XiaoMi-AI文件搜索系统
World File Search System相关
前次妊娠期糖尿病与第二次妊娠中发生大于胎龄儿和巨大儿的风险相关
结果：既往有过 GDM 的女性（分别为 22.67% 和 10.25%）第二次妊娠期间 LGA 和巨大儿的发生率显著高于无既往有过 GDM 的女性（分别为 15.34% 和 5.06%）（P < 0.05）。调整潜在混杂因素后，既往有过 GDM 与第二次妊娠期间 LGA（aOR：1.511，95% CI：1.066-2.143）和巨大儿（aOR：1.854，95% CI：1.118-3.076）显著相关。分层分析显示，这些关联仅在第二次妊娠期间无既往 LGA、有 GDM、适当的妊娠体重增长 (AGWG)、非高龄产妇和男婴的女性中存在（P < 0.05）。与过度 GWG (EGWG) 相比，AGWG 与未患过 GDM 的女性在第二次怀孕期间患 LGA 和巨大儿的风险较低相关，而之前患过 GDM 的女性则未观察到这种相关性。在未患过 GDM 的女性中，如果孕前 BMI 正常，AGWG 的 LGA 和巨大儿风险显著降低
预防 SARS-CoV-2、埃博拉病毒和尼帕病毒感染的免疫相关性
保护相关性 (CoP) 是预测对传染病的一定程度保护的生物学参数。完善的保护相关性有助于疫苗的开发和许可，因为它可以评估保护效果，而无需让临床试验参与者接触疫苗旨在保护的传染源。尽管病毒具有许多共同的特征，但保护相关性在同一个病毒家族中，甚至在同一个病毒中，根据所考虑的感染阶段，可能会有很大差异。此外，感染过程中相互作用的各种免疫细胞群之间的复杂相互作用以及某些病原体的高度遗传变异，使得识别免疫保护相关性变得困难。一些对公共卫生影响重大的新出现和重新出现的病毒，如 SARS-CoV-2、尼帕病毒 (NiV) 和埃博拉病毒 (EBOV)，在识别 CoP 方面尤其具有挑战性，因为这些病原体已被证明会在感染期间使免疫反应失调。尽管已证明病毒中和抗体和多功能 T 细胞反应与针对 SARS-CoV-2、EBOV 和 NiV 的一定程度的保护相关，但免疫的其他效应机制在塑造针对这些病原体的免疫反应方面发挥着重要作用，而这些免疫反应反过来可能成为保护的替代相关因素。本综述描述了在 SARS-CoV-2、EBOV 和 NiV 感染期间激活的适应性和先天性免疫系统的不同组成部分，这些组成部分可能有助于保护和清除病毒。总体而言，我们重点介绍了与人类针对这些病原体的保护相关的免疫特征，这些特征可以用作 CoP。
肠道微生物与中枢神经系统发育及相关疾病
近年来，肠道菌群与中枢神经系统 (CNS) 发育之间的关联引起了广泛的研究关注。有证据表明，CNS 和肠道菌群通过脑肠轴进行双向交流。作为一个长期而复杂的过程，CNS 发育极易受到内源性和外源性因素的影响。肠道菌群通过调节神经发生、髓鞘形成、神经胶质细胞功能、突触修剪和血脑屏障通透性来影响 CNS，并与各种 CNS 疾病有关。本综述概述了肠道菌群与 CNS 发育阶段（产前和产后）之间的关系，强调了肠道微生物的不可或缺的作用。此外，本综述还探讨了肠道菌群在神经发育障碍（如自闭症谱系障碍、雷特综合征和安格曼综合征）中的影响，为早期发现、及时干预和创新治疗提供了见解。
