XiaoMi-AI文件搜索系统
World File Search System鉴定
使用深度学习的鸟类鉴定
4 md.devendran@gmail.com摘要：鸟类鉴定在生物多样性保护和生态学研究中起着至关重要的作用，为栖息地健康和物种分布提供了见解。识别鸟类物种的传统方法是时间密集型，容易出现人为错误，因此需要自动解决方案。这个项目是使用深度学习的鸟类识别，提出了一个先进的系统，以利用深度学习的力量准确地从图像中识别鸟类。该系统利用卷积神经网络（CNN），以其在图像分类任务方面的熟练程度而闻名。一个包含多种鸟类图像的数据集进行了预处理并增强，以增强模型的鲁棒性和泛化。模型架构旨在提取复杂的特征，即使在诸如不同的照明条件，遮挡或类似物种的外观等挑战性的情况下，也可以准确识别。使用准确性，精度，召回和F1得分等指标评估模型的性能，以确保全面验证。结果表明，对传统机器学习方法的准确性改善了，这表明了物种识别中深度学习的潜力。该项目对野生动植物监测，生态研究和教育工具的应用有望，从而促进了意识和保护工作。未来的工作可能包括将系统集成到移动应用中，或将其部署在现场条件下的实时鸟类识别。
全基因组碱基编辑器筛选鉴定酵母中蛋白质丰度的调节剂
摘要 蛋白质是细胞中的关键分子，其丰度不仅在基因表达水平而且在转录后水平受到广泛调控。在这里，我们描述了一种酵母基因筛选方法，该方法能够系统地表征蛋白质丰度调控在基因组中的编码方式。该筛选方法结合了 CRISPR/Cas9 碱基编辑器来引入点突变，并对内源性蛋白质进行荧光标记以方便流式细胞仪读数。我们首先使用单个 gRNA 以及正向和负向选择筛选对酵母中的碱基编辑器性能进行了基准测试。然后，我们研究了 16,452 种基因扰动对代表各种细胞功能的 11 种蛋白质丰度的影响。我们发现了数百种调控关系，包括 GAPDH 同工酶 Tdh1/2/3 与 Ras/PKA 通路之间的新联系。许多已识别的调节因子特定于这 11 种蛋白质中的一种，但我们还发现了一些基因，这些基因在受到扰动时会影响大多数测试蛋白质的丰度。虽然更具体的调控因子通常作用于转录，但广泛的调控因子往往在蛋白质翻译中发挥作用。总的来说，我们的新筛选方法为蛋白质调控网络的组成部分、规模和连通性提供了前所未有的见解。
鉴定生物标志物和黑色素瘤的靶向药物
在Chi等人发表的文章中，将MERS-COV S1亚基的序列注入了人CD4的跨膜结构域（TM）和RABV G蛋白的细胞质结构域（CD）。将单个转录单元插入RABV（SRV9菌株）cDNA克隆中，用于营救嵌合RABV，RSRV9-MERS S1，将融合片段S1 -TM-CD插入了RABV（SRV9菌株）cDNA克隆。透射电子显微镜表明，使用反向遗传学成功救出了活病毒。间接免疫荧光测定法证明了S1亚基被表达并转运到细胞表面。随后，收集了RSRV9 -MERS S1库存，被B-丙二醇酮灭活，然后在不连续的蔗糖梯度上通过超速离心纯化。进一步，Chi等。使用三种不同的动物进行体内测试：小鼠，骆驼和羊驼。小鼠的测试表明
显示鉴定的抗TIM3和抗试剂新抗体
抗体发现是一个漫长而劳动密集型的过程，需要大量的实验室工作，以确保抗体证明其在人类患者中用作治疗剂所必需的适当效率，生产和安全特征。传统上，此过程始于噬菌体显示或B细胞隔离运动，在该活动中，该活动是主要的选择标准。然而，通过这种方法识别的初始引线在开发性和表位定义方面缺乏足够的表征，通常在后期进行。在这项研究中，我们提出了一条管道，该管道将早期噬菌体展示筛选与基于AI的表征相结合，从而在整个选择过程中实现了更明智的决策。使用免疫检查点Tim3和Tigit作为目标，我们识别出具有相似结合特性的五个初始铅。由于表面物理化学特性不利，这些引线中的两个被预测具有较差的开发性纤维。生成了2：T4（反对Tigit）和6E9（针对TIM3），生成了及其各自目标的复合物的结构模型。预测的表位使我们能够预期与Tim3和Tigit结合伙伴进行竞争，并推断这些抗体预期的拮抗功能。这项研究奠定了从高吞吐量分析中得出的多维AI驱动的铅候选者的基础。
鉴定儿童血液中常染色体CIS表达定量性状甲基化（顺式EQTMS）
