摘要:高风险的人乳头瘤病毒(HPV)与生殖器和口服癌症有关,HPV+头和颈部鳞状细胞癌的发生率在美国和全球范围内迅速增加。局部晚期疾病患者的存活率在进行标准化学放疗治疗后很差。确定抗肿瘤宿主免疫介质对于治疗反应和促进它们的设计策略很重要。我们早些时候报道说,在合成性免疫能力的临床前HPV肿瘤小鼠模型中,鼻腔内免疫与HPV肽治疗疫苗,其中含有AGALCER和CPG-ODN辅助药(TVAC)结合使用,通过促进HPV阴道肿瘤的清除,通过诱导强烈的细胞氧化细胞氧化剂,通过诱导HPV阴道。但是,TVAC在HPV口腔肿瘤的清除方面不足。为了克服这种缺陷,我们测试了用临床相关的QS21(TVQC)取代Agalcer,并观察到持续的持续回归,超过70%的口服和80%的阴道HPV肿瘤。口腔肿瘤模型中TVQC介导的保护不仅与强大的总和HPV抗原特异性CD8 T细胞相关,还与天然的杀手树突状细胞(NKDC)相关,这是表达DC标记CD11C的NK细胞的新型子集。值得注意的是,我们观察到TVQC相对于TVAC的诱导显着诱导了更高的先天NK效应子响应。此外,在用TVQC处理的小鼠中,总CD11C+ NK细胞群的频率显着高于CD11C-子集,突显了NKDC对疫苗反应的贡献的重要性。这些结果强调了NK介导的先天免疫效应子在总抗肿瘤免疫中对治疗HPV+癌症的重要性。
阿尔茨海默病 (AD) 是一种退行性且最终致命的脑部疾病,目前尚无治愈方法。这种神经系统疾病病因复杂,会导致痴呆和认知能力下降,由于脑部 MRI 图像存在差异,包括大小、形状和脑脊液流量的差异,因此很难识别。虽然 AD 没有治疗方法,但通过早期诊断可以减缓其进展。许多研究人员已经采用基于图像处理的技术,根据脑部图像区分正常患者和 AD 患者。然而,大脑的各个区域通常看起来非常相似,因此很难精确定位特定区域,而且在提取精确区域时总会存在一些不确定性。文献中提出了各种模糊 c 均值和直觉模糊 c 均值 (IFCM) 方法来处理这种模糊性和不确定性。相比之下,毕达哥拉斯模糊集 (PFS) 提供了一种更精确的验证成员资格的方法,使其成为管理不确定性的有效工具。作者分析了 PFS,并应用模糊 c 均值提出了毕达哥拉斯模糊 c 均值 (PFCM)。此外,还使用了基于直方图的初始质心来避免许多聚类算法中常见的局部最小值问题。由于结合了初始质心和基于 PFS 的聚类,所提出的聚类算法表现出了更好的性能,在不到 1.5 秒的时间内完成执行。所提出的方法在检测脑组织时实现了高准确率:白质 (WM) 为 98.64%,灰质 (GM) 为 97.4%,脑脊液 (CSF) 为 98.14%。
摘要:16蛋白溶解度在各种生物技术,工业和17种生物医学应用中起着至关重要的作用。随着测序和基因合成成本的降低,18采用了高通量实验筛选以及量身定制的19个生物信息学预测,已经见证了开发20种新型功能酶(EOI)的快速增长趋势。高蛋白质溶解度率是必不可少的21,准确的溶解度预测是一项艰巨的任务。随着深度学习技术的继续发展,基于注意力的蛋白质语言模型23(PLM)可以在更大程度上从蛋白质序列中提取固有信息。24利用这些模型以及蛋白质溶解度的可用性增加25从结构数据库(如蛋白质数据库(PDB))推断出的数据,具有增强蛋白质溶解度预测的26个潜力。在这项研究中,我们策划了27个更新的大肠杆菌(E.COLI)蛋白溶解度数据集(Uesolds),而28种则采用了多个PLM和分类层的组合来预测蛋白29溶解度。最佳表现最佳模型,称为蛋白质语言30基于模型的蛋白质溶解度预测模型(PLM_SOL),与以前报道的模型相比有31个显着改善,可实现5.7%32的准确性提高,F1_SCORE提高9%,而33个独立测试集的MCC得分提高了10.4%。此外,利用我们内部34合成的蛋白质资源作为测试数据的其他评估,包括各种类型的酶,35还展示了PLM_SOL的出色性能。59总体而言,PLM_SOL在独立的测试集和37个实验集中表现出36个一致且有希望的性能,从而非常适合促进大规模的EOI研究。38 PLM_SOL可作为独立程序可用,并在39 https://zenodo.org/doi/10.5281/zenodo.10675340上作为易于使用的型号。40 41引言42蛋白质的正确折叠以保持足够的溶解度和稳态,对于几乎每个基于蛋白质的生物学过程而言,必不可少的43。不满意的溶解度或44聚集可以阻碍基于蛋白质的药物发育,例如抗体产生。45抗体的低溶解度可能会限制其保质期,并可能诱导46个不良免疫反应(1-3)。除了抗体之外,由于速度降低了48种测序和基因合成的成本以及49个高通量功能筛选平台的持续下降,因此越来越多的47种兴趣(EOI)的酶以速度越来越高(4-6)。在这些大规模的EOI 50筛查研究中,提高蛋白质溶解度预测的准确性可以提高51蛋白质纯化的成功率,并促进下游生物物理或52生化特征。普通宿主,例如细菌细胞,昆虫细胞,酵母53细胞,植物和哺乳动物细胞,通常用于重组蛋白表达54(7)。在这些选择中,细菌细胞(通常是大肠杆菌(大肠杆菌))提供了55个易于遗传操作和成本效益的优点,因此将56作为重组蛋白质产生的主要平台之一(8)。提高大肠杆菌中蛋白质溶解度预测的57精度具有降低58个实验成本并提高新型EOI发现成功率的巨大潜力。