![征文：教育和教育研究中的人工智能国际研讨会 (AIEER) AIEER 2024 教育和教育研究中的人工智能国际研讨会是第 27 届欧洲人工智能会议 ECAI 2024 [https://www.ecai2024.eu/] 的一部分。本次研讨会定于 2024 年 10 月 19 日至 20 日星期六和星期日举行。 研讨会范围 本次研讨会有两个不同的重点，旨在更广泛地面向教育人工智能领域。 第 1 部分。由社会科学主导的讨论，讨论人工智能应用可能有助于解决的教育中的实际问题。这包括教育和教学人工智能的研究，也包括社会科学、经济学和人文学科，包括所有学科，如教育和教学实际行动、以教育需求为重点的劳动力市场研究、教育史和相关教育文化遗产，以及决策和行为科学观点的信息预测。一方面，我们关注人工智能、教育和社会之间的联系。这包括定量和定性研究、分析教育和劳动力市场数据的数据科学方法、推荐系统的人工智能方法以及数字化学习。另一方面，我们关注如何使用人工智能来突破该领域的界限。这包括开发新方法（包括使用人工智能的方法）、寻找和提供可访问的新数据源、丰富数据等等。在这两种情况下，不同观点之间的沟通和相互理解至关重要，这也是本次研讨会的目标之一。更广泛地说，我们感兴趣的是人工智能方法如何影响教育的所有领域以及企业和劳动力市场。这包括从小学到高等教育的所有教育部门如何受到人工智能方法的影响和对其作出反应的方法。用人工智能方法设计数字化未来为教育提出了几个问题：在最广泛的层面上，立法和规范问题；在公司层面，关于投资决策以及如何保持生产力和劳动力的问题；在个人层面，关于资格以及哪些技能需要应用和可能重新学习的问题。因此，技能和资格是教育和教育研究中人工智能的核心。第 2 部分。关于可以开发哪些人工智能应用程序（以及如何开发）来解决第 1 部分提出的问题的（计算机科学主导）讨论。使用基于人工智能的系统来支持教学或学习已经发展了 40 多年，但近年来，由于 COVID-19 大流行期间电子学习工具的使用增加以及最近生成人工智能的爆炸式增长，其增长显着增加。我们正处于这一领域发展的关键时刻，人工智能专家和教育专家必须携手合作，以在教学过程中最佳地利用这项技术。本次研讨会旨在为展示新提案和反思这一具有如此社会意义的领域的最新技术创造空间。在第一部分中，我们特别关注人工智能的技术方面，重点关注用于内容创建（生成式人工智能）、学生分析（机器学习）、学习分析或教师可解释的人工智能方法的具体技术](/simg/9/997626a7f59d17e25a28a70110fbadb440a4a51a.png)
征文：教育和教育研究中的人工智能国际研讨会 (AIEER) AIEER 2024 教育和教育研究中的人工智能国际研讨会是第 27 届欧洲人工智能会议 ECAI 2024 [https://www.ecai2024.eu/] 的一部分。本次研讨会定于 2024 年 10 月 19 日至 20 日星期六和星期日举行。 研讨会范围 本次研讨会有两个不同的重点，旨在更广泛地面向教育人工智能领域。 第 1 部分。由社会科学主导的讨论，讨论人工智能应用可能有助于解决的教育中的实际问题。这包括教育和教学人工智能的研究，也包括社会科学、经济学和人文学科，包括所有学科，如教育和教学实际行动、以教育需求为重点的劳动力市场研究、教育史和相关教育文化遗产，以及决策和行为科学观点的信息预测。一方面，我们关注人工智能、教育和社会之间的联系。这包括定量和定性研究、分析教育和劳动力市场数据的数据科学方法、推荐系统的人工智能方法以及数字化学习。另一方面，我们关注如何使用人工智能来突破该领域的界限。