XiaoMi-AI文件搜索系统
World File Search System推断
人类胰腺α细胞的异质性和轨迹推断分析，使用集成的单细胞和单核-RNA测序平台
先前的研究表明，胰腺α细胞可以转化为β细胞，并且β细胞脱离分化，并且很容易获得2型糖尿病（T2D）中的α细胞表型。但是，参与α-to-β细胞和β-β-to-α-α细胞转变的特定人α细胞和β细胞亚型尚不清楚。在这里，我们已经整合了分离的人类胰岛和人类胰岛移植物的单细胞RNA测序（SCRNA-SEQ）和单核RNA-SEQ（SNRNA-SEQ），并为α-β细胞命运转换提供了更多洞察力。使用这种方法，我们进行了七个新颖的观察结果。1）有五个不同的GCG表达人的α细胞子序列[α1，α1，α2，α-β-转移1（AB-TR1），α-β-透射2（AB-TR2）和α-β（AB）群集（AB-TR2）和α-β（AB）群集，具有不同的人类小动物的转录组概况。2）AB亚集群显示多摩尼语基因表达，主要从SNRNA-SEQ数据推断出，暗示通过mRNA表达鉴定。3）α1，α2，AB-TR1和AB-TR2亚clus子富含特异性的α细胞功能的基因，而AB细胞富含与胰腺祖先和β细胞途径相关的基因； 4）提取的α-和β细胞簇的轨迹推理分析以及RNA速度/PAGA分析表明，AB对α-和β-细胞的分叉过渡潜力。5）基因通用性分析识别Znf385d，TRPM3，CASR，MEG3和HDAC9是朝向β细胞和SMOC1和SMOC1，PLCE1，PAPAPA2，ZNF331，ZNF331，ALDH1A1，ALDH1A1，SLC30A8，SLC30A8，BTG2，TM4SF4，TM4SF4，NRR4A1和PSC的轨迹的签名α细胞。6）显着地，与体外事件相反，AB亚集群在人类胰岛移植物中没有在体内鉴定，而轨迹推断分析表明，仅在体内从α到β细胞的单向转变。7）对成年人类T2D供体胰岛的SCRNA-SEQ数据集的分析表明，从与去分化或转化为α细胞的β-到α细胞的单向单向过渡。总体而言，这些研究表明，可以利用SnRNA-SEQ和SCRNA-SEQ来确定人胰岛内分泌细胞在体外，体内，非糖尿病和T2D中的转录状态的过渡。他们揭示了参与α-和β细胞之间互连的常见轨迹的潜在基因特征，并突出了研究人类胰岛在体内的单个核转录组的实用性和功能。最重要的是，它们说明了研究人类胰岛在自然体内环境中的重要性。
通过混合模型学习推断心血管生物标志物
可穿戴设备提供对生物标志物的连续监测，并介绍了诊断心血管疾病的机会，可能会降低其死亡率。机器学习有望从传感器数据中预测心血管生物标志物，但其使用通常取决于标记的数据集的可用性，该数据集由于技术和道德约束而受到限制。另一方面，生物物理模拟为数据稀缺提供了一种解决方案，但由于固有的模型简化和指定错误，在模型转移到现实中面临挑战。基于混合学习的进步，我们引入了一种方法，该方法结合了植物模拟的脉冲波传播模型，并植根于生物物理模拟，并使用未经标记的现实世界数据训练的校正模型。这种生成模型将心血管参数转换为现实世界传感器的测量值，并且在作为自动编码器进行训练时，还提供了反向转换，将测量值映射到心血管生物标志物。值得注意的是，当使用实际脉冲波数据进行评估时，我们的混合方法似乎仅基于模拟的模型，仅基于推断心血管生物标志物的模拟，开辟了新的途径，用于在数据受限的方案中推断生理生物标志物。
通过想象过去来推断未来
漫画书的单个面板可以说很多：它不仅可以描绘角色当前的位置，而且可以描绘他们的动作，动机，情感以及下一步可能做的事情。更普遍地，人类通常会从动态场景的静态快照中推断过去和未来事件的复杂序列，即使在他们从未见过的情况下也是如此。在本文中，我们建模人类如何进行如此快速，灵活的推论。在认知科学领域的一长串工作中，我们提供了一种蒙特卡洛算法，其推论与各种领域的人类直觉良好相关，而仅使用一个少量的，可认知的样本数量。我们的关键技术见解是我们的推理问题与蒙特卡洛路径追踪之间的令人惊讶的联系，这使我们能够将数十年的思想从计算机图形社区应用于这一看似无关的思维任务理论。
贝叶斯非参数推断``物种采样...色谱学杂志
