XiaoMi-AI文件搜索系统
World File Search System集合
神经集合的编码和解码研究
今年的会议标志着 AREADNE 翻开了新的篇章，我们将会议地点从火山喷发的圣托里尼岛移到了宁静祥和的米洛斯岛。正如 KP 卡瓦菲的诗歌《伊萨卡》[1] 所提醒我们的那样，在前往遥远目的地的途中，所获得的冒险和知识可能比最终到达目的地更加光彩夺目。因此，我们移师米洛斯岛，将为我们带来全新的视角和新的灵感，这是我们进行科学探究的重要组成部分。米洛斯岛经常被描述为爱琴海的一颗隐藏宝石，它拥有宁静而人迹罕至的环境。从其独特的风景到其乡土建筑，从超凡脱俗的萨拉基尼科海滩到用于存放传统渔船的 sirma 车库，米洛斯岛为我们提供了一种深邃美丽、平和和沉思的氛围。
基线和基于过程模型的多模型集合提高了近期湖泊预测的预测技能
湖泊和水库中的抽象水温预测是在不断变化且更可变化的气候下管理重要的淡水资源的宝贵工具，但是以前的努力尚未确定最佳的建模方法。在这里，我们演示了第一个多模型集合（MME）储层水温预测，这是一种预测方法，将单个模型强度结合在单个预测框架中。我们开发了两个MME：一个基于过程的MME和一个五模型MME，其中包括基于过程的和经验模型，以预测温带饮用水库的水温谱。我们发现，相对于单个模型和基于过程的MME，五模型MME的预测性能提高了8％–30％，并使用汇总的概率技能得分进行了量化。尽管预测不确定性增加了，但性能的这种提高是由于五模型MME的预测偏差的大大改善所致。基于过程的模型之间的高相关性导致基于过程的MME相对于基于个体的基于过程的模型，预测性能几乎没有改善。MMES的效用由两个结果强调：（a）在每个深度和地平线（将来的日子）中，任何单独的模型都没有表现最佳，并且（b）MMES避免了表现不佳，因为很少能为任何单个预测期（随着时间的时间<6％）的预测周期产生最差的预测）。这项工作提供了一个示例，说明了如何合并现有模型以改善湖泊和储层中的水温预测，并讨论了在操作预测中利用MME而非单个模型的价值。
论文集合 div>
→о氨基.............................................................................................................................................................................................................................................................................................................. ю „ LISK。 Г. ш极，�。 Е. Redina，i.v. Chadaeva，R。V. Kozhemyakina，K。Zolotareva，B。Khandaev，E。B. Sharypova，P。M. Ponomarenko，A。G. Bogomolov，N。V. Klimova，N。G. Kolosova，N。G. Kolosova，M。Nazarenko Ponomarenko
LCASPMDA：一种计算模型，用于预测基于可学习的图形卷积注意网络和自定进度的迭代采样集合
人体包含数万亿个微生物，包括细菌，古细菌，真菌，原生动物和病毒，它们构成人类微生物群，并与人类宿主紧密相互作用（人类微生物组项目联盟，2012; Sommer和Bäckhed，2013年）。这些微生物可以在皮肤，口腔，鼻腔，胃肠道，泌尿生殖道和人体其他部位发现，并在调节人类健康中起重要作用。例如，他们可以调节胃肠道的病理，并协调内部环境的体内平衡，以促进人体的代谢功能（Gill等，2006; Ventura等，2009）。微生物组和宿主粘膜位点以协同的方式相互作用，以防止病原体（Macpherson和Harris，2004）。微生物促进了糖代谢的合成，并促进了T细胞反应所需的维生素的合成（Kau等，2011）。，但微生物也对人体产生不利影响。例如，研究证明，微生物群落的营养不良可以诱导糖尿病（Wen等，2008），炎症性肠病（Durack和Lynch，2019年），甚至癌症（Schwabe和Jobin，2013）。