这包括开发新方法（包括使用人工智能的方法）、寻找和提供可访问的新数据源、丰富数据等等。在这两种情况下，不同观点之间的沟通和相互理解至关重要，这也是本次研讨会的目标之一。更广泛地说，我们感兴趣的是人工智能方法如何影响教育的所有领域以及企业和劳动力市场。这包括从小学到高等教育的所有教育部门如何受到人工智能方法的影响和对其作出反应的方法。用人工智能方法设计数字化未来为教育提出了几个问题：在最广泛的层面上，立法和规范问题；在公司层面，关于投资决策以及如何保持生产力和劳动力的问题；在个人层面，关于资格以及哪些技能需要应用和可能重新学习的问题。因此，技能和资格是教育和教育研究中人工智能的核心。第 2 部分。关于可以开发哪些人工智能应用程序（以及如何开发）来解决第 1 部分提出的问题的（计算机科学主导）讨论。使用基于人工智能的系统来支持教学或学习已经发展了 40 多年，但近年来，由于 COVID-19 大流行期间电子学习工具的使用增加以及最近生成人工智能的爆炸式增长，其增长显着增加。我们正处于这一领域发展的关键时刻，人工智能专家和教育专家必须携手合作，以在教学过程中最佳地利用这项技术。本次研讨会旨在为展示新提案和反思这一具有如此社会意义的领域的最新技术创造空间。在第一部分中，我们特别关注人工智能的技术方面，重点关注用于内容创建（生成式人工智能）、学生分析（机器学习）、学习分析或教师可解释的人工智能方法的具体技术
征文：教育和教育研究中的人工智能国际研讨会 (AIEER) AIEER 2024 教育和教育研究中的人工智能国际研讨会是第 27 届欧洲人工智能会议 ECAI 2024 [https://www.ecai2024.eu/] 的一部分。本次研讨会定于 2024 年 10 月 19 日至 20 日星期六和星期日举行。 研讨会范围 本次研讨会有两个不同的重点，旨在更广泛地面向教育人工智能领域。 第 1 部分。由社会科学主导的讨论，讨论人工智能应用可能有助于解决的教育中的实际问题。这包括教育和教学人工智能的研究，也包括社会科学、经济学和人文学科，包括所有学科，如教育和教学实际行动、以教育需求为重点的劳动力市场研究、教育史和相关教育文化遗产，以及决策和行为科学观点的信息预测。一方面，我们关注人工智能、教育和社会之间的联系。这包括定量和定性研究、分析教育和劳动力市场数据的数据科学方法、推荐系统的人工智能方法以及数字化学习。另一方面，我们关注如何使用人工智能来突破该领域的界限。这包括开发新方法（包括使用人工智能的方法）、寻找和提供可访问的新数据源、丰富数据等等。在这两种情况下，不同观点之间的沟通和相互理解至关重要，这也是本次研讨会的目标之一。更广泛地说，我们感兴趣的是人工智能方法如何影响教育的所有领域以及企业和劳动力市场。这包括从小学到高等教育的所有教育部门如何受到人工智能方法的影响和对其作出反应的方法。用人工智能方法设计数字化未来为教育提出了几个问题：在最广泛的层面上，立法和规范问题；在公司层面，关于投资决策以及如何保持生产力和劳动力的问题；在个人层面，关于资格以及哪些技能需要应用和可能重新学习的问题。因此，技能和资格是教育和教育研究中人工智能的核心。第 2 部分。关于可以开发哪些人工智能应用程序（以及如何开发）来解决第 1 部分提出的问题的（计算机科学主导）讨论。使用基于人工智能的系统来支持教学或学习已经发展了 40 多年，但近年来，由于 COVID-19 大流行期间电子学习工具的使用增加以及最近生成人工智能的爆炸式增长，其增长显着增加。我们正处于这一领域发展的关键时刻，人工智能专家和教育专家必须携手合作，以在教学过程中最佳地利用这项技术。本次研讨会旨在为展示新提案和反思这一具有如此社会意义的领域的最新技术创造空间。在第一部分中，我们特别关注人工智能的技术方面，重点关注用于内容创建（生成式人工智能）、学生分析（机器学习）、学习分析或教师可解释的人工智能方法的具体技术
