XiaoMi-AI文件搜索系统
World File Search System计算分析
关于针对槲皮素的新利什人类药物靶标的计算研究
利什曼病，是一种由利什曼原虫寄生虫引起的寄生疾病，位于感染的沙蝇中。控制利什曼病仍然是全世界引起严重关注的根源。关于利什曼病的研究引发了研究，因为它在亚洲，东非和南美的热带和亚热带地区爆发。迫切需要新的治疗性干预措施，例如疫苗和新药物靶标，因为它具有对可用药物的抗性。槲皮素，多酚类黄酮的衍生物通过与蛋白质和核酸相互作用表现出各种生物学活性。在这项研究中，进行了计算分析，以通过分子对接在利什曼原虫物种中识别槲皮素的潜在药物靶标。新预测的靶标受到亚细胞定位预测，并确定蛋白质 - 蛋白质相互作用网络，该网络将有助于开发抗脊髓药。这项研究有助于鉴定靶标和抗脊髓药物的发展。
嗅觉皮质中接受场的双边比对
抽象每个嗅觉皮质半球直接从嗅球和对侧信息中直接从其他皮质半球接收同侧气味信息。由于对嗅觉皮层（OC）的神经预测是无序的，并且无X线摄影，因此不能将空间信息像在视觉皮层中那样对齐两侧的投影。因此，在单个皮质神经元中如何完整的双边信息是未知的。我们发现，在小鼠中，单个神经元对两个鼻孔中每个鼻孔的选择性刺激的气味反应显着相关，因此，从一个鼻孔转移到达的信息中，具有优化的气味标识很好地解码了。尽管如此，这些对齐的响应是不对称的，足以解码刺激的横向性。计算分析表明，这种匹配的气味调整与纯粹的随机连接不相容，但可以通过Hebbian可塑性结构双侧连接来解释。我们的数据表明，尽管OC中有分布和碎片的感觉表示，但两个半球的气味信息高度协调。
微区域簇EA噬菌体-NSF -PAR
摘要：由于抗药性病原体的全球出现，噬菌体被广泛利用为抗生素的替代品。为了指导这些杀菌剂的用法，其宿主特异性的特征至关重要 - 但是，对于许多噬菌体，宿主范围信息仍然有限。尽管它们在农业，生物医学和生物技术中的重要性，但噬菌体感染了微细菌属的情况尤其如此。在这里，我们阐明了125个微细菌集群EA phy-logenomic的关系 - 包括来自11个子群体（EA1至EA11）的成员，并使用CodoN用法偏置模式的洞察力以及从探索性和探索性和共生计算的方法中的预测来推断其推测的宿主范围。我们的计算分析表明，在整个微区进化枝中，群噬菌体具有共同的感染史。有趣的是，所有子群体的噬菌体都表现出与细菌菌株不同于用于分离的细菌菌株的密码子使用偏好模式，这表明它们可能能够感染其他宿主。此外，宿主范围的预测表明，某些子群体可能更适合前瞻性生物技术和医学应用，例如噬菌体疗法。
在LQB/P-EBL界面的极化工程中，基于Algan的深紫外线发光二极管的增强载体注入
摘要 - 基于Algan的深紫外线发光二极管（DUV LED）的外部量子效率（EQE）由于电子泄漏的主要问题而远非令人满意阻塞层（P-EBL）可以在该界面附近诱导电子积累和孔耗尽，从而导致电子泄漏并阻碍孔注入。在本文中，我们提出了在LQB和P-EBL之间插入的Al-Composition Increasing Algan层（ACI-ALGAN），以增强DUV LED的载体注入能力，通过调节LQB/EBL界面和下层机制在LQB/EBL界面上调节偏振产生的表电荷产生的床单，并通过数字计算分析。插入结构可以消除LQB的P侧界面处的正电荷，并在P-EBL的N侧界面附近诱导孔积累，这随后可以减少电子泄漏和偏爱孔注射。提出的带有ACI-Algan层的DUV LED结构表现出增强的EQE 45.7％，其正向电压保持不变。此设计方案可以提供另一种方法来促进使用各种应用程序的DUV LED的性能。
scPerturb：协调单一信息资源......
最近的生物技术进步导致单细胞研究数量不断增加，这些研究揭示了对大量扰动的分子和表型反应。然而，跨不同数据集的分析通常受到格式、命名约定、数据过滤和规范化差异的阻碍。为了促进系统生物学计算方法的开发和基准测试，我们收集了一组 44 个公开可用的单细胞扰动响应数据集，其中包含分子读数，包括转录组学、蛋白质组学和表观基因组学。我们应用统一的预处理和质量控制流程并协调特征注释。由此产生的信息资源使计算分析方法的开发和测试成为可能，并促进了跨数据集的直接比较和集成。使用这些数据集，我们展示了 E-distance 在量化扰动相似性和强度方面的应用。这项工作为处理单细胞扰动数据的研究人员提供了信息资源和指南，并强调了新实验的概念考虑。数据可在 scperturb.org 上公开获取。
scperturb：统一的单...
