XiaoMi-AI文件搜索系统
World File Search System次优
基于贪婪优先级的搜索次优多代理路径查找
多代理路径查找（MAPF）是在共享环境中发现无碰撞路径的问题，每个代理一个是每个代理的一个问题，同时最小化了旅行时间的总和。由于最佳地求解MAPF是NP-HARD，因此研究人员已经使用了副本且有效地求解MAPF的算法。基于优先级的搜索（PBS）是为此目的的领先算法。它一次找到一个单个代理的路径，并通过将优先级分配给碰撞代理并在其搜索过程中重新确定其路径来解决碰撞。但是，对于具有高密度的代理和障碍物的MAPF实例，PBS变得无效。因此，我们介绍了贪婪的PBS（GPB），该PBS（GPBS）使用贪婪的策略来通过最大程度地减少代理之间的碰撞数量来加快PBS。然后，我们提出了进一步加速GPB的技术，即部分扩展，目标推理，诱导的约束和软重新启动。我们表明，具有所有这些改进的GPB的成功率高于1分钟的运行时间限制的最先进的次优算法，尤其是对于具有小地图和密集障碍的MAPF实例。
设计选择性分子束缚以增强次优药物特性
摘要：小分子药物在临床上有广泛的应用，然而，许多此类药物存在一种或多种不理想的特性，这些特性会阻碍其在体内的输送或细胞作用，甚至会阻碍原本生物可耐受的药物。虽然高通量筛选提供了一种发现具有改变化学性质的药物的方法，但直接设计小分子生物缀合物提供了一种专门调节药物特性的机会，而不是筛选看似“随机”的药物特性的大型药物库。在此，我们提出，选择性地将药物分子“束缚”到具有有利特性的额外基团上将改善药物缀合物的整体特性，例如溶解度。具体而言，我们概述了雷帕霉素 (RAP) 与额外的“高亲和力”基团的位点特异性化学缀合，以提高药物对环糊精基聚合物 (pCD) 的整体亲和力。通过这种方式，我们发现 RAP 对 pCD 的亲和力以及 RAP 从 pCD 微粒的递送窗口增加了三倍，同时又不影响 RAP 的细胞作用。这种合成方法应用于 pCD 的“亲和力”概念，但其他辅基也可以以类似的方式用于修改其他药物特性。这项研究展示了在 pCD 系统中增加小分子药物的药物递送窗口以用于慢性药物治疗的潜力，并引入了改变药物特性以调节聚合物-药物相互作用的想法。
次优地的影响对青葱植物生长的影响：迷你审查
摘要次优地条件对葱植物生长的影响，以及可以使用哪些策略来减少负面影响。本研究旨在通过整合相关科学研究的最新发现来回顾次优地土地对葱植物生长的影响。通过使用Google Scholar和Scopus数据库（2020-2023）搜索相关科学出版物来进行文献综述。本综述包括对受次优的土地条件影响的葱植物生长参数的评估，以及可用于提高植物生产率的土地管理策略。这项研究证实，次优的土地可以对葱植物的生长和产量产生重大影响。通过这种全面的方法，希望这篇综述将深入了解葱植物与其不断增长的环境之间相互作用的复杂性。
Cbl 抑制可增强细胞毒性 T 细胞对次优刺激的反应，并促进
分离 CD8 + T 细胞实验：通过负选择从健康人血中分离 CD8 + T 细胞，并按照指示用 +/- Cbl 抑制剂进行刺激，然后通过流式细胞术和细胞因子珠阵列进行分析。 OT-I 脾细胞实验：收获 OT-I 小鼠的脾脏并处理以产生单细胞悬浮液。用不同亲和力的卵清蛋白肽 +/- Cbl 抑制剂刺激脾细胞，并通过细胞因子珠阵列评估细胞因子的产生。 体内肿瘤模型：将 CT26 或 MC38 细胞植入皮下，当肿瘤达到 ~75mm 3 时，给小鼠按指示服用 αPD-1（10 mg/kg，IP，Q5D）和/或 Cbl 抑制剂 A0322275（30 mg/kg，PO，QD）。观察肿瘤体积，收集肿瘤，通过流式细胞术进行肿瘤浸润淋巴细胞分析。 癌细胞实验：根据供应商的建议培养癌细胞。根据指示，在不同时间点将细胞接种 +/- Cbl 抑制剂，并添加细胞滴度发光试剂以评估细胞活力。 Cbl 抑制剂化合物信息：Cbl-b/c-Cbl 抑制剂，A0322275，来自专利申请 WO2020264398。
英国与次优哮喘护理相关的温室气体排放：基于Sabina Healthcare的环境治疗成本（碳）研究
抽象背景不足控制的哮喘与发病率和医疗保健资源利用率增加有关（HCRU）。因此，为了量化哮喘护理对环境的影响，这种回顾性，同类，基于医疗保健的治疗成本（碳）研究估计了英国与控制良好相关的哮喘控制良好相关的温室气体（GHG）排放。方法包括在临床实践研究数据链接（2008年）中注册的当前哮喘（≥12岁）的患者。GHG emissions, measured as carbon dioxide equivalent (CO 2 e), were estimated for asthma-related medication use, HCRU and exacerbations during follow-up of patients with asthma classified at baseline as well-controlled (<3 short-acting β 2 -agonist (SABA) canisters/year and no exacerbations) or poorly controlled (≥3 SABA canisters/year or ≥1加重）。