XiaoMi-AI文件搜索系统
World File Search System利用
利用国产基因组编辑技术对小鼠、大鼠受精卵进行大规模基因组编辑……
这项研究得到了日本学术振兴会 (JSPS) KAKENHI（资助编号：18H03974、19KK0401、22K19238、23H00367、24K02010、22H04922（AdAMS））、日本科学技术振兴机构 COI-NEXT（JPMJPF2010）和日本医疗研究发展机构 (AMED)（24bm12230009）的支持。 名词解释（注1） CRISPR-Cas3：许多细菌都有一种名为CRISPR-Cas系统的防御系统，类似于适应性免疫。 CRISPR-Cas3属于1类CRISPR系统，2019年被报道为一种使用多蛋白复合物人工切割DNA的国产基因组编辑工具。 （注2）脱靶突变：在基因组编辑技术中，DNA序列中非预期的突变发生在特定目标序列以外的位置。最大限度地减少脱靶突变被认为对于基因组编辑技术的高度安全性至关重要。 （注3）长读测序：与传统方法相比，一次分析更长片段的DNA或RNA碱基序列的技术。在本研究中，我们使用了纳米孔测序方法，这是一种通过将序列穿过纳米级孔（纳米孔）实现高速解码的技术。
利用人工智能预测小学棒球运动员的危险投球动作
Norikazu HIROSE 博士 早稻田大学运动科学系教授 日本运动训练学会 日本训练科学学会等 著作：《运动训练科学》，文光堂（2019）等 研究领域：运动训练
利用大数据了解心理健康的因果关系：一个研究框架
在过去的 30 年中，我们开展了大量大规模的纵向精神病学研究，以增进我们对精神疾病的理解和治疗。然而，尽管研究界付出了巨大的努力和大量资金，我们仍然缺乏对大多数精神疾病的因果理解。因此，大多数精神病学诊断和治疗仍然在症状体验的层面上进行，而不是衡量或解决根本原因。这导致了一种反复试验的方法，这种方法与潜在的因果关系不相符，临床结果也不佳。在这里，我们讨论了如何将源于因果因素探索而不是症状分组的研究框架应用于大规模多维数据，以帮助解决心理健康研究面临的一些当前挑战，进而解决临床结果。首先，我们描述了寻找心理健康状况因果驱动因素所面临的一些挑战和复杂性，重点关注目前评估和诊断精神疾病的方法、症状和原因之间的多对多映射、对异质症状组的生物标记的搜索以及影响我们心理的多个动态相互作用变量。其次，我们提出了一个以因果为导向的框架，该框架基于两个大型数据集，这两个数据集来自青少年大脑认知发展 (ABCD) 研究，这是美国最大的大脑发育和儿童健康长期研究，以及全球心智项目，这是世界上最大的心理健康档案数据库以及来自全球 140 万人的生活背景信息。最后，我们描述了如何对此类数据集使用聚类和因果推理等分析和机器学习方法，以帮助阐明对心理健康状况的更因果理解，从而能够采取诊断方法和预防解决方案，从根本上解决心理健康挑战。
利用 CRISPR/Cas9 系统寻找新型重组修复增强子
研究成果概要（中文）：CRISPR-Cas9 是一种多功能技术，可应用于医疗。在 DNA 双链断裂后的修复途径中，与模板 DNA 同源重组 (HDR) 的修复有助于精确编辑，但同时，涉及碱基缺失或插入的 NHEJ 也以高频率发生。我使用 Traffic Light Reporter 系统进行了基于细胞的 HDR 增强因子筛选，该系统可以同时检测具有 HDR 和 NHEJ 的细胞，并确定了与 NHEJ 衍生细胞相比，HDR 衍生细胞中表达较高的几个基因。对这些基因的进一步基因本体分析表明，它们与 DNA 修复和细胞周期有关。
利用现代生物技术工具对植物进行智能重编程以抵抗盐胁迫
a 作物遗传育种与综合利用教育部重点实验室，油料作物研究所，豆科作物遗传与系统生物学中心，福建农林大学农学院，福州，中国；b 水稻生物学国家重点实验室，中国农业科学院，中国水稻研究所，浙江，中国；c 国家生物技术和基因工程研究所 (NIBGE)，巴基斯坦费萨拉巴德；d 扬州大学园艺与植物保护学院园艺系，扬州，中国；e 塞浦路斯理工大学农业科学、生物技术与食品科学系，塞浦路斯莱梅索斯；f 西澳大利亚大学 UWA 农业研究所，澳大利亚珀斯克劳利；g 作物多样化与遗传学，国际生物盐渍农业中心，阿拉伯联合酋长国迪拜； h 印度海得拉巴国际半干旱热带作物研究所 (ICRISAT) 基因组学和系统生物学卓越中心；i 澳大利亚默多克大学国家农业生物技术中心默多克作物和食品创新中心
利用神经速度场进行微分同胚图像配准
