XiaoMi-AI文件搜索系统
World File Search System素体
用于评估胰岛素敏感性和葡萄糖代谢的体内技术
胰高血糖素是由胰腺α细胞分泌的29个氨基酸胰肽激素。它是源自前体激素progucagon的，它也是胰高血糖素样肠肽的前体（Sandoval＆D'Alessio 2015）（图1）。已有近50年的历史，胰高血糖素被认为是相反的胰岛素作用的高血糖因子，并已在药理学上用于纠正胰岛素诱导的低血糖。最近，研究提高了我们对胰高血糖素的生理学的理解，其在糖尿病的因果关系中的潜在作用及其与其他肠激素在调节代谢方面的协同作用。在本文文章中，我们旨在总结胰高血糖素及其转化方面的已知影响。我们将首先回顾胰高血糖素在正常生理和糖尿病中的作用，然后讨论如何将该领域的研究转化为代谢状况的治疗。
KLF15的丧失通过抑制子宫内膜异位症
胰高血糖素是由胰腺α细胞分泌的29个氨基酸胰肽激素。它是源自前体激素progucagon的，它也是胰高血糖素样肠肽的前体（Sandoval＆D'Alessio 2015）（图1）。已有近50年的历史，胰高血糖素被认为是相反的胰岛素作用的高血糖因子，并已在药理学上用于纠正胰岛素诱导的低血糖。最近，研究提高了我们对胰高血糖素的生理学的理解，其在糖尿病的因果关系中的潜在作用及其与其他肠激素在调节代谢方面的协同作用。在本文文章中，我们旨在总结胰高血糖素及其转化方面的已知影响。我们将首先回顾胰高血糖素在正常生理和糖尿病中的作用，然后讨论如何将该领域的研究转化为代谢状况的治疗。
血管紧张素受体抑制剂与血管紧张素转换酶抑制剂或血管紧张素受体阻滞剂Myocardi
荟萃分析中总共包括八项临床试验。六项研究分析了Sacubitril/Valsartan和ACEI组合。合并的分析报告说，与单独的ACEI组相比，Sacubitril/Valsartan的低血压风险（相对风险{RR}：1.29 {1.18，1.41}）显着增加。此外，与单独使用ACEI相比，使用Sacubitril/valsartan组合后，在使用sacubitril/valsartan组合后，在左心室射血分数（LVEF）中观察到显着增加（RR：3.08 {2.68，4.48}）。Furthermore, no significant difference was observed between the groups in terms of mortality rate (RR: 0.86 {0.73, 1.02}), the risk of heart failure (RR: 0.62 {0.39, 1.00}), the frequency of recurrent MI (RR: 0.86 {0.27, 2.76}), and the mean difference of N-terminal pro-B-type natriuretic两组之间的肽（nt-probnp）（加权平均差异{wmd}：-174.36 {-414.18，65.46}）。然而，事实证明，Sacubitril/valsartan组合有益于显着降低重大不良心脏事件（MACE）（RR：0.64 {0.48，0.84}）和重新解释性化（RR：0.53 {0.53 {0.39，0.71}），与ACEI POST MI相比。另外，在两项研究中报道了Sacubitril/Valsartan和ARB的组合。与单独使用ARB使用相比，Sacubitril/valsartan组合组中MI的NT -ProBNP浓度显着降低（WMD：-71.91 {-138.43，-5.39}）。然而，两组之间的LVEF（WMD：0.88 {-5.11，6.87}）的改善中没有观察到显着差异。
使用密集欧洲几何改进射线几何...
目前，GPS观察允许使用断层扫描衍生4-D大气（对流层或电离层）模型。为此，GPS数据用于估计对流层的倾斜对流层延迟（STD）（例如，Pottiaux，2010年）和电离层的倾斜总电子含量（STEC）（例如Bergeot等，2010）。层析成像方法包括通过体素（代表对流层或电离层）的体素离散数量（体素为3D像素，图1）。这允许在断层网格分辨率下获取有关这些参数的分布变化的信息（Mitchell和Spencer，2003年）。在不久的将来，使用Glonass和Future Galileo系统以及增加地面GNSS网络增加了STD和STEC的观察结果，这将减少对先验信息的依赖，最终导致大气中的层析成像主要基于数据（Bust and Mitchell，Mitchell，2008; Bender and Rababe，2007年）。
结合达沙替尼和槲皮素的鼻溶疗法通过促进促抗代谢介体的释放
。cc-by-nc 4.0国际许可（未获得同行评审证明），他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权持有人，该版本发布于2024年6月12日。 https://doi.org/10.1101/2024.01.08.574644 doi：Biorxiv Preprint
研究论文 静息状态下原发性眼睑痉挛患者的体素级全脑功能连接异常
背景。原发性眼睑痉挛 (BSP) 是最常见的局灶性肌张力障碍之一，其病理生理机制尚不清楚。采用无偏方法观察静息状态下 BSP 患者的全脑功能连接 (FC) 变化。方法。共招募 48 名受试者，包括 24 名未经治疗的 BSP 患者和 24 名健康对照者，进行功能性磁共振成像 (fMRI)。采用全脑 FC (GFC) 方法分析静息态 fMRI 数据。我们设计了支持向量机 (SVM) 方法来确定是否可以利用 GFC 异常来区分患者和对照组。结果。与健康对照者相比，BSP 患者的双侧上内侧前额皮质/前扣带皮层 (MPFC/ACC) 的 GFC 显著降低，而右侧中央后回/中央前回/副中央小叶、右侧上额叶 (SFG) 和左侧副中央小叶/补充运动区 (SMA) 的 GFC 升高，这些区域均包含在默认模式网络 (DMN) 和感觉运动网络中。SVM 分析表明，右侧中央后回/中央前回/副中央小叶中升高的 GFC 值可将患者与对照者区分开来，最佳准确度、特异度和灵敏度分别为 83.33%、83.33% 和 83.33%。结论。本研究表明感觉运动网络和 DMN 相关脑区 GFC 异常可能是 BSP 病理生理的基础，这为理解 BSP 提供了新的视角。右侧中央后回/中央前回/中央旁小叶的 GFC 可作为潜在的生物标志物，用于区分 BSP 患者和对照组。
听觉中的Uences运动大脑区域中的先前上下文...
