AlphaFold 蛋白质结构数据库 (AFDB) 包含超过 2.14 亿个由域组成的预测蛋白质结构，这些域是存在于多个结构和功能环境中的独立折叠单元。识别域可以启用......
构建 PubMed 列出的心血管疾病研究出版物数据集的分步说明作者拍摄照片挑战当我开始撰写硕士论文“与 NIH 资助的心脏病研究中有影响力的科学出版物相关的因素”时，第一个任务是构建一个原始数据集来研究。为了实现这一目标，我求助于 PubMed，这是美国国家医学图书馆 (NLM) 提供的免费研究数据库，用于访问生物医学文献。数据集需要满足几个特定标准，包括：跨越尽可能长的时间段。包括由国立卫生研究院 (NIH) 资助的研究。专注于心血管疾病研究出版物。提供有关第一作者的详细信息，例如其全名、性别、机构隶属关系和研究机构所在的国家/地区。包含每篇文章收到的引用次数、NIH 百分位排名、文章中的总
Cypherpunks想改变世界。我们结束了Memecoins。我们的故事始于一些非常聪明和理想主义的开发人员（称为Cypherpunks），创建了一种新技术，称为区块链。区块链是数据库，但分散。他们被宣传为“防检查”，它们减少了用户被征服到第三方干扰的可能性。Cypherpunks一直希望他们的防篡改数据库蓬勃发展，成为主流和改善常规人的生活。 2015年的一段录像带从一家相互联系的电厂，杂货店，医院和飞机上播出，然后大声宣布以太坊（当今最大的区块链之一）将是“从电子商务到物联网的所有事物的安全骨干。”您可能还记得另一个来自2010年代中期的著名视频，其中一位年轻的以太坊共同创作者的年轻Vi
密码朋克想要改变世界。我们最终得到了 memecoins。我们的故事始于一些非常聪明和理想主义的开发人员，他们被称为密码朋克，创造了一种新技术，即区块链。区块链是数据库，但是是去中心化的。它们被宣传为“防审查”，从而降低了用户受到第三方干扰的可能性。密码朋克一直希望他们的防篡改数据库能够蓬勃发展、成为主流并改善普通人的生活。2015 年的一段视频从互联的发电厂、杂货店、医院和飞机上拍摄，然后傲慢地宣布，当今最大的区块链之一以太坊将成为“从电子商务到物联网等一切事物的安全支柱”。你们中的一些人可能还记得 2010 年代中期的另一个著名视频，其中以太坊的联合创始人、年轻的 Vitalik Bute
Пентестеры или вымогатели: кто скрывается под маской хакеров You Dun?
该组织的动机变化速度比防病毒软件更新数据库的速度还要快。
New Cloud Atlas Unlocks Secrets of Mars’s Atmospheric Marvels
德国航空航天中心的新“云图”展示了 20 年来的火星大气现象，增强了我们对火星气候和天气模式的了解。柏林德国航空航天中心 (DLR) 的科学家创造了一种新工具来探索火星上空引人注目的云层。火星“云图”是一个可浏览的数据库 [...]
Spellbook Taps Thomson Reuters’ Practical Law For Contract Data
法律 genAI 先驱 Spellbook 正在与汤森路透的 Practical Law 合同数据库紧密集成，允许用户在起草时同时使用这两个系统。...
Most soil and litter arthropods are unidentifiable based on current DNA barcode reference libraries
基于目前的 DNA 条形码参考库，大多数土壤和落叶层节肢动物无法识别摘要我们还远未了解地球上的所有物种。了解生物多样性是一项艰巨的任务，需要时间和专业知识。鉴于物种识别和界定问题，大多数群体的研究不足。DNA 条形码的出现是为了克服识别物种的一些困难。它的局限性源于不完整的分类知识和缺乏如此多分类群体的综合 DNA 条形码库。在这里，我们评估了条形码对于识别美国南部阿巴拉契亚山脉高度多样化的落叶层群落中的节肢动物有多大用处。我们在包括几个节肢动物群的数据集上使用了 3 个参考数据库和几种自动分类方法。蜱螨亚纲、蜘蛛目、弹尾目、鞘翅目、双翅目和膜翅目都有很好的代表性，在不同方法和数据库中表现出不
How and Why to use LLMs for Chunk-Based Information Retrieval
如何以及为何使用 LLM 进行基于块的信息检索检索管道 - 作者提供的图片在本文中，我旨在解释如何以及为何使用大型语言模型 (LLM) 进行基于块的信息检索是有益的。我以 OpenAI 的 GPT-4 模型为例，但这种方法可以应用于任何其他 LLM，例如 Hugging Face、Claude 和其他人的模型。每个人都可以免费访问这篇文章。标准信息检索的注意事项主要概念涉及将文档列表（文本块）存储在数据库中，可以根据某些过滤器和条件进行检索。通常，使用工具来启用混合搜索（例如 Azure AI Search、LlamaIndex 等），它允许：使用 TF-IDF 等词频算法执行基于文本的搜索（
Image Data Collection for Climate Change Analysis
