XiaoMi-AI文件搜索系统
World File Search System组成的
影响米酒生产区域中环境微生物的多样性和组成的环境因素
摘要：Shaoxing大米葡萄酒是中国米酒的著名典范。它的优质质量与土著自然环境密切相关。结果表明，富公司（75％），肌动杆菌（15％），蛋白质杆菌（5％）和杆菌植物（3％）构成了普遍的细菌组。在主要细菌属中，乳酸杆菌是最丰富的，占49.4％，其次是乳酸菌（11.9％），糖精孢子虫（13.1％），白肿瘤（4.1％）和热乳房（1.1％）。主要的真菌门是Ascomycota和zygomycota。在主要的属中，葡萄糖（59.3％）占据了最丰富的占主导地位，其次是saccharomycopsis（10.7％），曲霉菌（7.1％），温疗（6.2％），根瘤菌（4.9％），梯形（4.9％），梯形（2.2％）和妈妈（1.3％）。发现细菌和真菌群落的结构在环境中保持稳定，其多样性受到气候条件的强烈影响。环境因素（例如温度，气压，湿度，降雨和光线）的连续波动显着影响微生物种群的组成和多样性，尤其是主要的细菌群落。
用于预测基于肠道微生物组组成的自闭症谱系障碍的机器学习算法
摘要：机器学习（ML）技术的应用是协助诊断复杂疾病的可靠方法。最近的研究将肠道微生物的组成与自闭症谱系障碍（ASD）的存在有关，但到目前为止，结果主要是矛盾的。这项工作建议使用机器学习研究肠道微生物组组成及其在ASD早期诊断中的作用。我们使用肠道微生物组成分的公开数据，将支持向量机（SVM），人工神经网络（ANN）和随机森林（ANN）和随机森林（RF）算法分类为神经型（NT）或具有ASD的受试者。天真的贝叶斯，k-neart邻居，合奏学习，逻辑回归，线性回归和决策树也经过训练和验证；但是，提出的表现最好的性能和解释性。使用SAS VIYA软件平台开发了所有ML方法。使用16S rRNA测序技术确定微生物组的组成。ML的应用产生的分类准确性高达90％，灵敏度为96.97％，特异性较高达到85.29％。在ANN模型的情况下，与第一个数据集对NT受试者进行分类时不会发生任何错误，这表明与传统测试和基于数据的方法相比，分类结果显着。使用两个数据集重复这种方法，一个来自美国，另一个来自中国，导致了类似的发现。所获得的模型中的主要预测指标在分析的数据集之间有所不同。从分析的数据集中确定的最重要的预测因素是细菌，lachnospira，anaerobutyricum和ruminococcus torques。值得注意的是，在每个模型中的预测因子中，由于其相对丰度较低，因此存在细菌在微生物组组成中通常被认为是微不足道的。这种结果增强了对微生物组对ASD发展的影响的常规理解，在这种情况下，微生物群的组成的不平衡会导致宿主 - 微生物稳定的破坏。考虑到以前的几项研究集中在最丰富的属，并且被忽略了较小的（并且经常在统计学上显着）微生物群落，因此对此类社区的影响进行了很差的分析。基于ML的模型表明，更多的研究应集中在这些不太丰富的微生物上。一个新的假设解释了这一领域的矛盾结果，并提倡对可能不会表现出统计学意义的变量进行更深入的研究。获得的结果似乎有助于解释有关ASD的矛盾发现及其与肠道菌群组成的关系。虽然某些研究将杆状杆菌/杆菌的比例较高，而其他研究则相反。这些差异与微生物组组成中的少数族裔有密切相关，这在人群之间可能有所不同，但具有相似的代谢功能。因此，在ASD表现中，杆菌/杆菌的比率可能不是决定因素。