基于图卷积的方法已成为图表表示学习的标准,但它们对疾病预测任务的应用仍然非常有限,这特别是在神经发育和神经发育生成脑疾病的分类中。在本文中,我们通过在图形采样中掌握聚合以及跳过连接和身份映射来引入Ag-Gregator归一化卷积网络。提出的模型通过将成像和非成像特征同时纳入图节点和边缘来学习歧视图形节点表示形式,以增强预测能力,并为基础的脑疾病的基础机械抗体提供整体观点。跳过连接使信息从输入功能直接流到网络的后期层,而身份映射有助于在功能学习过程中维护图的结构信息。我们根据两个大型数据集,自闭症脑成像数据交换(ABIDE)和阿尔茨海默氏病神经影像学计划(ADNI)进行了替补,以预测自闭症谱系障碍和阿尔茨海默氏症的异常。实验结果表明,与最近的基线相比,我们的方法的效率是几个评估指标的表现,分别在Abide和ADNI上的图形卷积网络上,分类的分类卷积网络分别获得了50%和13.56%的相关性改善。
摘要 —P300 拼写器是脑机接口研究中广泛使用的应用。事实证明,P300 拼写器可以作为神经反馈训练工具,通过逐渐增加拼写任务的难度来增强注意力。这种自适应方法使用户更难正确拼写单词,鼓励他们提高注意力以抵消日益增加的难度。因此,自适应 P300 拼写器有可能成为患有 ADHD 的儿童、患有痴呆症的老年患者的治疗选择,并成为健康成年人的认知增强工具。但是,训练长度(包括设置时间)需要很快,以确保用户接受。本研究调查了使用和不使用 xDAWN 空间滤波器时不同电极子集对 P300 拼写器性能的影响。结果表明,xDAWN 空间滤波器可以提高许多电极的性能,但会降低少于八个电极的结果。对于近乎完美的性能至关重要且有许多电极可用的场景,建议使用一组带有 xDAWN 空间滤波器的 16 个电极。对于需要考虑成本和设置时间,且可以接受较低性能的情况,使用不带空间滤波器的六个电极就足够了。
摘要:建筑行业需要用于各种应用程序,包括建筑物翻新,历史建筑保存和结构健康监测,需要全面,准确的信息。现实捕获技术促进了点云的形式记录本构建的信息。但是,在研究中,扫描计划和多技术融合的新兴发展趋势在研究中尚未充分解决有关它们对建筑环境中云云注册质量和数据质量的影响的研究。本研究旨在广泛研究扫描计划和多技术融合对点云注册和数据质量的影响。使用注册误差(RE)和扫描重叠率(SOR)评估了注册质量,分别代表注册准确性和注册率。相反,使用点误差(PE)和覆盖率(CR)评估数据质量,这表示数据的准确性和数据完整性。此外,本研究提出了一种体素质心方法和PCP速率来计算和优化CR,从而应对量化点云完整性的行业挑战。
本论文由加德纳-韦伯大学数字共享中心商学院免费提供给您,供您免费访问。它已被加德纳-韦伯大学数字共享中心的授权管理员接受,并被纳入工商管理博士论文。有关更多信息,请参阅版权和出版信息。
§ “1 类电动自行车”是指配备有马达的电动自行车,该马达仅在骑手操作电动自行车的脚踏板时启动,当骑手停止踩踏板或电动自行车的速度达到每小时 20 英里时,马达便会脱离。 § “2 类电动自行车”是指配备有马达的电动自行车,该马达可专门用于推动电动自行车,当踩下刹车或电动自行车的速度达到每小时 20 英里时,马达便会脱离。 § “3 类电动自行车”是指配备有马达的电动自行车,该马达仅在骑手操作电动自行车的脚踏板时启动,当骑手停止踩踏板或电动自行车的速度达到每小时 28 英里时,马达便会脱离。 • 电动自行车零售商的选择和纳入 o 包括店内和在线零售商。包括店内和在线零售商可让计划参与者从最广泛的自行车中进行选择,以满足他们的需求。 o 在制定计划时与零售商合作。这可以通过特定的零售商倾听会议来完成。与零售商的合作将有助于该计划的成功。 o 考虑要求零售商注册该计划。要求零售商注册成为您的电动自行车激励计划的参与者,可以让您与每家零售店建立联系,并更好地监督所购买的电动自行车。 • 确定该计划对空气质量的益处
当前的深度学习(DL)系统依赖于集中的计算范式,该计算范式限制了可用培训数据的数量,增加了系统延迟并增加了隐私和安全性。通过分散的DL模型对DL模型对点对点连接的边缘设备进行的分散和分布式培训启用的设备学习,不仅可以减轻上述限制,而且还可以启用需要DL模型的下一代应用程序,以连续进行交互并从他们的环境中学习。然而,这需要开发新型培训算法,这些新型培训算法会通过随着时间变化和定向的对等图结构进行训练DL模型,同时最大程度地减少设备之间的连接数量,并且对非IID数据分布也有弹性。在这项工作中,我们提出了稀疏的畅通,这是一种交流效率分散的分布式培训算法,该培训算法支持对点对点,指导和时间变化的图形拓扑。所提出的算法可以减少466倍的交流,而在训练各种DL模型(例如Resnet-20和VGG11)上的CIFAR-10数据集时,性能仅降解了1%。此外,我们证明了如何导致非IID数据集的频率降解的显着性能降解,并提出了偏斜补偿的稀疏推动算法,从而恢复了这种性能下降,同时保持相似的通信压缩水平。