XiaoMi-AI文件搜索系统
World File Search System对抗
对抗癌症耐药性的进化策略
肿瘤形成是通过克隆群体的突变和选择而发生的。诺维尔 (Nowell) 于 1976 年 [ 1 ] 提出的癌症进化模型已被 45 多年的实验证据所证实。简而言之，肿瘤通过获得连续的促进生长的适应性从相应正常组织的单个细胞进化而来。这些适应性可以是遗传的，也可以是表观遗传的，是由突变、拷贝数变异、基因融合事件和其他分子紊乱引起的。选择能够提高特定细胞适应性的适应性，从而导致克隆群体的生长。随着连续适应性的获得，肿瘤从正常组织发展为癌前病变、原位癌、局部癌，最后发展为播散性转移性癌。在诊断时，实体瘤通常是一个高度异质性的群体。此外，由于身体不同部位施加的选择压力不同，转移会推动进一步分化。即使在单一组织中，由于免疫效应、正常组织相互作用、与血管的距离以及克隆干扰，选择压力也会有很大差异 [ 2 ]。这些进化过程使肿瘤能够适应几乎任何选择压力，包括临床治疗。癌症进化出对化疗耐药性的惊人能力是当今肿瘤学最艰巨的挑战之一。癌症是一种高度多样化的疾病——肿瘤可能来自不同的组织类型，这可能导致患者出现不同的症状。即使是同一器官中患有肿瘤的人，其症状和对治疗的反应也可能有所不同。癌症的严重程度分为四个阶段，这会影响预后。肿瘤也可以分化到不同程度。肿瘤分化越差，与原始组织的差异就越大，预后往往更差。不同个体肿瘤的差异被称为肿瘤间异质性。此外，随着肿瘤内细胞的快速增殖，可能出现具有不同进化轨迹的亚群，从而导致肿瘤内异质性。肿瘤内的亚群对治疗的反应程度可能不同，有时可能天生对某些药物有耐药性，这使得治疗更加困难，疾病复发的可能性也更大。鉴于疾病的多样性，人们采取了多种方法来治疗它（图 1）。药物耐药机制因药物而异
通过选择性蛋白质降解来对抗癌症
摘要：靶向蛋白质降解已成为一种抗癌替代疗法，与传统抑制剂相比具有多种优势。新型降解药物提供了不同的治疗策略：它们可以通过向细胞外蛋白质添加特定部分来穿过磷脂双层膜。另一方面，它们可以通过生成 E3 连接酶的三元复合物结构来有效改善降解过程。在此，我们回顾了基于 TAC 的技术 (TACnologies) 的当前使用趋势，例如蛋白水解靶向嵌合体 (PROTAC)、光化学靶向嵌合体 (PHOTAC)、CLICK 形式的蛋白水解靶向嵌合体 (CLIPTAC)、自噬靶向嵌合体 (AUTAC)、自噬体束缚化合物 (ATTEC)、溶酶体靶向嵌合体 (LYTAC) 和去泛素酶靶向嵌合体 (DUBTAC)，在实验开发及其在临床应用方面的进展。
头骨测试策略对抗随机游戏
摘要：游戏一直是各种研究的主题，而心智理论就是其中一个研究得很好的主题。心智理论使人能够理解他人的想法和心理状态。在游戏中，玩家会希望预测并尽可能多地了解对手的想法及其可能的策略。例如，通过推理他人的信念如何不正确，心智理论是有效虚张声势所必需的。研究发现，虚张声势是玩家在扑克和骗子骰子等游戏中策略的重要组成部分。一种研究较少的类似游戏是骷髅拍卖游戏。在这个三到六人游戏中，玩家竞标他们认为可以在不透露骷髅牌的情况下翻开的牌数。这项研究旨在确定是否有一个好的策略来对抗另一个玩家的虚张声势，以赢得骷髅游戏。为了衡量这一点，我们构建了一个代理模型来玩这些游戏。这些代理可以使用虚张声势或反击策略来玩游戏。该模型通过使用不同的代理设置玩 1000 场游戏来生成数据。结果表明，虚张声势对玩家来说是一种很好的策略，可以提高获胜的机会。然而，反击策略并不被认为是一种更好的方法。未来的研究可以研究一种更完整的策略来对抗虚张声势的玩家。
对抗力量战术 - 陆军出版局
第 14 章 后勤 ...................................................................................................................... 14-1 战略和作战后勤支援 .............................................................................................. 14-1 战术参谋职责 ........................................................................................................ 14-1 战术后勤概念 ........................................................................................................ 14-3 后勤任务 ............................................................................................................. 14-3 定制后勤单位 ...................................................................................................... 14-4 物资支援 ............................................................................................................. 14-7 维护 ............................................................................................................................. 14-9 运输 ............................................................................................................................. 14-9 人员支援 ............................................................................................................. 14-12 医疗支援 ............................................................................................................. 14-13 战斗行动支援 ............................................................................................................. 14-14 战后支援 ............................................................................................................. 14-16
第 22 期 对抗大规模杀伤性武器 journal-base-FINAL.indd
2020 年 7 月 30 日 — ¹核禁用小组 2，第 20 化学生物核放射和。爆炸指挥部。阿伯丁试验场，MD 21005。²马里兰大学...