加入了案件C-615/20和C-671/20，YP等人（解除法官的免疫力以及他或她免于履行职责）：2023年7月13日的法院（大会）判决（大会）要求（要求从SąGOKRęGOWYW WARSZAWIE-POLAND-CORINT AINS/其他RIMICT）和其他案件（Y）和其他案件（YP）和其他诉讼（YP）和其他裁决（C） - 和其他案件（Y. （C-671/20）（初步裁决的参考 - 第19（1）条TEU的第二款 - 法治 - 法治 - 法治 - 有效的法律保护，在工会法所涵盖的领域中 - 法官的独立性 - 欧盟法律的独立 - 第4（3）条TEU- TEU - 真诚合作的责任 - 裁定法官的免疫措施，以责任降级和裁员IPLIPL IPLISM IPLISM IPMER IPLISM IPMER IPLISP，IPLES IPLISM IPLISM IPLISM IPLIPL IPLISM IPLAINS IMPLAINE I PRIMPER IPLIPL IPLIPL IPLIPL IPLIPL IPLISP， ）s的纳吉维（Poland） - 纳吉维（Poland） - 该会议厅的缺乏独立性和公正性 - 改变法院形成的组成的改变，要求对当时委托该案件的案件进行判决，以委托该案件被委托 - 呼吁在国家法院质疑其合法性或责任其责任的合法性，即在某种程度上宣布的责任，或者是责任的责任，即在某种程度上宣称自己有责任宣传，这是一位有效的责任，即在某种程度上宣布责任依据，或者是诉诸于是一定是有效的，有效地占有一致的责任。法官或其司法权，受纪律处分罚款的义务 - 有关法院的义务，以及有权指定和修改法院形成的构成的机构，不需要取消豁免权的措施，并暂停了有关法官的义务 - 对同一法院和机构的义务，而不是纳特
（初步裁决的参考 - 第19（1）条的第二款 - 法治 - 法治 - 法治的有效法律保护 - 在工会法所涵盖的领域中 - 法官的独立性 - 欧盟法律的独立性 - 第4（3）条TEU - 真诚合作的义务 - 对法官的免疫及其撤销的诉讼及其徒劳的诉讼，该法官降级了i什（Justrimen）的遗迹，并撤销了我的遗留下的遗迹（ Sąd Najwyższy (Supreme Court, Poland) — Lack of independence and impartiality on the part of that chamber — Alteration of the composition of the court formation called on to adjudicate on a case which up to that time had been entrusted to that judge — Prohibitions on national courts calling into question the legitimacy of a court, on undermining its functioning or on assessing the legality or effectiveness of the appointment of judges or of their司法权，受纪律处分的命令 - 对法院的义务以及有权指定和修改法院形成的尸体，不愿取消豁免权的措施，并暂停有关法官的义务 - 同一法院和机构对这些义务的义务，不愿意为这些义务提供这些规定的规定）
对含有复杂多糖化妆品对女性皮肤菌群组成的化妆品的影响的宏基因组学见解
结果和讨论：在80名志愿者的额头和脸颊皮肤样本中总共检测到24个门，其中前三个是蛋白质细菌，富公司和肌细菌。额头皮肤细菌菌群的主要属是Cutibacterium（11.1％），acinetobacter（10.4％），肠球菌（8.9％），ralstonia（8.8％）和葡萄球菌（8.7％） （8.7％），丙酸杆菌（7.9％），动杆菌（7.2％）和双杆菌（6.0％）。与基本奶油相比，含有复杂多糖的化妆品显着增加了额头和脸颊中葡萄球菌和芽孢杆菌的相对丰度，并降低了丙肽和双杆菌的相对丰度。因此，含有复杂多糖的化妆品可以改变皮肤细菌菌群的组成，这可能有助于维持皮肤的稳定条件。
用锌氨基酸补充饮食对犊牛中免疫，抗氧化能力和肠道菌群组成的影响