初学者指南埃特纳火山的卫星图像。来源：美国地质调查局 (USGS) 在 Unsplash 上的照片。I. 简介深度学习在地球观测中成功传播。它的成就导致了更复杂的架构和方法。然而，在这个过程中，我们忽略了一些重要的东西。拥有更多优质数据比拥有更好的模型更好。不幸的是，EO 数据集的开发一直很混乱。如今，它们有数百个。尽管我们努力编译数据集，但可以说它们散布在各处。此外，EO 数据已经激增以满足非常具体的需求。矛盾的是，这正是我们应该用它们前进的相反方向，特别是如果我们希望我们的深度学习模型更好地工作的话。例如，ImageNet 编译了数千张图像以更好地训练计算机视觉模型。然而，EO 数据比 I
These Are The Deadliest Countries For Journalists This Year
这些是今年记者死亡人数最多的国家根据无国界记者组织 (RSF) 的数据库，2024 年迄今已有 47 名媒体专业人员因其新闻活动而丧生。正如 Statista 的 Anna Fleck 在下图中显示的那样，去年记者死亡人数最多的地区是巴勒斯坦领土，今年前十个月已有 14 人死亡。您可以在 Statista 找到更多信息图表紧随其后的是巴基斯坦，目前已报告死亡人数为 6 人，孟加拉国为 5 人，墨西哥为 4 人，苏丹、缅甸和伊拉克各为 3 人，乌克兰和哥伦比亚各为 2 人。以下国家也各有一名记者被杀：乍得、刚果民主共和国、洪都拉斯、俄罗斯和土库曼斯坦。与此同时，目前有 111 人被列为“失踪”，
A Skeleton Bank of Understudied Species
借助新的医学图像数据库，动物园和野生动物兽医终于可以看到健康的罕见动物（从犀牛和狨猴到穿山甲和海星）的内部应该是什么样子。
Transforming Data Quality: Automating SQL Testing for Faster, Smarter Analytics
如何根据业务问题测试 SQL 和结果数据集的质量以增加客户的信任照片由 Caspar Camille Rubin 在 Unsplash 上拍摄在软件开发方面，有很多自动化测试工具和框架可以依赖。但对于分析团队来说，手动测试和数据质量保证 (QA) 仍然是常态。很多时候，首先发现数据质量或完整性问题的是客户或业务团队，而不是分析团队。这就是自动化可以发挥巨大作用的地方。通过设置带有脚本的自动化系统来大规模运行数据质量测试，您可以保持快速运行，而不会牺牲数据的准确性或完整性。当然，当业务问题模糊或开放式时，这会变得更加棘手。在这些情况下，基于规则的逻辑和大型语言模型 (LLM) 的混合可以真正有所
Aberrant Mitochondrial tRNA Genes Appear Frequently in Animal Evolution
异常线粒体 tRNA 基因在动物进化中频繁出现摘要线粒体 tRNA 在整个后生动物进化过程中获得了多样化的异常结构组合。由于有超过 12,500 个线粒体基因组序列可用，因此必须对 mt-tRNA 库和结构变异的模式变化进行全面概述。当然，这需要使用统一的工作流程重新分析超过 250,000 个 mt-tRNA 的序列数据。在这里，我们报告了使用 mitos2 在 2022 年 9 月之前对 RefSeq 数据库中所有可用的线粒体基因组进行完整重新注释的结果。根据文献中报道的 mt-tRNA 变体的个案，我们的数据精确定位了各自的变化热点，即棘头目 (Lophotrochozoa)、线虫、蜱螨
October Budget 7: Soaking the rich?
这是我关于即将出台的预算的最后一篇文章，旨在提供一份指南，指导如何以比普通媒体评论更深入的方式解读 Reeves 宣布（或未宣布）的内容。我和英国大部分民众的观点是，这份预算在多大程度上让我们走上了旨在结束公共服务紧缩的道路。（请参阅此处了解我的意思。）正如我在这里所指出的，专注于填补黑洞而不是恢复公共服务的预算将是一个政治失败。因此，我将从当前的公共支出开始，接着讨论可以提高哪些税收来匹配这些支出，最后讨论公共投资。公共支出正如我在之前的文章中概述的那样，公共支出在 GDP 中的份额需要大幅上升才能回到可接受的水平。以下是来自 OBR 数据库的总当前支出（不包括总投资）和税收的标题数字。我们
Boeing’s AI looking in the right places?
航空领域的人工智能受益于海量数据库的可用性，最重要的是当今元计算机的强大功能，可以分析所有信息，确定可靠的趋势线，并帮助安全专家设计可能减少再次发生可能性的措施！！！下面是一篇很棒的文章...
Toxic Toll: Where Warehouses Rise, So Does Air Pollution
一项新研究揭示了洛杉矶仓库密度与细颗粒物污染水平升高之间的联系，这对健康有严重影响。科学家利用 NASA 卫星数据和商业房地产数据库，将电子商务推动的仓库增长与 PM2.5 和元素碳（已知会导致 [...] 的污染物）的增加联系起来。
“几十年来，人们对面部识别的担忧一直在加剧。现在，这个模糊的恶魔终于找到了它的形式：一家拥有神秘创始人和深不可测的庞大数据库的小公司。”
