14 如果值得做,就值得过度做:阈值定理 227 14.1 对抗性错误. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ..................................................................................................................................................................................................................................242 14.7 连接与阈值定理 ..................................................................................................................................................................................................................245
本报告以积极的视角,探讨了如何引导技术性人工智能研究,使其更加关注人类作为一个物种的长期生存前景。从消极的角度看,我们询问人类在下个世纪可能面临人工智能发展的哪些生存风险,以及当代技术研究可以按照什么原则来应对这些风险。介绍了假设人工智能技术的一个关键特性,称为优势,它可用于描述人工智能带来的各种潜在生存风险,即使人工智能范式可能会发生变化。然后研究了一组 29 个当代研究方向,以确定它们对生存安全的潜在益处。每个研究方向都通过场景驱动的动机进行解释,并提供现有工作示例以供参考。这些研究方向对社会有各自的风险和好处,这些风险和好处可能在不同程度的影响下发生,尤其是如果在缺乏充分的深思熟虑和监督的情况下部署这些方向的重大发展,则不能保证对生存安全有益。因此,每个方向都伴随着对潜在负面影响的考虑。从更广泛的角度来看,对研究方向的 29 种解释还说明了一种非常基本的方法来讨论和评估研究方向的潜在风险和好处,包括它们对全球灾难风险的影响。这种影响评估方法还远未成熟,但随着人工智能能力的扩展,它似乎值得强调和改进。
原理:基于干细胞的疗法已成为组织工程和再生医学的有前途的工具,但是它们的治疗疗效在很大程度上受到氧化应激诱导的受伤组织部位移植细胞的丧失的限制。为了解决这个问题,我们旨在探索ROS引起的MSC损失的潜在机制和保护策略。方法:使用实时PCR,Western blotting和RNA测序评估了TFAM(线粒体转录因子A)信号传导,线粒体功能,线粒体损伤,DNA损伤,凋亡和衰老。还分析了MSC中TFAM或LNCRNA核拼接组件的转录本1(Neat1)敲低或过表达对线粒体功能,DNA损伤修复,凋亡和衰老的影响。在肾脏缺血/再灌注(I/R)损伤的小鼠模型中评估了线粒体靶向抗氧化剂(mito-tempo)对移植MSC存活的影响。结果:线粒体ROS(MTROS)爆发导致TFAM信号传导和总体线粒体功能的缺陷,这进一步损害了Neat1表达及其介导的副夹层的形成和MSC中的DNA修复途径,从而在氧化应激下共同促进MSC衰减和死亡。相比之下,有针对性的抑制MTROS爆发是一种足够的策略,可以减轻受伤组织部位的早期移植MSC损失,而Mito-Tempo的共同给药可改善移植的MSC的局部保留和减少缺血性肾脏的氧化损伤。结论:本研究确定了线粒体 - 拼双轴在调节细胞存活中的关键作用,并可能为开发用于组织工程和再生医学的先进干细胞疗法提供见解。
结果描述:AFESG依靠来自非洲大象数据库(AED)的数据来履行其IUCN授权,尤其是在红色上市过程中。AED是AFESG报告的主要数据源,以引用非洲大象的保护状况。通过决议和决策,引用的任务是AFESG为大象保护的各个方面提供技术意见。与与CITES合作的SSC成员的IUCN指南保持一致,AFESG任命了CITES的焦点(FP)。FP将与全球物种计划紧密合作,并遵守IUCN指南,以确保与AFESG成员在与IUCN GSP有关CITES事项交流时与AFESG成员进行适当的咨询。此外,FP将在整个四年一年中为几个与CITES相关问题的年轻AFESG成员扮演指导角色,直到2025年Coits20。
巴西等儿童死亡率的持续性是21世纪的至关重要的健康挑战。卫生政策公式越来越多地使用统计方法,例如生存分析,以识别与死亡率相关的因素。使用2017年Unified Health System(SUS)的290万个观察结果,我们估计一组不同的机器学习模型(生存支持载体机器,随机生存森林和极端梯度增强)来预测哪些婴儿的生命第一年的风险最高。可解释的机器学习形状结构已用于确定影响巴西儿童死亡率的因素。诸如剖宫产和妊娠数周之类的因素会影响非线性死亡率,而变量的平均影响(例如在标准回归模型中发现的)可能会误导。最后,我们认为可解释的自动学习模型可以支持公共政策制定者的健康决策结构的概念,这些结构应对中等收入国家的儿童死亡率的挑战。
