XiaoMi-AI文件搜索系统
World File Search System交叉
利用交叉注意力网络发现成对相互作用来预测药物-靶标亲和力 S. Falahati a、F. Zamani* a、MA Khodamoradi b
在药物发现中，药物-靶标亲和力 (DTA) 被视为至关重要的一步，因为它有助于在开发过程中识别最有前途的候选药物。由于必须考虑药物和靶分子的结构和功能，以及它们复杂而非线性的相互作用，DTA 预测是一项具有挑战性的任务。本研究的目的是提出一种新颖的 DTA 预测框架，该框架利用图神经网络 (GNN) 的交叉注意网络 (CAN) 的优势。然而，使用 GNN 表示图会保留其 3D 结构信息。现有的基于注意力的方法并未充分利用它们。我们的框架使用 CAN 通过分析药物分子的不同部分如何与蛋白质的特定区域相互作用来捕获药物-靶标对的更准确表示。我们在顺序架构中使用 GIN 和 GAT 来捕获药物图分子的局部和全局结构信息。我们在两个基准数据集 Davis 和 KIBA 上评估了所提出方法的性能。其性能令人鼓舞，在均方误差 (MSE) 和一致性指数 (CI) 方面优于许多最先进的方法。具体来说，对于 Davis 数据集，我们实现了 0.222 的 MSE 和 0.901 的 CI，而对于 KIBA，我们获得了 0.144 的 MSE 和 0.883 的 CI。我们的方法提高了相互作用分析的可解释性和特异性，为药物发现过程提供了更深入的见解，并为预测的 DTA 提供了有价值的解释。我们的研究代码可在以下网址获取：https://github.com/fsonya88/CAN-DTA。
agora：人工智能，法律和生命权之间的交叉点的精选方面
人工智能（AI）系统对Human权利构成了立即和长期风险，因此需要AI治理，与国际规范和原则相吻合，包括对人权的尊重。人权在法律话语中是一个公认的概念，自从人权法的最早编码以来，人权的权利被认为是不允许贬低的至高无上的权利，即使在武装冲突或其他威胁国家生命的公共事件中也是如此。1联合国人权委员会强调了对个人和社会的生命权利至关重要的意义。 2
使用重叠块和多类加权交叉熵的基于深度学习的选择性注意的全自动脑肿瘤分割
Mostefa Ben Naceur、Mohamed Akil、Rachida Saouli、Rostom Kachouri。使用重叠块和多类加权交叉熵，通过基于深度学习的选择性注意实现全自动脑肿瘤分割。医学图像分析，2020 年，�10.1016/j.media.2020.101692�。�hal-02533454�
交叉反应性 EBNA1 免疫靶向 α-晶体蛋白 B，与多发性硬化症有关
多发性硬化症 (MS) 是一种中枢神经系统炎症性疾病，感染爱泼斯坦-巴尔病毒 (EBV) 可能是该病的先决条件。由于爱泼斯坦-巴尔病毒核抗原 1 (EBNA1) 和 α-晶体蛋白 B (CRYAB) 具有同源性，我们检查了 713 名 MS 患者 (pwMS) 和 722 名匹配对照者 (Con) 对 EBNA1 和 CRYAB 肽库的抗体反应。对 CRYAB 氨基酸 7 至 16 的抗体反应与 MS 相关 (OR = 2.0)，高 EBNA1 反应与 CRYAB 阳性相结合显著增加了患病风险 (OR = 9.0)。阻断实验揭示了同源 EBNA1 和 CRYAB 表位之间的抗体交叉反应。在小鼠中获得了 EBNA1 和 CRYAB 之间 T 细胞交叉反应的证据，并且在接受那他珠单抗治疗的 pwMS 中检测到了增加的 CRYAB 和 EBNA1 CD4 + T 细胞反应。这项研究为 EBNA1 和 CRYAB 之间的抗体交叉反应提供了证据，并指出 T 细胞中存在类似的交叉反应，进一步证明了 EBV 适应性免疫反应在 MS 发展中的作用。
