XiaoMi-AI文件搜索系统
World File Search System未处理的
赋予意大利的农村发展权力：综合供应链项目
摘要：农业食品连锁店内农场之间的协调和整合对于解决欧洲和国家一级的主要部门分裂问题至关重要。意大利农业食品系统仍然抱怨需要汇总供应以支持市场动态，尤其是对于特征意大利制造的利基市场和优质产品。众所周知，一方面，意大利农业食品部门与农业与文化/传统之间的关系紧密相关，这反映在获得欧盟PDO的大量优质产品（受保护的原始名称）和PGI（受保护的地理指示）的认识中。近年来，从综合供应链设计方法中，垂直协调形式的开发已经获得了重大支持，该方法越来越成为实施农村发展政策的重要工具。在这种情况下，该研究提供了加入农村发展计划综合供应链项目的公司与尚未应用的供应链项目的比较。目的是突出显示任何差异，以了解政策影响。该分析基于艾米利亚 - 罗马纳地区农场会计数据网络（FADN）数据，样本由超过200万个农场组成。进行的统计分析比较了使用welcht-t检验对独立无与伦比的样本进行处理和未处理的。分析结构变量时，主要结果显示了处理过的农场的较高值，例如利用的农业区或农业工作单位。一般而言，经过治疗的农场出现了更高的资产负债表。总而言之，这项研究表明，综合供应链项目代表了一种有价值的工具，既可以提高合作，粮食质量，又可以增强竞争性的农业部门。
机器学习辅助术中利用 HRMAS NMR 光谱评估脑肿瘤边缘
完全切除肿瘤对于胶质瘤患者的生存至关重要。即使实现了完全切除，切除腔内残留的微尺度组织也有复发的风险。高分辨率魔角旋转核磁共振 (HRMAS NMR) 技术可以利用生物标志物代谢物的峰值强度有效区分健康和恶性组织。该方法快速、灵敏，可以处理小样本和未处理的样本，非常适合在手术期间进行实时分析。然而，只能对已知肿瘤生物标志物的存在进行有针对性的分析，这需要在手术过程中有具有化学背景的技术人员和了解肿瘤代谢的病理学家在场。在这里，我们展示了我们可以准确地实时执行此分析，并且可以使用机器学习以非目标方式分析全光谱。我们研究了一个新的大型胶质瘤和对照样本 (n = 565) 的 HRMAS NMR 数据集，这些样本也标有定量病理分析。我们的结果表明，基于随机森林的方法可以准确有效地区分肿瘤细胞和对照样本，中位 AUC 为 85.6%，AUPR 为 93.4%。我们还表明，我们可以进一步区分良性和恶性样本，中位 AUC 为 87.1%，AUPR 为 96.1%。我们分析特征（峰值）对分类的重要性，以解释分类器的结果。我们验证了已知的恶性肿瘤生物标志物（如肌酸和 2-羟基戊二酸）在区分肿瘤和正常细胞方面发挥重要作用，并提出了新的生物标志物区域。代码发布在 http://github.com/ciceklab/ HRMAS_NC 。
粘土土壤被磷酸激活的二氧化碳...
增加的CO 2输出引起了极大的关注，CO 2吸附是一种高效捕获和利用这种温室气体的方法。在这项研究中，自然丰富的粘土土壤是否有可能应用作为CO 2捕获吸附剂的潜在应用。用磷酸（H 3 PO 4 -s）激活粘土土壤样品，以增加其纹理特性，尤其是其表面积和孔体积。这项工作包括有关土壤中二氧化碳吸附剂的酸激活过程的见解及其在固体吸附系统中的前瞻性用途。基于土壤的吸附剂的特征是X射线粉末衍射（XRD），Brunauer，Emmett和Teller（BET）和傅立叶变换红外（FTIR）光谱。用H 3 PO 4激活后，土壤的BET表面积增加到60.32 m 2 /g，这是未处理的土壤的两倍（23.39 m 2 /g）。微孔体积值； H 3 PO 4 -s（0.14 cm 3 /g）微孔体积值是未经处理的土壤（0.07 cm 3 /g）的两倍。这些增强的纹理特性允许更大的能力捕获和存储CO 2分子。与未经处理的土壤相比，H 3 PO 4 -S吸附剂获得了10.60 mg/g的吸附能力，酸处理的土壤的性能提高了16％。指实验发现，活化的土壤作为吸附剂显示出CO 2吸附能力的增长，进一步支持其作为有效的碳捕获吸附剂的潜力。关键字：CO 2吸附；化学激活；酸治疗；吸附剂
使用小分子酪氨酸激酶抑制剂和依维莫司治疗后 HPV16 阳性和阴性鳞状细胞癌中的 FGF 表达
