XiaoMi-AI文件搜索系统
World File Search System学相
beta活动的心理 - 尼罗生物学相关性
日常生活中的慢性压力和焦虑会导致同情多动。这可以观察到行为，化学和神经系统变化，包括增加的焦虑，焦虑和抑郁，以及诸如同型半胱氨酸等生物学标志物的化学变化。在脑电图中，长期以来在焦虑状态下已经注意到了β（13–30 Hz）波活性，尤其是高β（> 20 Hz）。但是，最近的研究表明，低β波（13-20 Hz）也可能发挥作用。目前的论文提出了一项试点研究，该研究评估了神经周期的功效，作为一种非药物心理管理疗法，适用于与焦虑和抑郁症斗争的人。我们评估了心理计量学，血清同型半胱氨酸水平和定量脑电图（QEEG）。通过研究改善心理测量自我评估，神经周期的功效证明了神经周期的功效。我们观察到受试者的低β相对功率和同型半胱氨酸水平之间存在正相关。通过行为，化学和神经系统措施衡量的神经周期改善心理健康的功效验证了神经周期的功效。总的来说，这些发现支持低β在压力/焦虑表现中的作用，鉴于其调节与患者血样中的压力生物标志物显着相关，压力和焦虑自我评估。未来的工作应使用较大的数据集扩展这些发现，以确认健康和适应不良的低β的范围。关键字：qeeg; beta;压力;焦虑;同型半胱氨酸
定性/定量蛋白质组学相互作用分析...
蛋白质组学是所有蛋白质的蛋白质，以及它们的细胞，组织，体液（例如血清/血浆或脑脊液）或各个基因组在给定时间点表达的整个生物体中的转化后修饰（PTM）。这可以扩展为包括对定义的刺激或疾病状态的蛋白质（和PTM）水平变化的深入定量分析。这些目标通常是通过样品分离技术（例如色谱方法和超高分辨率质谱法）（Nanolc-MS/ MS）的组合来实现的。蛋白质组学现在是一种标准的分析，非常有力的研究技术，可以在RWTH AACHEN的生物医学领域（生物化学，细胞生物学，分子医学，系统生物学等）中用于基本上进行的所有研究。）。
与认知神经科学相关的形而上学问题
在介绍形而上学之后，本章重点介绍了与认知神经科学相关的基本形而上学问题。首先，只要认知实体和神经实体相关，形而上学的相关性就显而易见，例如 Kanwisher 等人 (1997) 将面部识别与梭状回面部区域 (FFA) 中的活动相关联。这里出现了一个问题：是什么导致了这种相关性？一些可能的答案是 FFA 活动和面部识别是相同的，FFA 活动构成了面部识别，或者 FFA 活动导致了面部识别。正确的答案不可避免地取决于核心的形而上学问题：身份、构成和因果关系。其次，形而上学问题是由这样一个事实引起的：尽管人们的大脑大小、结构和连通性存在巨大差异，但他们可以思考具有相同内容的想法。物理上不同的大脑怎么会在认知上相同呢？是什么导致了这种情况？第三，需要形而上学来解释认知如何成为因果关系。毕竟，思想不仅是被引起的，而且本身也是行为的原因。心理状态和过程如何做到这一点？要理解认知并使其科学化，就需要探究因果关系的本质。第四，也是最后一点，本章简要介绍了自由意志的争论，然后指出认知神经科学与形而上学具有同等的相关性。
与临床病理学相关的系统评价...
胞质分裂 (DOCK) 基因家族 (DOCK1-11) 是多种细胞类型和组织中细胞迁移、生长和融合的重要介质。最近，对未确诊遗传性疾病患者的全基因组测序 (WGS) 取得了进展，发现了 DOCK 基因中的几种罕见致病变异。我们进行了系统综述，并进行了患者数据库和文献检索，以查找已报告的 DOCK 致病变异，这些变异已被确定与临床病理有关，例如整体发育迟缓、免疫细胞功能障碍、肌张力减退和肌肉共济失调等类别。然后，我们将这些致病 DOCK 变异及其相关的临床表型归类为几个独特的类别：发育、心血管、代谢、认知或神经肌肉。我们对 DOCK 变异的系统综述旨在识别和分析与神经肌肉疾病和其他疾病病理相关的潜在 DOCK 调节网络，从而可能确定新的治疗策略和靶点。这种对与 DOCK 致病变异相关的人类相关病理的系统分析和分类是我们尽最大努力的第一份报告
通过基于文本的人工智能引擎与计算图形静力学相结合来增强结构形态查找
摘要 本文介绍了基于机器学习的设计框架 Text2Form3D，旨在探索结构形式的嵌入式描述性表示。Text2Form3D 依赖于深度神经网络算法，该算法将词嵌入（一种自然语言处理 (NLP) 技术）与组合平衡模型 (CEM)（一种基于图形静力学的形式查找方法）结合在一起。Text2Form3D 使用包含通过 CEM 生成的结构设计选项的数据集进行训练，并使用从建筑和结构竞赛报告中获得的词汇进行标记。对于标记过程，使用无监督聚类算法自组织映射 (SOM) 根据定量标准对机器生成的设计选项进行聚类。然后，设计师使用描述性文本标记这些聚类。经过训练后，Text2From3D 可以从用户定义的描述性查询中自主生成新的静态平衡结构解决方案。可以通过各种定量和定性标准进一步评估生成的结构解决方案，以将设计空间限制为适合设计师偏好的解决方案。
<人体完整性综合征的DIV行为和神经生理学相关性