无佐剂自组装铁蛋白纳米颗粒疫苗与携带 M1 和 PADRE 表位的流感病毒血凝素蛋白结合可引发交叉保护性免疫反应
结果：我们生产了一种不含佐剂的自组装纳米颗粒疫苗，可对抗多种甲型流感病毒。这种纳米颗粒疫苗在幽门螺杆菌铁蛋白表面显示多抗原靶点，该铁蛋白由 H3N2 病毒血凝素的胞外域和三个串联高度保守的甲型流感病毒 M1 表位组成，这些表位与通用辅助 T 细胞表位 PADRE 融合，称为 HMP-NP。HMP-NP 在杆状病毒-昆虫细胞系统中以可溶形式表达，并自组装成均质纳米颗粒。动物免疫研究表明，HMP-NP 纳米疫苗引起的血凝抑制 (HAI) 滴度比灭活甲型流感疫苗高 4 倍。 HMP-NPs 对 H3N2 病毒和 H1N1 和 H9N2 病毒异源株诱导的中和滴度分别比灭活流感疫苗高约 8、12.4 和 16 倍。同时，我们还观察到 HMP-NPs 诱导的 IFN-γ 和 IL-4 分泌细胞数量比灭活流感疫苗高约 2.5 倍。重要的是，使用 HMP-NPs 进行鼻内免疫（不使用任何佐剂）可诱导有效的粘膜 IgA 反应并赋予对 H3N2 病毒的完全保护，以及对 H1N1 和 H9N2 病毒的部分保护，并显着降低肺病毒载量。
新颖的SPD矩阵表示形式考虑交叉...
摘要 - 来自电脑摄影（EEG）信号的认知状态的准确分类对于神经科学应用至关重要，例如脑部计算机界面（BCIS）。clasification管道通常是BCI领域的最先进的。在这种类型的BCI中，基于独立频段的EEG信号的协方差矩阵用作分类特征。然而，有明显的神经科学证据表明频率带（例如跨频耦合（CFC））神经相互作用。因此，在本文中，我们提出了考虑基于Riemannian几何学的CFC的新型对称阳性（SPD）矩阵表示形式。在三种不同的CFC SPD矩阵中描述了相位和频带之间和频段之间的扩增的空间相互作用。这使我们能够包含其他歧视性神经生理特征，这些神经生理特征在传统的Riemannian EEG特征中不可用。使用公共无源BCI数据集中的心理工作负载分类任务评估我们的方法。我们的三个CFC协方差矩阵的融合模型显示，theta和Alpha频段的常规Covari-Ance矩阵的平均分类精度在统计学上显着提高。32％，在Beta和伽马频段中以4为4。34％的标准偏差较小。该结果证实了考虑到riemannian脑电图分类内和频率之间考虑更多多样化的神经生理相互作用的有效性。索引术语 - 电脑摄影（EEG），Riemannian Ge-emetry，Brain-Computer接口（BCI），跨频COU-PLING（CFC）
每日注射海洛因与精神障碍：交叉……
* 通讯作者 Sao Mai Le，海防医药大学公共卫生学院，72A Nguy ễ n B ỉ nh，Khiêm，Đ ằ ng Giang，Ngô Quy ề n，海防，越南，saomaidhyhp@gmail.com。贡献者：NN、DCDJ、DL、LM、SML 和 OKTH 构思了这项研究。NN、DCDJ、LM、SML、OKTH、HDT、KPM、DL、JPM 设计了问卷。SML、HDT、KPM、TNTTB、GHT、VVH、TLN、DR、CQ、HQD 参与了干预的实施，监督了与社区组织的工作和数据收集。PT 和 RV 在 SML、LM 和 NN 的帮助下进行了数据分析。 SML 起草了手稿，LM、NN、DCDJ、PT、JPM 编辑了手稿，NN、DCDJ、LM、HDT、KPM、JF、PT、JPM 提供了重要修订。所有作者均已批准提交论文的最终版本。