使用了不同可能的回归器的子集：（1）从初始条件来看； （2）扩展上下文条件（见图1）。为了探索整个组的条件和上下文分析的主要影响，我们采用了voxel-type I误差阈值的α= 0.03，并使用群集范围方法来校正多个比较[23]。超过校正的集群I型误差阈值α= 0.006（k> 1055素体，在空间范围内等效到15个原始未恢复的体素）进行进一步分析，以确定类别特异性主要效应的方向性并测试相互作用。鉴于群集范围方法不如假发现率（FDR）或家庭明智误差（FWE）那么严格，因此我们选择了α= 0.03。使用这些1055素素二级随机
Infinicube：无界和可控的动态3D ...
我们在Finube中提出，这是一种可扩展的方法，用于生成具有高量和可控性的非边界动态3D驾驶场景。以前的场景生成方法遭受有限的尺度或缺乏生成序列的几何和表现一致性。在很重要的情况下，我们利用可扩展的3D表示和视频模型中的最新进步来实现大型动态场景生成，从而可以通过高清地图，车辆边界框和文本描述来实现灵活的控制。首先，我们构建了一个基于地图的基于地图的稀疏体3D生成模型，以释放其无限素素的能力。然后，我们通过一组精心签名的像素一致的指导缓冲液重新使用视频模型，并将其扎根于体素世界，从而综合了一致的外观。最后，我们提出了一种快速的前进方法，该方法使用体素和像素分支来将动态视频提升为动态的3D高斯，并具有控制 -
脂肪因子、瘦素/脂联素比率和 C- 之间的关系...
目的：2 型糖尿病患者血浆脂肪因子和/或炎症参数的变化尚不明确，无法确定其是由肥胖引起还是与糖尿病状态直接相关。我们的目标是比较肥胖非糖尿病人群和非肥胖 2 型糖尿病患者的血浆脂联素、瘦素、瘦素/脂联素比率 (LAR) 和 hs-CRP，并确定这些脂肪因子与 MetS 和糖尿病相关数量性状的关联。方法：本研究招募了 92 名年龄在 25 – 60 岁之间的也门男性志愿者，其中 31 名是 BMI < 25 kg/m 2 的健康人群作为对照组；30 名非糖尿病肥胖人群 BMI ≥ 30 kg/m 2 且 FBG < 6.1 mmol/l；以及 31 名 FBG > 7 mmol/l 和 BMI < 25 kg/m 2 的非肥胖 2 型糖尿病患者。结果：肥胖患者的脂联素水平较低，非肥胖 2 型糖尿病患者和对照组之间没有差异。相反，肥胖和非肥胖 2 型糖尿病患者的瘦素、LAR 和 hs-CRP 水平较高。线性回归分析显示，脂联素与 BMI、腰围、胰岛素、HOMA-β 和 HOMA-IR 呈负相关，而瘦素、LAR 和 hs-CRP 与 BMI、腰围、TG、FBG、胰岛素、HOMA-β 和 HOMA-IR 呈正相关。此外，脂联素与瘦素、LAR 和 hs-CRP 呈负相关，而瘦素和 LAR 与 hs-CRP 以及彼此之间呈正相关。结论：血浆脂联素不受糖尿病本身的影响，这表明其在 2 型糖尿病中的改变可能是由于肥胖引起的，并且可能是肥胖、IR 和 2 型糖尿病之间的重要联系。
2019财年专利申请技术趋势调查（航天器）
中国空间技术研究院 (中国) 643 26,135 30 空客 (欧洲) 611 13,954 67 波音 (美国) 430 14,624 88 Energiya (俄罗斯) 430 7,401 37 三菱电机 279 89,137 20 IHI 201 13,657 28 泰雷兹 (欧洲) 153 6,495 54 三菱重工 131 27,823 16 霍尼韦尔 (美国) 117 19,431 7 雷神 (美国) 105 5,383 3 斯奈克玛 (欧洲) 102 4,363 6 太空系统/劳拉 (美国) 58 168 12 Viasat (美国) 1 685 0 蓝色起源 (美国) 12 19 1 SpaceX（美国） 1 10 9 Rocket Lab（美国） 5 5 0 北京零度空间科技公司（中国） 2 24 0 Mojave Aerospace Ventures（美国） 2 2 0 PLD space（西班牙） 0 0 0 Reaction Engines（英国） 6 13 4 Relativity Space（美国） 0 2 0 Skyrora（英国） 0 0 0 Oneweb（美国） 11 29 0 Blacksky（美国） 0 0 0 Capella Space（美国） 0 0 0 Hawkeye360（美国） 0 6 0 Iceye（芬兰） 0 1 0 OHB System（德国） 1 8 20 Planet（美国） 5 27 2 Spire Global（美国） 6 22 0 ispace（日本） 7 13 1 Planetary Resources（美国） 4 4 1 Astroscale 12 12 0 D-Orbit (意大利) 4 4 0 NASA (美国) 91 1,924 959 日本宇宙航空研究开发机构 119 500 473 国防科技大学 (中国) 69 6,274 280 哈尔滨工业大学 (中国) 338 25,237 274 加州理工学院 (美国) 19 2,648 314 韩国航空宇宙研究院 (韩国) 436 2,739 72