | 298 | 386 | 0.0001 |
| 缺失数据(n):教育(60);吸烟状况(221);体力活动(181);BMI(773);入睡困难(185);多次醒来(238);早醒(344);打鼾(366);呼吸暂停(544);醒来困难(233);睡眠质量不佳(286);持续疲劳(313);身体疲惫(283);精神疲惫(245) |

**5.1. 单个睡眠变量与心血管疾病风险之间的关联**
在调整后的模型中,基线时的几种睡眠相关症状与新发神经疾病的风险增加有关(表2)。与没有入睡困难的人相比,有入睡困难的人风险高出32%(风险比1.32,95%置信区间1.09-1.59)。在重复醒来(HR 1.23,95% CI 1.04-1.45)、过早醒来(HR 1.21,95% CI 1.02-1.43)和难以入睡(HR 1.38,95% CI 1.12-1.71)方面也观察到了类似的关联。表2显示了基线睡眠变量与神经疾病发生之间的关联。

**表2. 基线睡眠变量与神经疾病发生的关联**

| 睡眠变量 | 人数(人年) | 结果(%) | HR(95% CI)a | HR(95% CI)b |
| --- | --- | --- | --- | --- |
| 睡眠时间 | <6小时 | 171 | 83 | 98 | 1.05 (0.84-1.31) | 1.00 (0.79-1.26) |
| 6-8小时 | 126 | 96 | 67 | 05 | 96 | 1.0 (参考值) | 1.0 (参考值) |
| >8小时 | 96 | 195 | 31 | 42 | 59 | 1.10 (0.98-1.22) | 1.08 (0.96-1.21) |
| 入睡困难 | 否 | 220 | 27 | 12 | 11 | 80 | 1.0 (参考值) | 1.0 (参考值) |
| 是 | 182 | 19 | 98 | 61 | 47 | 1.45 (1.22-1.72) | 1.32 (1.09-1.59) |
| 重复醒来 | 否 | 214 | 10 | 11 | 77 | 19 | 18 | 1.0 (参考值) | 1.0 (参考值) |
| 是 | 238 | 51 | 13 | 12 | 91 | 80 | 1.32 (1.12-1.54) | 1.23 (1.04-1.45) |
| 过早醒来 | 否 | 212 | 95 | 11 | 67 | 02 | 11 | 84 | 1.0 (参考值) | 1.0 (参考值) |
| 是 | 239 | 41 | 35 | 64 | 17 | 11 | 1.29 (1.10-1.52) | 1.21 (1.02-1.43) |
| 打鼾 | 否 | 218 | 04 | 12 | 00 | 58 | 11 | 50 | 1.0 (参考值) | 1.0 (参考值) |
| 是 | 186 | 31 | 07 | 02 | 03 | 2.02 (1.74-2.35) | 1.76 (1.50-2.07) |
| 呼吸暂停 | 否 | 230 | 06 | 12 | 65 | 49 | 12 | 62 | 1.0 (参考值) | 1.0 (参考值) |
| 是 | 483 | 25 | 56 | 73 | 2.66 (2.10-3.39) | 2.27 (1.75-2.93) |
| 难以入睡 | 否 | 223 | 28 | 12 | 26 | 31 | 11 | 26 | 1.0 (参考值) | 1.0 (参考值) |
| 是 | 147 | 28 | 26 | 41 | 10 | 71 | 1.49 (1.22-1.82) | 1.38 (1.12-1.71) |
| 非恢复性睡眠 | 否 | 199 | 49 | 10 | 94 | 30 | 10 | 85 | 1.0 (参考值) | 1.0 (参考值) |
| 是 | 379 | 82 | 11 | 48 | 27 | 61 | 1.50 (1.31-1.71) | 1.40 (1.22-1.62) |
| 睡眠不足 | 否 | 212 | 64 | 11 | 67 | 43 | 11 | 56 | 1.0 (参考值) | 1.0 (参考值) |
| 是 | 265 | 81 | 48 | 62 | 22 | 17 | 1.63 (1.41-1.89) | 1.58 (1.35-1.84) |
| 持续疲劳 | 否 | 194 | 51 | 10 | 64 | 47 | 10 | 06 | 1.0 (参考值) | 1.0 (参考值) |
| 是 | 426 | 92 | 39 | 43 | 35 | 41 | 1.71 (1.52-1.94) | 1.58 (1.38-1.80) |
| 身体疲惫 | 否 | 212 | 91 | 11 | 68 | 16 | 11 | 58 | 1.0 (参考值) | 1.0 (参考值) |
| 是 | 245 | 91 | 13 | 81 | 61 | 99 | 1.57 (1.35-1.83) | 1.42 (1.21-1.67) |
| 精神疲劳 | 否 | 196 | 27 | 10 | 89 | 04 | 10 | 66 | 1.0 (参考值) | 1.0 (参考值) |
| 是 | 416 | 12 | 18 | 95 | 29 | 81 | 1.56 (1.37-1.78) | 1.45 (1.26-1.66) |