生成对抗网络的有效动力学
生成对抗网络（GAN）是一类机器学习模型，它们使用对抗性训练来生成具有与培训样本相同（可能非常复杂的）统计数据的新样本。一种主要的训练失败，称为模式崩溃，涉及发电机未能重现目标概率分布中模式的全部多样性。在这里，我们提出了一个有效的GAN训练模型，该模型通过用输出空间中的颗粒集代替发电机神经网络来捕获学习动力学；颗粒由通用内核对某些宽神经网络和高维输入有效。我们简化模型的一般性使我们能够研究发生模式崩溃的条件。的确，改变发生器有效核的实验揭示了模式塌陷过渡，其形状可以通过频率原理与鉴别器的类型有关。此外，我们发现中间强度的梯度正则化可以通过发电机动力学的严重阻尼来最佳地产生收敛。因此，我们有效的GAN模型为理解和改善对抗性训练提供了可解释的物理框架。
中国社会的序列生成对抗网络...
尽管序列到序列模型在许多摘要数据集中都达到了最先进的性能，但是中国社交媒体文本的处理中仍然存在一些问题，例如短句子，缺乏连贯性和准确性。这些问题是由两个因素引起的：基于RNN的序列模型的原理是最大似然估计，这将导致产生长摘要时梯度消失或爆炸；中国社交媒体中的文字漫长而嘈杂，很难产生高质量的摘要。为了解决这些问题，我们应用了序列生成的对抗网络框架。该框架包括生成器和歧视器，其中生成器用于生成摘要，并使用歧视器来评估生成的摘要。软核层层用作连接层，以确保发电机和歧视器的共培训。实验是在大规模的中国社交媒体文本摘要数据集上进行的。句子的长度，胭脂评分和摘要质量的人工得分用于评估生成的摘要。结果表明，我们的模型生成的摘要中的句子更长且准确性更高。
建立卫生系统伙伴关系以对抗食品......
在过去二十年中，研究人员和社区提供了越来越多的证据表明，除了医疗服务的可及性和质量之外，社会因素如何影响个人和社区的健康结果——这一概念现在通常被称为健康的社会决定因素 (SDOH)。美国疾病控制与预防中心正式将 SDOH 定义为人们生活、学习、工作和娱乐场所的条件，这些条件会影响广泛的健康风险和结果。1 持续获得营养食品是一项主要的 SDOH。2020 年，美国 10.5% 的家庭经历了粮食不安全，即无法持续获得足够的食物，使家庭中的每个人都过上积极、健康的生活 (Coleman-Jensen 等人，2021 年)。经历粮食不安全的个人也面临更大的患糖尿病和高血压等慢性疾病的风险，并且无法很好地管理饮食敏感的疾病 (Gundersen 和 Ziliak，2014 年；Seligman 等人，2012 年)。此类情况加剧了对整体健康和福祉的不利影响。研究还发现，粮食不安全与更高的医疗保健成本有关（Berkowitz 等人，2018 年；Boswell-Dean、French 和 Mortensen，2020 年）。
带有条件生成对抗网络（）
量子状态断层扫描（QST）是中等规模量子设备中的一项具有挑战性的任务。在这里，我们将有条件的生成对抗网络（CGAN）应用于QST。在CGAN框架中，两个决斗神经网络，一个发电机和一个歧视者，从数据中学习多模式模型。我们使用自定义的神经网络层增强了CGAN，该层可将输出从任何标准的神经网络转换为物理密度矩阵。要重建密度矩阵，使用基于标准梯度的方法在数据上相互训练。我们证明，与同时加速基于投影的基于梯度和迭代的最大可能性估计相比，使用迭代步骤少的数量级和更少的数据，我们的QST-CGAN以高忠诚度重建光学量子状态。，我们还表明，如果在类似的量子状态下识别了QST-CGAN，则可以在发电机网络的单个评估中重建量子状态。