1 Respucation of ResjudmentBioMédicen Red de Enfermedes Raras（Ciberer），西班牙巴塞罗那； 2大学庞贝·法布拉大学（UPF），西班牙巴塞罗那； 3西班牙巴塞罗那科学技术研究所（Bisti）基因组调节中心（CNAG-CRG）的Centro NacionaldeAnálisisGenómica（CNAG-CRG）； 4 Isglobal，西班牙巴塞罗那； 5西班牙巴塞罗那巴塞罗那科学技术学院基因组监管中心（CRG）； 6 CiberEpidemiologíay SaludPública（Ciberesp），西班牙巴塞罗那； 7医学基因组学集团，圣地亚哥大学，西班牙圣地亚哥·德·孔波斯特拉； 8英国布拉德福德的布拉德福德教学医院NHS基金会信托基金Bradford健康研究所； 9大学格勒诺布尔（Grenoble Alpes），Inserm，CNRS，环境流行病学团队，用于繁殖和呼吸遗产，法国格勒诺布尔； 10日环境科学系，立陶宛Kaunas Vytautas Magnus University； 11挪威挪威公共卫生学院环境卫生部；挪威； 12社会医学系，克里特岛克里特大学，希腊克里特岛； 13美国南加州大学凯克医学院预防医学系，美国洛杉矶，美国； 14 Medicine Genomics Group，Ciberer，Santiago de Compostela大学，西班牙圣地亚哥De Costela； 15加利西亚州基因组医学基金会，西班牙圣地亚哥·德·波多拉（Santiago de Costela）； 16定量基因组医学实验室（QGENOMICS），西班牙巴塞罗那的埃斯普尔·德尔·洛布雷加； 17 Departoment de Biomedicine，DeNeurociències，巴塞罗那大学，巴塞罗那大学，西班牙
通过一种创新的效应方法方法鉴定了针对小菜的抗leptosposphaeria maculans涉及的主要基因。
L. maculans是一种植物致病的真菌，负责菜籽（甘蓝纳普斯）上的茎溃疡。其感染周期正在经历叶片感染的“早期”阶段，以及茎的无症状定植的“晚期”阶段，最终导致茎溃疡。遗传抗性是控制这种疾病的主要方法，几种质量抗性基因识别了在感染的“早期”阶段表达的空白基因。我们选择关注在茎定植期间表达的“晚”效应子，因为我们假设这些效应子可以触发茎中的定量抗性，这将对病原体施加较小的选择压力，并且更耐用。
生物信息学分析和鉴定纽卡斯尔疾病病毒F蛋白的表现区域
5-贵金[1] Alexander，D.J。，Aldous，E.W。和Fuller。 C.M. ）2012年（长期观点：对40年纽卡斯尔疾病研究的选择性评论。 禽病。 41（4），329-35。 [2] Altschul，S.F.，Gish，W。Miller，W。Myers，E.W。 和Lipman，D.J。 ）1990（基本本地对齐搜索工具。 J. Mol。 生物。 215（3），403-10。 [3] Ansori，A.N。和Kharisma，V.D。 ）2020（东南亚和东亚纽卡斯尔病毒的表征：融合蛋白基因。 eksakta：J。Sci。 数据肛门。 20（1），14-20。 [4] Ayala，A.J.，Dimitrov，K.M.，Becker，C.R.，Goraichuk，I.V.，Arns，C.W.，Bolotin，V.I. （2016）野生鸟类存在疫苗衍生的纽卡斯尔病毒。 PLOS ONE 11（9），E0162484。 [5] Brown，V.R。和Bevins，S.N。 （2017）对美国有毒纽卡斯尔病毒病毒的综述以及野生鸟类在病毒持久性和传播中的作用。 兽医。 res。 48（1），1-5。 [6] De Leeuw，O。和Peeters，B。 （1999）纽卡斯尔病毒的完整核苷酸序列：在亚家族中存在新属的证据。 J. Virol。 80（1），131-6。 [7] Dimitrov，K.M.，Ferreira，H.L.，Pantin- Jackwood，M.J.，Taylor，T.L.，Goraichuk，I.V.，I.V.，Crossley，B.M。，Killian，M.L.，M.L.，M.L.，Bergeson，N.H. 病毒学531，203-18。 2017。5-贵金[1] Alexander，D.J。，Aldous，E.W。和Fuller。C.M. ）2012年（长期观点：对40年纽卡斯尔疾病研究的选择性评论。 