XiaoMi-AI文件搜索系统
World File Search System配对
使用 MILP 研究储能和可再生能源分配对降低能源成本的影响
摘要：本文介绍了一种优化能源领域地方举措的方法，例如能源合作社和能源集群。优化的目的是确定发电来源和能源存储的结构，以最大限度地降低能源成本。分析以一年为时间范围，以小时为增量，考虑各种 RES（风力涡轮机 (WT)、光伏装置 (PV) 和沼气发电厂 (BG)）和负载（住宅、商业和工业）。发电来源和负载以发电/需求曲线为特征，以考虑其可变性。优化考虑了配电系统运行的技术方面，例如功率流和损耗、节点中的电压水平以及与输电系统的功率交换，以及经济方面，例如资本和固定和可变运营成本。该方法通过十六种模拟场景使用混合整数线性规划 (MILP) 进行计算。
一个用于检测DNA碱基配对的ISFET微阵列传感器系统
摘要：脱氧核糖核酸（DNA）测序技术为披露遗传信息的披露提供了重要数据，并在基因诊断和基因治疗中起着重要作用。传统的测序设备很昂贵，需要大型且庞大的光学结构和其他荧光标签步骤。基于半导体芯片的测序设备具有快速测序速度，低成本和小尺寸的优点。DNA碱基配对的检测是基因测序中最重要的步骤。在这项研究中，成功设计了具有超过1300万个敏感单元的大型离子敏感的晶体管晶体管（ISFET）阵列芯片，用于检测DNA碱基配对。DNA碱基配对由传感器系统成功检测到，其中包括ISFET微阵列芯片，微流体系统和测试平台。芯片达到至少0.5 mV的高分辨率，从而识别了0.01 pH值的变化。这种互补的金属氧化物半导体（CMOS）兼容和成本效益的传感器阵列芯片，以及其他特殊设计的组件，可以形成一个完整的DNA测序系统，并具有潜在的分子生物学领域的应用。
对幕后光伏和夏威夷群岛上的电池配对的经济评估
1）牛津大学牛津大学的克拉伦登实验室，牛津奥克斯11 3PU，英国2）劳伦斯·利弗莫尔国家实验室，7000 East Ave，Livermore，CA 94550，美国3）约克等离子研究所，约克大学，约克大学，赫斯林顿，约克YO10 5DD，UK 4）NIKHEF，NIKHEF，NIKHEF，NIKHEF，NIKHEF XG，阿姆斯特丹，荷兰5）差异 - 荷兰基本能源研究所，荷兰埃因霍温6）荷兰研究所6）de plasmas efusão核，上级核，1049-001，利斯本，利斯博亚，里斯本，里斯本，葡萄牙7），葡萄牙7）桑迪亚国家实验室，1515年，美国87号欧巴克，新米布克，新米布克，新米布克。伦敦帝国学院，伦敦，SW7 2AZ，英国9）数学与物理学院，贝尔法斯特皇后大学，贝尔法斯特，贝尔法斯特，BT7 1NN，英国10）激光努力赛实验室，纽约州罗切斯特大学，纽约州罗切斯特大学，美国11号）荷兰国家数学与计算机科学中心（CWI） Aldermaston，Reading，RG4 7PR，英国
服务犬配对差异效果的随机试验
Rachel Ramoni 博士，现任首席研发官 Timothy O'Leary 博士，前任首席研发官 Carolyn Clancy 博士，卫生部负责发现、教育和附属网络的副副副部长 Richard Stone 博士，卫生部副部长 Robert Wilkie 阁下，部长 研究小组谨对美国众议院退伍军人事务委员会和参议院退伍军人事务委员会的众多立法者和工作人员在研究期间的关注和支持表示感谢。 我们要感谢美国养犬俱乐部犬类好公民项目主任 Mary Burch 博士帮助使用犬类好公民和社区犬类测试作为合同中的绩效标准，以及前参议员 Alan Franken 在认识到研究必要性方面所发挥的作用。 VA 感谢 Purina 在研究期间慷慨地向所有退伍军人捐赠狗粮优惠券。最后，我们要感谢所有参与第一阶段和第二阶段研究的退伍军人，使本报告得以完成，并特别感谢第一位志愿参与的退伍军人。披露
