在培养皿中重现人体组织和器官以建立模型作为生物医学科学中的工具已获得动力。这些模型可以深入了解人类生理学,疾病发作和进展的机制,并改善药物靶标验证以及新的医学治疗剂的发展。转化材料在这种进化中起着重要作用,因为它们可以通过控制生物活性分子和材料特性的活性来对其进行编程以指导细胞行为和命运。利用自然作为灵感,科学家正在创建材料,这些材料结合了人类器官发生和组织再生期间观察到的特定生物学过程。本文向读者展示了体外组织工程领域的最新发展以及与这些变革材料的设计,生产和翻译相关的挑战。有关(STEM)细胞来源,扩展和不同的进展,以及如何介绍了需要创建功能性的人体组织模型,这些响应材料,自动化和大规模制造过程,培养条件,原位监测系统以及计算机模拟需要对药物发现相关且有效的功能性人体组织模型。本文说明了这些不同的技术如何融合以产生体外生活方式的人体组织模型,这些模型提供了一个平台来回答基于健康的科学问题。
摘要 — 储能资源在参与批发电力市场时必须考虑价格不确定性及其物理运行特性。这是一个具有挑战性的问题,因为电价波动很大,而储能存在效率损失、功率和能量限制。本文提出了一种新颖、通用且可迁移的方法,将基于模型的优化与卷积长短期记忆网络相结合,用于储能响应或竞标批发电力市场。我们使用纽约州的历史价格测试了我们提出的方法,结果表明,它取得了最先进的结果,与完美预见的情况相比,在价格响应和批发市场竞标设置中,以及各种储能持续时间,利润率在 70% 到近 90% 之间。我们还通过使用纽约数据对竞标模型进行预训练并将其应用于澳大利亚昆士兰州的套利来测试迁移学习方法。结果表明,迁移学习仅用三天的本地训练数据就能实现出色的套利盈利能力,证明了其在数据可用性非常有限的场景中比从头开始训练具有显著优势。
简单总结:特定/靶向疗法已被证明可有效治疗某些癌症。不幸的是,目前尚无针对三阴性乳腺癌 (TNBC) 的靶向疗法,这就是这种乳腺癌亚型与患者预后不良相关的原因。虽然人们非常关注新疗法的开发,但化疗后的心脏毒性问题却常常被忽视,尽管它是癌症幸存者死亡的主要原因。本综述旨在讨论 TGF- β 信号传导与其在调节心脏纤维化和重塑中的作用之间的联系,以及其在 TNBC 肿瘤进展、癌症干细胞富集、化学耐药性和复发中的作用。我们共同强调了调节 TGF- β 作为一种针对乳腺癌患者发病和死亡的两个最大原因的方法。
• Allo-RevCAR-T 细胞的激活严格依赖于 CD123 阳性靶细胞和 R-TM123 的存在。 • 由 R-TM123 重定向的 Allo-RevCAR-T 细胞可在体内和体外有效裂解 CD123 阳性 AML 细胞。 • 体外裂解原代 AML 细胞的 EC 50 值处于 R-TM123 浓度的低皮摩尔范围内。总之,临床前数据支持在首次人体研究中对 AVC-201 进行临床探索。成熟的制造工艺可产生高水平的完全编辑细胞,使 AVC-201 成为 CD123 阳性血液系统和淋巴系统恶性肿瘤患者有前途的现成治疗选择。
(未经同行评审认证)是作者/资助者。保留所有权利。未经许可不得重复使用。此预印本的版权所有者此版本于 2023 年 3 月 29 日发布。;https://doi.org/10.1101/2023.03.28.534654 doi:bioRxiv preprint
摘要 — 脑机接口 (BCI) 允许从大脑到外部应用程序直接通信,以自动检测认知过程,例如错误识别。错误相关电位 (ErrPs) 是当一个人犯下或观察到错误事件时引发的一种特殊大脑信号。然而,由于大脑和记录设备的噪声特性,ErrPs 会因各种其他大脑信号、生物噪声和外部噪声的组合而有所不同,这使得 ErrP 的分类成为一个不简单的问题。最近的研究揭示了导致 ErrP 变化的特定认知过程,例如意识、体现和可预测性。在本文中,我们探索了在通过改变给定任务的意识和体现水平而生成的不同 ErrP 变化数据集上进行训练时分类器可迁移性的性能。特别是,我们研究了当由相似和不同的任务引发时观察性和交互性 ErrP 类别之间的转移。我们的实证结果从数据角度对 ErrP 可转移性问题进行了探索性分析。
