XiaoMi-AI文件搜索系统
World File Search System60s
新闻稿
本公告是在关键数据的自然细胞生物学中最近出版的，进一步阐明了MAF生物标志物周围的生物学。INBIomotion联合创始人Roger Gomis教授Roger Gomis教授领导的IRB巴塞罗那的一支团队在此出版物中揭示了MAF基因扩增会增加乳腺癌患者转移风险的机制。这一发现是理解转移分子基础的关键步骤，并且对治疗具有相关的临床意义。关于Inbiomotion Inbiomotion是IRB巴塞罗那和ICREA的衍生作品，该衍生作用是由Roger Gomis教授于2011年成立的，此后将MAF基因鉴定为预测乳腺癌中骨转移的生物标志物。Inbiomotion基于MAF基因扩增（MAFTest®）的检测开发了一种诊断套件，以促进精确医学并改善乳腺癌患者的治疗。该公司拥有200多项专利和专利申请，涵盖其专有MAFTest®鱼，并在早期乳腺癌患者的辅助治疗中使用双膦酸盐。公司的主要投资者是YSIOS Capital，Caixa Capital Risc，Alta Life Sciences和Vila Casas Foundation。有关更多信息，请访问www.inbiomotion.com。关于Spa Farma Spa Farma是一家家族拥有的公司，由创始人Rodolfo Ferrari的孙女AliseéMattaEchaurren拥有。公司的遗产深深植根于长期以来的创新和成功遗产。Spa Farma成为战后不久的第一家在意大利生产和商业化青霉素的公司之一，创造了历史。由于与亚历山大·弗莱明爵士的科学合作，这项成就之后是溶菌酶的发展。在60年代，该公司将其业务扩展到其他治疗领域，目前的主要领域是：骨/疼痛，心脏代谢，肿瘤学和肾脏病。最近，该公司在西班牙和葡萄牙建立了一个会员，请访问www.spafarma.com。关于MAF基因MAF（间充质肌动纤维骨肉瘤基因，AP-1家族的转录因子）在原发性癌症肿瘤中放大。它与转移的增加有关，尤其是骨转移。MAF的转录控制基因，例如PTHRP，该基因调节了与转移相关的细胞过程，例如生存，起始，代谢重新布线和对骨髓的粘附 -
悼念：J.C.R. Licklider，1915-1990 - 惠普实验室
本报告向 J. C. R. Licklider 致敬，感谢他对美国计算机科学研究和教育的贡献。我们在此重印了他的两篇论文，这两篇论文最初发表于 20 世纪 60 年代，体现了他关于计算机如何增强人类解决问题能力的想法。如果你有幸见到他，并且说了这样的话：“很高兴见到你，Licklider 博士”，他会立即要求你叫他 Lick。他的朋友、同事和熟人都叫他 Lick。Lick 有一个更好的计算方式的愿景。曾几何时，要让计算机执行你的命令，你必须在纸卡或纸带上打孔，将纸交给将其送入机器的人，然后离开几个小时或几天。Lick 相信我们可以做得更好，而且，他比任何其他个人都更努力地确保我们做到了。在三十年前发表的题为“人机共生”的论文中，Lick 为数十年的计算机研究提供了指导。这篇论文基于他在 Bolt、Beranek 和 Newman 组织和领导的一个小型研究小组所做的工作。20 世纪 50 年代末，该小组从 Digital 购买了第一台 PDP-1。在这台机器上，Lick 的团队设计并构建了最早的分时系统之一。1962 年，高级研究计划署 (ARPA) 主任邀请 Lick 加入该机构，创建和管理一个资助研究的计划。尽管其年度预算高于所有其他政府支持机构分配给计算机研究的资金总额，但它是 ARPA 内较小的项目之一。该项目引领了 60 年代末的商业分时和 70 年代中期的网络化。计算机界批评了 Lick 的 ARPA 计划。大多数计算机制造商和计算机中心主管认为，分时使用机器资源效率低下，不应推行。但 Lick 有勇气坚持下去。他在 ARPA 的职责包括选择和资助研究人员来建立和领导研究小组。在这方面，Lick 是麻省理工学院 MAC 项目和其他一些塑造该领域的项目的架构师。二十五年前他选出的领导者现在读起来就像计算机研究界的名人录。Lick 的成就中最不为人所知的也许是他最重要的成就。在他在 ARPA 工作之前，没有一所美国大学授予博士学位。
