风能利用率的提高以及需求的增长正在影响输电系统的区域负荷。传统上,升级现有线路和建设新线路是增加网络容量和减少拥堵的常用方法。然而,环境、社会和技术挑战正在鼓励网络运营商在未来规划中采取措施提高现有网络的利用率。这里开发了一个混合整数线性规划模型,将各种替代方案(包括动态线路额定值、储能系统和分布式静态串联补偿)集成到网络规划过程中。使用多阶段方法,研究了这些资产的共同优化规划,并将其与传统的重新布线方法进行了比较。IEEE RTS 24 总线系统显示了共同优化的好处,在选定区域风能贡献较大。
技术转让涉及知识从技术开发者或拥有者流向从知识中受益的技术获取者。本文提出了一个模型,用于评估发达国家向发展中国家的复杂技术转让项目中的知识流。所提出的知识流模型是通过将知识粘度和速度的概念与架构和组件知识的概念相结合而建立的。该模型基于这样的理念:向资源有限的组织(例如发展中国家的组织)转移知识,一方面需要在粘度和速度之间取得平衡,另一方面需要在架构和组件知识之间取得平衡。知识流模型已在三个地球观测小型卫星合作项目的数据上进行了测试,阿尔及利亚利用这些合作项目来从国外获取小型卫星技术并建立本地能力。该模型的实施表明,合作项目只能获得脱离当地环境的浅层架构知识。研究结果反映了合作项目机制的局限性以及技术获取者在实现适当的组件/架构和粘度/速度平衡方面面临的挑战。关键词:小型卫星技术转让;技术转让建模;发展中国家;复杂技术转让;知识流。
摘要 伴随前庭功能障碍的失忆症状表明前庭和视觉记忆系统之间存在功能关系。然而,人们对其背后的认知过程知之甚少。作为起点,我们寻找一种跨模态相互作用的证据,这种相互作用通常在其他感觉模态之间观察到,在这种相互作用中,如果先前将目标(在本例中为视觉)与来自另一个感觉域(在本例中为前庭)的独特、时间上一致的刺激相结合,则更容易识别目标。参与者首先执行视觉检测任务,其中刺激出现在计算机网格内的随机位置。参与者不知道,一种特定刺激的开始伴随着短暂的亚感觉脉冲电前庭刺激 (GVS)。在两个视觉搜索实验中,当在先前检测任务中出现 GVS 配对视觉刺激的网格位置呈现时,旧目标和新目标都能更快地被识别。这种位置优势似乎是基于相对而非绝对空间坐标,因为当搜索网格旋转 90° 时,这种效果仍然有效。这些发现共同表明,当个体回到熟悉的视觉场景(此处为 2D 网格)时,如果目标出现在之前与独特的、与任务无关的前庭线索相关联的位置,则视觉判断会得到促进。这种多感官相互作用的新案例对于理解前庭信号如何影响认知过程具有更广泛的意义,并有助于限制 GVS 日益增长的治疗应用。
白粉病是草莓生产中最严重的疾病之一。迄今为止,很少有商业草莓品种被认为具有完全抗性,因此必须实施广泛的喷药计划来控制病原体。在这里,我们进行了一项大规模田间试验,以确定不同草莓基因型的叶片和果实组织的白粉病抗性状况。这些表型数据用于识别与组织特异性白粉病抗性相关的数量性状核苷酸 (QTN)。总共发现六个稳定的 QTN 与叶面抗性有关,其中一个位于 7D 染色体上的 QTN 与抗性增加 61% 相关。与叶片结果相反,没有与果实抗病性相关的 QTN,在草莓果实上观察到高水平的抗性,果实和叶片症状之间没有观察到遗传相关性,表明组织特异性反应。除了识别基因位点之外,我们还证明了基因组选择可以快速提高基因型的叶面抗性,并有可能捕获种群中存在的 50% 以上的遗传叶面抗性。迄今为止,草莓中强抗白粉病的育种一直受到天然抗性的定量性质以及缺乏有关该性状的遗传控制知识的阻碍。这些结果解决了这一不足,为社区提供了可用于基因组知情育种的大量信息,实施该育种可以提供对抗白粉病的天然抗性策略。
背景:儿童呼吸系统疾病是一个必须解决的问题,因为它对儿童的长期发育和健康有重大影响。肺结核和肺炎是儿童常常患的疾病。出现的症状之一是呼吸急促。儿童呼吸困难可能是由于分泌物积聚、无法自主排出分泌物以及咳嗽反射弱引起的。减轻呼吸困难的一种疗法是薄荷芳香疗法,薄荷中的成分会放松支气管,使呼吸更加顺畅。目的:描述在儿童气道清除功能不全的护理及薄荷芳香疗法的应用方面实施护理实践的效果。方法:本文采用的方法是定性描述,采用案例研究方法并回顾有关薄荷芳香疗法的期刊。结果:根据对3例管理患者的评估结果,3例管理患者均出现呼吸困难、无法咳嗽和发烧等症状。提出的主要护理问题是气道清除无效的主要护理问题。提供的干预措施包括通过监测呼吸模式进行气道管理、监测痰液产生以及协作提供药物和非药物治疗。提供的非药物治疗方法是进行薄荷芳香疗法,持续 3 天,每次给药时间为 15 分钟。结论:对3例患者实施薄荷芳香疗法,可以减少呼吸频率,降低辅助呼吸肌,减少痰液的产生。关键词:儿童、芳香疗法、薄荷、肺炎、肺结核 参考书目:34 (2015-2024)