摘要：这项研究的目的是研究以不同浓度的锌（Zn）氨基酸对犊牛中免疫，抗氧化能力和肠道菌群组成的影响。基于添加到饲料中的锌补充量的量，将24个一个月的健康安格斯犊牛随机分为三组（每组四个男性和四个女性）：40 mg/kg dm； B组，80 mg/kg DM;和C组，120 mg/kg DM。当犊牛达到三个月大（断奶时期）时，实验结束了。与组相比，C组的饮食锌氨基酸含量的增加促进了犊牛的生长，C组平均体重增加增加了36.58％（p <0.05）（p <0.05）。随着饮食锌氨基酸含量的增加，血清免疫功能的指标最初增加然后减少。特别是，A组和B组中免疫球蛋白M的含量高于C组（P <0.05），而B组中白介素-2的含量高于其他两个组（P <0.05）。此外，B组犊牛血清中超氧化物歧化酶和总抗氧化剂的含量高于C组（P <0.05），MDA水平低于C组（P <0.05）。此外，B组肠道肠道菌群中的α多样性高于A组和C组（P <0.05）；主要的门是坚硬和杆菌的，而主要的属是未分类的氯吡啶甲甲状腺顺c和ruminococcus。线性判别分析表明，B组牛肉中细菌的相对丰度高于A组中的小牛的相对丰度，并且与实验组相比，Prevotellaceae-UCG-003的相对丰度更高。调节肠道菌群的平衡，从而促进犊牛的健康生长。
转基因生物对肠道微生物组组成的影响
本论文由 DigitalCommons@CSB/SJU 免费提供给您，供您开放访问。它已被 DigitalCommons@CSB/SJU 的授权管理员接受，并被纳入庆祝奖学金和创造力日 (2018-)。有关更多信息，请联系 digitalcommons@csbsju.edu。
使用Edna metabarcoding建立河流恢复后淡水鱼组成的靶标
需要为鱼类社区组成建立现实的目标来评估河流修复项目的有效性。，我们使用了与米里什底漆的环境DNA（EDNA）元法编码，以获取估计位于日本Ehime ehime Prefecture的Shigenobu River System的上游，下游和恢复缓解项目区域（Kaihotsu - Kasumi）的17个地点（Kaihotsu - Kasumi）的估计。我们评估了使用Edna快速，敏感和广泛收集数据的好处，以在恢复区建立现有的鱼类群落组成，以及物种组合的潜在的短期，中期和长期目标，这些物种组合可能在分散到来自上游和下游群体的项目区域后现实地出现。我们将Edna Metabarcodod的结果与从同时捕获调查和历史信息获得的物种列表进行了比较。从埃德纳（Edna Surveys）获得的社区组成的非衡量多维标度图显示，Kaihotsu - Kasumi恢复区和周围的河流及其河流分为三个簇：上游，中层和下游及河口和河口。Kaihotsu - Kasumi恢复区位点包含在恢复区附近的流入和流出河流的中间和下到达的组中。我们在这一组中检测到了总共26种，二十一种本地物种和五个非本地物种。因此，这些本地物种被认为是短期目标物种，其散布到Kaihotsu - Kasumi恢复区域。相比之下，基于捕获调查和历史文献，只有14种被选为目标物种。增加了我们埃德纳调查的分辨率的一个因素是我们确定存在a anguillicaudatus（进化枝A和B）的种内谱系的能力，这些谱系被捕获调查遗漏了。这些结果表明，与捕获调查相比，EDNA Metabarcoding方法可以提供更全面和现实的短期目标物种估计，并通过种内谱系检测提供更高的分辨率监测。
全基因组对定量性状基因座的检测和候选基因对早期大豆中种子糖组成的预测
