由KatharinaGötze教授领导的研究小组在TechnischeUniversitätmünchen的肿瘤学/血液学系目前正在寻找实习的硕士学生(3月至4月),然后是我们实验室的硕士学位论文(May-Nov)。背景:造血干/祖细胞(HSPC)位于骨髓中,并通过称为造血的过程负责血细胞的产生。在一生中,这些细胞积累了突变,其中大多数是乘客,没有任何功能后果。然而,某些突变会触发克隆扩张,这是一个逐渐发展的过程,随着时间的流逝而发展,导致血液学疾病,例如骨髓增生性综合征(MDS)和急性髓性白血病(AML)。我们专注于称为不确定电势克隆造血症(CHIP)的克隆造血的前阶段。CHIP的特征是在没有血液学疾病迹象的个体中,具有变异等位基因频率大于2%的HSPC中存在体细胞突变,但进展到髓样恶性肿瘤的风险增加。MDS和AML的病理生理受到来自BM微环境的细胞中性(HSPC)和外在信号的影响,该信号提供了支持突变克隆扩展的各种细胞类型的网络。芯片中是否也是这种情况。
摘要:在电缆中的绝缘层的交联聚乙烯(XLPE)的广泛使用可能归因于其出色的机械和介电性能。为了定量评估热老化后XLPE的绝缘状态,建立了加速的热老化实验平台。极化和去极化电流(PDC)以及在不同老化持续时间下XLPE绝缘裂纹时的伸长率。XLPE绝缘状态取决于断裂保留率(ER%)的伸长率。基于扩展的Debye模型,本文提出了稳定的松弛电荷数量和0.1 Hz的耗散因子,以评估XLPE的绝缘状态。结果表明,XLPE绝缘的ER%随着衰老程度的增长而降低。XLPE绝缘的极化和去极化电流将随着热老化而明显增加。电导率和陷阱水平密度也将增加。扩展Debye模型的分支数量增加,并出现新的极化类型。在本文提出的0.1 Hz处的稳定的松弛电荷量和耗散因子与XLPE绝缘的ER%具有良好的拟合关系,可以有效地评估XLPE绝缘的热老化状态。
学术研究推动了我们以知识为基础的创新经济;它确保了美国在全球市场的竞争力。这项投资的回报非常惊人:尽管研究资金只占总预算的一小部分,但科学联盟估计,自 1945 年以来,此类活动刺激了美国经济增长的一半。虽然拟议的研究削减确实令人望而生畏,但特朗普的预算将有史以来首次取消 NEH 和 NEA 的所有资金。每个机构都获得 1.48 亿美元的联邦支持,这只是 4 万亿美元预算的一小部分。“在美国,我们并不总是善待那些守护我们愿景的艺术家和学者,”林登·约翰逊总统在 1965 年创建 NEH 和 NEA 时说道。
感谢 Yabra Muvdi 提供的出色研究协助,他创建并估算了分类算法,并感谢 Miaomiao Zhang 和 Kelsey Shipman 为数据分析提供支持。Hansen 非常感谢 ERC Consolidator Grant 864863 的资金支持,感谢伦敦政治经济学院 STICERD 博士研究基金和英联邦奖学金委员会的 Lambert 的资金支持,感谢 Smith Richardson 和 John Templeton 基金会的 Bloom 的资金支持,感谢 Templeton 基金会和芝加哥大学布斯商学院的 Davis 的资金支持,感谢哈佛商学院的 Sadun 的资金支持。本文附带的精选可视化和数据可在 www.WFHmap.com 上找到。本文表达的观点为作者的观点,并不一定反映美国国家经济研究局的观点。
因此,跨个体、跨场景的脑电分析方法逐渐成为研究热点。越来越多的研究人员将广泛应用脑 电信号分析的特征于跨个体、跨场景的脑电信号分析研究中。 Touryan 等人采用经典的独立成分分 析的特征分析方法描述特征空间,计算功率谱密度( Power Spectral Density , PSD ),并采用顺序 前向浮动选择方法识别频谱特征中的独立成分集,结果表明该方法可以识别出跨场景脑电信号中的 共同成分 [88] 。 Kakkos 等人采用了特征融合的方法,将 PSD 与功能连接特征相结合,提高了跨场景 分类的性能,并证明了脑特征融合在跨场景中的应用更为有效 [89] 。 Xing 等人将模糊熵特征用于跨 场景脑电信号分析,发现模糊熵特征相对于其他特征更能适合跨场景 [90] 。卷积神经网络 ( Convolutional Neural Networks , CNN )和递归神经网络( Recurrent Neural Networks , RNN )等基 于深度学习的新型跨任务模型在跨场景脑电分析中展现了巨大潜力。这些模型能够自动提取特征和 学习复杂的脑电特征,从而有效地缩小不同任务和场景之间的差距,提高模型的泛化能力 [91][92][93] 。 近年来,一些跨学科的方法被创新性地应用于跨场景研究, Zhao 等人提出了一种跨学科的对齐多 源域自适应方法,用于跨个体的 EEG 疲劳状态评估,显著提高了模型的泛化能力 [94] , Zhou 等人在 此基础上进行改进,提出了一种跨任务域自适应方法,有效提升了跨场景认知诊断的性能 [95] 。
(未通过同行评审认证)是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2024年1月16日发布。 https://doi.org/10.1101/2024.01.15.575646 doi:biorxiv Preprint
摘要:在过去十年中,我们一直使用双盲调查技术和随机抽样技术,收集了 20 个国家/地区 10,000 多个组织的管理数据。平均而言,我们发现,在制造业中,美国、日本和德国的公司管理得最好。巴西、中国和印度等发展中国家的公司往往管理不善。按照国际标准,美国的零售公司和医院也管理得很好,尽管美国的学校管理得比其他几个发达国家的学校差。我们还发现,每个国家和每个行业的组织在管理实践方面存在很大差异,这反映了这些行业绩效分布的异质性。与这种差异相关的一个因素是所有权。政府、家族和创始人拥有的公司通常管理不善,而跨国、分散股东和私募股权拥有的公司通常管理良好。产品市场竞争越激烈,工人技能越高,管理实践就越好。监管较少的劳动力市场与激励管理实践(如基于绩效的晋升)的改善有关。