XiaoMi-AI文件搜索系统
World File Search System性预
引用本文：Carri I，Schwab E，Podaza E，Garcia Alvarez HM，Mordoh J，Nielsen M等。超越MHC结合：免疫原性预测工具
在过去的几年中，已经做出了多种努力，以准确预测癌症患者体细胞突变的新抗原，以开发个性化的治疗疫苗或研究癌症免疫疗法后的免疫反应。在这种情况下，肿瘤活检和匹配的正常组织以及RNA测序（RNA-SEQ）配对的全外观测序（WES）的可及性提高为开发生物信息学工具提供了基础，这些工具可以预测和优先确定新抗原候选者。大多数管道都依赖于候选肽对患者主要的组织相容性复合物（MHC）的结合预测，但是这些方法返回了大量的假阳性，因为它们缺乏与其他影响T细胞对新抗原反应的特征相关的信息。本评论探讨了可用的计算方法，这些方法结合了有关T细胞偏好的信息，以预测其激活后遇到肽-MHC复合物。具体而言，预测i）可能会增加肿瘤可利用的生物特征的方法，即暴露于免疫系统，ii）自相似性的指标，代表了新抗原破坏免疫耐受性的机会，iiii）病原体免疫原性，以及IV）肿瘤免疫原性。另外，本综述描述了这些工具的特征，并在新型的基准测试数据集中在一项II期临床研究中接受了用黑色素瘤疫苗（Vaccimel）治疗的患者的实验验证的新抗原的基准数据集解决了它们的性能。评估的总体结果表明，当前工具预测针对新抗原的细胞毒性反应激活的能力有限。基于此结果，讨论了使该问题成为免疫信息中未解决的挑战的局限性。
电路可靠性预测：设备时间相关的可变性特征障碍
I.必须采用一种可靠性的设计（RAD）方法来维持超级CMOS技术节点的系统可靠性。在那里，必须在早期/系统设计阶段进行优化的可靠性以及性能[1，2]。电路可靠性受到基础设备的时间依赖性变异性（TDV）的强烈影响。tdv被观察到设备电特性的移位（例如，测量为阈值电压的变化），与过程相关的偏移一起（即时间零变异性TZV）将对电路性能产生负面影响，并最终可能以电路故障结束[3，4]。因此，为了弥合设备和电路级别之间的缝隙，必须将精确描述设备TDV的紧凑型模型开发并实现到电路仿真工具中[5，6]。实际上，尽管没有完全应对所有挑战[9]，但诸如Relxpert [7]或Mosra [8]等几种CAD商业工具已经评估了IC可靠性。
组织或循环肿瘤 DNA 下一代测序对晚期癌症中 ERBB2 拷贝数增加的阳性预测值
样本采集时的中位年龄为 56 岁（四分位距 45-65 岁），69.5% 为女性，种族为 73% 白人、7% 亚裔、12% 黑人、11% 未知，9% 为西班牙裔（表 1）。 ERBB2 CNG 见于 18 种癌症亚型（图 1），其中最常见的恶性肿瘤是：乳腺癌 (n = 68)、非小细胞肺癌 (NSCLC, n = 25)、结直肠癌 (n = 18)、胃食管癌 (n = 17, 15 例腺癌, 2 例鳞状细胞癌)、胰腺癌 (n = 11)、子宫癌 (n = 11)、膀胱 / 上尿路癌 (n = 7)、卵巢 / 输卵管癌 (n = 4)、胆道癌 (n = 3) 和小细胞肺癌 (SCLC, n = 3)（图 1）。ERBB2 CNG 也见于肛门癌、原发性癌不明、宫颈癌、黑色素瘤、神经内分泌癌、肾细胞癌和唾液腺癌患者（各 n = 1）。如果进行组织 NGS 检测，用于 IHC 和 NGS 检测的活检部位为肝脏（37%）、淋巴结（18%）、肺（12%）、骨（7%）、中枢神经系统（5%）、皮肤（5%），其余来自其他部位，最常见的是乳房。