摘要：种子糖成分，主要包括果糖，葡萄糖，蔗糖，raf鼻和stachyose，是大豆[甘氨酸Max（L.）Merr。]种子质量。但是，对大豆糖成分的研究是有限的。为了更好地了解大豆种子中糖成分的遗传结构，我们使用了323个大豆种质添加剂的种群进行了全基因组关联研究（GWAS），这些研究在三种不同的环境下进行了生长和评估。在GWAS中选择并使用了总计31,245个单核苷酸多态性（SNP）≥5％（MAFS）≥5％，缺少数据≤10％。与单个糖相关的分析72定量性状基因座（QTL），与总糖相关的14个。在六个染色体的铅SNP的100 kb旋转区域内的十个候选基因与糖含量显着相关。根据GO和KEGG分类，大豆中的糖代谢涉及八个基因，并在拟南芥中显示出相似的功能。另外两个位于与糖相关的已知QTL区域中，可能在大豆的糖代谢中发挥作用。这项研究促进了我们对大豆糖组成的遗传基础的理解，并促进了控制这种特征的基因的鉴定。认同的候选基因将有助于改善大豆中的种子糖成分。
![b'sandwich排列，其中包含捕获目标 - 信号探针。随后通过监测被观察到的甲基蓝（MB）的峰值电流变化来检测到所得的DNA杂交事件，该脉冲伏安法（DPV）被用作氧化还原物种的峰值电流变化，并实现了35 AM的检测极限。 Wang等。 [5]开发了一种基于RGO和锰四苯基 - 苯基苯基苯基二磷酸结构的自组装纳米复合材料的DNA生物传感器，从而导致6 \ XC3 \ X9710 14 M.的检测极限。 [6]采用了由捕获DNA序列组成的转换界面，在玻璃碳电极上官能化RGO，以构造无标记的DNA生物传感器，并达到了4.28 \ XC3 \ X9710 19 M.的检测极限。 Chen等。 [7]还基于由氧化铜纳米线和羧基官能化的单壁碳纳米管（SWCNT）组成的杂化纳米复合材料（SWCNTS）开发了特定的序列DNA检测。 DNA检测是通过循环伏安法和3.5 \ xc3 \ x9710 15 m的检测极限。周等人。 [8]使用化学的RGO电极通过差分脉冲伏安法对ssDNA和dsDNA中的四个DNA碱基的无标记的电化学检测进行了无标记的电极。他们达到了2.0 \ XCE \ XBC M的检测极限，线性浓度范围为0.01至10 mm。在另一个](/simg/9/95e0d0afb2a6a7d5d7547557c83da02f0068910b.webp)
b'sandwich排列，其中包含捕获目标 - 信号探针。随后通过监测被观察到的甲基蓝（MB）的峰值电流变化来检测到所得的DNA杂交事件，该脉冲伏安法（DPV）被用作氧化还原物种的峰值电流变化，并实现了35 AM的检测极限。 Wang等。 [5]开发了一种基于RGO和锰四苯基 - 苯基苯基苯基二磷酸结构的自组装纳米复合材料的DNA生物传感器，从而导致6 \ XC3 \ X9710 14 M.的检测极限。 [6]采用了由捕获DNA序列组成的转换界面，在玻璃碳电极上官能化RGO，以构造无标记的DNA生物传感器，并达到了4.28 \ XC3 \ X9710 19 M.的检测极限。 Chen等。 [7]还基于由氧化铜纳米线和羧基官能化的单壁碳纳米管（SWCNT）组成的杂化纳米复合材料（SWCNTS）开发了特定的序列DNA检测。 DNA检测是通过循环伏安法和3.5 \ xc3 \ x9710 15 m的检测极限。周等人。 [8]使用化学的RGO电极通过差分脉冲伏安法对ssDNA和dsDNA中的四个DNA碱基的无标记的电化学检测进行了无标记的电极。他们达到了2.0 \ XCE \ XBC M的检测极限，线性浓度范围为0.01至10 mm。在另一个
b'sandwich排列，其中包含捕获目标 - 信号探针。随后通过监测观察到的亚甲基蓝（MB）的峰值电流变化来检测所得的DNA杂交事件，该峰值电流变化被用作氧化还原物种，并实现了35 AM的检测极限。Wang等。 [5]基于RGO和锰四苯基孢子的A \ XCF \ X80-偶联结构的自组装纳米复合材料开发了DNA生物传感器，导致6 \ xc3 \ x9710 14M的检测极限，在另一项研究中，在另一项研究中，Ye等。 [6]采用了一个转导界面，该界面由捕获的DNA序列，Aunps和Thionines在玻璃碳电极上官能化RGO来构建无标记的DNA生物传感器，并获得了4.28 \ xc3 \ x9710 199的检测极限。 Chen等。 [7]还基于由氧化铜纳米线和羧基官能化的单壁碳纳米管（SWCNT）组成的杂化纳米复合材料（SWCNTS）开发了特定的序列DNA检测。 DNA检测是通过循环伏安法和3.5 \ xc3 \ x9710 15 m的检测极限。 Zhou等。 [8]使用化学上的RGO电极通过差分脉冲伏安法对ssDNA和dsDNA中的四个DNA碱基的无标记电化学检测进行了。 他们达到了2.0 \ XCE \ XBC M的检测极限，线性浓度范围为0.01至10 mm。 在另一项研究中，Zhang等人。 [9]为特定序列检测制造了无标记的DNA传感器。Wang等。[5]基于RGO和锰四苯基孢子的A \ XCF \ X80-偶联结构的自组装纳米复合材料开发了DNA生物传感器，导致6 \ xc3 \ x9710 14M的检测极限，在另一项研究中，在另一项研究中，Ye等。[6]采用了一个转导界面，该界面由捕获的DNA序列，Aunps和Thionines在玻璃碳电极上官能化RGO来构建无标记的DNA生物传感器，并获得了4.28 \ xc3 \ x9710 199的检测极限。Chen等。 [7]还基于由氧化铜纳米线和羧基官能化的单壁碳纳米管（SWCNT）组成的杂化纳米复合材料（SWCNTS）开发了特定的序列DNA检测。 DNA检测是通过循环伏安法和3.5 \ xc3 \ x9710 15 m的检测极限。 Zhou等。 [8]使用化学上的RGO电极通过差分脉冲伏安法对ssDNA和dsDNA中的四个DNA碱基的无标记电化学检测进行了。 他们达到了2.0 \ XCE \ XBC M的检测极限，线性浓度范围为0.01至10 mm。 在另一项研究中，Zhang等人。 [9]为特定序列检测制造了无标记的DNA传感器。Chen等。[7]还基于由氧化铜纳米线和羧基官能化的单壁碳纳米管（SWCNT）组成的杂化纳米复合材料（SWCNTS）开发了特定的序列DNA检测。DNA检测是通过循环伏安法和3.5 \ xc3 \ x9710 15 m的检测极限。Zhou等。 [8]使用化学上的RGO电极通过差分脉冲伏安法对ssDNA和dsDNA中的四个DNA碱基的无标记电化学检测进行了。 他们达到了2.0 \ XCE \ XBC M的检测极限，线性浓度范围为0.01至10 mm。 在另一项研究中，Zhang等人。 [9]为特定序列检测制造了无标记的DNA传感器。Zhou等。[8]使用化学上的RGO电极通过差分脉冲伏安法对ssDNA和dsDNA中的四个DNA碱基的无标记电化学检测进行了。他们达到了2.0 \ XCE \ XBC M的检测极限，线性浓度范围为0.01至10 mm。在另一项研究中，Zhang等人。 [9]为特定序列检测制造了无标记的DNA传感器。在另一项研究中，Zhang等人。[9]为特定序列检测制造了无标记的DNA传感器。将DNA固定在用石墨烯，Aunps和Polythionine（Pthion）修饰的玻璃碳电极上。通过不同的脉冲伏安法检测到杂交，并且在0.1 pm至10 nm的动态范围内达到了35 fm的检测极限。Bo等人开发了石墨烯和聚苯胺的电化学DNA生物传感器。[10]用于DPV检测辅助DNA序列，并达到了'
![b'与 ED 一样，对于一般的混合态，EC 也很难计算，而且只在极少数特殊情况下才为人所知。但是，对于纯态，例如前面讨论过的 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 状态，EC = \xe2\x88\x92 Tr \xcf\x81 A log 2 ( \xcf\x81 A ) ，等于 ED 。实现纯态稀释过程的最佳方式是利用两种技术：（i）量子隐形传态，我们在一开始就介绍过，它简单地说是一个双方共享的贝尔态可以用来确定地转移一个未知的量子比特态，以及（ii）量子数据压缩[12]，它的基本意思是，一个由 n 个量子比特组成的大消息，每个量子比特平均由一个密度矩阵 \xcf\x81 A 描述，可以压缩成可能更少的 k = nS ( \xcf\x81 A ) \xe2\x89\xa4 n 个量子比特；而且只要 n 足够大，就可以忠实地恢复整个消息。