XiaoMi-AI文件搜索系统
World File Search System从结
神经丝生物物理学：从结构到生物力学
摘要神经丝（NFS）是多基因的，神经元特异性的中间细丝，该细丝由直径10 nm的细丝“核心”组成，周围是一层长的内在无序蛋白（IDP）“尾巴”。 NF被认为可以调节发育过程中的轴突能力，然后稳定成熟的轴突，而NF亚基的不利性，突变和Ag gregation在多种神经系统疾病中显着。该领域对NF结构，力学和功能的理解已被多种生物化学，细胞生物学和小鼠遗传研究深入了解了四十年以上。这些研究为我们对轴突生理学和疾病中NF功能的集体理解做出了很大的贡献。近年来，在两个新的情况下，人们对NF亚基蛋白引起了人们的兴趣：作为神经元损伤的潜在血液和脑脊液的生物标记，以及具有吸引人特性的模型IDP。在这里，我们回顾了NF结构和功能方面的既定原则和最新发现。在Pos sible的地方，我们将这些发现放在NF组装，相互作用和对轴突力学的贡献的背景下。
从结构化缺失的数据中学习
Robin Mitra 1,2，*，Sarah F. McGough 3，*，1，Chris Holmes 1,4，Vinh Doan 9，David Leslie 1，Ginet Bianconi 1:10 1:10，St. Garcia 17，*和Ben D. Macarthur的Reuben
铝制硅酸盐眼镜的结晶行为：从结构描述符到定量结构 - 基于财产关系（QSPR）的预测模型
成功地解码了控制多组分功能玻璃中结晶的结构描述符，可以为从试用方法和玻璃/玻璃陶瓷组成设计的过渡和经验建模铺平道路，从而朝着更合理和科学严格的定量结构 - 结构 - 实用关系（QSPR）模型。然而，由于多组分玻璃的组成和结构复杂性以及与成核相关的时间和长度尺度的较长，QSPR模型的发展和验证仍在其婴儿期。本文中提出的工作是通过结合实验和计算材料科学的优势来解码化学结构驱动因素，以促进或抑制碱/碱性 - 碱性 - 钙化型Alu Minoborosilicate在基于QSPR模型的开发中，促进或抑制成核和晶体的增长的化学结构驱动因素，从而促进或抑制核的成核和晶体生长，从而使基于基于QSPR模型的开发（PAWER M.DAWAID）促进成核和晶体生长。结果揭示了以下两个描述符，这些描述符在功能玻璃中特定的铝硅酸盐相位的成核和结晶：（1）SIO 4和ALO 4单元之间的混合程度，即Si - O - a-o - al链接，以及（2）（2）在玻璃结构中的镜头阶段之间的差异（2）差异。基于已建立的组成 - 结构 - 结晶行为关系，基于聚类分析的QSPR模型已经开发（并进行了测试），以预测所研究玻璃中尼索线（和氧化足）结晶的倾向。该模型已经在目前和以前的研究中对几个组成进行了测试，并成功预测了所有玻璃成分的结晶倾向，即使在先前的经验和半经验模型失败的情况下，即使是在此情况下。
利用预先训练的Alexnet和相关矢量机的转移来回归，以预测健康的老年人大脑年龄从结构MRI
从脑结构MRI和年代年龄估计的大脑年龄之间的抽象差异与广泛的神经认知失误有关。大脑年龄估计的性能在很大程度上取决于预定义或手工制作的功能。尽管已经提出了基于3D卷积神经网络（CNN）方法，但它们需要高计算成本，大记忆负载和众多图像。将预先训练的2D CNN耦合用于转移学习的转移学习与建立的相关性向量机进行回归方法可以极大地增强模型的能力。采用了几种重要策略，包括特征传递学习，3D特征串联和降低维度。估计的大脑年龄是通过594个正常健康老年人（50 - 90岁）的结构磁共振成像（SMRI）建模的。我们提出并表现出预先训练的Alexnet作为可靠的特征提取器。此外，通过应用3D功能串联和减少数据，可以避免开发3D CNN的可观成本。所提出的方法以旧受试者的平均绝对误差为4。51年，可实现出色的性能。预测的大脑年龄也表现出高测试可靠性（类内相关系数为0.979）。对所提出模型的有效性和鲁棒性进行了充分的研究。所提出的方法可以与这些最先进的方法竞争甚至胜过表现，并且功能转移学习策略可以将新的观点引入一些具有预定义或手工制作的功能的知名脑周龄预测模型。