Stevens-Johnson综合征和与免疫检查点抑制剂相关的有毒表皮坏死：系统评价
蓝细菌是唯一能够进行氧合光合作用的原核生物。许多蓝细菌菌株可以生活在不同的营养模式下，从光自营养和异养性到综合营养的生长。然而，允许这些生活方式之间的灵活切换的调节机制知之甚少。作为Ca-Benson-Bassham（CBB）周期和分解代谢糖降解途径中CO 2的合成代谢固定，需要密集的调节网络，以启用同时进行的反对代谢流动物。最近将Entner-Doudoroff（ED）途径视为一种糖酵解途径，该糖酵解途径与糖原崩溃中的其他途径合作。尽管通过ED途径低碳浮标，但在ED途径中对突变体的代谢分析表明，表现出明显的表型，表明该途径的强烈调节作用。小的CP12蛋白通过抑制磷酸氨基胰蛋白酶和3-磷酸甘油醛脱氢酶来下调黑暗中的CBB循环。对具有CP12变体菌株的代谢组和氧化还原水平分析的新结果扩展了CP12调节在昼夜条件下对适应外部葡萄糖供应的已知作用，以及在光中对CO 2水平的发挥作用。此外，碳和氮代谢与维持必不可少的C/N稳态密切相关。小蛋白质PIRC被证明是磷酸甘油酸突变酶的重要调节剂，该酶将这种酶鉴定为CBB循环降低糖酵解的碳分配的中心分支点。在氮饥饿实验期间，突变体D PIRC的代谢物水平改变了这种调节机制。在关键的代谢分支点调节碳分配的新机制可以确定碳流向所需化合物的靶向重定向的方法，从而有助于进一步建立蓝细菌作为绿细胞工厂，作为生物技术应用，并同时利用日光和co2。
气候变化相关的健康影响：前进的道路
气候变化是对人类有史以来人类健康和福祉的最大威胁。人类活动正在推动大气热捕获温室气体的水平增加（即温室气体，即二氧化碳，甲烷，一氧化二氮和氯氯氟此），从而导致全球温度的大幅增长。全球温度的升高已经在引起广泛的生态变化，包括极端天气事件的频率和严重程度（热浪，野生矿场，流量和干旱），海平面上升以及动植物的季节性转移以及动物地理范围的季节性转移以及动物地理范围和生长的季节，这些季节破坏和危害了许多人的健康和生命。通过影响我们呼吸的空气，我们吃的食物以及我们喝的水，与气候变化相关的生态影响将恶化并威胁到人类的存在。因此，我们必须采取措施防止与化石燃料相关的排放相关的进一步丧失生命。
跨州所得税/特许经营税 新泽西州颁布与人工智能投资相关的税收抵免 税务预警
• 下一个新泽西州计划是新泽西州经济发展局 (NJEDA) 管辖的一项计划。 • 下一个新泽西州计划的目的是吸引新投资进入新泽西州的人工智能和人工智能相关行业，创造新的就业机会，并为该州创造经济机会。 • 根据 SB 3432，NJEDA 可在符合条件的企业的首席执行官或同等级别官员提出申请并支付费用后，向符合条件的企业授予税收抵免，但须遵守《2020 年经济复苏法案》规定的限制。 • 要获得下一个新泽西州计划下的税收抵免资格，企业的首席执行官或同等级别官员应在申请时向当局证明：(1) 企业将在以下地点进行、收购或租赁资本投资：
“与人类一起进化的下一代人工智能相关的技术开发项目”...