由于次优哮喘控制而导致的过量的温室气体排放包括≥3次SABA罐/年处方，病情加重，以及在住院后10天内或急诊室就诊的10天内进行的任何一般从业者和门诊就诊。分析的236例患者的结果，47.3％的基线哮喘控制较差。缩放到全国一级，英国哮喘护理的总体碳足迹为750 540吨E/年，哮喘控制不善，促成303 874吨Co 2 E/年的过量GHG排放量相当于英国> 12.4 000房屋的排放量。控制不良与控制良好的哮喘的总体上产生了3.1倍，人均碳足迹过剩，大部分是SABA引起的，HCRU的贡献较小。结论这些发现表明，解决哮喘控制良好的高负担，包括遏制高SABA使用及其加重的相关风险，可能会大大减轻与哮喘相关的碳排放。
MM-505 Ciltacabtagene Autoleucel±Lenalidomide在新诊断的多发性骨髓瘤中维持的疗效和安全性，对前线自体干细胞移植具有次优响应：CATTUTION-2 COLOT-2队列D
Introduction: Chimeric antigen receptor T-cell therapy (CAR-T) and T-cell engager antibody (TCE) have revolutionized the treatment of RRMM.在免疫效应细胞治疗受体中，免疫效应物细胞相关的淋巴淋巴细胞增多症样综合征（IEC-HS）是一种威胁生命的高性炎症状态，这是由于天然杀伤细胞的不受控制的激活和细胞毒性T淋巴细胞的表征，使其染色体，并散发出氧化菌根的氧化。跨动性血症和高铁血症。方法：我们使用FDA不良事件报告系统（FAERS）数据库和监管活动的医学词典（MEDRA）进行了回顾性营销后营销药物宣传调查。我们检查了与CAR-T和TCE相关的不良影响，因为他们使用R软件在美国和非美国人群中获得了FDA的批准。The data were accessed on March 1, 2024, to analyze the incidence of IEC-HS associated with BCMA-targeting TCE, teclistamab, elranatamab, GPRC5D- targeting talquetamab, and 2 CAR T-cell products (idecabtagene vicleucel [ide-cel] and ciltacabtagene autoleucel [cilta-cel]).结果：FAERS中总共报告了2690个不良事件：CITTA-CEL（N = 837，31.1％），IDE-CEL（n = 651，24.2％），Talquetamab（n = 159，5.9％）teclistamab（teclistamab（n = 791，29.4％）和Elranatamab（n = N = 252），9.3％。我们确定了38个IEC-HS事件，其中89.4％（n = 34）是由于CAR-T和10.5％（n = 4）引起的，是由于GPRC5D双特异性抗体引起的。特异性IEC-HS的最高发病率是IDE-CEL（n = 15，2.3％），其次是CILTA-CEL（n = 19，2.2％）和Teclistamab（n = 4，0.5％）。诸如Talquetamab和Elranatamab之类的新药物迄今没有报告HLH-HS事件。孤立的IEC-HS（n = 10，26.3％），IEC-HS（n = 17，44.7％），IEC-HS，IEC-HS，具有ICANS（n = 1，2.6％）和IEC-HS，ICANS和CRS（n = 10，26.3％）的IEC-HS。teclistamab相关的IEC-HS具有
扩展主要 - 疫苗接种式和...
它包括两组（a）阴影和（b）那些未阴影的组。那些阴影是那些可能与疫苗次优应答有关的组。在此基础上，在疫苗接种运动开始时指定这些组应优先给予mRNA疫苗。为此，合理地将那些被确定为“与疫苗的次优应答相关的类别”是合理的，该类别旨在接受扩展的初级疫苗接种课程。表5A.2中为操作目的所需的细节级别定义了免疫功能的条件。患有Hyosplenia和asplenia的人包括在第3章中，但在此定义中不包括，因为没有理由期望他们对Covid-19疫苗的反应与一般人群的反应不同。
通过机器学习接近频道估计的MMSE界限
摘要 - 在无线通信系统中，该信号模型与高斯分布的通道和噪声线性线性，线性最小均方根误差（LMMSE）通道估计（CE）在均方误差（MSE）方面实现了最佳性能。但是，LMMSE CE取决于接收器可能无法使用的参数（例如，准确了解功率延迟profe（PDP））或过于复杂而无法实施实现（例如，LMMSE滤波器大小）。参数的次优选择可能会严重降低LMMSE CE性能。以这种观察的激励，我们研究了机器学习，作为重新填充和改善CE的工具。我们表明，我们提出的低复杂性学习辅助LMMSE CE可以克服次优参数的影响并接近理想的LMMSE性能。
