XiaoMi-AI文件搜索系统
World File Search System数据挖掘
基于数据挖掘方法确定微小RNA在人类胃癌自我更新、转移和耐药性中的作用：系统
* 通信地址：POBox：16635-148，干细胞和发育生物学系，细胞科学研究中心，鲁瓦扬干细胞生物学和技术研究所，ACECR，伊朗德黑兰 电子邮件：m.ebrahimi@royan-rc.ac.ir 收稿日期：2019 年 12 月 9 日，接受日期：2020 年 5 月 9 日 摘要 胃癌 (GC) 是全球癌症相关死亡的主要原因之一。GC 患者的主要问题是缺乏对治疗的适当反应、耐药性和转移，这是由于肿瘤内存在一类称为癌症干细胞 (CSC) 的细胞亚群。此外，据报道，在 GC 的不同阶段都存在微小 RNA (miRNA) 的失调。本研究的目的是确定和引入有助于调节 GC 中的干性、转移和耐药性的 miRNA。作为一项系统回顾，我们对可用数据集进行了数据挖掘，并回顾了以前的研究，以选择靶向干性、上皮间质转化 (EMT) 和耐药性的 miRNA。所有选定的 miRNA 都通过 R 软件进行分析，以找到这三个过程的共同 miRNA 靶标。然后，分别使用生物信息学工具、ONCO.IO 和 KEGG 数据库获得 miRNA 及其相关信号通路的靶标预测。我们从搜索方法中确定了七个 miRNA（miR-34a、miR-23a、miR-27a、miR-30a、miR-19b、miR-107、miR-100）。这些 miRNA 调节有助于 GC 干性、EMT 和耐药性的通路。四种 miRNA（miR- 34a、miR-23a、miR-30a 和 miR-100）彼此之间存在显著相互作用，其中 52 个靶基因参与调节多种生物过程，其中 MYC、CDK6、NOTCH1、NOTCH2、SIRT1、CD44、CD24 和 AXL 参与调节多种生物过程。这些数据表明，这三种重要特性可由常见 miRNA（hsa-miR-34a、hsa-miR-23a、hsa-miR-30a 和 hsa-miR-100）调节。因此，针对选定的 miRNA 或其靶标可能有助于阻止肿瘤生长和转移发展，并增加肿瘤对化疗药物的敏感性。该特征也可用作转移或耐药性的早期检测。然而，还需要进行更多实验来验证这些结果。关键词：耐药性、胃癌、转移、microRNA、干细胞
使用数据挖掘对航空事故进行分类...
全球长途旅行的交通工具。随着技术的发展，这种交通方式取得了长足的进步。除了技术发展之外，由于其快速安全的交通，客运量也在逐渐增加。相比之下，飞机事故的死亡率相当高，一次事故就会有数百人死亡。本研究旨在对几起飞机事故进行分类，以找出关键因素及其对事故的总体影响。在本研究中，收集了自 2000 年以来全球范围内与上述事故相关的适当数据，然后使用顺序最小优化、决策树 (J48) 和朴素贝叶斯进行分析。结果表明，决策树算法为研究提供了最准确的结果。最后，对每个阶段都提出了适当的意见，以减少事故。如果考虑到这些评估，航空运输将更加可靠，从而将人员伤亡降至最低。
MRO 中的数据挖掘 - 阿姆斯特丹 - HvA 研究数据库
数据挖掘似乎是解决 MRO 组织不可预测性问题的一种有前途的方法。因此，阿姆斯特丹应用科学大学与航空业合作开展了一项为期两年的应用研究项目，探索数据挖掘在这一领域的可能性。研究人员研究了 8 个不同 MRO 企业的 25 多个案例，在整个项目中应用 CRISP-DM 方法作为结构指南。他们探索、准备和组合 MRO 数据、飞行数据和外部数据，并使用统计和机器学习方法来可视化、分析和预测维护。他们还使用个别案例研究来预测计划维护任务的持续时间和成本、周转时间和零件的使用寿命。案例研究提出的挑战包括耗时的数据准备、对外部数据源的访问限制以及公司仍然有限的数据科学技能。就如何在 MRO 中实施数据挖掘以及如何克服相关挑战提出了建议。总体而言，该研究项目提供了有希望的概念证明和试点实施
基于数据挖掘与网络药理学的肺经风热型痤疮中药用药研究
摘要 ：肺经风热证痤疮是一种常见皮肤病，中药方剂较多，但其作用机制仍不明确。本文收集整理了近二十年治疗肺经风热证痤疮的文献及专利方剂，采用Excel 2019进行用药频次统计，使用IBM SPSS 25.0进行聚类分析，获取核心方剂。运用网络药理学收集药物与疾病相关靶点，构建作用网络，进行富集分析，共获取137首方剂、167种药物，核心方剂为桑白皮、枇杷叶、黄芩、甘草、栀子、生地、丹皮。治疗肺经风热型痤疮应从清热泻肺、凉血解毒入手，核心方药主要通过AKT1、IL6、TP53、TNF、VEGFA、EGF靶点及卡波西肉瘤相关的疱疹病毒感染、麻疹、弓形虫病、EB病毒感染、IL-17、MAPK等信号通路发挥作用，以期为进一步的临床研究提供参考。
