XiaoMi-AI文件搜索系统
World File Search System华中
储能挑战与可能性特刊前言
本期特刊聚焦“储能技术的挑战与可能性”，收录了来自德国伊尔默瑙工业大学、苏州大学、中科院半导体研究所、西湖大学、华中科技大学、北京交通大学、南京大学等单位的9篇综述、1篇研究论文和1篇新闻观点，介绍了国内外在该领域的最新进展。伊尔默瑙工业大学雷勇教授题为“高粗糙表面碳纳米纤维薄膜作为锂硫电池有效中间层”的原创研究论文、苏州大学康振辉教授题为“I–III–VI族量子点的光电和光催化特性：传统量子点与新兴量子点之间的桥梁”的评论论文、中科院半导体研究所王志杰教授题为“设计ZnO光电化学行为以实现高效太阳能水分解”的评论论文、舒大军教授题为“应变工程调控光催化材料TiO2表面性质”的评论论文详细介绍了该材料在储能等领域的挑战与可能性。
原创文章 鉴定 sinensetin 作为丝裂原活化蛋白激酶激酶 6 的选择性抑制剂和非
摘要：天然化合物是生物活性小分子的宝贵来源。它们调节的细胞活性通常是通过结合特定的细胞靶标来实现的。然而，鉴定天然化合物的靶标具有挑战性，也是进一步开发它们作为药物的障碍。Sinensetin 来源于华中五味子，是一种传统药物的主要成分。虽然 Sinensetin 具有抗氧化、抗炎和抗癌等药理活性，但由于缺乏其靶标信息，其活性的分子机制仍不清楚。此外，Sinensetin 对非小细胞肺癌 (NSCLC) 的抗癌作用尚未研究。在这里，我们描述了 Sinensetin 作为 MKK6 的特异性抑制剂，其 KD 值为 66.27 μM。Sinensetin 抑制了 NSCLC 细胞和肺癌患者异种移植衍生类器官 (LPDXO) 的增殖，并诱导 G1 期细胞周期停滞。 Sinensetin 可直接抑制 MKK6 而非 MKK3，从而减弱 MAPK 信号通路。计算机分子对接分析表明，Sinensetin 特异性结合于 MKK6 的 αG 螺旋附近，而非 MKK3。在 NSCLC 患者中观察到 MKK6 的高表达水平。MKK6 敲除可消除 Sinensetin 介导的 NSCLC 细胞增殖抑制。总之，Sinensetin 是一种具有 NSCLC 治疗潜力的新型 MKK6 抑制剂。
第三届工业 4.0 与智能制造国际会议...
ISM 2021 名誉主席 Agostino Bruzzone，DIME，热那亚大学，意大利 ISM 2021 总联合主席 Francesco Longo，MSC-LES – DIMEG，卡拉布里亚大学，意大利 Michael Affenzeller，上奥地利应用科学大学，奥地利 ISM 2021 项目联合主席 Antonio Padovano，MSC-LES – DIMEG，卡拉布里亚大学，意大利 沈伟明，华中科技大学，中国 ISM 2021 地方组织委员会成员 Alessandro Chiurco – DIMEG，卡拉布里亚大学，意大利 Virginia D’Augusta – DIMEG，卡拉布里亚大学，意大利 Barbara Eigruber – 上奥地利应用科学大学，奥地利 Jessica Frangella – DIMEG，卡拉布里亚大学，意大利 Marion Friedl – 上奥地利应用科学大学，奥地利 Caterina Fusto – DIMEG，卡拉布里亚大学，意大利 Lucia Gazzaneo – DIMEG，意大利卡拉布里亚大学 Luca Giansiracusa – CAL-TEK S.r.l.