**a** 根据年龄、性别和教育水平进行调整。**b** 根据年龄、性别、教育水平、吸烟状况、体力活动、体重指数、催眠药物使用、平均睡眠时间和共病(癌症、精神疾病、心血管疾病)进行调整;睡眠时间模型未根据平均睡眠时间进行调整。

白天症状也与神经疾病风险增加有关。非恢复性睡眠(HR 1.40,95% CI 1.22-1.62)、主观睡眠不足(HR 1.58,95% CI 1.35-1.84)、持续疲劳(HR 1.58,95% CI 1.38-1.80)、身体疲惫(HR 1.42,95% CI 1.21-1.67)和精神疲劳(HR 1.45,95% CI 1.26-1.66)都预测了神经疾病发病风险的增加。呼吸相关的睡眠症状显示出特别强的关联:报告打鼾的个体风险增加了76%(HR 1.76,95% CI 1.50-2.07),而报告睡眠呼吸暂停的个体风险是未报告者的两倍多(HR 2.27,95% CI 1.75-2.93)。

当排除基线后两年内发生神经疾病的个体(e表1)并按年龄分层(<40岁、40-59岁和60岁及以上)时,这些关联仍然一致。然而,我们注意到一些组别规模较小,这可能会降低估计的精确度(e表2)。

**5.2 夜间失眠**
夜间失眠,定义为每周至少三次难以入睡、重复醒来或过早醒来,与神经疾病风险增加有关(HR 1.22,95% CI 1.07-1.41)。然而,当按白天症状的存在进行分层时,仅有白天症状的个体风险增加(HR 1.41,95% CI 1.21-1.65)以及同时有失眠和白天症状的个体风险也增加(HR 1.51,95% CI 1.28-1.78),而没有白天症状的失眠则与风险增加无关(HR 1.06,95% CI 0.84-1.33)。

**5.3 神经疾病发生前后的睡眠变量纵向变化**
在发展为神经疾病的个体中,与未患病个体相比,几种睡眠相关症状在诊断前的几年显著增加。这些症状包括持续疲劳(β系数为0.046,95% CI 0.024-0.068,p < 0.0001)、精神疲劳(β = 0.025,95% CI 0.003-0.047,p = 0.028)、睡眠呼吸暂停症状(β = 0.053,95% CI 0.041-0.065,p < 0.0001)、重复醒来(β = 0.020,95% CI 0.002-0.037,p = 0.006)和严重打鼾(β = 0.026,95% CI 0.009-0.043,p = 0.003)。诊断后,这些症状的斜率有所下降,包括持续疲劳(诊断后与诊断前的斜率差为-0.07,95% CI -0.11至-0.029,p = 0.001)、睡眠呼吸暂停(β = -0.057,95% CI -0.095至-0.018,p = 0.004)、过早醒来(β = -0.048,95% CI -0.085至-0.011,p = 0.012)和打鼾(β = -0.06,95% CI -0.100至-0.020,p = 0.003)。总体而言,诊断后睡眠时间有所增加(β = 0.025,95% CI 0.002-0.049,p = 0.035)。

年度比较显示,打鼾、呼吸暂停、非恢复性睡眠、睡眠不足、持续疲劳和身体疲惫的差异在诊断前八年就开始了。过早醒来和精神疲劳的差异在诊断前约五年出现,随后是重复醒来(约四年),而难以入睡的差异在诊断前约三年出现。发展为神经疾病的个体在工作日的睡眠-觉醒阶段出现延迟,这体现在比未患病个体更晚的起床时间上,而休息日的就寝时间则相对稳定。在未患神经疾病的组别中,休息日的就寝时间逐渐提前,而起床时间在整个观察期间基本保持不变。将所有睡眠相关变量综合成一个复合睡眠症状评分后,发展为神经疾病的个体在诊断前的几年内睡眠症状的数量增加得更为明显。