摘要。背景：针对头颈部鳞状细胞癌 (HNSCC) 的靶向治疗受到广泛研究。在 HNSCC 中检测到了属于成纤维细胞生长因子 (FGF) 家族的基因的不同突变。在本研究中，我们使用人乳头瘤病毒 (HPV) 阳性和阴性 SCC 系，在体外检查了用小分子酪氨酸激酶抑制剂 (TKI) 和雷帕霉素机制靶点抑制剂 (mTOR) 治疗后 FGF1 和 FGF2 的表达。材料和方法：将两种人类 HPV 阴性细胞系 (UMSCC-11A/-14C) 和一种 HPV 阳性细胞系 (CERV196) 的细胞与 20 μmol/l 厄洛替尼、吉非替尼、尼洛替尼、达沙替尼或依维莫司孵育 24-96 小时。通过增殖试验评估细胞增殖，通过夹心酶联免疫吸附试验评估 FGF1 和 FGF2 的蛋白质浓度。为了进行统计分析，将结果与未处理的 HPV 阴性 SCC 细胞的结果进行比较。结果：在三种测试细胞系中均检测到 FGF1 和 FGF2。测试的 TKI 在前 24 小时内显着（p<0.05 降低）UMSCC-11A 细胞系中的 FGF1 表达。在之后的时间点，测试的 TKI 和依维莫司显着（p<0.05）增加了 HPV 阴性和阳性癌细胞系中的 FGF1 和 FGF2 表达。在 HPV 阳性细胞系中效果更强。结论：FGF 信号传导的改变被认为是
苯基咪唑抑制梭状芽胞杆菌艰难梭菌enoyl-ACP还原酶II（FABK）的体内评估揭示了令人鼓舞
抽象的梭状芽胞杆菌艰难梭菌感染（CDI）是医院获得性腹泻的主要原因，这通常是由于广谱抗生素破坏了肠道菌群的破坏。抗生素耐药性艰难梭菌菌株的患病率不断增加，加上最近抗生素候选物的令人失望的临床试验结果，强调了对新型CDI抗生素的迫切需求。为此，我们研究了艰难梭菌Enoyl ACP还原酶（CD Fabk），这是一种从头脂肪酸合成中的至关重要的酶，是用于抗微生物组抗生素的药物靶标。为了测试这一概念，我们评估了苯基咪唑类似物296的活性的功效和体内谱，该光谱已验证以抑制细胞内CD Fabk。的抑制浓度最小（MIC 90）为2 µg/ml，与Vanymoncin（1 µg/mL）相当，这是一种护理抗生素标准。此外，有296个达到了高结肠浓缩，并在CDI结肠炎中显示出剂量依赖性疗效。给出了296个对艰难梭菌的定殖耐药性，并具有与未处理的小鼠相似的微生物组。相反，万古霉素和虚拟霉素都以与先前的报道一致的方式对小鼠微生物组诱导了显着变化。CD Fabk代表了占微生物组的CDI抗生素的潜在靶标，而苯基咪唑为设计这种剂提供了一个很好的化学起点。
饮食习惯，神经炎症和阿尔茨海默氏病的性别差异之间的关系
由生物膜和抗微生物耐药引起的感染挑战凸显了对与抗生素结合使用的新型抗菌剂的需求，并最大程度地降低了耐药风险。在这项研究中，我们使用与综合唾液样品的hammet（人α-乳糖蛋白对肿瘤细胞的致死作用）研究了肿瘤细胞的致死作用）。小村庄是由于其多靶标的抗菌机制以及其对单个物种病原体的抗生素的协同作用以及耐药性发展的低风险。小村庄和低浓度的阿莫西林的组合显着降低了生物膜的生存能力，而单独的每个小村庄的生存力几乎没有影响。使用整个宏基因组学方法，我们发现该组合促进了与未经处理的样品相比，总体微生物组成的显着转变。合并治疗中的细菌物种中很大一部分是乳酸乳杆菌，一种具有益生菌作用的物种，而仅在未处理的样品中仅在一小部分中检测到它。尽管抵抗组分析表明α多样性没有发生重大变化，但结果表明，在所有处理过的样品中，TEMβ-内酰胺酶基因的存在较低，但未经处理的样品中不存在。我们的研究说明了哈姆雷特（Hamlet）改变阿莫西林对口腔微生物组的影响，并有利于合并后所选益生菌细菌的生长。这些发现扩展了对村庄和抗生素对靶病原体的综合作用的先前知识，以包括对人来源的多菌粒生物膜的潜在调节作用。
研究从阿尔及利亚龙舌兰及其聚合物复合材料中提取的纤维的热和机械性能
近年来，由于环境意识，天然纤维及其复合材料吸引了研究人员。必须识别新的纤维素纤维以进行潜在的聚合物增强。在这项研究的第一步中，从阿尔及利亚贝贾亚市山区收集的龙舌兰植物（AALLF）的叶片中提取了新的生态友好纤维素纤维，已被确定为生物 - 复合物的潜在增强材料。通过傅立叶变换红外（FTIR）光谱，Thermos Gravimetric Analysis（TGA/DTG）分析了提取的未处理和碱处理的AALLF的化学，热稳定性和机械礼节，分析了差异扫描（TGA/DTG），差异扫描卡路里量热量（DSC）和单个光纤纤维测试。在FTIR分析中，我们可以观察到在治疗的各个时间的化学处理对峰位置和强度的影响很小。热力计（TGA/DTG）和差异扫描量热法（DSC）分析有助于预测未经处理的AALLF的热行为，并建议热稳定性直至256°C，显而易见的激活能为6.14 J/g。拉伸强度，失败时的应变和Young的模量分别从单个未处理的纤维拉伸试验确定为196±41 MPa，41.45±5.98％和2756±517 MPa。其次，研究了研究纤维分数（x 1），NaOH浓度（x 2），树脂类型（x 3）和治疗时间（x 4）对聚合物生物复合材料的拉伸和弯曲性能的影响。然后使用响应表面方法（RSM）开发了生物复合材料的机械性能的数学模型。
基于深度CNN的性能比较分析...