使用配对的Prime编辑
1 Precise genomic deletions using paired prime editing 2 3 Junhong Choi 1,2*# , Wei Chen 1,3* , Chase C. Suiter 1,4 , Choli Lee 1 , Florence M. Chardon 1 , Wei Yang 1 , Anh 4 Leith 1 , Riza M. Daza 1 , Beth Martin 1 , and Jay Shendure 1,2,5,6# 5 6 1 Department of Genome Sciences, University美国西雅图，华盛顿州华盛顿州98195，美国7 2霍华德·休斯医学研究所，西雅图，西雅图，华盛顿州98195，美国8 3分子工程与科学研究所，华盛顿大学西雅图大学，华盛顿大学98195，美国9 4分子和细胞生物学计划98195，美国11 6 Allen Discovery Cell Lineage Tracing中心，华盛顿大学西雅图，华盛顿州98195，美国12 13 *这些作者同样贡献了14＃对应关系：junhongc@uw.edu（J.C.）15 16 17摘要18 19精确地删除基因组序列的技术可用于研究20功能，并有可能用于基因治疗。针对编程的21删除的领先当代方法使用CRISPR/CAS9和成对的指南RNA（GRNA）产生附近的两个双链22间断，然后通常在DNA修复过程中删除中间序列。但是，23这种方法可能是效率低下和不精确的，其中包括两个目标站点24的小indels，以及意外的大删除和更复杂的重排。我们证明，与CRISPR/CAS9和GRNA Pairs相比，Prime-Del在编程缺失中的精度明显高28。44 45在这里，我们描述了一种基于Prime-Del的基于25个编辑的方法，该方法使用一对原始编辑的26个GRNA（PEGRNA）诱导删除，该方法靶向相反的DNA链，有效地编程了27个站点，还可以对其进行修复的结果进行编程。我们还表明，29个Prime-Del可用于将基因组删除与短插入相结合，从而使30个连接的缺失不落在原始的Adjacent-Adjacent基序（PAM）位点。最后，我们证明了延长31素数编辑组件的表达时间窗口可以大大提高效率32，而不会损害精度。我们预计，Prime-Del将在启用33个精确，灵活的基因组缺失编程（包括框内删除）以及epiTope 34标记以及可能用于编程重排的基因组删除方面非常有用。35 36简介37 38精确操纵基因组的能力可以严格地研究39个特定基因组序列的功能，包括基因和调节元件。在过去的十年中，基于CRISPR/CAS9的40个技术在这方面已被证明具有变革性，从而可以将41个基因组基因座的精确靶向，并迅速扩大了编辑或扰动方式的曲目1。在42中，特定基因组序列的精确和不受限制的缺失尤为重要，功能性基因组学和基因治疗中有43例关键用例。
通过整个外显子组测序的肺癌患者对原发性肿瘤和配对脑转移的比较基因组分析：一项初步研究
肺癌脑转移（BMS）频繁进行，尽管对肺癌生物学有了更好的了解和靶向疗法的发展，但仍与预后不良有关。 颅内对全身治疗的不合理反应部分是由于原发性肺肿瘤（PLT）和BMS之间的肿瘤异质性。 因此，需要更好地了解肺癌BMS生物学，以改善这些患者的治疗策略。 我们对配对BM和PLT样品的整个外显子组测序进行了研究。 BM样品中的体细胞变体和染色体改变的数量较高。 我们确定了在PLT中未发现的BMS中的复发突变。 系统发明树和棒棒糖图旨在描述它们的功能影响。 在≥1bm中突变的13个基因中，先前描述的7个与入侵过程有关，其中3个在功能域中复发突变的3个可能是治疗的未来靶标。 我们提供了有关导致BMS的机制的一些见解。 我们发现13个基因的BM样品中的复发突变。 