此外，已证明细菌和病毒等病原体能够引起多达27种传染病，例如Covid-19（Xiang等，2020）。此外，近年来，由于药物的滥用和非理性使用，微生物对某些药物产生了抗药性，这给临床医学和药物开发带来了严重的挑战。Concetta等。此外，最近的研究还表明，药物的功效受到微生物代谢的显着影响（McCoubrey等，2022）。当药物在人体中起作用时，微生物在药物吸收和代谢中起着重要作用，从而调节药物疗效和毒性（Zimmermann等，2019）。报道肠道菌群可以与抗癌药物相互作用，从而影响药物的治疗效率和毒性副作用。他们将益生菌，益生元，合成药，生物制剂和抗生素作为微生物群的新兴策略，可以改善治疗结果或确保患者在抗癌治疗期间的生活质量更好（Panebianco等人，2018年）。因此，发现潜在的微生物 - 药水关联是在精密医学领域要解决的关键问题之一，并且需要开发有效的计算模型以发现潜在的微生物 - 药水关联变得越来越紧迫。
为什么CMIP6模式集合平均值对北极温度的模拟比全球温度更准确？
摘要：为了对预期的气候变化做出适当的政策响应，需要准确模拟和预测未来的变暖。我们研究了 CMIP6（气候模型比较计划第六阶段）气候模型对全球和北极平均地表气温的模拟。大多数模型高估了观测到的平均全球变暖。在所考虑的 19 个模型中，只有 7 个模拟的全球变暖在 2014-2023 年平均值和 1961-1990 年参考期之间观测到的变暖平均值的 ± 15% 以内。10 个模型高估了全球变暖超过 15%，只有一个模型低估了全球变暖超过 15%。CMIP6 气候模型对北极变暖的模拟比对全球变暖平均值的模拟要好得多。原因是模型对北极变暖的高估和低估分布均匀，而大多数模型高估了全球变暖平均值。8 个模型与观测到的北极变暖的误差在 ± 15% 以内。只有三个模型对全球平均温度和北极温度的模拟准确度在±15%以内。
一个针对脑肿瘤分类的优化的集合深学习模型
* md。 div>Alamin Talukder电子邮件地址：Alamintalukder.cse.jnu@gmail.com（MD。 div>）Alamin Talukder），manowar@cse.jnu.ac.bd（Md。 div>） Manowarul Islam），Ashraf.uddin@deakin.edu.au（Md Ashraf Uddin） div>Alamin Talukder），manowar@cse.jnu.ac.bd（Md。 div>）Manowarul Islam），Ashraf.uddin@deakin.edu.au（Md Ashraf Uddin） div>Manowarul Islam），Ashraf.uddin@deakin.edu.au（Md Ashraf Uddin） div>
揭示蛋白质集合：用于X射线晶体学和冷冻EM
1加利福尼亚大学旧金山分校的生物工程和治疗科学系，加利福尼亚州旧金山，美国2结构生物学计划，CUNY高级科学研究中心，纽约，纽约，纽约，10031 3博士。生物学计划，研究生中心 - 纽约市纽约市，纽约，纽约10016 4 Atomwise，Inc。，旧金山，加利福尼亚州，美国加利福尼亚州，美国5化学和生物化学系，纽约市城市学院，纽约，纽约，纽约，10031年，10031年10031 6 Ph.D.生物化学，生物学和化学方案，研究生中心 - 纽约市城市大学，纽约，纽约10016†当前地址：重播，5555 Oberlin Drive，Ste。 120，圣地亚哥，CA 92121 *通信：mullane.stephanie@gmail.com摘要：在其折叠状态下，在多种构象状态之间交换对其功能至关重要的构象状态。 传统的结构生物学方法，例如X射线晶体学和低温电子显微镜（Cryo-EM），产生了集合平均值的密度图，反映了各种构象的分子。 然而，大多数从这些地图得出的模型明确表示单个构象，从而忽略了生物分子结构的复杂性。 为了准确反映生物分子形式的多样性，迫切需要朝着建模反映实验数据的结构合奏。 但是，将信号与噪声区分开的挑战使手动创建这些模型的努力变得复杂。 为了响应，我们将最新的增强功能引入了QFIT，这是一种自动化计算策略，旨在将蛋白质构象异质性纳入内置在密度图中的模型中。 Phenix，Refmac，Buster）。