XiaoMi-AI文件搜索系统
World File Search System紧密
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。
自动检测和表征紧密...
空间领域感知的一个基本方面是能够探测和描述目标卫星附近的物体。在地面光学望远镜监测 GEO 卫星的情况下，由于物体的暗淡以及大气模糊和光学系统的衍射极限对角分辨率的限制，这种“近距离物体”（CSO）问题变得具有挑战性。本文介绍了在 AMOS 进行的基于散斑干涉法的 CSO 实验，散斑干涉法是一类允许从一系列短曝光图像中恢复高空间频率信息的技术。散斑干涉法不需要自适应光学 (AO)，因此在光线不足以进行被动 AO 且操作激光导星不切实际的情况下仍然有用。
紧密耦合的全局位置测量融合...
摘要 — 为了实现长期自主导航中稳健、无漂移的姿态估计，我们在本文中提出了一种将全局位置信息与视觉和惯性测量融合在一起的方法，该方法是基于紧耦合非线性优化的估计器。与以前的松散耦合研究不同，使用紧耦合方法可以利用所有测量之间的相关性。通过最小化包括视觉重新投影误差、相对惯性误差和全局位置残差的成本函数来估计最新系统状态的滑动窗口。我们使用 IMU 预积分来制定惯性残差，并利用这种算法的结果来有效地计算全局位置残差。实验结果表明，所提出的方法实现了准确且全局一致的估计，优化计算成本的增加可以忽略不计。我们的方法始终优于松耦合融合方法。与室外无人机 (UAV) 飞行中的松耦合方法相比，平均位置误差降低了 50%，其中全局位置信息由嘈杂的 GPS 测量提供。据我们所知，这是第一项在基于优化的视觉惯性里程计算法中紧密融合全局位置测量的工作，利用 IMU 预积分方法定义全局位置因子。
健康和学习在身体上紧密相连
发育时机至关重要。科学告诉我们，怀孕期间和出生后头几年的经历和接触会以多种方式影响正在发育的生物系统，而这些影响以后很难改变。例如，如果女性在怀孕期间承受过度压力、营养不良或接触有毒环境，她的孩子正在发育的器官、压力反应和代谢系统甚至会受到影响，甚至会持续到成年，患心脏病、肥胖症、糖尿病和精神健康问题的风险也会增加。
通过连续且可控的超紧密MXENE纤维...
©2022作者。本文根据创意共享4.0国际许可，允许以任何中等或格式的使用，共享，适应，分发和复制，因为您将适当的信用归功于原始作者和这些作者，并提供了与创意共享许可证的链接，并指出了IFCHANGES的链接。本文章中的图像或其他第三方材料包含在文章的Creative Commons许可中，除非在材料的信用额度中另有指示。如果本文的创意共享许可中不包含材料，并且您的预期使用不受法定法规的允许或超过允许的使用权，则您需要直接从版权所有的人获得许可。要查看此许可证的副本，请访问http://creativecommons.org/licenses/4.0/。
找到能量系统建模的紧密而紧凑的模型
要在2050年实现气候目标，需要准确的能源系统优化（MIP）模型来帮助决策者制定投资计划。为了提高这些MIP模型的准确性，需要在时间和空间维度上进行高分辨率，以及有关能量发生器的运行能力的许多细节。但是，这会导致大规模模型，其中最佳解决方案无法在任何刻薄的计算时间内获得，甚至是使用最佳求解器的超级计算机。因此，研究人员经常寻求计算障碍和准确性之间的正确权衡。仍然忘记，从紧密度和紧凑性方面改善现有模型配方已经可以提高计算速度。如果LP - 放射率更接近MIP模型的凸壳，则配方的紧密度会发生。公式的紧凑性取决于约束矩阵中约束，变量和非零元素的（相对）数量。在我的演讲中，我想分享不同的方法来获取和证明紧密而紧凑的MIP模型，以改善大规模优化问题的计算障碍，并就我们如何自动进行更广泛的规模进行讨论，并就我们如何更自动地进行此操作。
在部分信息下进行分类的紧密界限
排序是理论计算机科学中的基本算法问题之一。它具有自然概括，由弗雷德曼（Fredman）于1976年引入，称为部分信息。The input consists of: - a ground set X of size n , - a partial oracle O P (where partial oracle queries for any ( x i , x j ) output whether x i ≺ P x j , for some fixed partial order P ), - a linear oracle O L (where linear oracle queries for any ( x i , x j ) output whether x i < L x j , where the linear order L extends P ) The goal is to recover the linear order使用最少数量的线性甲骨文查询在X上l。在此问题中，我们通过三个指标来测量算法复杂性：o l的线性甲骨文查询数量，部分甲骨文查询的数量和所花费的时间（识别哪个对（x i，x J）部分或线性oracle查询所需的算法指令的数量（识别哪个对（x I，x）执行）。令E（P）表示p的线性扩展数。 任何算法都需要最差的库log 2 e（p）线性甲骨文查询才能恢复x上的线性顺序。 在1984年，Kahn和Saks提出了第一个使用θ（log e（p））线性甲骨文查询（使用O（n 2）部分Oracle查询和指数时间）的算法。 从那时起，一般的问题和受限变体都经过一致研究。 一般问题的最新问题是Cardinal，Fiorini，Joret，Jungers和Munro，他们在Stoc'10设法将线性和部分甲骨文查询分为预处理和查询阶段。 他们可以使用O（n 2）部分Oracle查询和O（n 2。）进行预处理P 5）时间。令E（P）表示p的线性扩展数。任何算法都需要最差的库log 2 e（p）线性甲骨文查询才能恢复x上的线性顺序。在1984年，Kahn和Saks提出了第一个使用θ（log e（p））线性甲骨文查询（使用O（n 2）部分Oracle查询和指数时间）的算法。从那时起，一般的问题和受限变体都经过一致研究。一般问题的最新问题是Cardinal，Fiorini，Joret，Jungers和Munro，他们在Stoc'10设法将线性和部分甲骨文查询分为预处理和查询阶段。他们可以使用O（n 2）部分Oracle查询和O（n 2。5）时间。然后，给定o l，它们在θ（log e（p））线性甲骨文查询和o（n + log e（p））时间的x（log e（p））上的线性顺序 - 这在线性甲骨文查询的数量中是最佳的，但在所花费的时间中却没有。我们提出了第一种使用偏隔序数量甲骨文查询的第一个算法。对于任何常数C≥1，我们的算法可以使用O（n 1+ 1