基因组规模的社区建模揭示了表皮细菌群社区中保守的代谢交叉进食
海洋微生物形成了相互作用的相互作用的复杂群落，这些群落影响了中央生态系统在海洋中的功能，例如主要的生产和营养循环。确定控制其组装和活动的机制是微生物生态学的主要挑战。在这里，我们整合了Tara Oceans Meta-Omics数据，以预测兴奋海洋中原核生物组合中的基因组规模社区相互作用。一个全球基因组分辨的共同活性网络揭示了各种系统发育距离之间存在显着数量的谱系关联。鉴定的共同活性群落包括显示较小基因组的物种，但编码更高的群体感应，生物膜形成和次生代谢的潜力。 社区代谢建模揭示了共同活性群落中相互作用的较高潜力，并指向保守的代谢交叉进食，特别是特定的氨基酸和B组B族维生素。 我们综合的生态和代谢建模方法表明，基因组的精简和代谢可营养噬菌体可能充当塑造全球海洋表面细菌群社区组装的联合机制。鉴定的共同活性群落包括显示较小基因组的物种，但编码更高的群体感应，生物膜形成和次生代谢的潜力。社区代谢建模揭示了共同活性群落中相互作用的较高潜力，并指向保守的代谢交叉进食，特别是特定的氨基酸和B组B族维生素。我们综合的生态和代谢建模方法表明，基因组的精简和代谢可营养噬菌体可能充当塑造全球海洋表面细菌群社区组装的联合机制。
基于自旋轨道扭矩的交叉阵列用于抗错误二进制卷积神经网络
摘要 — 卷积神经网络 (CNN) 是最重要的深度神经网络 (DNN) 类别之一，有助于解决许多与图像识别和计算机视觉相关的任务。它们使用传统 CMOS 技术和数字设计技术的传统实现仍然被认为非常耗能。浮点 CNN 主要依赖于 MAC（乘法和累加）运算。最近，基于 XNOR 和位计数运算的经济高效的 Bite-wise CNN 已被视为可能的硬件实现候选。然而，由于内存和计算核心之间密集的数据提取导致的冯诺依曼瓶颈限制了它们在硬件上的可扩展性。XNOR-BITCOUNT 操作可以通过在忆阻交叉开关阵列上执行的内存计算 (IMC) 范例轻松实现。在新兴的忆阻设备中，自旋轨道扭矩磁随机存取存储器 (SOT-MRAM) 提供了具有更高导通电阻的可能性，从而可以降低读取电流，因为所有交叉开关阵列都是并行读取的。这有助于进一步降低能耗，为更大的交叉开关设计铺平道路。本研究提出了一种基于 SOT-MRAM 的交叉开关架构，能耗极低；我们研究了工艺变异性对突触权重的影响，并对整个交叉开关阵列进行了蒙特卡罗模拟，以评估错误率。模拟结果表明，与其他忆阻解决方案相比，此实现的能耗较低，每次读取操作的能耗为 65.89 fJ。该设计对工艺变化也具有很强的鲁棒性，读取误差极低，最高可达 10%。
一种可调且多功能的 28nm FD-SOI 交叉输出电路，用于通过 eNVM 突触进行低功耗模拟 SNN 推理
关键词；UTBB 28nm FD-SOI、模拟 SNN、模拟 eNVM、eNVM 集成。2. 简介基于新兴非易失性存储器 (eNVM) 交叉开关的脉冲神经网络 (SNN) 是一种很有前途的内存计算组件，在边缘低功耗人工智能方面表现出卓越的能力。然而，eNVM 突触阵列与 28nm 超薄体和埋氧全耗尽绝缘体上硅 (UTBB-FDSOI) 技术节点的共同集成仍然是一个挑战。在模拟脉冲神经网络 (SNN) 中，输入神经元通过一电阻一晶体管 (1T1R) 突触与输出神经元互连，计算是通过突触权重将电压尖峰转换为电流来完成的 [1]。神经元将尖峰积累到预定义的阈值，然后产生输出尖峰。神经元区分和容纳大量突触和输入脉冲的能力与神经元放电阈值的电压摆幅直接相关。这主要取决于膜电容、突触电荷的净数量和低功率神经元的阈值 [2]。