XiaoMi-AI文件搜索系统
World File Search System切片
生理温度下制备的急性脑切片在突触功能表征中的优势
急性脑切片制备是研究大脑突触功能特征的有力实验模型。尽管通常在冰冷温度 (CT) 下切割脑组织以方便切片并避免神经元损伤，但暴露于 CT 会导致突触的分子和结构变化。为了解决这些问题，我们研究了在冰冷和生理温度 (PT) 下制备的小鼠急性小脑切片中突触的超微结构和电生理特征。在 CT 下制备的切片中，我们发现脊柱明显丢失和重建、突触小泡重排和突触蛋白减少，而所有这些在 PT 下制备的切片中均未检测到。与这些结构发现一致，在 PT 下制备的切片显示出更高的释放概率。此外，在 PT 下制备允许在切片后立即进行电生理记录，从而与 CT 下相比，运动学习后长期抑郁 (LTD) 的可检测性更高。这些结果表明，在 PT 下切片制备对于研究不同生理条件下的突触功能具有显着优势。
使用UNET变压器神经网络在染色的微观切片上进行定量木材解剖结构
森林在地面碳循环中至关重要，并且对它们对持续气候变化的反应的了解对于确定未来的碳浮动和气候轨迹至关重要。在具有对比季节的区域，树木形成可以分配给日历年的离散年环，从而可以提取有关树木对环境的反应的宝贵信息。木材的解剖结构提供了有关树木对气候的反应和适应的高度分辨信息。定量木材解剖结构有助于通过使用木材微剖面的高分辨率图像在细胞水平上测量木材来检索这些信息。然而，尽管在识别细胞结构方面已经取得了很大的进步，但获得有意义的细胞信息仍然受图像上正确的年度树环界定的阻碍。这是一项耗时的任务，需要经验丰富的操作员手动界定环边界。基于像素值的自动分割的经典方法正在用能够区分结构的新方法代替，即使分界需要高水平的专业知识。尽管已使用神经网络进行木环的分割，但木制的木材图像，但阔叶物种染色的微观切片中细胞模式的复杂性需要自适应模型才能准确地完成此任务。我们在山毛榉核心染色的横截面微隔板图像上使用神经网络提出了自动树环边界划定。基于卷积神经网络的应用我们训练了一个UNETR，一个UNET的联合神经网络和视觉变压器的注意机制，以自动分段年度环边界。考虑到具有手动分割的差异以及数量木材解剖学分析目标的差异以及差异的后果。在大多数情况下（91.8％），自动分割匹配或改进了手动细分，即使将手动细分视为更好的情况，两种类别之间的船只分配率也相似。
肿瘤微环境相互作用引导图形学习，从全切片病理图像进行人类癌症生存分析
深度学习技术的最新进展为协助病理学家从全切片病理图像（WSI）中预测患者的生存期带来了可能性。然而，大多数流行的方法仅适用于WSI中特定或随机选择的肿瘤区域中的采样斑块，这对于捕捉肿瘤与其周围微环境成分之间复杂相互作用的能力非常有限。事实上，肿瘤在异质性肿瘤微环境（TME）中得到支持和培育，详细分析TME及其与肿瘤的相关性对于深入分析癌症发展的机制具有重要意义。在本文中，我们考虑了肿瘤与其两个主要TME成分（即淋巴细胞和基质纤维化）之间的空间相互作用，并提出了一种用于人类癌症预后预测的肿瘤微环境相互作用引导图学习（TMEGL）算法。具体来说，我们首先选择不同类型的块作为节点来为每个 WSI 构建图。然后，提出了一种新颖的 TME 邻域组织引导图嵌入算法来学习可以保留其拓扑结构信息的节点表示。最后，应用门控图注意网络来捕获肿瘤与不同 TME 组件之间与生存相关的交集以进行临床结果预测。我们在来自癌症基因组图谱 (TCGA) 的三个癌症队列上测试了 TMEGL，实验结果表明 TMEGL 不仅优于现有的基于 WSI 的生存分析模型，而且对生存预测具有良好的可解释能力。
组织切片中基因表达同工型的空间景观
原位捕获技术在基因表达数据中添加了组织上下文，并有可能对复杂的生物系统有更深入的了解。但是，剪接变体和全长序列异质性在空间分辨率上无法通过当前转录组提出方法来表征。到此为止，我们引入了空间同源转录组学（SIT），这是一种使用长阅读测序来表征空间同工型变异和分类异质性的探索方法。我们在小鼠大脑中显示了如何使用SIT在组织不同区域中使用同工型表达和序列异质性。SIT揭示了嗅球不同外行之间PLP1基因的区域同工型切换，并且使用外部单细胞数据的使用允许提名表达每种同工型的细胞类型。此外，在脑功能（SNAP25，BIN1，GNA）中鉴定出差异同工型使用，这些基因通过原位测序独立验证。SIT还提供了第一次深入的成年小鼠脑的深入a-i RNA编辑图。数据探索可以通过在线重新源（https://www.isomics.eu）进行，其中同工型词和RNA编辑可以在分布环境中可视化。
使用基于循环切片的网络准确预测大脑年龄
摘要 BrainAge（根据神经影像数据预测受试者的表观年龄）是大脑衰老的重要生物标志物。BrainAge 与真实年龄的偏差与精神和神经疾病有关，并且已被证明可有效预测轻度认知障碍 (MCI) 转化为痴呆症。传统上，3D 卷积神经网络及其变体用于预测大脑年龄。然而，这些网络比 2D 网络具有更多参数并且训练时间更长。在这里，我们提出了一种基于 2D 切片的循环神经网络模型，该模型以有序的矢状切片序列作为输入来预测大脑年龄。该模型由两部分组成：一个 2D 卷积神经网络 (CNN)，它对切片中的相关特征进行编码，以及一个循环神经网络 (RNN)，它学习切片之间的关系。我们将我们的方法与其他最近提出的方法进行了比较，包括 3D 深度卷积回归网络、信息论模型和特征包 (BoF) 模型（例如 BagNet）——其中分类基于局部特征的出现，而不考虑它们的全局空间顺序。在我们的实验中，我们提出的模型的表现与当前最先进的模型相当甚至更好，参数数量几乎减少了一半，收敛时间也更短。关键词：深度学习、循环神经网络、卷积神经网络、大脑年龄、结构磁共振成像