从结构MRI和MEG数据估算大脑年龄
大脑年龄预测研究旨在可靠地估计个体年龄年龄与基于神经成像数据的预测年龄之间的差异，这已被认为是对疾病和认知下降的信息衡量。由于大多数先前的研究仅依赖于磁共振成像（MRI）数据，因此我们在此研究是否使用大量的健康受试者（N = 613岁，年龄18-88岁，年龄18-88岁）将结构MRI与功能性磁脑表生矩（MEG）信息相结合，以改善年龄预测。为此，我们研究了降低维度降低和多元关联技术的性能，即主成分分析（PCA）和规范相关性分析（CCA），以应对神经影像数据的高维度。与使用MRI功能（MAE为5.33岁）相比，使用MEG功能（9.60岁的平均绝对误差（MAE）为9.60年）的性能较差，但是将这两种功能集结合在一起的堆叠模型改善了年龄预测的性能（MAE 4。88年）。此外，我们发现PCA导致了劣质性能，而CCA与高斯工艺回归模型结合使用，产生了最佳的预测性能。值得注意的是，CCA使我们能够可视化有助于大脑时代预测的显着贡献的特征。我们发现，皮层结构的MRI特征比皮质特征更可靠，并且光谱MEG测量比Connectiv-Ity指标更可靠。我们的结果提供了对脑衰老反射的基本过程的见解，对鉴定可靠的神经退行性疾病的可靠生物标志物产生了希望，这些疾病在寿命后期出现。
从结构特征到生物学功能
1.大多数回路是短的（<2 Mb），并且在人类和小鼠之间，在细胞类型之间得到强烈保守。2.锚定在启动子上的环与增强子和基因激活增加有关。3。环路经常划分接触域的边界4.CTCF和粘蛋白亚基RAD21和SMC3与环相关；这些蛋白质中的每一个都以超过86％的环锚固量发现。
退火对 SAE 202 和 440C 钢疲劳寿命影响的实验研究 M. Sreeteja*、S. Pranavadithya、V. Nitish 和 Gunda Sowmya 机械工程系，Vidya Jyothi 理工学院，海得拉巴，印度 2017 年 5 月 1 日接受，2017 年 5 月 2 日在线提供，第 7 卷，第 3 期（2017 年 6 月）摘要 近来，由于多种多样的负载条件、复杂的几何形状以及市场上出现的新材料，预测工程部件疲劳寿命的复杂性呈指数级增长。当前的研究包括定量测量退火对 SAE 202 和 440C 钢疲劳寿命的影响。从结果来看，很明显，两种钢的疲劳寿命都因退火而有明显的提高。然而，与 SAE 202 相比，440C 钢的疲劳寿命改善程度更大。关键词：疲劳、退火、热处理、低周疲劳、440C、SAE 202、1. 引言 1 疲劳寿命是任何材料的重要特性
退火对 SAE 202 和 440C 钢疲劳寿命影响的实验研究 M. Sreeteja*、S. Pranavadithya、V. Nitish 和 Gunda Sowmya 机械工程系，Vidya Jyothi 理工学院，海得拉巴，印度 2017 年 5 月 1 日接受，2017 年 5 月 2 日在线提供，第 7 卷，第 3 期（2017 年 6 月）摘要 近来，由于多种多样的负载条件、复杂的几何形状以及市场上出现的新材料，预测工程部件疲劳寿命的复杂性呈指数级增长。当前的研究包括定量测量退火对 SAE 202 和 440C 钢疲劳寿命的影响。从结果来看，很明显，两种钢的疲劳寿命都因退火而有明显的提高。然而，与 SAE 202 相比，440C 钢的疲劳寿命改善程度更大。关键词：疲劳、退火、热处理、低周疲劳、440C、SAE 202、1. 引言 1 疲劳寿命是任何材料的重要特性