微分同胚图像配准能够提供平滑的变换和拓扑保存，在许多医学图像分析任务中是必需的。传统方法对可接受的变换空间施加某些建模约束，并使用优化来寻找两幅图像之间的最佳变换。指定正确的可接受的变换空间具有挑战性：如果空间过于严格，配准质量可能会很差，而如果空间过于笼统，则优化可能难以解决。最近基于学习的方法利用深度神经网络直接学习变换，实现了快速推理，但由于难以捕捉微小的局部变形和泛化能力，在准确性方面面临挑战。在这里，我们提出了一种新的基于优化的方法，称为 DNVF（带神经速度场的微分同胚图像配准），该方法利用深度神经网络来建模可接受的变换空间。具有正弦激活函数的多层感知器 (MLP) 用于表示连续速度场，并为空间中的每个点分配一个速度矢量，从而提供对复杂变形进行建模的灵活性以及优化的便利性。此外，我们提出了一种级联图像配准框架 (Cas-DNVF)，结合了优化和基于学习的方法的优点，其中训练完全卷积神经网络 (FCN) 来预测初始变形，然后使用 DNVF 进行进一步细化。在两个大型 3D MR 脑部扫描数据集上进行的实验表明，我们提出的方法明显优于最先进的配准方法。
利用云计算组织专业人才培养的教育空间
Andrii Shuliak 1 、Andrii Hedzyk 2 、Nina Tverezovska 3 、Lyubov Fenchak 4 、Natalia Lalak 5 、Anatolii Ratsul 6 、Oleksandr Kuchai 7 1 教育学博士，乌克兰帕夫洛·特奇纳乌曼国立师范大学信息学、信息和通信技术系教师 2 乌克兰德拉戈马诺夫国立师范大学研究生（博士） 3 教育学博士，教授，乌克兰国立生命与环境科学大学社会工作与康复系教授 4 教育学候选人，副教授，乌克兰穆卡切沃国立大学 5 教育学候选人，副教授，乌克兰穆卡切沃国立大学 6 教育学博士，教授，沃洛基米尔教育与特殊教育系主任维尼琴科乌克兰中央国立师范大学，乌克兰 7 教育学博士，副教授，乌克兰国立生命与环境科学大学教育学系教授，乌克兰
MatFuse：利用扩散模型实现可控材料生成
在计算机图形学中创建高质量的材质是一项具有挑战性且耗时的任务，需要很高的专业知识。为了简化这个过程，我们引入了 MatFuse，这是一种统一的方法，它利用扩散模型的生成能力来创建和编辑 3D 材质。我们的方法整合了多种条件来源，包括调色板、草图、文本和图片，增强了创造可能性并对材质合成进行了细粒度的控制。此外，MatFuse 通过多编码器压缩模型的潜在操作实现了地图级材质编辑功能，该模型可以学习每个地图的解开的潜在表示。我们在多种条件设置下展示了 MatFuse 的有效性，并探索了材质编辑的潜力。最后，我们根据 CLIP-IQA 和 FID 分数定量评估生成材质的质量，并通过开展用户研究定性评估生成材质的质量。用于训练 MatFuse 的源代码和补充材料可在 https://gvecchio.com/matfuse 上公开获取。
第 11 章 AI 完备性：利用深度学习消除人为因素
摘要 计算复杂性是计算机科学和数学的一门学科，它根据计算问题的固有难度对其进行分类，即根据算法的性能对其进行分类，并将这些类别相互关联。P 问题是一类可以使用确定性图灵机在多项式时间内解决的计算问题，而 NP 问题的解可以在多项式时间内验证，但我们仍然不知道它们是否也可以在多项式时间内解决。所谓 NP 完全问题的解也将是任何其他此类问题的解。它的人工智能类似物是 AI 完全问题类，对于该类问题仍然没有完整的数学形式化。在本章中，我们将重点分析计算类，以更好地理解 AI 完全问题的可能形式化，并查看是否存在适用于所有 AI 完全问题的通用算法（例如图灵测试）。为了更好地观察现代计算机科学如何尝试解决计算复杂性问题，我们提出了几种涉及优化方法的不同深度学习策略，以表明无法精确解决高阶计算类问题并不意味着使用最先进的机器学习技术无法获得令人满意的解决方案。这些方法与人类解决类似 NP 完全问题的能力的哲学问题和心理学研究进行了比较，以强化我们不需要精确和正确解决 AI 完全问题的方法就可以实现强 AI 的概念的说法。
大麦育种在提高氮利用率方面的进展...
摘要：高氮利用效率（NUE）或耐低氮的作物育种被认为是减少氮肥过量使用造成的成本、碳足迹和其他环境问题的理想解决方案。作为谷物作物的模型植物，大麦具有许多优点，包括适应性好、生育期短、抗逆性强或耐逆性强。因此，提高大麦 NUE 的研究不仅有利于氮高效大麦育种，而且还将为其他谷物作物的 NUE 改良提供参考。本文总结了大麦对氮营养反应的理解、NUE 或耐低氮性的评估、与提高 NUE 相关的 QTL 定位和基因克隆以及氮高效大麦育种方面的最新进展。此外，还介绍了可用于揭示大麦 NUE 的分子机制或提高大麦 NUE 育种的几种生物技术工具，包括 GWAS、组学和基因编辑。本文还讨论了揭示提高其他作物氮利用效率的分子机制的最新研究思路，从而为提高大麦的氮利用效率提供了更好的理解，并为该领域的未来研究提供了一些方向。