肿瘤组织切片体外处理作为评估肾癌患者靶向治疗的预测性临床前方法
1 格勒诺布尔阿尔卑斯大学、法国国家健康与医学研究院、CEA、IRIG-癌症和感染生物学、UMR_S 1036、F-38000 格勒诺布尔、法国； caroline.roelants@inovarion.com （CR）; qfranquet@chu-grenoble.fr（QF）; csarrazin1@chu-grenoble.fr （客户服务） nicolas.peilleron@gmail.com （NP）; sofiagiacosa@gmail.com（新加坡）; laurent.guyon@cea.fr （LG）; claude.cochet@cea.fr (CC) 2 Inovarion, 75005 巴黎，法国 3 格勒诺布尔阿尔卑斯大学，INSERM，CEA，IRIG-大规模生物学，UMR 1038，F-38000 格勒诺布尔，法国； catherine.pillet@cea.fr 4 格勒诺布尔阿尔卑斯大学医院，CS 10217，38043 格勒诺布尔 CEDEX 9，法国； lafontanell@chu-grenoble.fr（AF）; g.fiard@ucl.ac.uk （GF）; JALong@chu-grenoble.fr（J.-AL）; jldescotes@chu-grenoble.fr (J.-LD) * 通信地址：odile.filhol-cochet@cea.fr;电话：+ 33-(0)4-38785645；传真：+ 33-(0)4-38785058
为能源需求规划网络切片资源...
摘要 — 在网络切片中，虚拟网络嵌入已得到广泛研究，即决定在哪些物理节点和链路中放置虚拟功能和链路。然而，切片的性能不仅取决于虚拟功能和链路的位置，还取决于它们可以使用多少资源，而这在文献中大多被忽略。因此，我们提出了一种最佳资源尺寸的方法，通过尺寸确定同一资源受限网络中共存的多个 Jackson 网络（每个切片一个）的容量。尽管 Jackson 网络历史悠久，但据我们所知，我们是第一个对此类问题进行建模的人。目标是在满足异构服务提供商的延迟要求的同时最大限度地降低能耗。我们用数字表明，我们的解决方案能够实现这两个目标，这与传统方法不同，传统方法假设分配给切片的资源量是先验固定的。索引术语 — 网络切片、资源分配、Jackson 网络、优化。
校正：精密切割肺切片
©作者2024。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的，该许可允许以任何媒介或格式使用，共享，适应，分发和复制，只要您对原始作者和来源提供适当的信誉，请提供与创意共享许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http：// creativ ecommon s.or g/licenses/by/4.0/。Creative Commons公共领域奉献豁免（http：// creativecommo ns。org/publicdo main/Zero/Zero/1.0/）适用于本文提供的数据，除非在信用额度中另有说明。
抑制TERT抑制慢性髓样白血病细胞的增殖和诱导的凋亡 高密度脂蛋白胆固醇与糖尿病性视网膜病之间的关联：2型糖尿病患者的横断面研究 大脑压力的起伏：扩展三个网络假设 在不同的秘鲁地区和外部建筑环境中土壤寄生虫污染 velezensis oee1对biscogniauxia地中海产生的可扩散代谢产物的拮抗作用 通过LAMP和RPA测定的小鸡胚胎分子性别 2型糖尿病中心血管疾病风险的模式和决定因素：尼日利亚当前糖尿病管理状态的见解 增强微型对象检测而无需微调：具有最新YOLO模型和RT-DETR Transformer 的动态自适应对象推理切片框架
由染色体9和22之间的相互易位产生的异常嵌合BCR-ABL癌蛋白表现出构成性高激酶活性。活化的BCR-ABL1促进了慢性髓样白血病（CML）细胞的增殖，并通过激活多种下游信号通路来阻碍其患有凋亡的能力[1-2]。酪氨酸激酶抑制剂（TKIS），例如伊马替尼（IM）和尼洛替尼，已被证明在慢性期有效治疗CML。然而，大约15-20％的患者，尤其是处于疾病加速阶段的患者，对IM产生了抵抗力，并最终经历了复发或爆炸危机的进展[3-8]。大约50％的TKI抗性病例是BCR-ABL依赖性的，这是由ABL激酶结构域中的点突变或BCR-ABL基因的扩增引起的，该基因导致BCR-ABL激酶活性的重新激活[9]。其余的耐药性涉及与细胞增殖和/或癌症生存有关的各种关键信号通路。CML从慢性阶段到高级阶段的进展是由BCR-ABL依赖性和独立机制驱动的，这也表现出对特定TKI的反应。