禽病。 41（4），329-35。 [2] Altschul，S.F.，Gish，W。Miller，W。Myers，E.W。 和Lipman，D.J。 ）1990（基本本地对齐搜索工具。 J. Mol。 生物。 215（3），403-10。 [3] Ansori，A.N。和Kharisma，V.D。 ）2020（东南亚和东亚纽卡斯尔病毒的表征：融合蛋白基因。 eksakta：J。Sci。 数据肛门。 20（1），14-20。 [4] Ayala，A.J.，Dimitrov，K.M.，Becker，C.R.，Goraichuk，I.V.，Arns，C.W.，Bolotin，V.I. （2016）野生鸟类存在疫苗衍生的纽卡斯尔病毒。 PLOS ONE 11（9），E0162484。 [5] Brown，V.R。和Bevins，S.N。 （2017）对美国有毒纽卡斯尔病毒病毒的综述以及野生鸟类在病毒持久性和传播中的作用。 兽医。 res。 48（1），1-5。 [6] De Leeuw，O。和Peeters，B。 （1999）纽卡斯尔病毒的完整核苷酸序列：在亚家族中存在新属的证据。 J. Virol。 80（1），131-6。 [7] Dimitrov，K.M.，Ferreira，H.L.，Pantin- Jackwood，M.J.，Taylor，T.L.，Goraichuk，I.V.，I.V.，Crossley，B.M。，Killian，M.L.，M.L.，M.L.，Bergeson，N.H. 病毒学531，203-18。 2017。C.M.）2012年（长期观点：对40年纽卡斯尔疾病研究的选择性评论。禽病。41（4），329-35。[2] Altschul，S.F.，Gish，W。Miller，W。Myers，E.W。和Lipman，D.J。）1990（基本本地对齐搜索工具。J. Mol。 生物。 215（3），403-10。 [3] Ansori，A.N。和Kharisma，V.D。 ）2020（东南亚和东亚纽卡斯尔病毒的表征：融合蛋白基因。 eksakta：J。Sci。 数据肛门。 20（1），14-20。 [4] Ayala，A.J.，Dimitrov，K.M.，Becker，C.R.，Goraichuk，I.V.，Arns，C.W.，Bolotin，V.I. （2016）野生鸟类存在疫苗衍生的纽卡斯尔病毒。 PLOS ONE 11（9），E0162484。 [5] Brown，V.R。和Bevins，S.N。 （2017）对美国有毒纽卡斯尔病毒病毒的综述以及野生鸟类在病毒持久性和传播中的作用。 兽医。 res。 48（1），1-5。 [6] De Leeuw，O。和Peeters，B。 （1999）纽卡斯尔病毒的完整核苷酸序列：在亚家族中存在新属的证据。 J. Virol。 80（1），131-6。 [7] Dimitrov，K.M.，Ferreira，H.L.，Pantin- Jackwood，M.J.，Taylor，T.L.，Goraichuk，I.V.，I.V.，Crossley，B.M。，Killian，M.L.，M.L.，M.L.，Bergeson，N.H. 病毒学531，203-18。 2017。J. Mol。生物。215（3），403-10。[3] Ansori，A.N。和Kharisma，V.D。 ）2020（东南亚和东亚纽卡斯尔病毒的表征：融合蛋白基因。 eksakta：J。Sci。 数据肛门。 20（1），14-20。 [4] Ayala，A.J.，Dimitrov，K.M.，Becker，C.R.，Goraichuk，I.V.，Arns，C.W.，Bolotin，V.I. （2016）野生鸟类存在疫苗衍生的纽卡斯尔病毒。 PLOS ONE 11（9），E0162484。 [5] Brown，V.R。和Bevins，S.N。 （2017）对美国有毒纽卡斯尔病毒病毒的综述以及野生鸟类在病毒持久性和传播中的作用。 兽医。 res。 48（1），1-5。 [6] De Leeuw，O。和Peeters，B。 （1999）纽卡斯尔病毒的完整核苷酸序列：在亚家族中存在新属的证据。 J. Virol。 80（1），131-6。 [7] Dimitrov，K.M.，Ferreira，H.L.