协调至优化的钟表性预防范围 -
1049名参与者的结果（在20个干预诊所进行了459名，在23个常规护理诊所的590名参与者），中位年龄为70岁，有338名妇女（32.2％），173名黑人参与者（16.5％）和90名西班牙裔参与者（8.6％）。At the last follow-up visit (12 months for 97.3% of participants), those in the intervention group were more likely to be prescribed all 3 therapies (173/457 [37.9%]) vs the usual care group (85/588 [14.5%]), which is a difference of 23.4% (adjusted odds ratio [OR], 4.38 [95% CI, 2.49 to 7.71]; p <.001），并且更有可能在三种疗法中处方（从高强度的他汀类药物的基线从66.5％的基线变化到干预措施的66.5％到70.7％，从58.2％到56.8％，至56.8％至56.8％，以进行通常的护理[调整后的或，1.73; 95％CI，1.06-2.83]; ACEIS或ACEIS vs vs vs vs frovs; Aceis vs vs vs from aceis VIS vs：85.1％：85.1.1.1.4.1.4.1.4.1.1.4％。 69.6％至68.4％的平常护理[调整或1.82; 95％CI，1.14-2.91];干预措施与动脉粥样硬化心血管疾病危险因素的变化无关。综合次要结果发生在457名参与者中的23名（5％）中，在通常的护理组中，在588名参与者中的40个参与者（6.8％）（调整后危险比率为0.79 [95％CI，0.46至1.33]）。
多模式的大脑信号复杂性预测人类智力
自发的大脑活动为外部需求期间人类认知处理的基础奠定了基础。基于功能磁共振成像（fMRI）的神经影像学研究确定了自发（内在）脑动力学的特定特征，这些特征与一般认知能力的个体差异相关，即智力。然而，fMRI研究本质上受到时间分辨率低的限制，因此阻止了关于毫秒内神经波动的结论。在这里，我们使用了来自144名健康成年人的静止状态脑电图（EEG）录音（EEG）录音，以测试是否可以从智力上的个体差异（Raven的先进的渐进式矩阵得分）来预测，可以从时间上高度分辨的内在脑脑sig-nals的复杂性中预测。我们比较了大脑信号复杂性的不同操作（多尺度熵，香农熵，模糊熵和微骨与智能关系的特定特征）。结果表明，大脑信号复杂性度量与智力之间的关联具有较小的效应大小（R; 0.20），并且在不同的空间和时间尺度上有所不同。具体来说，较高的智力得分与神经处理的局部方面的复杂性较低，而属于默认模式网络的任务阴性大脑区域的活动较少。最后，我们结合了大脑信号复杂性的多个测量方法，以表明可以通过样品中的多模式（10倍交叉验证）以及在独立的样品（外部复制，n = 57）中进行多模型的多模型来显着预测单个智力得分。总的来说，我们的结果强调了智力和内在的大脑动力学之间关联的时间和空间依赖性，并提出mul-timodal方法是对复杂人类特征的未来神经科学研究的有希望的手段。
利用药物生物活性预测临床试验结果 - ...
