XiaoMi-AI文件搜索系统
World File Search System黑猩猩
人脑的独特性：
摘要。本综述的目的是强调人脑解剖和功能唯一性的最重要方面。为此，我们的大脑与我们最亲密的祖先（黑猩猩和bo骨）和人类祖先进行了比较。在人类进化过程中，大脑中发生了几种变化，例如脑大小的绝对增加和皮质神经元数量，除了更大程度的功能侧向化和解剖学不对称。此外，皮质细胞结构变得更加多样化，并且从大脑皮层到皮层结构延伸到皮层结构的心脏内网络和网络的数量增加，其中更多的神经网络投资于多感官和感官 - 运动 - 运动 - 运动型相关认知能力。这些变化允许更加复杂，灵活和多才多艺的认知能力和社会行为，例如共同的意图和象征性表达的语言，这反过来又成为了我们物种的特征，从而形成了更大的社会群体和累积的文化进化。
人类加速区域的增强子功能和进化作用
人类加速区域 (HAR) 是人类基因组中进化最快的序列。当 HAR 于 2006 年被发现时，由于非编码基因组的注释很少，它们的功能尚不明了。从转基因动物到机器学习，多种技术一致表明 HAR 可作为基因调控增强子发挥作用，并在神经发育中显著富集。现在可以同时定量测量数千个 HAR 的增强子活性，并模拟每个核苷酸如何促进基因表达。这些策略揭示出许多人类 HAR 序列的功能与黑猩猩直系同源物不同，尽管同一 HAR 中单个核苷酸的变化可能具有相反的效果，与补偿性替换一致。为了全面评估 HAR 在人类进化中的作用，有必要通过实验和计算在更多细胞类型和发育阶段对它们进行剖析。
COVID-19疫苗景观
SARS-COV-2疫苗SARS-COV-2是一种阳性的单链RNA病毒。与其他冠状病毒一样，它具有4个结构成分：尖峰，enve lope，膜和核素蛋白。峰值蛋白促进与宿主细胞的结合和融合，使其成为一种吸引人的疫苗抗原。开发SARS-COV-2疫苗有3种方法：（1）将峰值蛋白附着在非复制病毒载体上； （2）使用Messenger RNA（mRNA）技术诱导宿主尖峰蛋白合成； （3）用佐剂递送峰值蛋白。使用含有尖峰基因的复制缺陷的黑猩猩腺病毒载体，采用了第一种方法。一旦在细胞内，载体就会使用细胞现有的分子机械将DNA转录至mRNA并产生尖峰蛋白。基于病毒载体的复制疫苗已安全地用于免疫抑制的个体。第二种方法由辉瑞-biontech和
人工智能与人类交互舒适度研究
[1] Michael Ahn、Anthony Brohan、Noah Brown、Yevgen Chebotar、Omar Cortes、Byron David、Chelsea Finn、Keerthana Gopalakrishnan、Karol Hausman、Alex Herzog 等人。2022 年。尽我所能，不要照我说的做：为机器人可供性奠定语言基础。arXiv 预印本 arXiv:2204.01691 (2022)。[2] Chris Baker、Rebecca Saxe 和 Joshua Tenenbaum。2011 年。贝叶斯心智理论：建模联合信念-愿望归因。在认知科学学会年会论文集，第 33 卷。[3] Chris L Baker、Noah D Goodman 和 Joshua B Tenenbaum。2008 年。基于理论的社会目标推理。在认知科学学会第三十届年会论文集。 Citeseer，1447–1452。[4] Chris L Baker 和 Joshua B Tenenbaum。2014 年。使用贝叶斯心理理论对人类计划识别进行建模。计划、活动和意图识别：理论与实践 7 (2014)，177–204。[5] Andreea Bobu、Marius Wiggert、Claire Tomlin 和 Anca D Dragan。2021 年。特征扩展奖励学习：重新思考人类输入。在 2021 年 ACM/IEEE 人机交互国际会议论文集上。216–224。[6] Andreea Bobu、Marius Wiggert、Claire Tomlin 和 Anca D Dragan。2022 年。通过学习特征在奖励学习中诱导结构。国际机器人研究杂志 (2022)，02783649221078031。[7] Mustafa Mert Çelikok、Tomi Peltola、Pedram Daee 和 Samuel Kaski。2019 年。具有心智理论的交互式人工智能。arXiv 预印本 arXiv:1912.05284 (2019)。[8] Aakanksha Chowdhery、Sharan Narang、Jacob Devlin、Maarten Bosma、Gaurav Mishra、Adam Roberts、Paul Barham、Hyung Won Chung、Charles Sutton、Sebastian Gehrmann 等人。2022 年。Palm：使用路径扩展语言建模。arXiv 预印本 arXiv:2204.02311 (2022)。[9] Harmen De Weerd、Rineke Verbrugge 和 Bart Verheij。 2013. 了解她知道你知道的事情有多大帮助？一项基于代理的模拟研究。人工智能 199 (2013)，67–92。[10] Jacob Devlin、Ming-Wei Chang、Kenton Lee 和 Kristina Toutanova。2018. Bert：用于语言理解的深度双向变压器的预训练。arXiv 预印本 arXiv:1810.04805 (2018)。[11] Prafulla Dhariwal 和 Alexander Nichol。2021. 扩散模型在图像合成方面击败了 gans。神经信息处理系统进展 34 (2021)，8780–8794。[12] Prashant Doshi、Xia Qu、Adam Goodie 和 Diana Young。2010. 使用经验主义交互式 POMDP 对人类的递归推理进行建模。在第九届自主智能体和多智能体系统国际会议论文集：第 1 卷-第 1 卷。1223–1230。[13] 段佳飞、余志强、谭辉、朱宏远和陈志东。2022 年。具身人工智能调查：从模拟器到研究任务。IEEE 计算智能新兴主题汇刊 (2022 年)。[14] 段佳飞、余志强、谭辉、易立和陈志东。2022 年。BOSS：对象上下文场景中人类信念预测的基准。arXiv 预印本 arXiv:2206.10665 (2022 年)。[15] David Engel、Anita Woolley、Lisa Jing、Christopher Chabris 和 Thomas Malone。2014 年。从眼睛读懂心思还是从字里行间读懂心思？心智理论在线上和面对面时同样能预测集体智慧。PloS one 9 (12 2014)，e115212。https://doi.org/10.1371/journal.pone.0115212 [16] Dylan Hadfield-Menell、Stuart J Russell、Pieter Abbeel 和 Anca Dragan。2016 年。合作逆强化学习。神经信息处理系统的进展 29 (2016)。[17] Yanlin Han 和 Piotr Gmytrasiewicz。2018 年。使用交互式 POMDP 在多智能体环境中学习他人的意向模型。神经信息处理系统的进展 31 (2018)。 [18] 何开明、张翔宇、任少卿和孙健。2016 年。深度残差学习在图像识别中的应用。IEEE 计算机视觉与模式识别会议论文集。770–778。[19] Jonathan Ho、Ajay Jain 和 Pieter Abbeel。2020 年。去噪扩散概率模型。神经信息处理系统进展 33（2020 年），6840–6851。[20] Kyriaki Kalimeri 和 Ingvar Tjostheim。2020 年。人工智能与对未来的担忧：挪威案例研究。在《分布式、环境和普适交互》中，Norbert Streitz 和 Shin'ichi Konomi（编辑）。Springer International Publishing，Cham，273–284。 [21] Max Kleiman-Weiner、Mark K Ho、Joseph L Austerweil、Michael L Littman 和 Joshua B Tenenbaum。2016 年。协调合作或竞争：社交互动中的抽象目标和共同意图。《认知科学》。[22] Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton。2015 年。深度学习。《自然》521，7553（2015 年），436–444。[23] Maria D. Molina 和 S. Shyam Sundar。0. 对人类的不信任是否预示着对人工智能的更大信任？个体差异在用户对内容审核反应中的作用。新媒体与社会 0, 0 (0), 14614448221103534。https://doi.org/10.1177/14614448221103534 arXiv:https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。[25] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。 https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018 年。机器心智理论。国际机器学习会议。PMLR，4218–4227。[27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021 年。零样本文本到图像生成。国际机器学习会议。PMLR，8821–8831。org/10.1371/journal.pone.0115212 [16] Dylan Hadfield-Menell、Stuart J Russell、Pieter Abbeel 和 Anca Dragan。2016 年。合作式逆强化学习。神经信息处理系统进展 29（2016 年）。[17] Yanlin Han 和 Piotr Gmytrasiewicz。2018 年。使用交互式 POMDP 在多智能体环境中学习他人的意向模型。神经信息处理系统进展 31（2018 年）。[18] Kaiming He、Xiangyu Zhang、Shaoqing Ren 和 Jian Sun。2016 年。用于图像识别的深度残差学习。IEEE 计算机视觉与模式识别会议论文集。770–778。[19] Jonathan Ho、Ajay Jain 和 Pieter Abbeel。 2020. 去噪扩散概率模型。神经信息处理系统进展 33 (2020)，6840–6851。[20] Kyriaki Kalimeri 和 Ingvar Tjostheim。2020. 人工智能与对未来的担忧：挪威案例研究。在分布式、环境和普适交互中，Norbert Streitz 和 Shin'ichi Konomi（编辑）。Springer International Publishing，Cham，273–284。[21] Max Kleiman-Weiner、Mark K Ho、Joseph L Austerweil、Michael L Littman 和 Joshua B Tenenbaum。2016. 协调合作或竞争：社交互动中的抽象目标和共同意图。在 CogSci 中。[22] Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton。2015. 深度学习。 nature 521, 7553 (2015), 436–444。[23] Maria D. Molina 和 S. Shyam Sundar。0. 对人类的不信任是否预示着对人工智能的信任度更高？个体差异在用户对内容审核的反应中的作用。新媒体与社会 0, 0 (0), 14614448221103534。https://doi.org/10.1177/14614448221103534 arXiv:https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。[25] David Premack 和 Guy Woodruff。 1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978)，515–526。https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018. 机器心智理论。在国际机器学习会议上。PMLR，4218–4227。[27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021. 零样本文本到图像生成。在国际机器学习会议上。PMLR，8821–8831。org/10.1371/journal.pone.0115212 [16] Dylan Hadfield-Menell、Stuart J Russell、Pieter Abbeel 和 Anca Dragan。2016 年。合作式逆强化学习。神经信息处理系统进展 29（2016 年）。[17] Yanlin Han 和 Piotr Gmytrasiewicz。2018 年。使用交互式 POMDP 在多智能体环境中学习他人的意向模型。神经信息处理系统进展 31（2018 年）。[18] Kaiming He、Xiangyu Zhang、Shaoqing Ren 和 Jian Sun。2016 年。用于图像识别的深度残差学习。IEEE 计算机视觉与模式识别会议论文集。770–778。[19] Jonathan Ho、Ajay Jain 和 Pieter Abbeel。 2020. 去噪扩散概率模型。神经信息处理系统进展 33 (2020)，6840–6851。[20] Kyriaki Kalimeri 和 Ingvar Tjostheim。2020. 人工智能与对未来的担忧：挪威案例研究。在分布式、环境和普适交互中，Norbert Streitz 和 Shin'ichi Konomi（编辑）。Springer International Publishing，Cham，273–284。[21] Max Kleiman-Weiner、Mark K Ho、Joseph L Austerweil、Michael L Littman 和 Joshua B Tenenbaum。2016. 协调合作或竞争：社交互动中的抽象目标和共同意图。在 CogSci 中。[22] Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton。2015. 深度学习。 nature 521, 7553 (2015), 436–444。[23] Maria D. Molina 和 S. Shyam Sundar。0. 对人类的不信任是否预示着对人工智能的信任度更高？个体差异在用户对内容审核的反应中的作用。新媒体与社会 0, 0 (0), 14614448221103534。https://doi.org/10.1177/14614448221103534 arXiv:https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。[25] David Premack 和 Guy Woodruff。 1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978)，515–526。https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018. 机器心智理论。在国际机器学习会议上。PMLR，4218–4227。[27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021. 零样本文本到图像生成。在国际机器学习会议上。PMLR，8821–8831。在 IEEE 计算机视觉与模式识别会议论文集上。770–778。[19] Jonathan Ho、Ajay Jain 和 Pieter Abbeel。2020 年。去噪扩散概率模型。神经信息处理系统进展 33 (2020)，6840–6851。[20] Kyriaki Kalimeri 和 Ingvar Tjostheim。2020 年。人工智能与对未来的担忧：挪威案例研究。在《分布式、环境和普适交互》中，Norbert Streitz 和 Shin'ichi Konomi（编辑）。Springer International Publishing，Cham，273–284。[21] Max Kleiman-Weiner、Mark K Ho、Joseph L Austerweil、Michael L Littman 和 Joshua B Tenenbaum。 2016. 协调合作或竞争：社会互动中的抽象目标和共同意图。在 CogSci 中。[22] Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton。2015. 深度学习。自然 521，7553（2015），436–444。[23] Maria D. Molina 和 S. Shyam Sundar。0. 对人类的不信任是否预示着对人工智能的更大信任？个体差异在用户对内容审核反应中的作用。新媒体与社会 0, 0 (0)，14614448221103534。https://doi.org/10.1177/14614448221103534 arXiv：https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。 1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。[25] David Premack 和 Guy Woodruff。1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018. 机器心智理论。国际机器学习会议。PMLR，4218–4227。 [27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021 年。零样本文本转图像生成。国际机器学习会议。PMLR，8821–8831。在 IEEE 计算机视觉与模式识别会议论文集上。770–778。[19] Jonathan Ho、Ajay Jain 和 Pieter Abbeel。2020 年。去噪扩散概率模型。神经信息处理系统进展 33 (2020)，6840–6851。[20] Kyriaki Kalimeri 和 Ingvar Tjostheim。2020 年。人工智能与对未来的担忧：挪威案例研究。在《分布式、环境和普适交互》中，Norbert Streitz 和 Shin'ichi Konomi（编辑）。Springer International Publishing，Cham，273–284。[21] Max Kleiman-Weiner、Mark K Ho、Joseph L Austerweil、Michael L Littman 和 Joshua B Tenenbaum。 2016. 协调合作或竞争：社会互动中的抽象目标和共同意图。在 CogSci 中。[22] Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton。2015. 深度学习。自然 521，7553（2015），436–444。[23] Maria D. Molina 和 S. Shyam Sundar。0. 对人类的不信任是否预示着对人工智能的更大信任？个体差异在用户对内容审核反应中的作用。新媒体与社会 0, 0 (0)，14614448221103534。https://doi.org/10.1177/14614448221103534 arXiv：https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。 1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。[25] David Premack 和 Guy Woodruff。1978. 黑猩猩有心智理论吗？行为与脑科学 1, 4 (1978), 515–526。https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018. 机器心智理论。国际机器学习会议。PMLR，4218–4227。 [27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021 年。零样本文本转图像生成。国际机器学习会议。PMLR，8821–8831。//doi.org/10.1177/14614448221103534 arXiv:https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。 [25] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。 https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018 年。机器心智理论。国际机器学习会议。PMLR，4218–4227。[27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021 年。零样本文本到图像生成。国际机器学习会议。PMLR，8821–8831。//doi.org/10.1177/14614448221103534 arXiv:https://doi.org/10.1177/14614448221103534 [24] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。 [25] David Premack 和 Guy Woodruff。1978 年。黑猩猩有心理理论吗？行为与脑科学 1, 4 (1978)，515–526。 https://doi.org/10.1017/S0140525X00076512 [26] Neil Rabinowitz、Frank Perbet、Francis Song、Chiyuan Zhang、SM Ali Eslami 和 Matthew Botvinick。2018 年。机器心智理论。国际机器学习会议。PMLR，4218–4227。[27] Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen 和 Ilya Sutskever。2021 年。零样本文本到图像生成。国际机器学习会议。PMLR，8821–8831。
人类脆弱性在...
随着年龄的增长，人脑的形态和组织中发生了明显的改变，其空间模式与众不同，部分是由于后来生命的细胞萎缩而部分的1,2。这种衰老过程38可能会因年龄介导的疾病，例如阿尔茨海默氏病，帕金森氏病和其他神经退行性疾病3。进一步了解我们对特定的40个神经生物学对脑衰老空间模式的影响，可能会洞悉大脑41健康衰老的变化以及临床结果的可能诊断标记。从历史上看，42比较神经科学一直是关于解剖学原理43和人脑功能专业的重要发现的有效催化剂4。具有开放和协作的努力44，例如国家黑猩猩大脑资源（NCBR）和灵长类日期交易所（Prime-de）5，45，以及改进的方法论和成像技术，大规模比较神经植物学46已经能够回答新的翻译问题6。47
SC77 文件 42 – 第 1 页
3. 《濒危野生动植物种国际贸易公约》是处理大猿国际贸易的主要多边环境协定，此前，各方通过国际执法行动、培训、研讨会和《濒危野生动植物种国际贸易公约》大猿执法工作组等方式，长期努力保护该物种。非洲大猿也属于《保护野生动物迁徙物种公约》的管辖范围：大猩猩被列入附录一，自 2008 年以来一直受到《大猩猩协定》的保护，这是一项由 10 个分布国谈判达成的具有法律约束力的条约；黑猩猩被列入 CMS 附录一和附录二。根据该公约，作为附录一所列迁徙物种分布国的缔约方应努力严格保护这些物种，禁止捕获此类物种，但例外情况非常有限。CMS 附录二涵盖需要国际协议来保护和管理的迁徙物种。
机器人，聊天机器人，自动驾驶汽车：人工智能的思想和道德的感知
AI系统已经快速高级，多元化和扩散，但是我们对人们对他们的思想和道德的看法的了解仍然有限，尽管它对人们是否信任AIS以及他们如何分配AI引起的危害的责任。在一项预先进行的在线研究中，有975名参与者对26个AI和非AI实体进行了评价。总的来说，AI被认为具有低到中度的代理（例如，计划，行动），无生命的物体和蚂蚁之间以及低经验（例如，感应，感觉）。例如，Chatgpt的评分只能像岩石一样能够感到愉悦和痛苦。类似的道德能源，道德机构（做对与错）和道德专案（正确或错误地对待）较高，更多样化，尤其是道德机构：最高评级的AI，Tesla Full自动驾驶的汽车，被认为是道德上的危害，以危害作为黑猩猩。我们讨论了设计选择如何帮助管理感知，尤其是在高度的道德背景下。
2023 年春季哲学本科...
PHIL 3330：心智与大脑* MW 9:30-10:45 STEVE JACOBSON TR 2:15-3:30 ED COX 本课程将解答有关心智及其与大脑的关系的难题。我们怎么知道其他人有意识？我们怎么知道非人类动物有意识？黑猩猩是人吗？植物会思考吗？计算机有可能思考吗？有可能用大脑活动来解释意识吗？神经科学会破坏自由意志的可能性吗？随着时间的推移成为同一个人是什么感觉？PHIL 3730：商业伦理 MW 2:00-3:15（在线）JAKE SWEET 加强学生分离商业理论和实践的道德方面的能力；提供概念工具来评估这些实践与国内和国际商业中的当代问题和长期存在的问题；让学生了解主要的理论道德观点和当前的管理理论，为学生在自己的工作生活中遇到这些问题或类似问题时提供基础。因此，这是一门应用伦理学课程，旨在提高学生的辨别能力和决策能力。
社会认知和思想理论
在鸟类和哺乳动物中出生后脑发育继续进行。然而，由于两个主要区别，这种发展的结果与人类的结果显着不同。首先，人类独特地体验了脑外脑中最长的大脑时期，持续至18岁。新生的黑猩猩的大脑重量的60％的成人形式，而人类新生儿的大脑仅占成年人类大脑大小的24％。第二个区别在于一个事实，即大脑和心理发展发生在始终后数千年和世代积累的文化环境中。一个延长的童年时期推断神经囊突触发生过程和以下突触修剪，特别是在前额叶叶片中，是根据生活经验来塑造的。这是在社会影响下发生神经发展的证据。3在延长的童年时期，大脑发育受到外部影响，微调大脑对其社会环境的敏感性。这个过程是通过出生后以各种形式积极地传播社会历史文化的。由于这两个因素，人脑完全是“社会大脑”。
Bliss，Carly M.，Hulin-Curtis，Sarah L Orcid logoorcid：https：//orcid.org/000000-0000-0003-0889-964X，Williams，Marta，Marušková，Mahuule，Mahuule，Davies，James A. James A.
腺病毒（ADS）表现出了显着的成功，因为它是复制（RD）病毒载体的疫苗，以及基因治疗和癌症治疗的广泛潜力。ad载体通过二级细胞整合素相互作用在病毒纤维旋钮和细胞表面受体之间的直接相互作用来转导人类细胞。在广泛的系统发育中， AD受体使用情况各不相同。 经常研究人类AD血清型5（AD5），以及在许可的Chadox1 NCOV-19疫苗中的黑猩猩AD衍生的矢量“ Cha-Dox1”，两者都与Coxsackie和腺病毒受体（CAR）相互作用，这在人类上皮细胞和Eryperial cellial and Erytherth-eRyth-ryyth--rocytees中表达。 CAR使用对于靶向基因递送到具有低/负CAR表达的细胞（包括人DEN-DIRITICS）（DCS）和血管平滑肌细胞（VSMC）的细胞。 我们评估了用人类AD血清型49的旋钮键入的RD AD5矢量伪伪伪伪载体的性能，称为AD5/49K载体。 AD5/49K显示，使用5T4肿瘤相关的抗原在小鼠癌疫苗模型中评估时，鼠和人类DC超过了AD5，其转化为AD5。 此外，AD5/49K表现出增强的原代人VSMC的转导。 这些数据突出了用于血管基因治疗的AD5/49K载体的潜力，并作为有效的疫苗载体。AD受体使用情况各不相同。经常研究人类AD血清型5（AD5），以及在许可的Chadox1 NCOV-19疫苗中的黑猩猩AD衍生的矢量“ Cha-Dox1”，两者都与Coxsackie和腺病毒受体（CAR）相互作用，这在人类上皮细胞和Eryperial cellial and Erytherth-eRyth-ryyth--rocytees中表达。CAR使用对于靶向基因递送到具有低/负CAR表达的细胞（包括人DEN-DIRITICS）（DCS）和血管平滑肌细胞（VSMC）的细胞。我们评估了用人类AD血清型49的旋钮键入的RD AD5矢量伪伪伪伪载体的性能，称为AD5/49K载体。AD5/49K显示，使用5T4肿瘤相关的抗原在小鼠癌疫苗模型中评估时，鼠和人类DC超过了AD5，其转化为AD5。此外，AD5/49K表现出增强的原代人VSMC的转导。这些数据突出了用于血管基因治疗的AD5/49K载体的潜力，并作为有效的疫苗载体。