作者想感谢过去和现在的许多人在 SUCCESS 计划以及特别是本出版物中的辛勤工作和支持。其中包括:卡迪夫大学 IMRC 的 Nicola Bateman、Jo Beale、Andrew Davies、Andrew Glanfield、Rebecca Harvey、John Lucey 和 Roberto Sarmiento;Cogent Power 的 Ton Augustijn、Chris Brown、Bill Ford、Ron Harper、John Holmwood、C-G Lenasson、Frans Liebreghts、Greg MacDougall、Peter Rose、Marcel Schabos、Todd Sheldan、Per Zettergren 和许多其他人。还要感谢 S A Partners 的 Paul Allen、Chris Butterworth、Carmen Crocker、Kevin Eyre、Anthony Griffiths、Dave Lee、Phil Shelley、Kevin Wadge 和 Leighton Williams。我们还要感谢本系列的往期合著者:David Taylor、Riccardo Silvi 和 Monica Bartolini 以及惠而浦的 Chris Craycraft。
动机:估计干预措施对患者预后的影响是个性化医学的关键方面之一。通常,培训数据仅包括管理治疗的结果,而不是替代治疗的结果(所谓的反事实结果),通常会挑战他们的推论。基于观察数据,即对于连续和二进制结果变量都没有应用干预措施的数据。但是,如果在观察期内没有发生事件,则通常会根据事件时间数据记录患者结果,包括右审查的事件时间。尽管很重要,但事件时间数据很少用于治疗优化。我们建议一种名为BITES(生存数据平衡的个体治疗效果),该处理结合了治疗特定的半参数COX损失与治疗均衡的深层神经网络;即我们使用积分概率指标(IPM)正规化治疗和未处理患者之间的差异。结果:我们在模拟研究中表明,这种方法的表现优于最新技术。此外,我们在应用乳腺癌患者的同类中,根据六个常规参数可以优化激素治疗。我们在独立队列中成功验证了这一发现。可用性和实现:我们将叮咬作为易于使用的Python实现,包括计划的超参数优化(https://github.com/sschrod/bites)。本文基础的数据可在https://rdrr.io/cran/survival/man/man/gbsg.html和https://rdrr.io/cran/cran/survival/survival/man/man/rotterdam.html中获得。联系人:stefan.schrod@bioinf.med.uni-goettingen.de或michael.altenbuchinger@bioinf.med.uni-goettingen.de补充信息:可在BreioNformatics Online获得补充数据。
摘要数十年来,全球社会面临着真正的存在威胁,诸如全球变暖之类的挑战。但是,精英中没有人能够做任何事情来改善条件。我们似乎被爱因斯坦(Einstein)讨论无法用创造它们的逻辑解决的问题所描述的那种情况所困。我们如何找到一种可能使我们解决这些挑战的新思维方式?本文提出了一种通过探索另外三个问题来回答这个问题的方法:其他社会是否面临同样真实的生存威胁?那些幸存下来的人是如何解决他们的?,他们的生存对今天意味着什么?借鉴了认知神经科学的工作,该论文将神话视为解决此类问题的神经生物学基础的过程,并指出,其他面临的存在挑战的社会已经能够通过重塑他们的神话来改变其人民思考的方式来解决这些问题。它以当今可能发生的神话重塑的一些想法结束,这将成为一种更有效的思维方式。
摘要本研究研究了Harcourt港口保险公司的生存策略与组织成功之间的关系。该研究使用了涉及经理和主管的准实验研究设计。使用自我管理的结构化问卷获得了主要数据。该研究的人口为140个目的是在Harcourt港的10家保险公司。使用芋头Yamen公式采用了102个样本量,并使用了简单的随机技术。使用Cronbach alpha系数测试了研究工具的内部可靠性,并且仅考虑α读数为0.70及以上的项目。Spearman的等级相关性用于假设检验。研究结果表明,生存策略与组织成功之间存在积极而重要的关系。该研究建议保险公司应执行指导生存策略的形成,发展,采用和实施的政策。关键字:适应性,客户满意度,增加市场份额,创新性,组织成功,生产力,生存策略。
摘要背景:卵巢癌极大地危害并恶化了全世界的女性健康状况。预测性生物标志物的细化可以实现患者分层并有助于优化疾病管理。方法:采用生物信息学分析方法分析了卵巢癌中的RAD51表达谱、靶标-疾病关联和RAD51适应度评分。为了进一步确定其作用,进行了基因富集分析并构建了调控网络。进行生存分析和药物敏感性试验以评估RAD51表达对卵巢癌预后的影响。然后在验证队列中通过免疫组织化学方法确认RAD51的预测价值。结果:卵巢癌比正常卵巢表达更多的RAD51。RAD51赋予卵巢癌依赖性并与卵巢癌有关。RAD51与包括卵巢癌在内的各种疾病具有广泛的靶标-疾病关联。与 RAD51 相关和相互作用的基因参与 DNA 损伤修复和药物反应。高 RAD51 表达表明卵巢癌的生存结果不良并且对铂、紫杉烷和 PARP 抑制剂具有耐药性。在验证队列(126 名患者)中,高 RAD51 表达表示铂耐药,铂耐药患者表达更多的 RAD51。高 RAD51 表达的患者 OS 较短(HR = 2.968,P < 0.0001)且 PFS 较差(HR = 2.838,P < 0.0001)。RAD51 表达水平与患者的生存长度呈负相关。结论:卵巢癌有明显的 RAD51 表达,RAD51 赋予卵巢癌依赖性。高 RAD51 表达表示生存率差和药物敏感性降低。RAD51 在卵巢癌中具有预测价值,可以作为预测生物标志物。关键词:药物反应性、卵巢癌、预测因子、RAD51、生存