计算机视觉是一种人工智能（AI）的一种方法，从概念上讲，“计算机和系统可以从数字图像中获取有用的信息”，可访问更高级别的信息并“采取行动或根据该信息提出建议”。全面的二维杂志使访问了样本化学组成的高度详细，准确但非结构化的信息，并可以在数据处理级别（例如，通过计算机视觉）利用AI概念来合理化原始数据探索。目标是理解与特定/诊断化学签名相关的生物学现象。这项研究介绍了基于模式识别算法的计算机视觉的新型工作流量（即，未靶向和有针对性的UT finfingerpinting），其中包括代表样品的综合类图像的产生，用于代表样品的类别，其有效的重新对准和对全面的特征特征的视觉分析进行对比的视觉分析。作为一种说明性的应用，探索了源自关于手工黄油的研究项目（从原始的甜奶油到成熟的黄油），探索了沿生产链的挥发性成分的演变以及不同微生物培养物对实用产品挥发组的影响。©2023作者。由Elsevier B.V.这是CC下的开放式访问文章（http://creativecommons.org/licenses/4.0/）与经典的一步成对比较过程相比，工作流具有显着的优势，因为对重新调整和成对比较了与许多不同样品具有内在生物学可变性的类似化学图像的靶向和未靶向色谱特征进行比较。
心脏谷煤矿中的金丝雀。假体瓣关闭期间的流速和推断剪切 - 血液损伤和凝结的预测
抽象目的：证明在瓣膜闭合期间预测的血剪力与血栓形成性之间的明确联系，这解释了组织和机械阀之间的血栓形成差异，并提供了一种实用的度量，以开发和完善假体瓣膜设计，以降低血栓形成性。方法：使用脉冲和准稳态流系统进行测试。使用校准预测的参考孔口区域的模拟光电电子学测量了预计开放阀区域（POVA）的时间变化。在心脏周期上确定的流速度等于瞬时体积流速除以POVA。对于闭合阀间隔，获得了准稳态的背压/流动测试的数据。性能通过得出的最大负和正闭合流速度排名，通过推断的速度梯度（剪切）证明潜在的临床血栓形成性。测试了临床，原型和对照阀。结果：多个测试数据集的血液剪切和凝块潜力指导经验优化和阀设计的比较。评估了用于软闭合和减少血栓形成电位的3-D打印原型阀设计（BV3D）。结论：在瓣膜闭合处的传单几何形状，流速和预测的剪切之间的关系，照亮了假体瓣膜血栓形成的重要来源。对这种关系表示赞赏，并基于我们的实验产生了比较数据，我们实现了瓣膜原型的优化，具有降低的血栓形成性。竞争利益：没有声明。财务披露：这项研究都是所有作者都在无偿的基础上进行的。关键词：假肢；实验室模拟；预计的开放阀区；瓣膜闭合，血栓形成；阀流速；反弹中央消息是阀门关闭流速的衍生实验室指标，提供了一种对阀门模型进行潜在血液损伤的方法。这些结果为先前的临床观察提供了新的见解和机理解释，在该观察中，主动脉和二尖瓣替代物的替代方案的血栓形成潜力和抗凝需求有所不同。这项研究提出了设计和评估新型机械阀模型的前进道路，以进行未来的开发。作为对机械和生物假体瓣膜的多次修改尚未解决与血栓形成和耐用性有关的慢性缺点，因此需要一个新的开发途径，以消除前者的血栓形成，并在后者中延长耐用性。透视假肢机械阀装置会导致血细胞损害。激活凝血级联反应是通过动态阀函数引发的。设计以关注阀门行为为重点的创新可能会降低瓣膜血栓形成潜力。我们的研究表明，阀门设计可以在经验上优化，重点是该阶段。对开放气门性能的重要性重点鼓励了长期存在的偏见，而对识别潜在血栓形成并发症至关重要的闭合相位持续存在。我们的多个数据集可用于挑战这种偏见。本研究比较了三个临床瓣膜和两个实验原型。机械阀的动态运动和衍生的区域流速受到阀几何形状的影响。关注瓣膜闭合动力学可能导致潜在的血栓形成原型阀的发展。实验室实验支持阀区域流速与瓣膜血栓形成潜力有关的假设。
混合预测编码：推断，快速和慢
预测性编码是皮质神经活动的影响模型。它提出，通过依次最大程度地减少“预测误差”（预测数据和观察到的数据之间的差异）来提供感知信念。该提案中隐含的是成功感知需要多个神经活动的循环。这与证据表明，视觉感知的几个方面（包括对象识别的复杂形式）来自于在快速时间标准上出现的初始“ feedforward扫描”，该快速时间表排除了实质性的重复活动。在这里，我们建议可以将馈电扫描理解为摊销推断（应用直接从数据映射到信念的学习函数），并且可以将经常处理的处理理解为执行迭代推理（依次更新神经活动以提高信念的准确性））。我们建立了一个混合预测编码网络，该网络以原则性的方式结合了迭代和摊销的推论，通过描述单个目标函数的双重优化。我们表明，可以在生物学上合理的神经体系结构中实现了结果方案，该神经体系结构近似使用本地HEBBIAN更新规则，近似于贝叶斯的推理。我们证明，混合预测性编码模型结合了摊销和迭代推断的好处 - 对熟悉数据的快速和计算廉价的感知推断，同时保持上下文敏感性，精度和迭代推理方案的样品效率。此外，我们展示了我们的模型如何固有地敏感其不确定性和适应性地平衡迭代和摊销的推论，以使用最低计算费用获得准确的信念。混合预测编码为视觉感知期间观察到的前馈活动和经常性活动的功能相关性提供了新的观点，并提供了对视觉现象学不同方面的新见解。