生物学计划，研究生中心 - 纽约市纽约市，纽约，纽约10016 4 Atomwise，Inc。，旧金山，加利福尼亚州，美国加利福尼亚州，美国5化学和生物化学系，纽约市城市学院，纽约，纽约，纽约，10031年，10031年10031 6 Ph.D.生物化学，生物学和化学方案，研究生中心 - 纽约市城市大学，纽约，纽约10016†当前地址：重播，5555 Oberlin Drive，Ste。120，圣地亚哥，CA 92121 *通信：mullane.stephanie@gmail.com摘要：在其折叠状态下，在多种构象状态之间交换对其功能至关重要的构象状态。 传统的结构生物学方法，例如X射线晶体学和低温电子显微镜（Cryo-EM），产生了集合平均值的密度图，反映了各种构象的分子。 然而，大多数从这些地图得出的模型明确表示单个构象，从而忽略了生物分子结构的复杂性。 为了准确反映生物分子形式的多样性，迫切需要朝着建模反映实验数据的结构合奏。 但是，将信号与噪声区分开的挑战使手动创建这些模型的努力变得复杂。 为了响应，我们将最新的增强功能引入了QFIT，这是一种自动化计算策略，旨在将蛋白质构象异质性纳入内置在密度图中的模型中。 Phenix，Refmac，Buster）。120，圣地亚哥，CA 92121 *通信：mullane.stephanie@gmail.com摘要：在其折叠状态下，在多种构象状态之间交换对其功能至关重要的构象状态。传统的结构生物学方法，例如X射线晶体学和低温电子显微镜（Cryo-EM），产生了集合平均值的密度图，反映了各种构象的分子。然而，大多数从这些地图得出的模型明确表示单个构象，从而忽略了生物分子结构的复杂性。为了准确反映生物分子形式的多样性，迫切需要朝着建模反映实验数据的结构合奏。但是，将信号与噪声区分开的挑战使手动创建这些模型的努力变得复杂。为了响应，我们将最新的增强功能引入了QFIT，这是一种自动化计算策略，旨在将蛋白质构象异质性纳入内置在密度图中的模型中。Phenix，Refmac，Buster）。这些QFIT中的这些算法改进是由跨蛋白质范围的上级和几何指标证实的。重要的是，与更复杂的多拷贝集合模型不同，可以在大多数主要的模型构建软件中手动修改QFIT生产的多构形式模型（例如，coot）和拟合度可以通过使用标准管道来进一步改善（例如通过减少创建多配量模型的障碍，QFIT可以促进有关大分子构象动力学和功能之间关系的新假设的发展。
蛋白质集合通过变异自动编码器潜在空间采样
摘要：映射有助于功能的蛋白质构象的整体，可以用小分子药物来靶向，这仍然是一个重大的挑战。在这里，我们探讨了变异自动编码器的使用来减少蛋白质结构合奏生成问题中维度的挑战。我们将高维蛋白质结构数据转换为连续的，低维的表示，在以结构质量度量为导向的空间中进行搜索，然后使用由采样的结构信息引导的Rosettafold来生成3D结构。我们使用这种方法为癌症相关的蛋白质K-RAS生成合奏，在可用的K-Ras晶体结构的子集上训练VAE和MD模拟快照，并评估接近与训练中与晶体结构接近的取样程度。我们发现，我们的潜在空间采样程序迅速生成具有高结构质量的合奏，并且能够在固定晶体结构的1Å内进行采样，其一致性高于MD模拟或Alphafold2预测。采样结构充分概括了固定的K-RAS结构中的隐性口袋，以允许小分子对接。
量子分类器集合
在当今被称为噪声中型量子 (NISQ) 的时代，在量子设备中编码大量数据具有挑战性，噪声的影响会严重影响所获得结果的质量。执行量子分类算法的一种可行方法是引入一个众所周知的机器学习范式，即集成方法。事实上，集成结合了多个内部分类器，由于用于训练的数据子集较小，这些分类器的特点是紧凑，以实现更准确和稳健的预测性能。通过这种方式，可以减少相对于单个较大分类器的量子比特要求，同时实现相当或改进的性能。在这项工作中，我们提出了一种实现方法和广泛的实证评估，用于二元分类的基于量子实例的分类器集成，目的是深入了解它们的有效性、局限性以及提高基本量子模型性能的潜力。特别是，这里考虑了三种经典的集成方法和三种基于量子实例的分类器。因此，已实施的方案（使用 Python）具有混合性质。结果（在真实数据集上获得）表明，集成技术相对于单个量子分类器具有准确性优势，并且鲁棒性也有所提高。事实上，事实证明，集成不仅可以有效缓解不合适的数据规范化，还可以减少噪声对量子分类器的影响，从而提高其稳定性。