，意大利 Letizia Nicoletti – CAL-TEK S.r.l.，意大利 Mohaiad Osman Elbasheer – MSC-LES，意大利卡拉布里亚大学 Cataldo Russo – CAL-TEK S.r.l.，意大利 Simone Talarico – DIMEG，意大利卡拉布里亚大学 Marco Vetrano – CAL-TEK S.r.l.，意大利 Kaifeng Yang – 奥地利上奥地利应用技术大学
专题：能源消耗挑战与... - 中兴通讯
北京交通大学（中国） 香港理工大学（中国） 纽约州立大学布法罗分校（美国） 西北大学（美国） 复旦大学（中国） 加州大学戴维斯分校（美国）和香港中文大学（深圳）（中国） 北京大学（中国） 南京大学（中国） 华中科技大学（中国） 华盛顿大学（美国） 不列颠哥伦比亚大学（加拿大） 中佛罗里达大学（美国） 中国科学技术大学（中国） 中兴通讯股份有限公司（中国） 中兴通讯股份有限公司（中国） 北京理工大学（中国） 中兴通讯股份有限公司（中国） 中国科学院微电子研究所（中国） 法政大学（日本） 西南交通大学（中国） 清华大学（中国） 中国科学院深圳先进技术研究院（中国） 德岛大学（日本） 浙江大学（中国） 西安电子科技大学（中国） 佐治亚大学（美国） 三菱电机研究实验室（美国） 萨里大学（英国） 上海交通大学同济大学（中国） 东南大学（中国） 中兴通讯股份有限公司（中国） 哥伦比亚大学（美国） 中兴通讯股份有限公司（中国） 南京邮电大学（中国） 爱荷华州立大学（美国） 澳门大学（中国） 中兴通讯股份有限公司（中国） 埃塞克斯大学（英国） 新南威尔士大学（澳大利亚） 微软亚洲研究院（中国） 悉尼科技大学（澳大利亚） 浙江大学
未来先进卫星通信系统和...
北京交通大学（中国） 香港理工大学（中国） 纽约州立大学布法罗分校（美国） 西北大学（美国） 复旦大学（中国） 加州大学戴维斯分校（美国）和香港中文大学（深圳）（中国） 北京大学（中国） 南京大学（中国） 华中科技大学（中国） 华盛顿大学（美国） 不列颠哥伦比亚大学（加拿大） 中佛罗里达大学（美国） 中国科学技术大学（中国） 中兴通讯股份有限公司（中国） 中兴通讯股份有限公司（中国） 北京理工大学（中国） 中兴通讯股份有限公司（中国） 中国科学院微电子研究所（中国） 法政大学（日本） 西南交通大学（中国） 清华大学（中国） 佐治亚州立大学（美国） 德岛大学（日本） 浙江大学（中国） 西安电子科技大学（中国） 佐治亚大学（美国） 三菱电机研究实验室（美国） 萨里大学（英国） 上海交通大学（中国） 东南大学（中国） 中兴通讯股份有限公司（中国） 哥伦比亚大学（美国） 中兴通讯股份有限公司（中国） 南京邮电大学（中国） 爱荷华州立大学（美国） 澳门大学（中国） 中兴通讯股份有限公司（中国） 埃塞克斯大学（英国） 新南威尔士大学（澳大利亚） 微软亚洲研究院（中国） 悉尼科技大学（澳大利亚） 浙江大学（中国） 北京邮电大学（中国） 南洋理工大学（新加坡） 悉尼科技大学（澳大利亚） 滑铁卢大学（加拿大）
Tongjun Gu, Ph.D.