摘要 能够估计药物在临床试验中获得批准的概率为优化药物研究工作流程提供了天然优势。临床试验的成功率对成本、开发时间以及严格的监管审批流程的压力有着深远的影响。我们提出了一种机器学习方法，该方法可以使用生物活性、化合物的物理化学性质、靶标相关特征和基于 NLP 的化合物表示以可靠的准确度预测试验结果。生物活性从未被用作预测特征。我们从临床试验中提取了药物-疾病对，并使用多个数据源将靶标映射到该对。实证结果表明，集成学习优于独立训练的小数据 ML 模型。我们报告了从随机森林分类器得出的结果和推论，该分类器的平均准确率为 93%，并且“通过”类的 F1 得分为 0.96。“通过”是指所有临床试验的两个类别（通过/失败）之一，该模型在预测“通过”类别方面表现良好。特征分析表明，生物活性在预测临床试验结果方面发挥着重要作用。我们付出了巨大努力来制作数据集，这是首次将临床试验信息与蛋白质靶标整合在一起。本研究提供了映射这些实体的所有代码，所有数据均来自公开来源。虽然我们的模型在包含生物活性时识别出低位推论，但整合生物活性和靶标信息的代码使研究人员能够访问深度策划和专有的临床试验数据库，从而获得更深入的见解、更好的统计意义以及更好地预测试验失败的能力。
人机交互在选择性预测中的作用
最近的研究表明，选择性预测系统具有潜在的优势，当人工智能的预测不可靠时，该系统可以学会听从人类的预测，尤其是在提高人工智能系统在医疗保健或保护等高风险应用中的可靠性方面。然而，大多数先前的研究都假设，当人类作为人机团队的一员而不是自己解决预测任务时，人类的行为保持不变。我们通过进行实验来量化选择性预测背景下的人机交互，表明情况并非如此。特别是，我们研究了向人类传达有关人工智能系统推迟决定的不同类型信息的影响。使用现实世界的保护数据和选择性预测系统（与人类或人工智能系统单独工作相比，该系统的预期准确度有所提高），我们表明这种信息传递对人类判断的准确性有显著影响。我们的结果研究了信息传递策略的两个组成部分：1) 人类是否被告知人工智能系统的预测；2) 人类是否被告知选择性预测系统的推迟决定。通过操纵这些消息传递组件，我们表明，通过向人类告知推迟的决定，但不透露人工智能的预测，可以显著提高人类的表现。因此，我们表明，在设计选择性预测系统时，考虑如何将推迟的决定传达给人类是至关重要的，并且必须使用人在环框架仔细评估人机团队的综合准确性。
考虑 tracrRNA 序列中的细微变化可改善 CRISPR 筛选的 sgRNA 活性预测
CRISPR 技术是研究基因组功能的强大工具。为了帮助从众多可能的选项中挑选出对目标靶标具有最大功效的 sgRNA，几个研究小组开发了预测 sgRNA 靶向活性的模型。尽管多种 tracrRNA 变体通常用于筛选，但现有的模型在提名 sgRNA 时都没有考虑到这一特征。在这里，我们开发了一个靶向模型，规则集 3，它可以对多种 tracrRNA 变体做出最佳预测。我们在一个新的 sgRNA 数据集上验证了规则集 3，该数据集涵盖了必需和非必需基因，与之前的预测模型相比有显著的改进。通过分析 tracrRNA 变体之间 sgRNA 活性的差异，我们表明 Pol III 转录终止是 sgRNA 活性的重要决定因素。我们期望这些结果能够提高 CRISPR 筛选的性能，并为未来对 tracrRNA 工程和 sgRNA 建模的研究提供参考。
将流动性预测提升到新的水平...
该比率的最小值为 100%。但这并不意味着银行应该努力使该值最大化。问题是，该指标越高，银行需要在其账户中保留的流动性较高的资产就越多。因此，自由现金进行有利可图的投资的可能性有限。鉴于欧元区和瑞士法郎区的负利率，银行发现自己处于一个非常困难的盈利环境中。这意味着财务部门的主要任务是确定并能够足够准确地预测该比率的水平，将其保持在最低但足够的水平。预测 LCR 比率的保守方法意味着银行在出现不利情况时会进行一定程度的流动性较高的资产“储备”，从而剥夺了自己赚取额外收入的可能性（例如，通过将过剩流动性投资于短期交易）。风险更高的投资方式意味着银行从投资中获得更高的利润，但顾名思义，风险也更大。在这种情况下，银行必须确定其风险偏好
快速 IC 设计空间探索的可行性预测
摘要：DARPA POSH 计划与研究界产生共鸣，并指出工程生产力已落后于摩尔定律，导致领先技术节点的 IC 设计成本过高。主要原因是完成设计实施需要大量计算资源、昂贵工具，甚至需要很多天的时间。然而，在此过程结束时，一些设计无法满足设计约束并变得无法布线，从而形成恶性电路设计循环。因此，设计人员必须在设计修改后重新运行整个过程。本研究采用机器学习方法自动识别设计约束和设计规则检查 (DRC) 违规问题，并通过迭代贪婪搜索帮助设计人员在漫长的详细布线过程之前识别具有最佳 DRC 的设计约束。所提出的算法实现了高达 99.99% 的设计约束预测准确率，并减少了 98.4% 的 DRC 违规，而面积损失仅为 6.9%。