XiaoMi-AI文件搜索系统
World File Search System时空分布
利用连续 CRISPR/Cas9 基因编辑技术对神经元蛋白进行双链标记和操作
CRISPR/Cas9 介导的基因敲入方法能够标记单个内源性蛋白质，从而如实地确定它们在细胞中的时空分布。然而，由于编辑事件之间存在串扰，因此在神经元中可靠地多路复用基因敲入事件仍然具有挑战性。为了克服这个问题，我们开发了条件性激活基因敲入表达 (CAKE)，从而实现高效、灵活和准确的多路复用基因组编辑。为了减少串扰，CAKE 基于顺序重组酶驱动的向导 RNA (gRNA) 表达来控制每个供体序列的基因组整合时间。我们表明，CAKE 广泛应用于大鼠神经元，以共标记各种内源性蛋白质，包括细胞骨架蛋白、突触支架、离子通道和神经递质受体亚基。为了充分利用 CAKE，我们使用超分辨率显微镜解决了内源性突触蛋白的纳米级共分布，表明它们的共组织与突触大小相关。最后，我们引入了可诱导二聚化模块，可精确控制活神经元中的突触受体动力学。这些实验凸显了 CAKE 揭示新生物学见解的潜力。总而言之，CAKE 是一种多功能的多重蛋白质标记方法，可以检测、定位和操纵神经元中的内源性蛋白质。
应用于海洋休闲渔业的新型计算机视觉工具
成功的海洋空间规划依赖于了解人类使用的模式，并提供有关捕鱼工作空间分布的准确，详细和最新信息。在商业船只中，跟踪系统（例如船舶监测系统（VM）或自动识别系统（AIS））通过生成用于商业海上空间计划的大量位置数据来帮助维持和增强区域的生物多样性。但是，对于海洋休闲渔船的VMS或AIS等位置系统，没有任何法规。鉴于车队的广泛和可变性质，获取有关海洋休闲捕鱼的空间数据可能很困难且耗时。远程摄像机和计算机视觉系统越来越多地用于克服这些常规方法的成本限制。在这里，我们显示了一种新型的高分辨率和低成本跟踪系统，该系统基于照片时态和最先进的计算机视觉算法算术算法，包括深度学习，以自动对沿海地区的钓鱼和巡航船的精确轨迹进行分类并获得精确的轨迹。我们的方法通过提供一种基于图像的自动实时监控工具来有助于对海洋保护区进行自动监视。我们的方法还允许确定休闲捕鱼工作的强度和时空分布，对于定义活动和沿海地区的可持续性很重要。我们终于讨论了应用于海洋娱乐渔业空间规划的计算机视觉工具的机会和局限性。
基于2019 - 2021年ADS-B（GAIA）的高分辨率全球航空排放清单
摘要。分散到地球大气中的航空排放会影响气候和空气污染，由于异质飞机活动而具有显着的时空变化。在本文中，我们使用源自自动依赖的监视 - 路广播（ADS-B）遥测和2019 - 2021年重新分析天气数据来开发基于ADS-B（GAIA）的全球航空排放库存的历史轨迹。在2019年，使用283 tg的燃料共同行驶了610亿公里，导致CO 2，无X和非挥发性颗粒物（NVPM）质量（NVPM）质量（NVPM），分别为893 TG，4.49 TG，21.4 GG和21.4 GG和2.8×10 26。全球对COVID-19的反应导致年度距离距离自身和CO 2的减少，而2020年无X发射（ - 相对于2019年，分别为 - 43％， - 48％和 - 50％）和2021（分别为 - 31％， - 41％和 - 41％和 - 41％和 - 41％和 - 41％和 - 43％），具有明显的区域性变异性。持续时间<3 h的短期空间占所有阶段的83％，但仅占2019年CO 2的35％，而长期持续时间> 6 h（占所有（所有（占所有（占））的持续时间为5％），持续时间为43％，占没有X X发射的49％的43％。在全球范围内，实际上的轨迹平均比原点和目的地机场之间的大圆路径高5％，但这会随区域和飞行距离而变化。对伦敦和新加坡之间8705个独特的战斗的评估显示出巨大的变化，在轨迹轨迹，燃料消耗和排放指数中。Gaia捕获了航空活动和排放的时空分布，并提供在未来的研究中使用，以评估全球航空引起的负面外部性。
用于 P300 解码的轻量级多尺度卷积神经网络：训练策略分析与网络决策揭示
