XiaoMi-AI文件搜索系统
World File Search System研究组
基因编辑技术在作物育种中研究及应用
[52] Lin，C.S.，Hsu，C.T.，Yang，L.H.，Lee，L.Y.，Fu，J.Y.，Cheng，Q.W.，Wu，F.H. S.B.和Shih，M.C。 （2018）原生质体技术与CRISPR/CAS9诱变的应用：从单细胞突变检测到突变植物再生。 植物生物技术杂志，16，1295-1310。 https://doi.org/10.1111/pbi.12870和Shih，M.C。（2018）原生质体技术与CRISPR/CAS9诱变的应用：从单细胞突变检测到突变植物再生。植物生物技术杂志，16，1295-1310。 https://doi.org/10.1111/pbi.12870
枳果梗多糖调节谷氨酸代谢和紧密连接蛋白表达改善酒精 ...
摘 要 ： 目的：本研究旨在明确枳椇果梗多糖（ HDPs ）对酒精暴露所致的小鼠神经行为异常的改善效果，并探究谷 氨酸代谢和紧密连接蛋白表达在其中的作用。方法：雄性 C57BL/6 小鼠按 114 μL/20 g 剂量连续酒精灌胃 14 d ，建 立酒精暴露模型，同时设置干预组进行 HDPs 干预（ 114 μL/20 g 酒精 +100 mg/kg HDPs ）。应用行为学实验（旷场 实验、高架十字迷宫实验）评估神经行为学变化，采用气相色谱法测定小鼠血液中乙醇浓度， γ -H2AX 荧光检测小 鼠脑海马组织 DNA 损伤，免疫组化分析检测小鼠脑组织中紧密连接蛋白 Claudin-1 和 ZO-1 的表达，并通过超高 效液相色谱 - 四级杆飞行时间质谱法（ UPLC-Q-TOF-MS ）代谢组学技术对小鼠脑组织代谢物进行分析。结果： HDPs 可有效降低酒精暴露小鼠血液乙醇浓度，由 4.69±0.29 g/L 降至 1.64±0.104 g/L ；改善酒精暴露所致的小鼠神 经行为异常，旷场实验中，与酒精组相比， HDPs 干预组总路程显着提升至 27340±3304 cm （ P <0.05 ），平均速度 显着提升至 67.4±13.4 cm/s （ P <0.05 ），不动时间缩短 29% （ P <0.05 ）；高架十字迷宫实验中，与酒精组相比， HDPs 干预组闭臂停留时间显着减少至 195.6±10.3 s （ P <0.05 ），开放臂进入次数显着增加 26% （ P <0.05 ））；还 可降低酒精诱导的脑组织氧化应激与 DNA 损伤水平， ROS 、 MDA 分别降低 5.4% 、 29.5% （ P <0.05 ）， T-AOC 提 高 10.9% ，上调脑海马组织中 Claudin-1 （ 2.2 倍）和 ZO-1 （ 0.1 倍）蛋白的表达；并调节脑组织谷氨酸代谢通路， 提高甘氨酸（ 19.7% ）、谷光甘肽（ 25% ）、琥珀酸（ 22.6% ）等代谢物水平。结论： HDPs 可有效改善酒精对小鼠 神经行为的影响，其机制或可能通过抗氧化、保护紧密连接蛋白和调节谷氨酸代谢通路发挥作用，研究结果可为 扩展枳椇资源在食品领域中的应用提供理论依据。
人工智能生物信息学：组学和组间研究工具的开发和应用