个人资料我对开发和应用人工智能算法和统计模型来理解复杂的生物系统和人类疾病，特别是急性髓细胞白血病感兴趣。 我的培训和经验包括：1）构建流程来处理大规模原始测序数据（每个项目 >1000 个样本）；2）开发机器学习、深度学习算法和统计模型来识别功能元素；3）熟悉几乎所有类型的组学数据和许多公共数据库；4）对遗传学、基因组学、RNA 和癌症生物学以及阿尔茨海默病有深入的了解；5）与来自广泛生物学领域的研究人员合作并培训来自不同背景的学生。 目前任命 09/2023 – 至今 副研究员 生物信息学核心 Versiti 血液研究所所长 教育 09/2004 – 06/2009 博士学位生物信息学博士学位 中国科学院生物物理研究所 09/2000 – 06/2004 生物医学工程学士学位 华中科技大学 先前任命 07/2023 – 09/2023 副科学家 01/2016 – 06/2023 助理科学家 生物信息学组 生物技术研究中心 (ICBR) 佛罗里达大学 02/2022 – 至今 客座教授 生物统计学系 佛罗里达大学 01/2022 – 至今 遗传流行病学和生物信息学中心 (GeneBio) 成员 佛罗里达大学 01/2019 – 09/2023 生物统计学和计算生物学定量科学部成员 佛罗里达大学健康癌症中心 (UFHCC) 09/2014 – 01/2016 研究专业 基因组学和系统生物学研究所 (IGSB) 人类遗传学 芝加哥大学
SAR11、SAR86、拟杆菌和 Aurantivirga 在浮游植物大量繁殖期间的原位细胞分裂和死亡率揭示了种群控制的差异
摘要 可以使用 16S rRNA 荧光原位杂交 (FISH) 研究微生物种群的净增长，即丰度随时间的变化。然而，这种方法不能区分死亡率和细胞分裂率。我们结合稀释培养实验，将基于 FISH 的图像细胞术用于研究两种不同的浮游植物水华中四种细菌类群的净增长、细胞分裂和死亡率：寡营养菌 SAR11 和 SAR86 以及富营养菌门拟杆菌门及其 Aurantivirga 属。细胞体积、核糖体含量和细胞分裂频率 (FDC) 随时间共同变化。在这三者中，FDC 是计算所选类群细胞分裂率的最合适的预测因子。 SAR86 的 FDC 衍生细胞分裂率高达 0.8/天，Aurantivirga 的 FDC 衍生细胞分裂率高达 1.9/天，这与寡养生物和富养生物的预期不同。令人惊讶的是，SAR11 的细胞分裂率也达到了高达 1.9/天的高水平，甚至在浮游植物大量繁殖之前也是如此。对于所有四个分类群，丰度衍生的净增长率（-0.6 到 0.5/天）比细胞分裂率低一个数量级。因此，死亡率与细胞分裂率相当高，表明大约 90% 的细菌产物在 1 天内被回收，没有明显的时间滞后。我们的研究表明，确定特定分类单元的细胞分裂率是对基于组学的工具的补充，并为包括自下而上和自上而下控制在内的单个细菌生长策略提供了前所未有的线索。
第 22 届 USENIX 文件和存储技术会议 (FAST '24)
程序委员会 George Amvrosiadis，卡内基梅隆大学 Ali Anwar，明尼苏达大学 Oana Balmau，麦吉尔大学 John Bent，希捷 Janki Bhimani，佛罗里达国际大学 Angelos Bilas，克里特岛大学和 FORTH Ali R. Butt，弗吉尼亚理工大学 Andromachi Chatzieleftheriou，微软研究院 Young-ri Choi，蔚山国立科学技术研究所 Angela Demke Brown，多伦多大学 Peter Desnoyers，东北大学 Aishwarya Ganesan，伊利诺伊大学厄巴纳-香槟分校和 VMware Research Ashvin Goel，多伦多大学 Haryadi Gunawi，芝加哥大学 Dean Hildebrand，谷歌 Yu Hua，华中科技大学 Jian Huang，伊利诺伊大学厄巴纳-香槟分校 Jooyoung Hwang，三星电子 Jinkyu Jeong，延世大学 Sudarsun Kannan，罗格斯大学 Sanidhya Kashyap，洛桑联邦理工学院 Youngjin Kwon，韩国科学技术研究院技术（KAIST） Patrick PC Lee，香港中文大学（CUHK） Sungjin Lee，大邱庆北科学技术大学（DGIST） Cheng Li，中国科学技术大学 Youyou Lu，清华大学 Peter Macko，MongoDB Changwoo Min，Igalia Beomseok Nam，成均馆大学 Sam H. Noh，弗吉尼亚理工大学 Raju Rangaswami，佛罗里达国际大学 Jiri Schindler，IonQ Phil Shilane，戴尔科技集团 Keith A. Smith，MongoDB Vasily Tarasov，IBM 研究部 Eno Thereska，Alcion, Inc. Carl Waldspurger，Carl Waldspurger 咨询公司 Wen Xia，哈尔滨工业大学 Gala Yadgar，以色列理工学院 Ming-Chang Yang，香港中文大学（CUHK）