背景:SAMHD1 通过切割三磷酸化形式介导对抗癌核苷类似物的耐药性,包括常用于治疗白血病的阿糖胞苷、地西他滨和奈拉滨。因此,SAMHD1 抑制剂是使白血病细胞对基于核苷类似物的疗法敏感的有希望的候选药物。在这里,我们在 SAMHD1 的背景下研究了胞嘧啶类似物 CNDAC 的影响,该物质已被提议作为 SAMHD1 抑制剂。方法:在 13 种急性髓系白血病 (AML) 细胞系、26 种急性淋巴细胞白血病 (ALL) 细胞系、10 种适应各种抗白血病药物的 AML 亚系、24 种单细胞衍生的克隆 AML 亚系和来自 24 名 AML 患者的原发性白血病母细胞中测试了 CNDAC。此外,还建立了 24 个 AML 细胞系 HL-60 和 PL-21 的 CNDAC 抗性亚系。使用 CRISPR/Cas9 破坏 SAMHD1 基因,使用 RNAi 和病毒 Vpx 蛋白耗尽 SAMHD1。通过慢病毒转导实现强制 DCK 表达。用甲基化敏感的 HpaII 内切酶处理基因组 DNA 后,通过 PCR 确定 SAMHD1 启动子甲基化。通过 LC-MS/MS 测定核苷(类似物)三磷酸盐水平。通过酶促测定和结晶分析了 CNDAC 与 SAMHD1 的相互作用。结果:尽管胞嘧啶类似物 CNDAC 预计会抑制 SAMHD1,但 SAMHD1 介导白血病细胞中的内在 CNDAC 抗性。因此,SAMHD1 耗竭会增加 CNDAC 三磷酸盐 (CNDAC-TP) 水平和 CNDAC 毒性。酶促分析和结晶研究证实,CNDAC-TP 是 SAMHD1 底物。在 24 个适应 CNDAC 的急性髓系白血病 (AML) 亚系中,抗药性是由 DCK(催化初始核苷磷酸化)损失引起的。适应 CNDAC 的亚系仅对其他 DCK 底物(例如阿糖胞苷、地西他滨)表现出交叉抗药性。适应不受 DCK 或 SAMHD1 影响的药物的细胞系仍然对 CNDA C 敏感。在适应阿糖胞苷的 AML 细胞中,SAMHD1 增加和 DCK 水平降低导致阿糖胞苷和 CNDAC 抗药性。
摘要:飞机维护已被确定为航空业许多高风险领域的一个关键关注点;仍然是商业航空运输业中许多事故和严重事件的偶然/促成因素。本研究的目的是回顾和分析 2003 年至 2017 年期间发生的与飞机维护相关的事故和严重事件,以更好地了解因果因素和促成因素。为此,编制了与维护相关的事故和严重事件数据集,然后通过主题分析方法进行定性分析。使用 NVivo 软件对这些事件进行编码可以开发分类法 MxFACS。然后由主题专家评估编码输出,并确定评分者间一致性值以证明研究过程的严谨性。随后,根据事件与已知事故类别(如失控、跑道偏离)的关系对事件进行了评估。发现最常见的维护事件后果是跑道偏离和空中返航,第二级类别与发动机和起落架系统故障有关。最大的维护因素问题是“维护程序不足”和“检查未发现缺陷”。在死亡人数方面,“碰撞事件”是最突出的后果,“发动机相关事件”是最重要的事件,“维护程序不足”是最令人担忧的维护因素。该研究的结果可以与现有的风险分析方法结合使用,并使利益相关者能够开发通用或定制的领结。这可能识别系统中现有的障碍以及弱点,从而能够在组织和行业范围内制定缓解策略。
航空业正面临越来越大的压力,需要通过长期战略来减少排放,以满足不断增长的飞行乘客数量。目前运行的飞机通常是在设计时将机身与推进系统分开考虑的。这样一来,传统的航空发动机架构在推进效率方面已接近极限,而技术进步带来的收益却越来越少。一种有前途的替代架构可以提高下一代商用飞机的整体性能,它依赖于边界层吸入 (BLI)。这项技术将机身与战略性定位的推进系统在空气动力学上耦合,以有目的地吸入机身的边界层流。尽管如此,对于 BLI 效益的解释和量化仍缺乏共识。这主要是因为传统的性能核算方法在强气动耦合的情况下失效。随后,定义适当的性能指标以提供一致测量和潜在效益比较是一项重大挑战。本评论研究了用于评估 BLI 性能的各种会计方法和指标。这些内容在数值和实验模型的背景下进行了讨论和批评。从数值上讲,几何、空气动力学和推进模型按保真度顺序排序,同时使用大量方法进行流动特征识别,从而实现对 BLI 的现象学理解。然后特别关注具有不同设置、方法和相关限制和不确定性的实验 BLI 模型。最后,参考其相关的设计探索和优化研究,对众多非常规 BLI 飞机概念进行了分类、比较和批评。
通过机器学习生成设计一直是计算机辅助设计领域的一项持续挑战。最近,深度学习方法已被用于随机生成时尚、家具和产品设计中的图像。然而,这种深度生成方法通常需要大量的训练图像,并且在设计过程中没有考虑到人为因素。在这项工作中,我们寻求一种方法,通过脑电图测量 (EEG) 指示的大脑活动将人类认知因素纳入生成过程。我们提出了一种受神经科学启发的机器学习设计方法,其中使用 EEG 来捕获首选的设计特征。此类信号用作生成对抗网络 (GAN) 中的条件。首先,我们使用循环神经网络 (LSTM - 长短期记忆) 作为编码器,从原始 EEG 信号中提取 EEG 特征;这些数据是从受试者观看 ImageNet 中的几类图像时记录下来的。其次,我们训练一个以编码的 EEG 特征为条件的 GAN 模型来生成设计图像。第三,我们使用该模型从受试者的 EEG 测量大脑活动生成设计图像。