摘要 - 尽管许多研究已成功地将转移学习应用于医学图像分割,但是当有多个源任务可转移时,很少有人研究了选择策略。在本文中,我们提出了一个基于知识的知识和基于可传递性的框架,以在大脑图像分割任务集合中选择最佳的源任务,以提高给定目标任务上的转移学习绩效。该框架包括模态分析,ROI(感兴趣的区域)分析和可传递性效率,以便可以逐步对源任务选择进行。特别是,我们将最先进的分析转移能力估计指标调整为医学图像分割任务,并进一步表明,基于模态和ROI特征的候选源任务可以显着提高其性能。我们关于脑物质,脑肿瘤和白质超强度分割数据集的实验表明,从同一模式下的不同任务转移通常比在不同方式下从同一任务转移的实验更成功。此外,在相同的方式中,从具有更强的ROI形状相似性与目标任务的源任务转移可以显着提高最终传输性能。可以使用标签空间中的结构相似性指数捕获这种相似性。索引术语 - 转移学习,医学图像分析,来源选择I。
541 541印度宪法HHS 256 2017-18 2 1学期组织行为HHS 253 2017-18 2 1学期工程经济学和管理HHS 252 2017-18 2 1学期
摘要:冠层燃料特性对于评估林分中的火灾危险和潜在严重程度至关重要。模拟工具为防火规划提供了有用的信息,以减少野火的影响,前提是存在具有足够空间分辨率的可靠燃料图。许多国家正在提供免费的机载 LiDAR 数据,为大规模改善燃料监测提供了机会。在本研究中,我们建立了模型,以估计松林区机载 LiDAR 的冠层基高 (CBH)、燃料负荷 (CFL) 和体积密度 (CBD),其中以不同的脉冲密度获取了四个点云数据集。使用来自 1 p/m 2 数据集的 LiDAR 指标对 CBH、CFL 和 CBD 进行拟合的最佳模型分别得出调整后的 R 2 为 0.88、0.68 和 0.58,RMSE (MAPE) 为 1.85 m (18%)、0.16 kg/m 2 (14%) 和 0.03 kg/m 3 (20%)。拟合模型的可转移性评估表明,根据 LiDAR 脉冲密度(高于和低于校准数据集)和模型公式(线性、幂和指数),精度水平不同。与较低(0.5 p/m 2 )或较高回波密度(4 p/m 2 )相比,指数模型和类似脉冲密度(1.7 p/m 2 )的结果最佳。还观察到冠层燃料属性方面的差异。
摘要:由于表示所有原子的计算复杂性,经典分子动力学 (MD) 模拟在原子分辨率(细粒度级别,FG)下对大多数生物分子过程的应用仍然有限。这个问题在具有非常大构象空间的基于蛋白质的生物分子系统存在的情况下被放大,并且具有细粒度分辨率的 MD 模拟具有探索该空间的缓慢动态。文献中当前的可转移粗粒度 (CG) 力场要么仅限于以隐式形式编码环境的肽,要么无法捕获从氨基酸一级序列到二级/三级肽结构的转变。在这项工作中,我们提出了一种可转移的 CG 力场,它明确表示环境,以便对蛋白质进行精确模拟。力场由一组代表不同化学基团的伪原子组成,这些化学基团可以连接/关联在一起以创建不同的生物分子系统。这保留了力场在多种环境和模拟条件中的可转移性。我们添加了可以响应环境异质性/波动的电子极化,并将其与蛋白质的结构转变耦合。非键合相互作用通过基于物理的特征(例如通过热力学计算确定的溶剂化和分配自由能)进行参数化,并与实验和/或原子模拟相匹配。键合势是从非冗余蛋白质结构数据库中的相应分布推断出来的。我们通过模拟经过充分研究的水蛋白系统来验证 CG 模型,这些系统具有特定的蛋白质折叠类型 Trp-cage、Trpzip4、villin、WW-domain 和 β - α - β 。我们还探索了力场在研究 A β 16-22 肽的水聚集中的应用。■ 简介蛋白质分子的生理功能与其相关结构和动力学密切相关。1、2