XiaoMi-AI文件搜索系统
World File Search System组合的
评论文章讨论基于医学和工程的跨学科组合的中风偏瘫的康复
中风是一种严重的脑血管疾病，其特征是突然和急性发作和快速神经系统疾病，这是世界上的残疾和第二大死亡原因的主要原因[1]，剩下80％的患者终生神经学界定的患者[2]。随着全球衰老问题越来越严重，中风与年龄之间的正相关意味着中风的发生率只会继续上升。中风的发生率也趋向于年轻的患者，这是由于不规则的工作生活和不经常休息，压力和焦虑感，饮食习惯不良以及许多其他原因的因素。偏瘫是中风的最常见症状之一，并且通过降低执行日常生活活动的能力来影响患者的生活质量。偏离偏瘫患者的康复在社会和医学上引起了极大的关注，但严重缺乏康复治疗师会导致
基于 NaNi 0.7 Co 0.3 O 2 、Na 2 MnO 3 和 NaCoO 2 组合的新型钠离子电池正极材料：合成与表征
摘要：通过溶胶-凝胶法制备了几种组合，包括 (1-xy) NaNi 0.7 Co 0.3 O 2 、xNa 2 MnO 3 和 yNaCoO 2 体系。已经应用化学计量的 NaNO 3 、Mn (Ac) 2 ∙4H 2 O、Co (Ac) 2 ⋅ 4H 2 O 和 Ni(NO 3 ) 2 ⋅ 6H 2 O 对 28 个样品进行了测试。我们证明，包括掺杂 Al 的 Na 1.5 Ni 0.117 Co 0.366 Al 0.017 Mn 0.5 O 2 在内的样品是 NIBT 中正极材料的最佳组成，因为该组合中的钴 (Co) 含量低于 NiCoO 2 。从 Co 使用成本和毒性的角度来看，这一点很重要。通过在2.0-4.0V范围内进行循环测试，分析了正极材料的充放电行为。结果表明，此类样品可以高效地消除Co不适合的缺点，也可以替代比Li更便宜的Na。
在非小细胞肺癌中具有小分子和免疫疗法组合的毒性
第四阶段NSCLC中的抽象治疗分层是通过鉴定癌基因驱动突变的指导。具有当前许可的治疗剂的可作用突变包括表皮生长因子受体（EGFR），变性淋巴结淋巴瘤激酶（ALK），ROS-1和BRAF V600的重排。除了小分子疗法的进展外，免疫检查点抑制剂（CPI）的发展已经改变了III期和IV期NSCLC的景观。CPI的成功导致在并发和顺序设置中使用小分子治疗进行了评估。在这篇综述中，我们总结了IV期NSCLC中CPI和酪氨酸激酶抑制剂（TKI）的最新结果，并以并发和顺序方法详细介绍了显着的毒性及其潜在机制。由于发现越来越多的治疗靶标的临床医生越来越重要，可以纠正序列治疗以提供安全有效的治疗。除了第四阶段疾病外，我们还建议关键NSCLC驱动因素的全面分子分析，尤其是在第三阶段疾病中，将有助于告知最佳治疗测序并最大程度地减少潜在毒性。
可再生气体燃料对优化加州可再生能源组合的潜在影响
2 需要大量新的太阳能和/或风能资源来为模型选择的电解可再生氢或甲烷提供服务。然而，这取决于电解可再生燃料与生物可再生燃料的比例。在当前方法中，用于供应电解可再生燃料生产的可再生能源发电的摊销投资已包含在燃料成本中。例如，2 美元/千克氢气将包括可再生电力的成本和电解器的资本成本。
TranSynergy：机制驱动的可解释深度神经网络，用于药物组合的协同预测和途径反卷积
动机药物组合在癌症治疗中显示出巨大的潜力。它们可以减轻耐药性并提高治疗效果。随着抗癌药物数量的快速增长，所有药物组合的实验研究都是昂贵且耗时的。计算技术可以提高药物组合筛选的效率。尽管最近在将机器学习应用于协同药物组合预测方面取得了进展，但仍然存在一些挑战。首先，现有方法的性能不是最优的。仍有很大改进空间。其次，生物学知识尚未完全融入模型。最后，许多模型缺乏可解释性，限制了它们的临床应用。结果我们开发了一个知识支持和自我注意力增强的深度学习模型 TranSynergy，以提高协同药物组合预测的性能和可解释性。TranSynergy 经过精心设计，可以通过细胞系基因依赖性、基因-基因相互作用和全基因组药物-靶标相互作用明确地模拟药物作用的细胞效应。开发了一种新颖的 Shapley 加性基因集富集分析 (SA-GSEA) 方法来对有助于协同药物组合的生物途径进行反卷积，并提高模型的可解释性。大量基准研究表明，TranSynergy 的表现明显优于最先进的方法，表明机制驱动的机器学习具有潜力。与协同组合相关的新途径被揭示并得到实验证据的支持。它们可能为识别精准医疗的生物标志物和发现新的抗癌疗法提供新的见解。对于治疗选择很少的卵巢癌，几种新的协同药物组合被高度可信地预测出来。
DOI:10.31557/APJCP.2020.21.5.1259 橙皮素和阿霉素组合的细胞毒性和抗转移活性
