套件允许在患者治疗计划 QA 期间通过大脑和颈部的不同位置进行剂量测量。这可以使用两个平行通道来实现,这两个通道在上下方向上相隔 30 毫米穿过幻影。后通道贯穿脊髓,前孔则钻在脊柱和气管之间具有挑战性、异质性、高剂量梯度的区域。通过在脑腔中相应定位,可将随附的脑等效立方体中的中心孔与前通道或后通道对齐。剂量计可以放置在
MicrofluidX 和 CCRM 合作实现 CAR-T 细胞疗法的端到端生物处理 英国斯蒂夫尼奇和加拿大多伦多,2023 年 1 月 11 日 — MicrofluidX (MFX) 是一家总部位于英国的下一代细胞研究和制造生物反应器供应商,今天宣布与 CCRM 合作,后者是基于再生医学的技术以及细胞和基因疗法的开发和商业化的领导者,通过其下一代平台 Cyto Engine™ 推进慢病毒 (LV) CAR-T 细胞的生产。该项目将满足对更高转导效率、更高转导细胞群体均质性、更短生物处理时间和封闭系统自动化的迫切需求。早期试验(数据可在此处获得)表明,与传统方法相比,MFX 生物反应器中的原代 T 细胞转导效率可提高 5 倍(或病毒消耗量降低 10 倍),均质性提高 2 倍。 “工程慢病毒仍然是 CAR-T 基因编辑最受欢迎的载体,但目前的方法会消耗大量病毒,而细胞产生的载体拷贝数范围很广。这导致人们使用非病毒方法,而这本身也带来了挑战。我们对这次合作感到非常兴奋,因为我们将能够证明事情不必如此。我们平台中的病毒编辑细胞具有高度活力、高度转导和高度同质性,而病毒量仅为以前使用的一小部分,”MicrofluidX 首席执行官 Antoine Espinet 表示。“CCRM 熟练的工艺开发团队一直致力于解决细胞和病毒载体制造中的挑战,包括关闭和自动化流程,我们经常与全球尖端技术提供商合作,”CCRM 总裁兼首席执行官 Michael May 解释道。“与 MicrofluidX 合作的这个项目是一个开发更高效、更低成本的工艺的机会,可以帮助治疗开发人员。当行业能够降低制造成本时,患者将受益。”目前,病毒被设计成载体,将遗传物质带入 T 细胞,增强细胞的特定治疗特性,例如肿瘤检测。然而,这些病毒的生产过程很复杂,因此几微升病毒的成本可能高达数千美元。此外,传统的生物反应器无法精细控制病毒颗粒与细胞的相互作用,导致一部分细胞未受感染,而一部分细胞被多次感染。由于只有受感染的细胞才具有治疗用途,因此需要较长的扩增阶段才能获得可剂量的细胞数量。此外,对重复感染的细胞百分比(载体拷贝数)有严格的放行标准,导致最终产品的产量较低。因此,细胞和基因治疗行业对受控转导平台的需求尚未得到满足,这种平台可以降低病毒消耗,使每个细胞感染率接近一次。此外,对封闭式自动化平台的需求也更为广泛,这种平台可以通过细胞选择、激活、转导、扩增、浓缩和配制,端到端地处理 CAR-T 细胞。MicrofluidX 相信 Cyto Engine™ 平台将满足这些需求,降低细胞治疗制造的成本和时间,并缩短向患者提供救命治疗的时间。通过这个项目,MFX 和 CCRM 将评估 MFX 平台与 CCRM 的流程、员工和设施的能力。反馈将用于进一步改进平台,CCRM 将能够根据其需求设计实验。
摘要PACBIO测序技术提供了最完整,最准确,连续的基因组,并已被用作许多生物多样性,保护和农业类似学计划中的核心技术。在这里,我们在工作流程中提出了重大的进步,这些进步通过提供DNA隔离的方法进一步促进测序工作,并为库准备过程提供了增强的尺寸选择。这些改进应用于各种植物,昆虫和动物样品,并在新的Revio系统上进行了测序,从每个库中产生了90多个GB的数据。