评论文章 - 药学中的人工智能 (AI)
药学中的人工智能（AI）：创新概述 Muhammad Ahmer Raza 1,2；Shireen Aziz 3,4；Misbah Noreen 2,5；Amna Saeed 6,7；Irfan Anjum 8,9；Mudassar Ahmed 2,5； Shahid Masood Raza 2,4,10 1 拉合尔大学药学实践系，旁遮普省，巴基斯坦 2 费萨拉巴德大学药学院，旁遮普省，巴基斯坦 3 郑州大学药学院，河南，中国 4 萨戈达大学药学院，旁遮普省，巴基斯坦 5 费萨拉巴德农业大学药学院，旁遮普省，巴基斯坦 6 西安交通大学药学院药学管理与临床药学系，西安，中国 7 西安交通大学药品安全与政策研究中心，西安，中国 8 拉合尔大学药学院，巴基斯坦 9 哈塞特佩大学药学院，安卡拉，土耳其 10 华中科技大学同济医学院药学院，湖北，中国 摘要 人工智能 (AI) 作为一种数据和数据分析的干预手段而出现。与数字相关的问题。这一突破几乎推动了所有领域的多项技术进步，从工程到建筑、教育、会计、商业、健康等。人工智能在医疗保健领域取得了长足进步，在数据和信息存储和管理中发挥了重要作用 - 例如患者病史、药品库存、销售记录等；自动化机器；软件和计算机应用程序，如 MRI 辐射技术、CT 诊断等诊断工具，都是为了帮助和简化医疗保健措施而创建的。毫无疑问，人工智能已经彻底改变了医疗保健，使其更加有效和高效，而制药行业也不例外。在过去的几年中，人们对人工智能技术的用途产生了越来越多的兴趣，用于分析和解释药学的一些重要领域，如药物发现、剂型设计、多药理学和医院药房。鉴于人工智能的重要性日益增加，我们希望创建一份全面的报告，帮助每一位执业药剂师了解该领域的部署所带来的最大突破。
血浆游离 DNA 中的 5-羟甲基胞嘧啶测序可识别出对雄激素依赖性前列腺癌患者的独特表观基因组特征
血浆游离 DNA 中的 5-羟甲基胞嘧啶测序可识别对雄激素剥夺疗法有耐药性的前列腺癌患者的独特表观基因组特征 李千霞 1,2,* 、黄江青 3,* 、黄沙恩 4 、田一军 1 、黄金勇 1 、Amirreza Bitaraf 1 、董晓伟 3 、Marja T. Nevalanen 5 、Manishkumar Patel 1 、Jodie Wong 1 、张劲松 6 、Brandon J. Manley 6 、Jong Y. Park 7 、Manish Kohli 8 、Elizabeth M. Gore 9 、Deepak Kilari 10,+ 、王亮 1,+ 1. 美国佛罗里达州坦帕市 H. Lee Moffitt 癌症中心和研究中心肿瘤微环境及转移系 2. 华中科技大学同济医院肿瘤科武汉科技大学 3. 美国威斯康星州密尔沃基威斯康星大学 Joseph J. Zilber 公共卫生学院生物统计学系 4. 美国威斯康星州麦迪逊威斯康星大学生物统计学系 5. 美国费城托马斯杰斐逊大学 Sidney Kimmel 癌症中心药理学、生理学和癌症生物学系 6. 美国佛罗里达州坦帕 H. Lee Moffitt 癌症中心和研究所泌尿生殖肿瘤学系 7. 美国佛罗里达州坦帕 H. Lee Moffitt 癌症中心和研究所癌症流行病学系 8. 美国犹他州盐湖城犹他大学亨茨曼癌症中心内科系肿瘤学分部 9. 美国威斯康星州密尔沃基威斯康星医学院放射肿瘤学系 10. 美国威斯康星州密尔沃基威斯康星医学院肿瘤学分部 * 同等贡献(QL 和 CC.H.) + 通讯作者 Liang Wang，医学博士，哲学博士 肿瘤微环境和转移系 莫菲特癌症中心 12902 USF Magnolia Drive Tampa, FL 33612, USA 电子邮件：liang.wang@moffitt.org Deepak Kilari，医学博士 威斯康星医学院肿瘤学系 9200 W. Wisconsin Ave Milwaukee, WI 53226, USA 电子邮件：dkilari@mcw.edu 标题：cfDNA 中的 5hmC 特征可预测对 ADT 的早期耐药性