脑瘤是最危险和最具破坏性的疾病之一。晚期脑癌的死亡率更高。此外，脑瘤的误诊会产生危险并降低患者的生存机会。脑瘤的早期诊断有助于通过提供正确的治疗来挽救患者的生命。磁共振成像 (MRI) 和计算机断层扫描 (CT) 等计算机辅助医学成像技术有助于诊断疾病。因此，近年来，脑 MRI 分类成为一个活跃的研究领域。早期已经提出了许多用于 MRI 分类的方法，从经典方法到先进的深度学习 (DL) 算法，例如卷积神经网络 (CNN)。传统的机器学习 (ML) 技术需要手工制作的特征，而 CNN 通过卷积和池化层的参数调整直接从未处理的图像中提取特征来进行分类。使用 CNN 算法的特征提取主要受训练过程图像大小的影响。如果训练数据集大小较小，CNN 模型在某个时期后会过度拟合。因此，迁移学习技术得到了发展。在所提出的系统中，使用五种迁移学习架构（例如 AlexNet、Vgg16、ResNet18、ResNet50 和 GoogLeNet）进行五项研究，将脑 MRI 的临床数据集分类为良性和恶性。在脑 MRI 上应用数据增强技术来推广结果并减少过度拟合的可能性。在这个提出的系统中，经过微调的 AlexNet 架构分别实现了最高的精度、召回率和 f 测量值 0.937、1 和 0.96774。
机器学习辅助术中利用 HRMAS NMR 光谱评估脑肿瘤边缘
摘要。完全切除肿瘤对于胶质瘤患者的生存至关重要。即使实现了完全切除，切除腔内残留的微尺度组织也有复发的风险。高分辨率魔角旋转核磁共振 (HRMAS NMR) 技术可以利用生物标志物代谢物的峰值强度有效区分健康和恶性组织。该方法快速、灵敏，可以处理小样本和未处理的样本，非常适合在手术期间进行实时分析。然而，只能对已知肿瘤生物标志物的存在进行有针对性的分析，这需要具有化学背景的技术人员和了解肿瘤代谢的病理学家在手术期间在场。在这里，我们展示了我们可以准确地实时执行此分析，并且可以使用机器学习以非目标方式分析全光谱。我们研究了一个新的大型胶质瘤和对照样本 (n = 568) 的 HRMAS NMR 数据集，这些样本也标有定量病理分析。我们的结果表明，基于随机森林的方法可以准确有效地区分肿瘤细胞和对照样本，平均 AUC 为 85.6%，AUPR 为 93.4%。我们还表明，我们可以进一步区分良性和恶性样本，平均 AUC 为 87.1%，AUPR 为 96.1%。我们分析特征（峰值）对分类的重要性，以解释分类器的结果。我们验证了已知的恶性肿瘤生物标志物（如肌酸和 2-羟基戊二酸）在区分肿瘤和正常细胞方面发挥重要作用，并提出了新的生物标志物区域。代码发布在 http://github.com/ciceklab/HRMAS_NC。
poly（d，l -lactide -co -ucl发现
结肠微生物组生产短链脂肪酸（SCFA）对人类健康有许多好处，包括维持上皮屏障功能，结肠炎的抑制和对癌变的保护。尽管具有治疗潜力，但目前尚无最佳方法来提升结肠微生物组的SCFA合成。在这项研究中，研究了该应用的Poly（d，l-乳肽-CO-糖苷）（PLGA），因为假设结肠微生物群可以将PLGA与其乳酸单体分类，这将促进居住的Microbiota的SCFAS合成。在人类结肠的高级模型中筛选了两个级别的喷水PLGA，并在乳酸推注控制范围内进行筛选，称为M-Shime®系统。在来自三个健康人的微生物群存在下，高分子量（MW）等级是稳定的，但发现低MW PLGA（PLGA 2）已代谢。这种微生物降解导致乳酸在48小时内持续释放，并增加了丙酸SCFAS和丁酸盐的浓度。此外，与未处理的对照相比，有害铵的微生物合成显着降低。有趣的是，发现两种类型的PLGA都以供体特异性方式影响腔和粘膜微生物群的组成。一个发炎的结肠上皮的体外模型还显示了聚合物影响促炎和抗炎标记物的表达，例如列白鸟素8和10。这项研究的结果揭示了PLGA对肠道中酶促代谢的敏感性，这可以用于结肠SCFA的治疗升高。