卷积神经网络 (CNN) 可以自动从原始数据中学习特征以近似函数，这种网络越来越多地应用于脑电图 (EEG) 信号的端到端分析，尤其是用于解码脑机接口 (BCI) 中的大脑状态。尽管如此，CNN 引入了大量可训练参数，可能需要较长的训练时间，并且缺乏学习到的特征的可解释性。本研究的目的是提出一种用于 P300 解码的 CNN 设计，重点在于其在保证高性能的同时的轻量级设计、不同训练策略的影响以及使用事后技术来解释网络决策。所提出的设计名为 MS-EEGNet，以高效和优化（就可训练参数而言）的方式学习了两个不同时间尺度（即多尺度，MS）中的时间特征，并在三个 P300 数据集上进行了验证。使用不同的策略（参与者内和会话内、参与者内和跨会话、留一法、迁移学习）训练 CNN，并与几种最先进的 (SOA) 算法进行了比较。此外，分析了基线 MS-EEGNet 的变体，以评估不同超参数对性能的影响。最后，使用显着图来推导驱动 CNN 决策的相关时空特征的表示。尽管 MS-EEGNet 具有多个时间尺度，但它与测试的 SOA CNN 相比是最轻的 CNN，并且明显优于 SOA 算法。事后超参数分析证实了 MS-EEGNet 创新方面的优势。此外，MS-EEGNet 确实受益于迁移学习，尤其是使用少量训练示例，这表明所提出的方法可用于 BCI 中以准确解码 P300 事件，同时减少校准时间。从显著性图得出的表示与 P300 时空分布相匹配，进一步验证了所提出的解码方法。本研究通过专门解决轻量级设计、迁移学习和可解释性方面的问题，有助于推动基于 P300 的 BCI 深度学习算法的开发。
2024; 14(18): 7122-7139. doi: 10.7150/thno.99516 研究论文 揭示放射性药物治疗对肿瘤微环境的影响
放射性药物治疗 (RPT) 是一种新兴的前列腺癌治疗方法，可将辐射传递到肿瘤微环境 (TME) 内的特定分子，从而导致 DNA 损伤和细胞死亡。鉴于 TME 的异质性，探索 RPT 剂量测定和细胞水平的生物学影响至关重要。我们将空间转录组学 (ST) 与计算建模相结合，以研究 RPT 靶向前列腺特异性膜抗原 (PSMA)、成纤维细胞活化蛋白 (FAP) 和胃泌素释放肽受体 (GRPR) 的影响，这些受体均用 β 发射镥-177 ( 177 Lu) 和 α 发射锕-225 ( 225 Ac) 标记。方法：从两名前列腺癌患者的原发组织样本中获取了三个 ST 数据集。从这些数据集中，我们提取了基因表达，包括 FOLH1、GRPR、FAP 和 Harris Hypoxia，并估计了相应 ST 点中不同细胞类型（上皮、内皮和前列腺癌 (PC) 细胞）的比例。我们使用对流-反应-扩散 (CRD) 模型求解偏微分方程 (PDE)，计算了每个 ST 点处每个靶向 PSMA、FAP 和 GRPR 的 RPT 的时空分布，假设所有配体的药代动力学参数相似。使用完善的生理学药代动力学 (PBPK) 模型模拟前列腺中的输入功能，该模型经过精心校准，可在 20 天内向前列腺肿瘤输送 10 Gy。使用医学内照射剂量 (MIRD) 形式估计剂量，应用剂量点核 (DVK) 方法。使用线性二次模型估算生存概率，该模型适用于用 177 Lu 和 225 Ac 标记的 β 发射 RPT。使用改进的线性二次模型来估计 α 发射 RPT 的生物效应。结果：结果显示 ST 样本之间的剂量反应和功效模式不同，与 PSMA 和 GRPR 靶向疗法相比，FAP 靶向 RPT 在肿瘤细胞富集区域中表现出有限的有效性。与其他疗法相比，GRPR 靶向 RPT 在缺氧区域表现出更高的耐药性。此外，225 Ac 标记的 RPT 总体上比 177 Lu 标记的 RPT 更有效，尤其是在癌细胞比例低或缺氧高的区域。研究结果表明，225 Ac 标记的 FAP 和 PSMA 靶向 RPT 的组合提供了最佳治疗策略。结论：所提出的方法结合 ST 和计算模型来确定 TME 中 RPT 的剂量和细胞存活概率，有望确定最佳的个性化 RPT 策略。