最近的生物技术进步导致了越来越多的单细胞研究，这揭示了对大量扰动的分子和表型反应。但是，跨不同数据集的分析通常会受到格式，命名惯例，数据过滤和归一化的差异的阻碍。为了促进系统生物学中计算方法的开发和基准测试，我们收集了一组具有分子读数的44个公开可用的单细胞扰动 - 响应数据集，包括转录组学，蛋白质组学和表观基因组学。我们采用统一的预处理和质量控制管道并协调特征注释。最终的信息资源可以有效地开发和测试计算分析方法，并促进了整个数据集的直接比较和集成。使用这些数据集，我们演示了电子距离的应用，以量化扰动相似性和强度。这项工作为研究人员提供了一种信息资源和指南，并指导了使用单细胞扰动数据，并突出了新实验的概念注意事项。数据收集，Scperturb，可在scperturb.org上公开获得。
人工智能在早期癌症诊断中的作用
摘要：提高早期癌症确诊患者比例是世界卫生组织的首要任务。在许多肿瘤群体中，筛查计划已导致生存率提高，但患者选择和风险分层是关键挑战。此外，人们担心诊断人员有限，特别是在 COVID-19 大流行的情况下，这给病理学和放射学服务带来了压力。在本综述中，我们讨论了人工智能算法如何帮助临床医生 (1) 筛查有癌症风险的无症状患者，(2) 调查和分类有症状的患者，以及 (3) 更有效地诊断癌症复发。我们概述了主要的人工智能方法，包括逻辑回归等历史模型以及深度学习和神经网络，并重点介绍了它们的早期诊断应用。许多数据类型适合计算分析，包括电子医疗记录、诊断图像、病理切片和外周血，我们提供了如何利用这些数据诊断癌症的示例。我们还讨论了人工智能算法的潜在临床意义，包括目前临床实践中使用的模型概述。最后，我们讨论了潜在的局限性和缺陷，包括道德问题、资源需求、数据安全和报告标准。
piovesan damian
div> damiano piovesan damiano.piovesan@unipd.it orcid：0000-0001-8210-2390当前职位：帕多亚大学生物化学副教授（BIOS-07/A），帕多亚大学（自2022年以来）教育：Ph.D.。博洛尼亚大学生物技术，药理学和毒理学博士学位（2013）博洛尼亚大学生物信息学（2009年）B.Sc.博洛尼亚大学生物技术学院（2007）先前职位：帕多亚大学助理教授（2019-2022）帕多亚大学博士后研究员（2015-2019）博士学位。学生，博洛尼亚大学（2009-2013）研究兴趣：生物信息学，计算生物学，蛋白质本质上无序的蛋白质，机器学习，蛋白质功能注释核心竞争力：结构性生物信息和计算分析蛋白质的蛋白质开发的蛋白质开发方法，用于预测蛋白质特征和培训蛋白质的培训的方法，以实验性数据的培训，以实验性的研究：研究蛋白质的培训和标准化的培训，以实验性数据的研究：用于研究的培训，以实验性的研究：用于研究的培养基：结构生物信息学，生物数据分析奖和荣誉：CAFA 2019蛋白质功能预测挑战在生物化学（2021-2032）中排名第二。
汤米·卡普兰（Tommy Kaplan），博士 - 耶路撒冷
资金2023 - 2027 EU Horizon（Co-Pi）：pancaid-对胰腺癌的早期检测和诊断（与Yuval dor）的多组学数据的机器学习分析2018 - 2024年Grail Inc.（Co-Pi）（Co-Pi）（Co-Pi）：循环细胞的DNA的人类甲基化Atlas（Yuva）dna – 202232323232323232323232322323232323232323232323. （PI）：印迹和等位基因特异性甲基化2022 - 2027年的人类地图集。（CO-PI）：LiquidBX-血液2023 - 2025 ISF精确医学IPMP（CO-PI）的多摩学诊断：使用手电点多模态CFDNA分析2020 - 2025年跨学科数据科学研究（Head PI）的计算数据跨度DNA 20224的计算数据科学研究，对癌症治疗的反应进行监测（CO-PI）：2018 - 2024年以色列科学基金会（PI）的一项大学范围的多学科数据科学教育计划：从DNA甲基化模式中对人类疾病的计算检测2015 - 2019年以色列科学基金会（PI）：远端监管DNA区域的计算分析2013 - 2017 - 2017 - 2017 EU MARIE MARIE CORERICE INDERITION（PIE）范围：角色
能源行业可持续性的人工智能
摘要 - 与有关可持续能源和人工智能解决方案的上升辩论平行，世界目前正在讨论人工智能的伦理及其对社会和环境的负面影响。在这些论点中，提出了可持续的AI，旨在促进可持续性的途径，例如可持续能源。在本文中，我们提供了一个新颖的上下文主题建模，结合了LDA，BERT和聚类。然后，我们将这些计算分析与相关科学出版物的内容分析相结合，以确定有关能源可持续AI的科学研究的主要学术主题，子主题和跨主题主题。我们的研究确定了八个主要主题，包括可持续建筑物，基于人工智能的城市水管理DSSS，气候人工智能，农业4，AI与IoT的融合，基于AI的基于AI的可再生技术评估，智能校园和工程教育以及基于AI的优化。然后，我们根据观察到的理论差距推荐了14个潜在的未来研究链。从理论上讲，该分析有助于现有的有关可持续性AI和可持续能源的文献，实际上，它打算充当能源工程师和科学家，AI科学家和社会科学家的一般指南，以扩大他们对AI和能源融合研究的可持续性知识。