实施和推断知觉的多种方法
摘要：Segundo-Ortin＆Calvo's（S＆C）对“植物神经生物学”的彻底回顾提出了支持植物知觉可能性的证据。他们提出了一个令人信服的案例，植物可以预期，评估风险，合作，模仿和追求目标，以及动物对应物。S＆C指出，有一个双重标准：与人类主观经历相关的行为模式被认为是在非人类动物中推断认知的有效，而在包括植物在内的其他系统中则无效。我们认为，包括知觉在内的认知功能可以通过非常不同的系统及其不同的底物来实现。我们提供了基础认知文献中的一些背景，并表明神经生物学的深刻见解远远超出了神经元。
目标试验模拟以改进从观察数据进行因果推断：是什么、为什么以及如何？
从索赔数据库、登记处和电子健康记录中定期收集的医疗保健数据越来越多地用于回答有关医疗治疗利弊的因果问题。质量足够高的观察性研究可以补充随机试验的结果。例如，观察性研究可以评估临床试验中代表性不足的人群，对干预措施进行头对头比较（而不是与安慰剂进行比较），并调查其他感兴趣的结果。1 不幸的是，许多观察性研究使用有缺陷的设计和分析，引入了可避免的偏见，例如永恒时间偏见。2、3 尽管许多从业者担心观察性研究中的混杂因素，但这些“自我影响”偏见的影响往往要严重得多。4、5
利用脑电图推断进行脑指纹识别
越来越多的研究表明，功能连接组具有个体特异性，因此可以视为大脑指纹；即能够在健康 [1] 和疾病 [2], [3] 的人群中识别个体。传统的方法是将大脑区域视为顶点，将区域对之间的区域时间过程的统计依赖性成对度量（即皮尔逊相关系数）视为边权重，从而构建功能连接组 (FC)。人们已经使用不同的神经成像方式研究了 FC 的指纹潜力，即脑电图 (EEG) [4], [5]、脑磁图 (MEG) [6], [7] 和功能性磁共振成像 (fMRI) [1], [8]。所有这些研究都有助于从大脑连接数据中实现单受试者水平的推断，即通过利用不同认知任务和静息状态下功能网络组织的个体属性 [9], [10]，或通过将个体连接组特征与行为和人口统计分数联系起来 [1], [6], [7], [9]。然而，传统的功能连接组不仅捕捉到了神经活动之间的统计依赖性，也捕捉到了潜在噪声源的统计依赖性。此外，功能连接组的构造仅提供大脑动态的成对表示，例如通过将大脑视为二元组的组合。由于其简单性，这一假设是有益的，但它限制了对人类大脑网络中个体特征的研究。因此，已经提出了基于主成分重建 [9] 或特征空间嵌入 [10] 的功能连接组去噪补救措施，每种方法都需要从潜在空间中学习基于空间的功能连接组。
根据基因组特征与宿主的距离推断环境噬菌体的生命周期
摘要：未培养噬菌体对环境的影响取决于其首选的生命周期（溶菌性或溶源性）。然而，我们预测它的能力非常有限。我们旨在通过比较溶菌性和溶源性噬菌体的基因组特征与其宿主的相似性来区分溶菌性和溶源性噬菌体，反映它们的共同进化。我们测试了两种方法：（1）四聚体相对频率的相似性，（2）基于精确的 k = 14 寡核苷酸匹配的无比对比较。首先，我们探索了 5126 种参考细菌宿主菌株和 284 种相关噬菌体，并找到了使用两种基于寡核苷酸的方法区分溶源性和溶菌性噬菌体的近似阈值。对 6482 个质粒的分析揭示了不同宿主属之间以及在某些情况下远距离细菌类群之间水平基因转移的可能性。随后，我们通过实验分析了 138 株肺炎克雷伯菌及其 41 种噬菌体的组合，发现实验室中与这些菌株相互作用次数最多的噬菌体与肺炎克雷伯菌的基因组距离最短。然后，我们将我们的方法应用于来自温泉生物膜的 24 个单细胞，其中包含 41 个未培养的噬菌体-宿主对，结果与在此环境中检测到的噬菌体的溶源生命周期相一致。总之，基于寡核苷酸的基因组分析方法可用于预测 (1) 环境噬菌体的生命周期、(2) 培养物保藏中宿主范围最广的噬菌体，以及 (3) 质粒的潜在水平基因转移。