我们稍后会讨论量子数据压缩。纯态在渐近极限下的可逆性。有了这两个工具，爱丽丝可以先准备 n 份 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 （总共 2 n 个量子比特）在本地压缩 n 个量子比特为 k 个量子比特，然后 \xe2\x80\x9csend\xe2\x80\x9d 发送给 Bob，并使用共享的 k 个贝尔态将压缩的 k 个量子比特传送给 Bob。然后 Bob 将 k 个量子比特解压缩回未压缩的 n 个量子比特，这些量子比特属于纠缠态 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 的 n 个副本中的一半。因此，Alice 和 Bob 建立了 n 对 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 。这描述了纯态稀释过程的最佳程序。蒸馏的纠缠和纠缠成本被渐近地定义，即两个过程都涉及无限数量的初始状态的副本。对于纯态，EC = ED [7]，这意味着这两个过程是渐近可逆的。但对于混合态，这两个量都很难计算。尽管如此，预计 EC ( \xcf\x81 ) \xe2\x89\xa5 ED ( \xcf\x81 )，即蒸馏出的纠缠不能比投入的多。形成的纠缠\xe2\x80\x94 是一个平均量 。然而，正如我们现在所解释的，有一个 EC 的修改，通过对纯态的 EC 取平均值获得，它被称为形成纠缠 EF [11, 13]。任何混合态 \xcf\x81 都可以分解为纯态混合 { pi , | \xcf\x88 i \xe2\x9f\xa9\xe2\x9f\xa8 \xcf\x88 i |} ，尽管分解远非唯一。以这种方式通过混合纯态构建混合态平均需要花费 P'](/simg/b/b87790512905fd558b37731181c2b32866795b88.webp)
b'与 ED 一样，对于一般的混合态，EC 也很难计算，而且只在极少数特殊情况下才为人所知。但是，对于纯态，例如前面讨论过的 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 状态，EC = \xe2\x88\x92 Tr \xcf\x81 A log 2 ( \xcf\x81 A ) ，等于 ED 。实现纯态稀释过程的最佳方式是利用两种技术：（i）量子隐形传态，我们在一开始就介绍过，它简单地说是一个双方共享的贝尔态可以用来确定地转移一个未知的量子比特态，以及（ii）量子数据压缩[12]，它的基本意思是，一个由 n 个量子比特组成的大消息，每个量子比特平均由一个密度矩阵 \xcf\x81 A 描述，可以压缩成可能更少的 k = nS ( \xcf\x81 A ) \xe2\x89\xa4 n 个量子比特；而且只要 n 足够大，就可以忠实地恢复整个消息。我们稍后会讨论量子数据压缩。纯态在渐近极限下的可逆性。有了这两个工具，爱丽丝可以先准备 n 份 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 （总共 2 n 个量子比特）在本地压缩 n 个量子比特为 k 个量子比特，然后 \xe2\x80\x9csend\xe2\x80\x9d 发送给 Bob，并使用共享的 k 个贝尔态将压缩的 k 个量子比特传送给 Bob。然后 Bob 将 k 个量子比特解压缩回未压缩的 n 个量子比特，这些量子比特属于纠缠态 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 的 n 个副本中的一半。