XiaoMi-AI文件搜索系统
World File Search System单组元
特刊 - 益生元，益生菌和肠道微生物组...
“微生物”将非常小的思想与不断发展的生物体的思想融合在一起，是微生物学学科的统一原理。Our journal recognizes the broadly diverse yet connected nature of microorganisms and provides an advanced publishing forum for original articles from scientists involved in high-quality basic and applied research on any prokaryotic or eukaryotic microorganism, and for research on the ecology, genomics and evolution of microbial communities as well as that exploring cultured microorganisms in the laboratory.
微生物群落概况的土壤元蛋白质组学
抽象土壤代表一个复杂而动态的生态系统，拥有无数的微生物，它们在营养循环和有机物转化中共存并起着至关重要的作用。在这些微生物中，细菌和真菌是微生物群落的关键成员，在陆地环境中深刻影响了氮，硫和碳的命运。构成了土壤生态系统的复杂性和微生物群落策划的生物过程，因此需要深入研究其组成和代谢活动。下一代测序和“魔术”技术（例如宏基因组学和元蛋白质组学）的出现，彻底改变了我们对微生物生态学的理解和土壤微生物群落的功能动态。宏基因组学可以鉴定土壤中的微生物群落组成，而元蛋白质组学则阐明了这些社区所执行的当前生物学功能。但是，元蛋白质组学提出了技术和计算的几个挑战。诸如腐殖酸的存在和提取方法中的变化等因素会影响蛋白质产量，而没有高分辨率的质谱和全面的蛋白质数据库限制了蛋白质鉴定的深度。尽管存在这些局限性，MEDAPRO-TEMOMICS仍然是揭示土壤微生物群落的复杂生物学过程和功能的有效工具。在这篇综述中，我们深入研究了土壤研究中元蛋白质组学的方法和挑战，涵盖了诸如蛋白质提取，鉴定和生物信息学分析等方面。此外，我们探讨了元蛋白质组学在土壤生物修复中的应用，强调了其在应对环境挑战方面的潜力。
单光子激光元的分辨率限制-CVF Open Access
单光子光检测和范围（LIDAR）系统通常配备一系列检测器，以提高空间分辨率和传感速度。但是，考虑到激光跨场横跨场景产生的固定量磁通量，当更多像素在单位空间中堆积时，每像素信号到噪声（SNR）将减小。这在传感器阵列的空间分辨率与每个像素的SNR之间的空间分辨率之间提出了基本的权衡。探索了这种基本限制的理论表征。通过得出光子竞争统计量并引入一系列新的近似技术，得出了时间延迟的最大样品估计器的平均平方误差（MSE）。理论预测与模拟和实际数据良好。
基于混合集群演化元博弈的海上对空反导杀伤链优选策略研究
引用格式： 李博文 , 李晶晶 , 张龙剑 , 等 . 基于混合集群演化元博弈的海上对空反导杀伤链优选策略研究 [J]. 中国舰船研 究 . DOI: 10.19693/j.issn.1673-3185.04217. LI B W, LI J J, ZHANG L J, et al. Research on optimal selection strategy of surface-to-air anti-missile kill chain based on mixed swarm evolutionary meta-game[J]. Chinese Journal of Ship Research(in Chinese). DOI: 10.19693/j.issn.1673- 3185.04217.
通过元...