通过数据挖掘识别量子缺陷的候选宿主
固态主体中的原子状缺陷是开发量子信息系统的有希望的候选者，但尽管它们非常重要，目前正在研究的主体基底/缺陷组合几乎都是偶然发现的。在这里，我们通过对材料计划数据库中的所有条目应用四阶段数据挖掘和手动筛选过程，系统地评估主体材料的适用性，并通过基于文献的实验确认带隙值。我们确定了总共 541 种可行的主体（16 种一元和 74 种二元）用于引入量子缺陷并可能用于量子信息系统。这比已知的无机相总数减少了显著（99.57%），并且针对特定应用应用额外的选择标准将进一步减少它们的数量。概述的筛选原则可以轻松应用于以前未实现的相和其他具有重要技术意义的材料系统。
评论论文：心脏病预测系统的 WEKA 数据挖掘技术分析
数据挖掘的特点是通过非常大的数据集搜索有用的信息。数据挖掘的一些关键和最常见的技术是关联规则、分类、聚类、预测和顺序模型。数据挖掘技术被广泛用于各种应用。数据挖掘在医疗保健行业的疾病检测中起着重要作用。患者应该需要进行一系列疾病检测。然而，使用数据挖掘技术应该减少检测次数。在时间和性能方面，这种减少的检测起着重要作用。心脏病是一种导致死亡的心血管疾病。由于对不同情况下的健康问题进行预测和分类，在最近的情况下，健康问题非常严重。数据挖掘领域包括这些领域中异常及其风险率的预测和识别。如今，医疗行业掌握着决策所必需的隐藏信息。为了预测心脏病，本研究 (Weka 3.8.3) 软件使用了 K-star、J48、SMO、朴素贝叶斯、MLP、随机森林、贝叶斯网络和 REPTREE 等数据提取算法。使用标准数据集和收集的数据集组合预测准确度、ROC 曲线和 AUC 值的结果。通过应用不同的数据挖掘算法，患者数据可用作训练样本进行诊断。以前的研究的主要缺点是它们需要准确度和特征数量。本文概述了最近用于预测心脏病的数据挖掘技术。并确定心脏病的主要风险因素，按对心脏造成损害的顺序对风险因素进行分类，例如高胆固醇、糖尿病、吸烟、不良饮食、肥胖、高血压、压力等。数据挖掘功能和技术用于识别风险因素的级别，以帮助患者提前采取预防措施以挽救生命。
定义教育、计算机支持的协作学习、教育数据挖掘和学习分析中的人工智能之间的界限：需要一致性
在过去的 20 年里，教育和技术这个广阔的领域已经发展出一系列学科。自 20 世纪 80 年代初以来，人工智能与教育 (AIED) 这个广阔的领域应运而生，旨在结合人工智能 (AI)、学习理论和教育实践来改善使用计算机的学习者的学习成果 (Boyd 等人，1982 年；Holmes 等人，2019 年)。在 AIED 中，基于计算和机器学习的力量，出现了各种研究子领域，例如智能辅导系统 (Aleven 和 Koedinger，2002 年)、自适应超文本系统 (Eysink 等人，2009 年；Romero 等人，2009 年) 和计算机支持的协作学习 (CSCL)。自 20 世纪 90 年代初以来，出现了一系列 CSCL 出版物，探讨学习者和教师如何使用计算机在线协作。大量 CSCL 研究（例如 Gunawardena，1995 年；Roschelle 和 Koschmann，1996 年；Fischer 和 Mandl，2005 年；Rienties 等人，2009 年）发现，支架、自我调节、任务设计和教学存在是可以鼓励学习者有效协作的重要概念。在 2000 年代中期，第三批研究人员（例如 Baker 和 Yacef，2009 年；Rosé 等人，2014 年）开始使用教育数据挖掘 (EDM) 来探索使用更大数据集和数据之间增加的互连的学习过程。自 2011 年以来，出现了第四个研究领域，即学习分析 (LA)，该领域专门致力于理解复杂的
PubChem 自动数据挖掘程序，用于筛选十亿种化合物，并通过基于机器学习的 AutoQSAR 算法生成抗冠状病毒
PubChem 自动数据挖掘程序，用于筛选十亿种化合物，并通过基于机器学习的 AutoQSAR 算法生成抗冠状病毒药物线索（复制酶多聚蛋白 1ab 抑制剂）并对顶级药物线索化合物进行计算机模拟研究
社交媒体数据挖掘助力主动网络防御
作者：A Rodriguez · 2020 · 被引用 14 次 — 考虑到这一点，我们提出了一个端到端的实时网络态势感知系统，旨在从社交中检索与安全相关的信息...