HER2 是表皮生长因子受体家族之一，可启动各种信号通路，包括细胞增殖、存活、分化、血管生成和侵袭。HER2 扩增导致 HER2 过表达，这在各种类型的癌症中都有发现，例如乳腺癌、胃癌、食道癌、卵巢癌和子宫内膜癌 (Iqbal and Iqbal, 2014)。此外，HER2 过表达会促进化疗耐药性并增加转移能力 (De Potter, 1994; Knuefermann et al., 2003)。因此，HER2 成为癌症的靶向治疗方法之一。此外，人们已尝试了该问题并取得了一些新发现，例如针对 HER2 的抗体和小分子，但它仍然存在一些缺点，例如产生癌症耐药性和相对昂贵。因此，仍需开发针对 HER2 的新型化疗药物。
癌症药物组合的机器学习
利益冲突：YG 个人从 Eli Lilly and Company、Genentech Inc、F. Hoffmann-La Roche AG 和 Cleerly Inc 获得报酬；持有 Cleerly Inc 和 Ann Arbor Algorithms Inc 的股权；以研究合同的形式从 Merck KGaA 获得研究支持，以无限制捐赠的形式从 Ryss Tech 获得研究支持。所有其他作者声明与本作品没有利益冲突。
抗癌药物组合的疗效和安全性
摘要 数百项试验正在进行中，以评估新型靶向药物和免疫疗法的组合。我们的目的是比较组合药物与单一非细胞毒性抗癌药物的疗效和安全性。我们在 PubMed（2001 年 1 月 1 日至 2018 年 3 月 6 日）（对于免疫疗法，我们在 ASCO 和 ESMO 摘要（2016 年至 2018 年 3 月））中搜索了比较单一非细胞毒性药物（靶向、激素或免疫疗法）与另一种非细胞毒性伴侣组合的随机临床试验。使用线性混合效应模型（根据 PRISMA 报告的指南）在荟萃分析中评估了疗效和安全性终点。我们纳入了 95 项随机对照（单一与联合非细胞毒性疗法）（59.4%，II 期；41.6%，III 期试验）（29,175 名患者（实体瘤））。最常见的组合包括激素药物和靶向小分子（23%）。与单一非细胞毒性药物相比，添加另一种非细胞毒性药物可提高反应率（比值比 [OR]=1.61，95%CI 1.40-1.84）并延长无进展生存期（风险比 [HR] =0.75，95%CI 0.69-0.81）和总生存期（HR=0.87，95%CI 0.81-0.94）（所有 p<0.001），其中免疫疗法组合与更长生存期之间的关联最为明显。与单一药物相比，联合用药还显著增加了高级别毒性的风险（OR=2.42，95%CI 1.98-2.97）（最明显的是免疫疗法和小分子抑制剂）和至少可能与治疗相关的死亡率（OR：1.33，95%CI 1.15-1.53）（两者 p<0.001）（绝对死亡率 = 0.90%（单一药物）vs 1.31%（联合用药））。总之，在随机癌症临床试验中，非细胞毒性药物联合用药与单一疗法相比降低了安全性，但提高了疗效，根据生存期的延长，平衡倾向于联合治疗。
基于地面组合的大地水准面测定...
韩国区域重力大地水准面模型是利用重力测量、全球重力势能模型和高分辨率数字地形模型等异构数据开发的。高精度重力大地水准面模型是支持构建高效且成本较低的 GPS 高度系统的基础，它需要许多重力观测数据，这些观测数据由多种传感器或平台获取。特别是航空重力测量在过去三十年中被广泛用于测量地球重力场，以及传统的地球物理表面测量。因此，有必要了解每次重力测量的特征，例如测量表面和所涉及的地形，并将它们集成到引用同一重力场的统一重力数据库中。本论文阐述了将韩国两种可用重力数据（一种是在地球表面获得的陆地数据，另一种是在高空测量的航空数据）结合起来的方法，并展示了基于这些数据的大地水准面模型的可达到的精度。发现由于地面重力数据与航空重力数据性质不同，二者之间存在一定的偏差，而布格回归确定的地形影响可以明显减小这种偏差，因此应将地面重力数据合并为一个统一的数据库。
... 叶际真菌组合的结构
致谢本论文工作是无数次合作和会议的结果，因此很难感谢所有人，但我会尽力而为。我首先要感谢 Marie-Laure Desprez-Loustau，她对我的监督同时给了我几乎完全的自由。他的乐观、他的观点以及我们无数次的讨论让我的思想更加成熟，并不断改进我的工作。接下来，我要感谢 Corinne Vacher，感谢她在这三年里给予我的不懈支持。我们几乎每天的互动在各个方面都给我带来了很多。我还要感谢 Cécile Robin，感谢她的及时帮助以及她始终相关且有效的校对。感谢 Aurore Coince、Emmanuel Defossez、Marc Buée、Benoit Marçais、Georges Kunstler 在 BACCARA 项目框架内的合作。非常感谢 Xavier Capdevielle，感谢他在该领域的宝贵帮助以及我们在 Pierrefite 或比利牛斯山脚下进行的不那么严肃的讨论。还要感谢 Olivier Fabreguettes、Martine Martin 和 Gilles Saint-Jean 在真菌学和分子生物学实验室中提供的帮助。感谢 Nicolas Feau、Benoit Barrès、Virgil Fievet 和 Cyril Dutech 在咖啡角或乒乓球桌上进行的各种讨论。最后，感谢我的朋友和家人这三年来的支持。