在这些基因中，以前被描述为与癌症有关，其中3个（CCDC178，RUNX1T1，MUC2）被描述为与转移过程有关。肺癌脑转移（BMS）频繁进行，尽管对肺癌生物学有了更好的了解和靶向疗法的发展，但仍与预后不良有关。颅内对全身治疗的不合理反应部分是由于原发性肺肿瘤（PLT）和BMS之间的肿瘤异质性。因此，需要更好地了解肺癌BMS生物学，以改善这些患者的治疗策略。我们对配对BM和PLT样品的整个外显子组测序进行了研究。BM样品中的体细胞变体和染色体改变的数量较高。我们确定了在PLT中未发现的BMS中的复发突变。系统发明树和棒棒糖图旨在描述它们的功能影响。在≥1bm中突变的13个基因中，先前描述的7个与入侵过程有关，其中3个在功能域中复发突变的3个可能是治疗的未来靶标。我们提供了有关导致BMS的机制的一些见解。我们发现13个基因的BM样品中的复发突变。在这些基因中，以前被描述为与癌症有关，其中3个（CCDC178，RUNX1T1，MUC2）被描述为与转移过程有关。
b' 对锂离子电池的技术需求快速增长，促使人们开发具有高能量密度、低成本和更高安全性的新型正极材料。高压尖晶石 LiNi 0.5 Mn 1.5 O 4 (LNMO) 是尚未商业化的最有前途的候选材料之一。这种材料的两个主要障碍是由于高工作电压导致的较差的电子电导率和全电池容量衰减快。通过系统地解决这些限制，我们成功开发出一种厚 LNMO 电极，面积容量负载高达 3 mAh \xe2\x8b\x85 cm 2 。优化的厚电极与纽扣电池和袋式电池级别的商用石墨阳极配对，在 300 次循环后，全电池容量保持率分别高达 72% 和 78%。我们将这种出色的循环稳定性归功于对电池组件和测试条件的精心优化，特别注重提高电子电导率和高压兼容性。这些结果表明，精确控制材料质量、电极结构和电解质优化很快就能支持基于厚 LNMO 阴极（> 4 mAh \xe2\x8b\x85 cm 2）的无钴电池系统的开发，这最终将满足下一代锂离子电池的需求，降低成本，提高安全性，并确保可持续性。'
b' 对锂离子电池的技术需求快速增长，促使人们开发具有高能量密度、低成本和更高安全性的新型正极材料。高压尖晶石 LiNi 0.5 Mn 1.5 O 4 (LNMO) 是尚未商业化的最有前途的候选材料之一。这种材料的两个主要障碍是由于高工作电压导致的较差的电子电导率和全电池容量衰减快。通过系统地解决这些限制，我们成功开发出一种厚 LNMO 电极，面积容量负载高达 3 mAh \xe2\x8b\x85 cm 2 。优化的厚电极与纽扣电池和袋式电池级别的商用石墨阳极配对，在 300 次循环后，全电池容量保持率分别高达 72% 和 78%。我们将这种出色的循环稳定性归功于对电池组件和测试条件的精心优化，特别注重提高电子电导率和高压兼容性。这些结果表明，精确控制材料质量、电极结构和电解质优化很快就能支持基于厚 LNMO 阴极（> 4 mAh \xe2\x8b\x85 cm 2）的无钴电池系统的开发，这最终将满足下一代锂离子电池的需求，降低成本，提高安全性，并确保可持续性。'
利用降级攻击破坏低功耗蓝牙的安全配对
为了抵御中间人 (MITM) 攻击等安全威胁，低功耗蓝牙 (BLE) 4.2 和 5.x 引入了仅安全连接 (SCO) 模式，在此模式下，BLE 设备只能接受来自发起者（例如 Android 手机）的安全配对，例如密码输入和数字比较。但是，BLE 规范并不要求发起者采用 SCO 模式，也没有指定 BLE 编程框架应如何实现此模式。在本文中，我们表明发起者的 BLE 编程框架必须正确处理 SCO 启动、状态管理、错误处理和绑定管理；否则，严重缺陷可能被利用来执行降级攻击，迫使 BLE 配对协议在用户不知情的情况下以不安全模式运行。为了验证我们的发现，我们使用 5 部 Android 手机测试了 18 种流行的 BLE 商业产品。