为了处理外部世界的信息，大脑依靠处理系统的层次结构，该系统在早期的新皮层区域启动并在海马上汇聚。该层次结构的组成部分具有明显不同的计算特性，海马支持更快的可塑性并采用更稀疏的表示。在这些系统的属性上进行了广泛的工作，但尚不清楚这些系统首先出现了如何以及为什么。我们使用元学习方法探讨了人工神经网络中处理系统的层次结构的出现。随着网络对一组任务进行优化，它们同时使用的元学习超级参数可以调节层的学习率和稀疏性。我们发现，这种元学习促进了较高的稀疏度。我们证明，互补学习系统的关键方面在网络中出现，并且跨层的稀疏性和学习率的大脑样分化。此外，当经过两种途径并接受了对单个项目识别和分类需求的任务进行训练时，模型捕获了海马内途径之间的不同特性。一起，这些结果表明，大脑中异质学习系统的组织可能是由于优化控制学习率和稀疏性的生物学变量而引起的。
基于公平序列数据和微生物组研究中的元数据共享的标准
微生物组研究是生命科学中增长的数据驱动的领域。存在共享微生物组序列数据并使用标准化元数据方案的策略，但研究人员之间的依从性各不相同。为了促进微生物组研究界的开放研究数据最佳实践，我们（1）提出了两个分层的徽章系统来评估数据/元数据共享依从性，（2）展示了一种自动化评估工具，以确定与Amplicon和Metagenome序列数据出版物中数据报告的依从性。在跨越人类肠道微生物组研究的出版物（n〜3000）的系统评估中，我们发现近一半的出版物不符合序列数据可用性的最低标准。此外，元数据的标准化差为统一和跨研究比较创造了很高的障碍。使用此徽章系统和评估工具，我们的概念验证工作暴露了（i）序列数据可用性语句的无效性，以及（ii）缺乏用于注释微生物数据的一致的元数据标准。从这个角度来看，我们强调了改进实践和基础设施的需求，以减少数据提交的障碍并最大程度地提高微生物组研究中的可重复性。我们预计我们的分层徽章框架将促进有关数据共享实践的对话，并促进微生物组的数据再利用，支持使微生物组数据公平的最佳实践。
通过多任务元学习实现数据高效的脑连接组分析
脑网络将脑区之间的复杂连接表征为图结构，为研究脑连接组提供了有力的手段。近年来，图神经网络已成为一种流行的结构化数据学习范式。然而，由于数据获取成本相对较高，大多数脑网络数据集的样本量有限，这阻碍了深度学习模型的充分训练。受元学习的启发，元学习可以在有限的训练样本下快速学习新概念，本文研究了在跨数据集环境中分析脑连接组的数据高效训练策略。具体来说，我们建议在大样本量的数据集上对模型进行元训练，并将知识迁移到小数据集。此外，我们还探索了两种面向脑网络的设计，包括图谱变换和自适应任务重新加权。与其他预训练策略相比，我们基于元学习的方法实现了更高、更稳定的性能，这证明了我们提出的解决方案的有效性。该框架还能够以数据驱动的方式获得有关数据集和疾病之间相似性的新见解。
代谢组前列腺癌检测的单片单芯片护理平台
摘要，全球未满足的需要快速且具有成本效益的预后和诊断工具，可以在床边或医生中使用，以减少严重疾病的影响。许多癌症被诊断出来，导致昂贵的治疗和预期寿命降低。患有前列腺癌，缺乏可靠的测试抑制了筛查计划的采用。我们报告了一个微电子的现代代谢物生物标志物测量平台，并将其用于前列腺癌检测。平台使用一系列光电检测器配置以单一整合的被动微型流体通道配置有针对性的，多重的，比色测定法，完成了4个代谢物的组合分析，在2分钟内，人类质量的滴剂中的滴剂量。使用L-氨基酸，谷氨酸，胆碱和肌氨酸的初步临床研究用于训练交叉验证的随机森林算法。该系统表现出对前列腺癌的敏感性，为94％，特异性为70％，曲线下的面积为0.78。该技术可以实施许多类似的测定面板，因此有可能彻底改变低成本，快速，护理点测试。
2019年安全技术科研推广制度（第二次招聘）申报...
*1：“大学等”是指大学、技术学院或大学间研究机构。 *2：“公共研究机构”是指独立行政机构（包括国家研究开发机构）、特殊法人以及地方独立行政机构。 *3：“企业等”是指以研究为主要目的的私营企业、公益财团法人、公益财团法人、一般社团法人、一般财团法人等。