半个世纪以来，生物信息学和计算生物学提供了工具和数据分析方法，因此组学时代的开始对研究人员来说代表了一个新的挑战，它从信息学、数学和统计学领域汇聚到生物信息学领域。在大多数情况下，所提供的解决方案似乎难以供生物医学领域的研究人员使用。这种情况尤其发生在将数据科学和人工智能 (AI) 领域的复杂方法应用于生物医学数据时 (Lisboa 等人，2000 年)。机器学习、统计学习和软计算方法（例如深度神经网络或遗传算法）也已成为生物世界中使用的术语，但对其潜力的理解并不完整（Pavel 等人，2016 年；Lin 和 Lane，2017 年；Zeng 和 Lumley，2018 年）。近年来，组学、多组学和组间实验为生物学研究迈出了新的一步，为个性化医疗打开了窗口，例如用于诊断（Riemenschneider 等人，2016 年）。医学大数据时代即将到来，代表着又向前迈出了一步。考虑到这一点，我们的研究主题介绍了生物和医学领域人工智能的新发展，以及它们在组学和组学间方法的高通量数据分析中的应用（Facchiano 等人）。
基于D-Wave Advantage 的量子退火公钥密码攻击算法研究
抽象量子计算对加密安全性提出了令人兴奋但艰巨的挑战。各种量子计算机在攻击RSA方面的进步显然迟钝。与关键技术（例如通用量子计算机上的误差校正代码）所施加的约束相反，D-Wave特殊量子计算机的关键理论和硬件开发的发展显示出稳定的生长轨迹。量子退火是D-WAVE特殊量子计算背后的基本原理。它具有独特的量子隧道效应，可以跳出传统智能算法容易陷入的局部极端。可以将其视为具有全球优化能力的人工智能算法。本文使用纯量子算法和量子退火与经典算法相结合以实现RSA公共密钥加密攻击（分解大型Integer N = PQ），介绍了两种基于量子退火算法的技术方法。一种是将加密攻击的数学方法转换为组合优化问题或指数空间搜索
激光诱导制备芳纶纤维基石墨烯的探索及研究
Technology, 2021, 201: 108541.[19] Steinke K, Groo L, Sodano H A. Laser induced graphene for in situ ballistic impact damage and delamination detection in aramid fiber reinforced composites [J].Composites Science and Technology, 2021, 202: 108551.[20] 杜晓云 , 李金宝 , 杨斌 , 等 .芳纶树脂液浸渍协同冷压 光制备高强度间位芳纶纸的研究 [J].中国造纸 , 2024, 43(4): 120 - 129.Du X Y, Li J B, Yang B, et al.Study on preparing high strength meta - aramid paper by aramid resin solution impregnation combined with cold pressing[J].China Pulp & Paper, 2024, 43(4): 120 - 129.[21] 关振虹 , 李丹 , 宋金苓 , 等 .易染间位芳纶的制备及其 性能 [J].纺织学报 , 2023, 44(6): 28 - 32.Guan Z H, Li D, Song J L, et al.Preparation and properties of dyeable meta - aramid fiber[J].Journal of Textile Research, 2023, 44(6): 28 - 32.[22] 朱文豪 , 宋欢 , 丁娉 , 等 .沉析纤维长度对间位芳纶纸 性能的影响 [J].中国造纸 , 2024, 43(1): 109 - 115.
