XiaoMi-AI文件搜索系统
World File Search System分辨率
启动子的全基因组核小体分辨率图
摘要 增强子-启动子环路模型长期以来一直主导着基因调控领域，其中增强子通过物理接触激活其靶基因。然而，由于存在替代机制的证据以及缺乏系统验证（主要是由于缺乏合适的实验技术），该模型的普遍性受到了质疑。在本研究中，我们提出了一种新的基于 MNase 的邻近连接方法，称为 MChIP-C，该方法可以在基因组范围内以单核小体分辨率测量蛋白质介导的染色质相互作用。通过应用 MChIP-C 研究 K562 细胞中以 H3K4me3 启动子为中心的相互作用，我们发现与基于限制性内切酶的 C 方法相比，它具有大大提高的分辨率和灵敏度。这使我们能够将 EP300 组蛋白乙酰转移酶和 SWI/SNF 重塑复合物确定为建立和/或维持增强子-启动子相互作用的潜在候选者。最后，利用已发表的 CRISPRi 筛选数据，我们发现大多数经过功能验证的增强子确实与其同源启动子发生物理相互作用，支持增强子-启动子环路模型。
treeai：一个用于树种注释和高分辨率图像的全局数据库
1环境系统科学系，陆地生态系统研究所，苏黎世，苏黎世8092，瑞士（Mirela.beloiu@usys.ethz.ethz.ch），（zhongyu.xia@usysys.ethz.ethz.ch） （yach@ign.ku.dk）3森林动态，瑞士联邦森林，雪和景观研究WSL，瑞士8903 Birmensdorf（arthur.gessler@wsl.ch），（Nataliia.hearush@rearush@wsl.ch） （teja.kattenborn@geosense.uni-freiburg.de）5州库汉大学的测量，地图和遥感信息工程主要实验室，挪威（Stefano.puliti@nibio.no）的生物经济研究（NIBIO）国家森林清单8遥远感应小组，瑞士联邦森林，雪和景观研究WSL，8903 Birmensdorf，瑞士Birmensdorf，瑞士，瑞士，lars.waser@waser@waser@wasl.wsl.ch nervection@@@@
使用高分辨率MRI进行颅内动脉粥样硬化的精确诊断：
Wang，Y。等，中国有症状的颅内大动脉狭窄和闭塞的患病率和结局：中国颅内动脉粥样硬化（CICAS）研究。中风，2014年。45（3）：663-9。Lange，M.C。等人，在缺血性中风的不同亚型中的中风复发。颅内疾病的重要性。arq neuropsiquiatr，2018年。76（10）：649-653。
项目标题：在高分辨率耦合地球系统模型
项目的目标和方法区域海洋和天气预报对于管理经济和保护我们沿海和开放水域的海洋生物至关重要。预测诸如海洋热浪和风暴之类的恶劣天气事件尤其重要，因为它们可能会严重影响人类的活动和生态系统，而对后者的不确定性很大。例如，天气预报（和气候预测）假定海洋颜色是固定的。然而，卫星观察结果表明，由于浮游植物活动，海洋颜色在西北欧洲架子上差异很大。Skákala等。（2022）表明，由于浮游植物而改变海洋颜色的考虑，会显着影响春季的海面变暖：在浮游植物的盛开期间，光被困在靠近地面，增加了近乎表面的变暖并增加了混合层深度。这种效果然后以浮游植物的形式反馈，将其开花前进了几天。在极端热量事件中，影响可能会明显更高。
高分辨率FMRI图像重建的转移和无监督的学习在超高磁场
然而，随着这些加速fMRI获取的最新进展[3，4]，收购中保存的时间和复杂性已转移到图像重建中。目前，即使在社区中已经开发了现代变异压缩感（CS）重建技术，并且在我们的PYSAP软件[5]中可供选择（请参阅其fMRI 1的插件），但完全重建典型的4D（3D+时间）序列所需的时间预算是100个高分辨率FMRI FMRI FOLUMES架构的典型预算。为了加快这项任务，存在几种竞争方法，要么平行于多个GPU上连续的fMRI体积的重建，要么依靠深度学习在测试时本质上分解MR图像重建的数值复杂性。该博士学位论文将探索第二大道。
利用遗传疾病中的端粒到端粒参考提高光学基因组图谱的分辨率
参考基因组是比较个人基因组以推断临床变异的基线标准。广泛使用的参考基因组 GRCh38 包含间隙和未解析的碱基，尤其是在复杂区域，这可能会影响变异的发现。相比之下，无间隙端粒到端粒 CHM13 (T2T-CHM13) 参考基因组可用于评估基因组的困难区域。光学基因组图谱 (OGM) 是一种用于结构变异识别的成像技术，与传统细胞遗传学方法相比，其分辨率有所提高。我们的研究展示了 T2T-CHM13 参考基因组在复杂区域中增强结构变异 (SV) 检测的实用性。我们通过两个临床病例说明了这一点，其中与 T2T-CHM13 的改进比对导致关键 SV 的置信度得分显著提高。我们展示了更新后的 T2T-CHM13 参考的临床诊断结果有所改善，并提倡采用它。