我们的实验结果证明，所有这些产品都可能遭受 MITM 攻击（由降级引起）。更重要的是，由于 BLE 编程框架中的此类系统缺陷，Android 中的所有 BLE 应用程序都可能受到我们的降级攻击。为了防御我们的攻击，我们在 Android 开源项目 (AOSP) 上为 Android 8 上的 SCO 模式构建了一个原型。最后，除了 Android，我们还发现所有主流操作系统（包括 iOS、macOS、Windows 和 Linux）都无法正确支持 SCO 模式。我们已将已识别的 BLE 配对漏洞报告给蓝牙特别兴趣小组、谷歌、苹果、德州仪器和微软。
FDA 合作改善氟喹诺酮类抗生素的安全使用：一项针对高处方者的有针对性的简短信息和在线教育的事后匹配对照研究
摘要 目的：本项事后匹配对照研究旨在评估有针对性的短信或继续医学教育 (CME) 对高处方量患者氟喹诺酮类药物处方的影响。方法：总共 11,774 名开具大量氟喹诺酮类药物的 Medscape 医疗保健提供者 (HCP) 成员被随机分成三组，每组接收三种独特的有针对性的短信中的一种，每组通过电子邮件、网络提醒和移动提醒发送。一些收到有针对性短信的 HCP 也参与了氟喹诺酮类药物处方的 CME。第四组 HCP 仅参与 CME。将测试 HCP 与第三方提供者处方者数据进行匹配以识别对照 HCP。我们使用处方者数据来确定新处方量；处方减少的 HCP 百分比 (%)；急性细菌性鼻窦炎 (ABS)、无并发症性尿路感染 (uUTI) 和慢性阻塞性肺病患者的急性细菌性慢性支气管炎加重 (ABECB-COPD) 的新处方量。还测量了通过电子邮件发送的定向短信的打开率。结果：与对照组相比，定向短信和 CME 均显著减少新处方量。将定向短信与 CME 相结合后，与对照组 (76.2%；p<0.0001) 相比，处方减少的测试 HCP 百分比 (80.1%) 最高。在接触定向短信、CME 或两者后，uUTI 和 ABS 的新处方量显著减少。包含或不包含临床背景的比较处方信息的定向短信的打开率 (分别为 10.8% 和 10.6%) 略高于仅包含临床背景的定向短信 (9.1%)。结论：针对性短信息和 CME，单独使用或联合使用，均可减少高处方者口服氟喹诺酮类药物的处方。关键词抗菌药物管理；耐药性，细菌；氟喹诺酮类；处方药滥用；不当处方；教育，医疗，继续教育；同伴影响；随机对照试验作为主题；美国简介
配对试验分类：一种用于 MVPA 的新型深度学习技术
机器学习的许多最新发展都来自“深度学习”领域，即使用先进的神经网络架构和技术。虽然这些方法已经产生了最先进的结果，并在许多领域（例如图像分类和自然语言处理）占据了研究重点，但它们在脑电图 (EEG) 或其他人类神经科学数据集的分类中并没有比标准多元模式分析 (MVPA) 技术取得更大的进展。EEG 数据中的高维度和大量噪声，再加上可以从人类受试者样本中合理获得的示例（试验）数量相对较少，导致训练深度学习模型困难。即使模型在训练中成功收敛，尽管存在正则化技术，也会出现严重的过度拟合。为了帮助缓解这些问题，我们提出了一种新的“配对试验分类”方法，该方法涉及将 EEG 记录对分类为来自同一类或不同类。这样，我们可以通过配对试验的组合大幅增加训练示例的数量，这种方式类似于但不同于传统的数据增强方法。此外，配对试验分类仍然允许我们通过“字典”方法确定新示例（试验）的真实类别：将新示例与每个类别中的一组已知示例进行比较，并通过对每个类别中相同/不同的决策值求和来确定最终类别。由于单个试验是有噪声的，因此可以通过将新的单个示例与“字典”进行比较来进一步改进这种方法，其中每个条目都是几个示例（试验）的平均值。在可以对单个未知类别的多个样本取平均值的情况下，甚至可以实现进一步的改进，从而可以将平均信号与平均信号进行比较。