・Osaka University ・University of Electro-Communications ・ChiCaRo Inc. ■Development of an online language-learning support AI system that grows with people ・Waseda University ■White-boxing deep learning using a modular model ・Tokyo Institute of Technology ・GE Healthcare Japan, Inc. ①-3 Development of fundamental technologies for AI that learns by understanding human intentions and knowledge ■Development of a platform to support the creation of interactive story-type content ・Keio University ・Future University Hakodate ・Tezuka Productions Co., Ltd. ・University of Electro-Communications ・University of Tokyo ・Historia Inc. ・Rikkyo Gakuin ・Ales Inc. ■Research and development of human-centered artificial intelligence technology embedded in the real world ・National Institute of Advanced Industrial Science and Technology ■Development of fundamental technologies for human-collaborative AI that supports the actualization and transfer of experts' tacit knowledge ・Kyoto University ・National Institute of Advanced Industrial Science and Technology ・Mitsubishi Electric Corporation ■Research and development of explainable autonomous interaction AI and its application to childcare and developmental support (※Spanning ①-2 themes) ・Osaka University ・University of Electro-Communications ・ChiCaRo Inc. ■AI that evolves with people・株式会社英语：在线教育平台的开发・认知研究实验室，・京都大学■开发语义创作平台，以提高人类与AI o oki oki oki oki oki oki oki oki oki oki oki oki tohoku tohoku tohoku University ・ nagoya nagoya技术Tokai国家高等教育和研究系统・那高雅大学，Tokai国家高等教育和研究系统■使用AI和VR ・ Kansai大学的分子机器人共同创造环境的研究和开发・分子机器人Institute Co.，Ltd.建立产品信息数据库的研究和开发■建立产品信息数据库的研究和开发・ Arthur D. Little Japan Inc. ・软银公司・软银银行公司，Panasonic Connect Co.工业科学技术
捕获与阿尔茨海默病相关的瞬时肽组装体 淀粉样β蛋白寡聚化的天然质谱研究 Nicklas Öst
摘要 蛋白质的正确折叠对于维持功能性活细胞至关重要。因此，蛋白质的错误折叠和聚集与多种疾病有关，其中非天然分子间相互作用形成具有低自由能的大型高度有序的淀粉样蛋白聚集体。一个例子是阿尔茨海默病 (AD)，其中淀粉样蛋白-β (Aβ) 肽聚集成淀粉样蛋白原纤维，这些原纤维在 AD 患者的大脑中沉积为神经斑块。淀粉样蛋白原纤维的成核是通过形成较小的成核前簇（即所谓的低聚物）进行的，这些低聚物被认为具有特别的毒性，因此在 AD 病理学中具有潜在重要性。Aβ 聚集的详细分子机制知识对于设计针对这些过程的 AD 治疗非常重要。然而，由于低聚物物种的丰度低且多分散性高，因此很难通过实验研究它们。本文使用自下而上的生物物理学在受控的体外条件下研究了 Aβ 低聚物。主要使用天然离子迁移质谱法研究高纯度重组 Aβ 肽，以监测水溶液中低聚物的自发形成。质谱法能够分辨单个低聚物状态，而离子迁移率则提供低分辨率结构信息。这与其它生物物理技术以及理论建模相辅相成。还研究了调节内在因素（如肽长度和序列）或外在因素（如化学环境）的低聚物。研究了与两个重要的生物相互作用伙伴的相互作用：伴侣蛋白和细胞膜。我们展示了 Aβ 低聚物如何组装并形成可能与继续生长为淀粉样蛋白原纤维有关的延伸结构。我们还展示了不同的淀粉样蛋白伴侣蛋白如何与不断增长的聚集体相互作用，从而改变和延迟聚集过程。这些相互作用取决于伴侣和客户肽中的特定序列基序。另一方面，膜模拟胶束能够稳定 Aβ 寡聚体的球状致密形式，并抑制形成淀粉样纤维的延伸结构的形成。这可能有助于体内毒性物质的富集。与膜模拟系统的相互作用被证实高度依赖于 Aβ 肽异构体和膜环境的特性，例如头部电荷。还展示了如何添加设计的小肽结构来抑制膜环境中 Aβ 寡聚体的形成。