因此，Alice 和 Bob 建立了 n 对 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 。这描述了纯态稀释过程的最佳程序。蒸馏的纠缠和纠缠成本被渐近地定义，即两个过程都涉及无限数量的初始状态的副本。对于纯态，EC = ED [7]，这意味着这两个过程是渐近可逆的。但对于混合态，这两个量都很难计算。尽管如此，预计 EC ( \xcf\x81 ) \xe2\x89\xa5 ED ( \xcf\x81 )，即蒸馏出的纠缠不能比投入的多。形成的纠缠\xe2\x80\x94 是一个平均量 。然而，正如我们现在所解释的，有一个 EC 的修改，通过对纯态的 EC 取平均值获得，它被称为形成纠缠 EF [11, 13]。任何混合态 \xcf\x81 都可以分解为纯态混合 { pi , | \xcf\x88 i \xe2\x9f\xa9\xe2\x9f\xa8 \xcf\x88 i |} ，尽管分解远非唯一。以这种方式通过混合纯态构建混合态平均需要花费 P'
b'与 ED 一样，对于一般的混合态，EC 也很难计算，而且只在极少数特殊情况下才为人所知。但是，对于纯态，例如前面讨论过的 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 状态，EC = \xe2\x88\x92 Tr \xcf\x81 A log 2 ( \xcf\x81 A ) ，等于 ED 。实现纯态稀释过程的最佳方式是利用两种技术：（i）量子隐形传态，我们在一开始就介绍过，它简单地说是一个双方共享的贝尔态可以用来确定地转移一个未知的量子比特态，以及（ii）量子数据压缩[12]，它的基本意思是，一个由 n 个量子比特组成的大消息，每个量子比特平均由一个密度矩阵 \xcf\x81 A 描述，可以压缩成可能更少的 k = nS ( \xcf\x81 A ) \xe2\x89\xa4 n 个量子比特；而且只要 n 足够大，就可以忠实地恢复整个消息。我们稍后会讨论量子数据压缩。纯态在渐近极限下的可逆性。有了这两个工具，爱丽丝可以先准备 n 份 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 （总共 2 n 个量子比特）在本地压缩 n 个量子比特为 k 个量子比特，然后 \xe2\x80\x9csend\xe2\x80\x9d 发送给 Bob，并使用共享的 k 个贝尔态将压缩的 k 个量子比特传送给 Bob。然后 Bob 将 k 个量子比特解压缩回未压缩的 n 个量子比特，这些量子比特属于纠缠态 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 的 n 个副本中的一半。因此，Alice 和 Bob 建立了 n 对 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 。这描述了纯态稀释过程的最佳程序。蒸馏的纠缠和纠缠成本被渐近地定义，即两个过程都涉及无限数量的初始状态的副本。对于纯态，EC = ED [7]，这意味着这两个过程是渐近可逆的。但对于混合态，这两个量都很难计算。尽管如此，预计 EC ( \xcf\x81 ) \xe2\x89\xa5 ED ( \xcf\x81 )，即蒸馏出的纠缠不能比投入的多。形成的纠缠\xe2\x80\x94 是一个平均量 。然而，正如我们现在所解释的，有一个 EC 的修改，通过对纯态的 EC 取平均值获得，它被称为形成纠缠 EF [11, 13]。任何混合态 \xcf\x81 都可以分解为纯态混合 { pi , | \xcf\x88 i \xe2\x9f\xa9\xe2\x9f\xa8 \xcf\x88 i |} ，尽管分解远非唯一。以这种方式通过混合纯态构建混合态平均需要花费 P'