反馈驱动的脑器官平台可实现自动维护和高分辨率神经活动监控
对组织培养物，尤其是脑器官的分析需要复杂的整合和协调多种技术以监测和测量。我们已经开发了一个自动化的研究平台，可实现独立设备，以实现以反馈驱动的细胞培养研究的协作目标。我们的方法可以在各种感应和驱动设备之间的物联网（IoT）体系结构中进行连续，交流，非侵入性交互，从而确切地控制了体外生物学实验的时间。框架整合了微流体，电生理学和成像装置，以维持脑皮质器官，同时测量其神经元活性。类器官是用定制的3D打印室进行培养的，并固定在商业微电极阵列上。使用可授权的微流体泵实现周期性喂养。我们开发了一种计算机视觉量估计器，用作反馈，以纠正媒体喂养/抽吸周期中微流体灌注的偏差。我们通过一组为7天的小鼠大脑皮层器官进行了验证，比较了手动和自动化方案。在整个实验过程中维持鲁棒的神经活动时，对自动化方案进行了验证。自动化系统启用了7天研究的每小时电子生理记录。通过高频记录揭示了每个样本的中位神经单位射击率都会提高和器官射击率的动态模式。令人惊讶的是，进食不会影响率。此外，在录制过程中进行媒体交换表明对发射率没有急性影响，从而使该自动化平台用于试剂筛查研究。
Köppen– Geiger气候分类，基于高分辨率气候预测的合奏
摘要。我们最近确定了石墨烯中受保护的拓扑半学，该拓扑半学表现为零能量边缘模式鲁棒和相互作用。在这里，我们解决了该半学的特征，并表明，与最低能带相关的霍尔电导率的Z拓扑不变，可以从谐振响应到在DIRAC点上分析的圆形极化光等效。中间能带（包括费米表面）的（非量化的）电导率响应也会引起z 2不变。我们强调散装的对应关系，作为受保护的拓扑半金属，即一个在平面中极化的自旋构型在与稳健边缘模式相关的绝缘阶段，而另一个则处于金属状态。边缘的量化运输等效于1 2 - 1
EAE 指南 2024_低分辨率
在 NCC（陆地）中，我提升了领导能力和沟通技巧，因此在三年级时获得了第二高的中士军衔，在五年级时，我主动参加并通过了学员军官课程，成为一名学员军官。由于我拥有丰富的经验以及领导下属的奉献精神，我被授予 NYAA（银牌）和 Edusave EAGLES 奖。我独特的热情使我成为被选中参加马来西亚奥菲尔山探险的人之一。我还获得了青年工程师奖（银奖），通过这个奖我学会了解决问题的能力。我愿意并渴望拓宽知识面，因此我有机会参加高级机器人技术、基本生存课程、急救课程和 1 星皮划艇课程等研讨会。在过去 3 年里，我还参加了 Project Mi 的志愿者活动，并于 2019 年担任小组组长，这让我有机会获得在 NCC 之外运用领导技能的经验。
卫星海事图像上超分辨率的任意规模流量匹配
科学背景。目前正在绕地球从地球表面获取图像。由空间机构和政府运营的卫星星座，可以对所有土地表面和海洋进行全球监测。尽管这些非商业卫星提供了开放式和免费图像，但它们的空间决议通常受到限制，最多约为10米。尽管这些空间分辨率在各种应用中足够，但对于需要检测到诸如建筑物，树篱或动物等细节细节的特定应用程序，它们可能是有限的因素。可以人为地增强图像空间分辨率的可能解决方案是超分辨率（SR）。该技术可以被构架为一个倒数的问题，包括学习降解函数的倒数，可以应用于低空间分辨率（LR）图像以估计高空间分辨率（HR）图像。在该领域的最后十年中，学习策略的发展，尤其是深度学习，以学习降解功能，从而提高了这一领域的研究。最近，一种生成方法的扩散模型已实现了超分辨率的重大进展，尤其是在感知可视化方面[6]。在遥感的背景下，超级分辨率也因生成模型的最新进展[9]（包括扩散模型）的最新进展增强了，并使用了两个主要的并发设置，用于学习降级功能。第一个是使用通过对HR图像降采样的卫星图像的合成对训练模型的。在推断时，通常将训练的模型应用于HR图像，以估算一个非常高的空间分辨率（VHR）图像或另一个传感器捕获的真实LR图像。在这两种情况下，它都会由于数据分布在将模型应用于另一个空间分辨率或通过传感器特性的变化引起的比色变化而产生域间隙。为了克服该域间隙，第二个解决方案包括采用跨传感器设置，在该设置中，来自不同传感器的真实图像对训练超分辨率模型。这种现实的场景在训练过程中引起了额外的挑战，因为可能无法正确地共同注册图像，通过具有不同光谱特征的传感器捕获，并且在不同的时间，在观察值中造成了变化[5]。文献中没有共识，进一步的工作应该使使用超分辨率技术获得现实的HR