这种情况的病因仍然未知，在过去的几十年中，已经提出了一些假设，这反映了这种假设的异质性。该综合征最初被概念化为一种释义障碍（Apothemnophilia，Eraerd，1983； Money等，1977）。在2005年，First（2005）强调了这种疾病与性别认同障碍（身体身份障碍）之间的一些相似之处（Lawrence，2006），因此引入了“身体完整性身份障碍”一词（BIID）。作者建议该疾病可以被概念化为他基本认同感的发展（肉体）的功能障碍（First，2005年）。后来，McGeoch and Consoborators（2011）提出，对截肢的渴望源于发展的早期阶段的身体形象的变形，其右半球顶叶的功能障碍的根本是引入“ Xenomelia”的功能，从希腊Xenos = equinos = equaros = efirnos = efirners = efirnos = efirceer = libb = libl。
Sirtuin 抑制剂 Cambinol 与紫杉醇在三阴性乳腺癌细胞系中的拮抗药理学相互作用：等效线分析
摘要：乳腺癌是一种异质性疾病，具有不同的内在亚型。乳腺癌中最具侵袭性的亚型——三阴性乳腺癌（TNBC）具有高度异质性和转移率、预后不良以及由于缺乏雌激素受体、孕激素受体和人表皮生长因子受体2而缺乏治疗靶点的特点。靶向治疗已被批准用于许多其他癌症甚至其他乳腺癌亚型，但TNBC的治疗选择仍然主要局限于化疗。因此，需要新的、更有效的治疗方案。联合化疗与两种或两种以上的活性药物被认为是一种有前途的抗肿瘤工具，以获得更好的治疗反应并减少治疗相关的不良反应。该研究表明，在BT-549、MDA-MB-468和HCC1937 TNBC细胞系中，常用于TNBC治疗的细胞抑制剂紫杉醇（PAX）和sirtuin抑制剂：cambinol（CAM）具有拮抗作用。通过精确而严格的药效动力学方法-等效线分析确定药理相互作用的类型。分别利用 3-(4,5-二甲基噻唑-2-基)-2,5-二苯基四唑溴化物 (MTT) 和 5-溴-2 ' -脱氧尿苷 (BrdU) 测定法确定 CAM 单独使用或与 PAX 联合使用的细胞毒性和抗增殖作用。通过流式细胞术 (FACS) 确定单独或联合使用 PAX 和 CAM 治疗后 TNBC 细胞系中细胞凋亡的诱导情况，即具有活性 caspase-3 的细胞数。据观察，两种药物单独使用均会抑制细胞增殖并诱导细胞凋亡；然而，联合使用它们可改善所有分析的 TNBC 细胞系中的抗增殖和促凋亡作用。我们的结果表明，CAM 和 PAX 联合使用会产生拮抗作用，从而限制抗癌功效，并显示出临床前测试的重要性。
使政策设计与科学相结合以实现粮食安全：基因组编辑对可持续农业的贡献
满足世界人口不断增长的粮食需求是全球农业政策和经济面临的主要挑战。粮食安全问题需要创新解决方案。现代生物技术对粮食安全、财富和可持续发展具有巨大贡献潜力。基因工程提供了改善营养、提高产量和增强作物抗逆性的工具。基因组编辑的新技术提供了充足的手段来克服传统植物育种固有的局限性，但它们的工业适用性取决于监管环境、决策和公众认知。科学和政策目标的协调有助于实现现代生物技术对粮食安全、财富和可持续发展的贡献潜力。
网络智能与脑信息学相遇
摘要 理解人类智能，特别是脑智能，是实现终极人工智能的基石。本文简要回顾了人工智能与脑科学的历史互动，展望了人工智能在互联世界中的未来愿景。特别介绍了网络智能（WI，互联世界中的人工智能）和脑信息学（BI，以大脑/心智为中心的脑机智能研究与应用）两个快速发展的领域，并将它们结合起来，加速人类水平的人工智能社会的到来。此外，通过将人工智能和脑科学与大数据相结合，将创造出从系统的脑机智能研究到互联的社会-信息-物理-思维空间中新的人工智能产业链的新愿景。
使用光学相干断层扫描图像
抽象背景/旨在应用深度学习技术来开发人工智能（AI）系统，该系统可以根据光学相干断层扫描（OCT）黄斑图像来识别高近视患者的威胁性疾病。在这项横截面前瞻性研究中，从2012年至2017年开始，从1048名高山眼科中心（ZOC）获得的1048名近视患者获得了5505个合格的OCT黄斑图像，以开发AI系统。独立测试数据集包括从2019年1月至2019年5月在ZOC招募的91名近视患者获得的412张图像。我们采用了InceptionResnETV2体系结构来训练四个独立的卷积神经网络（CNN）模型，以识别高近视的以下四种威胁性的危及危险状况：视网膜菌，黄斑孔，视网膜脱离和病理肌反应型脉络膜脉络膜化。焦点损失用于解决类不平衡，并根据Youden指数确定最佳的操作阈值。在独立的测试数据集中结果，在所有条件下，接收器操作特征曲线下的区域均高（0.961至0.999）。我们的AI系统的敏感性等于甚至比视网膜专家的敏感性以及高特异性（大于90％）。此外，我们的AI系统为热图提供了透明且可解释的诊断。结论我们使用OCT黄斑图像来开发CNN模型来识别高近视患者的视力威胁性疾病。我们的模型具有可靠的敏感性和高特异性，可与视网膜专家相当，并且可以用于大规模的近视筛查和患者随访。