基于新能源发电改进型移相全桥变换器研究
中图分类号 ： TM561 Analysis of Improved Phase-shift Full-bridge Converter for New Energy Generation ZENG Zhihui 1, 2 LIU Yunpeng 1, 2 ZHANG Linmei 1, 2 YANG Ming 1, 2
个人简历 (CV) - 顾氏研究组
个人简历 (CV) Grace X. Gu 博士 助理教授 加州大学伯克利分校 机械工程系 电子邮件：ggu@berkeley.edu (a) 专业任命 2018 年至今：加州大学伯克利分校机械工程助理教授 (b) 教育背景 密歇根大学，密歇根州安娜堡；机械工程；理学学士，2012 年 麻省理工学院，马萨诸塞州剑桥；机械工程；硕士，2014 年 麻省理工学院，马萨诸塞州剑桥；机械工程；博士，2018 年 (c) 精选出版物 40. Z Zhang、JH Lee 和 GX Gu。具有定制电动力耦合的压电超材料的合理设计，极端力学快报，2022 年 39. V Shah、S Zadourian、C Yang、Z Zhang 和 GX Gu。用于预测碳纤维增强复合材料力学性能的数据驱动方法，材料进展，2022 38. Z Zhang、Z Jin 和 GX Gu。使用混合物理和数据驱动框架的高效气动驱动建模，Cell Reports Physical Science，2022 37. S Lee、Z Zhang 和 GX Gu。用于具有优异力学性能的晶格结构的生成机器学习算法，材料视野，2022 36. Z Zhang、Z Zhang、F Di Caprio 和 GX Gu。用于加速双层复合结构设计过程的机器学习，复合结构，2022 35. K Brown 和 GX Gu。智能增材制造的维度，先进智能系统，2021 34. B Zheng、Z Zheng 和 GX Gu。通过高斯过程元模型对石墨烯气凝胶力学性能的不确定性量化和预测，Nano Futures，2021 33. YT Kim、YS Kim、C Yang、GX Gu 和 S Ryu。使用主动迁移学习和数据增强的材料设计空间探索深度学习框架，npj 计算材料，2021 32. F Sui、R Guo、Z Zhang、GX Gu 和 L Lin。用于数字材料设计的深度强化学习，ACS Materials Letters，2021 31. CT Chen 和 GX Gu。使用深度神经网络学习隐藏弹性，美国国家科学院院刊，2021 30. AY Chen、A Chen、J Wright、A Fitzhugh、A Hartman、J Zeng 和 GX Gu。构建参数对多喷射熔合生产的聚合物材料机械行为的影响，先进工程材料，2021 29. K Demir、Z Zhang、A Ben-Artzy、P Hosemann 和 GX Gu。使用神经网络进行金属增材制造缺陷预测的激光扫描策略描述符。制造工艺杂志，2021
人胎盘中的单细胞转录组研究
人胎盘是支持胎儿发育的母亲和胎儿之间的复杂且异质的器官接口。对胎盘结构成分的改变与各种妊娠并发症有关。在正常和患病的胎盘中揭示了各种胎盘细胞类型之间的异质性，以及在胎盘细胞群体中阐明分子相互作用，在过去的几年中，已经采用了一种称为单细胞RNA-Seq（或SCRNA-SEQ）的新基因组技术。在这里，我们回顾了SCRNA-SEQ技术的原理，并总结了胎龄以及妊娠并发症（例如早产出生和先兆子痫）在SCRNA-SEQ水平上的最新人体胎盘研究。我们列出了用于公共使用的计算分析平台和资源。最后，我们讨论了胎盘单细胞研究的未来感兴趣领域，以及完成它们所需的数据分析。繁殖（2020）160 R155 – R167
可卡因成瘾的蛋白质组机器学习研究
摘要：尽管经过数十年的努力，但美国食品和药物管理局尚未批准任何一种抗可卡因成瘾药物。主要的挑战是可卡因成瘾的分子机制错综复杂，涉及多巴胺转运蛋白上游和下游蛋白质之间的协同相互作用。然而，用传统实验很难研究如此多的蛋白质，这凸显了该领域对创新策略的需求。我们提出了一个蛋白质组信息机器学习 (ML) 平台，用于发现近乎最佳的抗可卡因成瘾先导化合物。我们分析了可卡因依赖的蛋白质组蛋白质-蛋白质相互作用网络，以确定 141 个相关药物靶点，并建立了 32 个 ML 模型，用于对 60,000 多种候选药物或实验药物进行跨靶点分析，以了解其副作用和重新利用潜力。我们进一步预测了它们的 ADMET（吸收、分布、代谢、排泄和毒性）特性。我们的平台显示，基本上所有现有的候选药物都在跨目标和 ADMET 筛选中失败，但确定了几个近乎最佳的线索以供进一步优化。