，Pantin- Jackwood，M.J.，Taylor，T.L.，Goraichuk，I.V.，I.V.，Crossley，B.M。，Killian，M.L.，M.L.，M.L.，Bergeson，N.H. 病毒学531，203-18。 2017。[3] Ansori，A.N。和Kharisma，V.D。）2020（东南亚和东亚纽卡斯尔病毒的表征：融合蛋白基因。eksakta：J。Sci。数据肛门。20（1），14-20。[4] Ayala，A.J.，Dimitrov，K.M.，Becker，C.R.，Goraichuk，I.V.，Arns，C.W.，Bolotin，V.I.（2016）野生鸟类存在疫苗衍生的纽卡斯尔病毒。PLOS ONE 11（9），E0162484。[5] Brown，V.R。和Bevins，S.N。（2017）对美国有毒纽卡斯尔病毒病毒的综述以及野生鸟类在病毒持久性和传播中的作用。兽医。res。48（1），1-5。[6] De Leeuw，O。和Peeters，B。（1999）纽卡斯尔病毒的完整核苷酸序列：在亚家族中存在新属的证据。J. Virol。 80（1），131-6。 [7] Dimitrov，K.M.，Ferreira，H.L.，Pantin- Jackwood，M.J.，Taylor，T.L.，Goraichuk，I.V.，I.V.，Crossley，B.M。，Killian，M.L.，M.L.，M.L.，Bergeson，N.H. 病毒学531，203-18。 2017。J. Virol。80（1），131-6。[7] Dimitrov，K.M.，Ferreira，H.L.，Pantin- Jackwood，M.J.，Taylor，T.L.，Goraichuk，I.V.，I.V.，Crossley，B.M。，Killian，M.L.，M.L.，M.L.，Bergeson，N.H.病毒学531，203-18。2017。（2019）2018年至2019年加利福尼亚疫情及其相关病毒在年轻鸡和相关病毒中的致病性和传播。[8] Dimitrov，K.M。，Afonso，C.L.，Yu，Q。和Miller，P.J。纽卡斯尔疾病疫苗 -
使用生物信息学和机器学习鉴定子宫中重要的诊断基因
摘要背景：子宫子宫内膜癌（UCEC）被称为世界第六大癌症。生物信息学和深度学习的进步提供了筛查大规模基因组数据并发现指示疾病状态的潜在生物标志物的两种工具。这项研究旨在研究使用生物信息学和机器学习算法鉴定子宫诊断和预后的重要基因。方法：分析UECE患者的RNA表达谱，使用深度学习技术鉴定差异表达的基因（DEG）。预后生物标志物。此外，彻底检查了分子途径，蛋白质 - 蛋白质相互作用（PPI）网络，DEG的共表达模式及其与临床数据的关联。最终，通过基于深度学习的分析来确定诊断标记。结果：根据我们的发现，MEX3B，CTRP2（C1QTNF2）和AASS是UCEC的新生物标志物。评估指标证明了深度学习模型的功效（DNN）功效，最小平均平方误差（MSE）为5.1096067E-5，而根平方误差（RMSE）为0.007，表示准确的预测。0.99的R平方值强调了该模型解释数据中差异的很大一部分的能力。因此，该模型在曲线（AUC）下达到了一个完美的区域，表示特殊的歧视能力，精度率为97％。因此，确定新的UCEC生物标志物有望有效护理，改善预后和早期诊断。结论：GDCA数据库和深度学习算法确定了3个重要基因-MEX3B，CTRP2（C1QTNF2）和AASS，是UCEC的潜在诊断生物标志物。关键词：子宫语料库子宫内膜癌，深度学习，生物标志物，生物信息学分析，UCEC利益冲突：无宣布的资金：这项研究得到了Shahid Beheshti医学科学大学的资助和支持。*这项工作已根据CC BY-NC-SA 4.0许可发布。版权所有©伊朗医学科学大学引用本文的引用：Valizadeh Laktarashi H，Rahimi M，Rahimi M，Abrishamifar K，Mahmoudabadi A，Nazari E.使用生物学信息和机器学习对子宫中重要的诊断基因的鉴定。Med J Islam Repub伊朗。2025（1月6日）; 39：4。 https://doi.org/10.47176/mjiri.39.4