**讨论**
几种睡眠相关症状与神经疾病风险增加有关。此外,发展为神经疾病的个体在诊断前的几年内表现出睡眠-觉醒模式和症状特征的显著纵向变化,表明睡眠障碍可能是神经病理学变化的早期迹象。本研究的一个关键贡献是对症状轨迹以及诊断前后的睡眠时间和睡眠-觉醒时间进行了时间分析。发展为神经疾病的个体在诊断前几年表现出疲劳、精神疲惫、过早醒来和与睡眠呼吸障碍相关的症状逐渐增加。这些模式可能反映了早期的神经生理变化,包括炎症、神经递质失衡或昼夜节律失调。有趣的是,某些症状(如疲劳和睡眠呼吸障碍)在诊断后呈现下降趋势,可能反映了治疗的开始、行为调整或工作需求的减少。我们的研究还强调了白天症状的临床相关性。即使没有典型的夜间失眠症状,持续疲劳和非恢复性睡眠也与后来的神经疾病结果相关。虽然夜间失眠和白天疲劳的组合与最高风险相关,但单独的夜间失眠并未预测风险增加。这表明,没有相关白天影响的失眠可能不反映与神经疾病发展相关的病理生理过程。相比之下,无论是否有睡眠问题,白天症状可能表明更广泛的神经生物学脆弱性。我们还观察到,发展为神经疾病的个体在工作日的睡眠-觉醒阶段逐渐延迟,尤其是在起床时间上。这些变化在诊断前几年就出现了,并在之后变得更加明显,这与昼夜节律调节紊乱、睡眠需求增加或疲劳相关功能改变一致。在休息日,未患神经疾病的个体的睡眠-觉醒阶段没有出现延迟。将这些不同的轨迹结合起来,可以区分出有神经疾病风险的人和健康衰老的人。

我们的发现与之前的研究一致,并扩展了将睡眠障碍与神经退行性疾病联系起来的研究。虽然许多早期研究调查了睡眠症状与特定神经疾病结果的关系,但很少有研究探讨长期睡眠变化与神经疾病广泛发生之间的关系。通过捕捉夜间和白天的症状以及睡眠-觉醒时间的时间动态,我们的发现表明,涉及恢复受损和持续疲劳的障碍可能是更广泛神经生物学衰退的早期指标。这些发现增加了证据,表明睡眠相关症状可能不仅仅是可改变的风险因素,还可能是反映早期大脑功能变化的综合症状的一部分。然而,这一类别涵盖了多种不同的情况,因此这种方法限制了我们对疾病特异性途径的深入了解。与所有观察性研究一样,无法排除残余混杂因素的影响,而且诊断日期的时间分辨率可能无法完全反映症状的临床发作时间。总之,我们的研究结果表明,睡眠症状以及睡眠-觉醒时间的变化可能先于神经疾病的诊断出现。这些模式可能反映了大脑功能的早期前驱性改变,并支持了睡眠相关问题在神经健康监测中的潜在作用。

**作者贡献声明:**
- 郭杰(Jie Guo):撰写、审稿与编辑、数据可视化、验证、方法学设计、调查、数据分析、概念化。
- 林达·L·马格努松·汉森(Linda L. Magnusson Hanson):撰写、审稿与编辑、数据管理。
- 托比约恩·阿克斯特德特(Torbj?rn ?kerstedt):撰写、审稿与编辑、概念化。
- 安娜·卡琳·赫德斯特伦(Anna Karin Hedstr?m):撰写初稿、监督工作、方法学设计、概念化。

**数据和材料的可用性:**
由于伦理限制以及涉及敏感的个人信息,本研究中生成和分析的SLOSH数据并未公开。根据瑞典法律,并在征得斯德哥尔摩大学法律部门同意后,可以向其他研究人员提供数据访问权限。如需获取存储在斯德哥尔摩大学心理学系的SLOSH数据,请发送邮件至data@slosh.se。

**资助情况:**
无(NA)。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号