摘要:目前尚无简单、广泛可用的阿尔茨海默病 (AD) 筛查方法,部分原因是 AD 的诊断很复杂,通常涉及昂贵且有时是侵入性测试,而这些测试在高度专业化的临床环境之外并不常见。在这里,我们开发了一个人工智能 (AI) 驱动的端到端系统,用于检测 AD 并直接从语音记录中预测其严重程度。我们系统的核心是预先训练的 data2vec 模型,这是第一个适用于语音、视觉和文本的高性能自监督算法。我们的模型在 ADReSSo(仅通过自发语音识别阿尔茨海默氏症痴呆症)数据集上进行了内部评估,该数据集包含描述 Cookie Theft 图片的受试者的语音记录,并在 DementiaBank 的测试数据集上进行了外部验证。AI 模型可以在保留和外部测试集上分别以平均曲线下面积 (AUC) 0.846 和 0.835 检测 AD。该模型经过了良好的校准(Hosmer-Lemeshow 拟合优度 p 值 = 0.9616)。此外,该模型可以仅根据原始语音记录可靠地预测受试者的认知测试分数。我们的研究证明了使用人工智能驱动的端到端模型直接基于语音进行早期 AD 诊断和严重程度预测的可行性,并展示了其在社区环境中筛查阿尔茨海默病的潜力。
与非临床安全性研究的情况一样,兔子接受的剂量需要比人类剂量高出几倍,这就要求每只眼睛植入多达六个植入物。植入物数量众多,这既带来了技术和科学挑战。兔子的玻璃体空间小得多(兔子玻璃体总体积约为 1.5 毫升,而人类约为 5 毫升),晶状体较大(兔子约为 8 毫米,而人类约为 4 毫米)。这些因素增加了植入物在注射过程中以及注射后接触眼后节软组织的风险。在设计研究时需要特别考虑,以确保可以识别、在整个研究过程中监测给药过程中产生的任何病变,并最终将其与 API 相关效应区分开来。
摘要 — 在脑机接口 (BCI) 中,大多数基于事件相关电位 (ERP) 的方法都侧重于 P300 的检测,旨在对拼写任务进行单次试验分类。虽然这是一个重要的目标,但现有的 P300 BCI 仍然需要多次重复才能达到正确的分类准确率。P300 BCI 中的信号处理和机器学习进步主要围绕 P300 检测部分,而字符分类不在范围之内。为了在保持良好字符分类的同时减少重复次数,解决完整的分类问题至关重要。我们引入了一个端到端流程,从特征提取开始,由使用概率黎曼 MDM 的 ERP 级分类组成,该分类使用跨试验的贝叶斯置信度积累提供字符级分类。现有方法仅在字符闪现时增加其置信度,而我们新的管道,称为黎曼概率贝叶斯累积 (ASAP),在每次闪现后更新每个字符的置信度。我们提供了此贝叶斯方法的正确推导和理论重新表述,以便无缝处理从信号到 BCI 字符的信息。我们证明我们的方法在公共 P300 数据集上的表现明显优于标准方法。
摘要——本文开发了一个基于 FPT.AI 的文本转语音 (TTS) 应用程序,可将越南语文本转换为口语。该应用程序支持 Django for Python 开发,形式为一个交互式网站,通过其应用程序编程接口 (API) 连接到 FPT.AI 服务器。该应用程序支持将文本转换为七种不同的越南语。七种声音中有四种通常用于在单组操作中转换多达 500 个字符,而其他几种则支持 400 个字符。根据获得的结果,第一次转换时间需要 10 秒才能将 400 个字符的文本转换为语音,而接下来几次,给定相同的文本,转换时间不到 1.8 秒。这适用于所有声音。
摘要:基于运动的脑机接口 (BCI) 很大程度上依赖于运动意图的自动识别。它们还允许患有运动障碍的患者与外部设备进行通信。提取和选择判别特征通常会增加计算机的复杂性,这是自动发现运动意图的问题之一。这项研究介绍了一种利用脑电图数据自动对二类和三类运动意图情况进行分类的新方法。在建议的技术中,原始脑电图输入直接应用于卷积神经网络 (CNN),而无需提取或选择特征。根据先前的研究,这是一种复杂的方法。建议的网络设计包括十个卷积层,后面是两个完全连接的层。由于其准确性高,建议的方法可用于 BCI 应用。
隐私国际希望在保留版权的同时,尽可能广泛地传播其作品。隐私国际拥有开放获取政策,任何人都可以免费在线访问其内容。任何人都可以以任何格式下载、保存、执行或分发此作品,包括翻译,无需书面许可。这受知识共享许可契约条款的约束:署名-非商业-禁止演绎作品 2.0 英国:英格兰和威尔士。其主要条件是:
隐私国际希望在保留版权的同时,尽可能广泛地传播其作品。隐私国际拥有开放获取政策,任何人都可以免费在线访问其内容。任何人都可以以任何格式下载、保存、执行或分发此作品,包括翻译,无需书面许可。这受知识共享许可契约条款的约束:署名-非商业-禁止演绎作品 2.0 英国:英格兰和威尔士。其主要条件是:
