XiaoMi-AI文件搜索系统
World File Search System3DP
3DPROTDTA：基于残基级蛋白图的药物目标亲和力预测的深度学习模型
准确预测硅中的药物目标亲和力（DTA）对于现代药物发现至关重要。在药物开发的早期阶段应用的DTA预测的计算方法，能够大大降低其成本。最近提出了基于机器学习的广泛方法进行DTA评估。它们最有前途的是基于深度学习技术和图形神经网络来编码分子结构。Alphafold做出的蛋白质结构预测的最新突破使得无前前数量的蛋白质，而没有实验定义的结构可用于计算DTA预测。在这项工作中，我们提出了一种新的深度学习DTA模型3DPROTDTA，该模型与蛋白质的图表结合使用了Alphafold结构预测。该模型优于其在通用基准数据集上的竞争对手，并且具有进一步改进的潜力。
打印热性能：对面积应用的3DP聚合物的实验探索
摘要。建筑部门的脱碳需要开发提供能源效率的建筑组件，同时产生最小的环境影响。我们研究了聚合物3D打印（3DP）对于制造单材料半透明的立面组件的潜力，其性能可以根据气候结合和功能要求来定制。这些组件具有减少建筑物中能源消耗的潜力，同时，由于原料材料的可回收性，可以用最小的环境影响来制造。在这项研究中，我们探讨了成分几何形状对具有定制间结构的3DP对象的热绝缘特性的影响。使用机器人聚合物挤出机制造不同的原型，并按照热盒测试方法测量其热性能。然后使用实验结果来校准传热模拟模型，描述了通过组件的诱导，自然对流和红外辐射的关节作用。我们表明，只能通过更改内部空腔分布和尺寸来制造提供范围从1.7到1 W/m 2 K的绝缘聚合物组件。这证明了为不同气候条件和要求设计3DP热构件的可能性。这项研究提供了对聚合物3DP立面热行为的首次见解。结果表明，这种创新的制造技术有望在立面上应用，并鼓励进一步研究表演者和低体现的能源3DP建筑组件。
3DProtDTA：基于残基水平蛋白质图的药物靶标亲和力预测的深度学习模型
管道。在这方面，评估药物靶标结合能力 (DTA) 的计算方法非常有趣 4，因为 DTA 通常被认为是预测药物效果的最佳指标之一。准确预测 DTA 对于筛选出低效分子并防止其进入临床试验至关重要，因此近年来开发了大量计算 DTA 技术。最准确的 DTA 计算估计可以通过原子分子动力学模拟（经典、量子或混合）与计算配体结合自由能的现代技术之一相结合获得。5 然而，准确性是以非常高的计算需求为代价的，这使得这些方法通常不适用于大规模虚拟筛选。这就是为什么在现代药物发现中估计 DTA 的常用方法是分子对接，它在准确性和计算效率之间提供了合理的折衷。 6 然而，人们普遍认为，分子对接中使用的经验评分函数已经接近实际的准确度极限，如果不引入额外的计算负担，这一极限不太可能得到改善。为了解决这些缺点，开发了用于确定 DTA 的经典机器学习 (ML) 方法。这些方法不依赖于计算目标蛋白质和配体之间的物理相互作用。它们纯粹基于知识，依赖于类似配体倾向于
2023DPR_StrategicPlan.pdf - 洛杉矶县公园
公园的力量延伸到改善我们共同居住的地球的福祉。在我们应对气候危机的威胁时，公园和绿地在确保我们的未来方面发挥着重要作用。我们的公园维持着我们作为一个物种生存所需的生物多样性。公园空间为各种动物物种提供了大量栖息地，原生景观提高了抗旱能力。公园和绿地对于我们社区的气候恢复力和适应性至关重要，有助于减轻空气污染、减少热量并保护我们的公共基础设施。在公园实施绿色基础设施措施有助于改善空气和水质，并提供雨水收集效益。在极端高温事件期间，居民可以在公园降温中心和水上运动中心寻求帮助。公园空间有能力降低气温和吸收洪水。这对弱势群体尤其重要，因为他们的人口最容易受到极端高温和洪水的影响。