感知的操纵者：人工智能 (AI) 系统如何设计来误导乔纳森·科勒
人工智能 (AI) 与计算机一样古老，可以追溯到 1945 年的 ENIAC (电子数字积分计算机)。“人工智能之父”约翰·麦卡锡在 1956 年他召集的达特茅斯会议上对人工智能进行了定义，他指出“学习的每个方面或智能的任何其他特征原则上都可以得到如此精确的描述，以至于可以让机器对其进行模拟。” 1958 年，他专门为人工智能开发了 LISP 语言。20 世纪 60 年代、70 年代和 80 年代见证了专家系统和一些自然语言系统的发展。20 世纪 90 年代，机器学习得到了发展。21 世纪的特色是大数据；2010 年代和 2020 年代是神经网络。神经网络理论是在 20 世纪 40 年代发展起来的，第一个神经网络是在 20 世纪 50 年代、60 年代和 70 年代设计的。反向传播训练是在 20 世纪 80 年代发展起来的，循环神经网络和卷积神经网络是在 20 世纪 90 年代和 21 世纪发展起来的，而生成对抗神经网络是在 2014 年发展起来的。2017 年，Vaswani 等人 1 提出了一种新的网络架构 Transformer，它使用了注意力机制，省去了循环和卷积机制，所需的计算量大大减少。这被称为自注意力神经网络。它允许将语句的分析分成几个部分，然后并行分析它们。这是自神经网络诞生以来唯一真正重大的创新，因为它显著减少了推理和训练的计算负荷。神经网络的功能与人脑相同，使用大脑神经元、树突、轴突和突触的数学等价物。计算机和大脑都使用电信号，但神经脉冲是通过电化学方式传输的，这比计算机中的纯电流慢得多。轴突被髓鞘隔离，髓鞘可以大大加快传输速度，大量髓鞘化可以使速度提高 100 倍。2 GPT-3 系统中的人工智能神经网络在 2023 年就已经拥有爱因斯坦的智商，到现在可能已经是人类的 1000 倍。3 神经网络的心理层面在 1993 年由 K. Anders Ericsson 等人在一部被广泛称为“10,000 小时参考”的作品中描述。这适用于任何类型的技能——演奏乐器、做数学、参加体育比赛。当然，那些出类拔萃的人确实练习了很多，但更重要的是深度思考。爱立信并不了解其中的机制。2005 年，R. Douglas Fields 提出了
变分量子问题的噪声贝叶斯优化...
在许多值得关注的科学应用中，量子算法有可能比传统算法快得多。例如量子机器学习 [1]、量子化学 [2] 以及许多其他 [3]。不幸的是，其中许多应用还无法在当前的嘈杂中型量子 (NISQ) 计算机上实现 [4]，需要等到噪声源可以被抑制到阈值，使量子计算机可用于实践，甚至构建容错量子计算机 [5]。然而，许多有趣的 LGT 问题已经可以通过 NISQ 设备进行研究 [6]。特别是，如果以哈密顿量公式研究 LGT，量子算法通常不会受到符号问题的影响 [7,8]。一种重要的现成算法是变分量子特征值求解器 (VQE) [ 9 ]，它是一种混合量子经典算法，利用变分原理寻找给定汉密尔顿量 H 的基态（和激发态）。VQE 的量子部分用于测量给定多量子比特状态中汉密尔顿量的期望值，即能量，而经典部分则在由参数化量子电路生成的多量子比特状态族中搜索使能量最小化的状态。本文提出的算法是一种经典优化器，旨在找到基态的良好近似值，尽可能减少能量测量的次数。这里选择的方法称为贝叶斯全局优化。它的首次应用可以追溯到 20 世纪 60 年代 [ 10 ]，而它的现代实现则基于最近的研究 [ 11 ]。该方法的基础是高斯过程回归 (GPR)，这是一种基于高斯过程贝叶斯推理的插值方法。它使我们能够使用有限量的 (嘈杂) 数据创建黑盒函数的预测模型。在每次优化迭代中，该模型用于确定一组可能接近全局最小点的参数。此步骤按照称为获取函数优化的过程执行。这里提出的优化能量的算法不同于 VQE 中常用的其他替代方法，因为它不仅使用能量的估计值，还使用其统计误差的值。其动机是降低每一步的量子测量次数：即使对于不精确的能量测量，只要它们的误差由于中心极限定理近似为高斯，该过程也是定义良好的。使用噪声设备模拟器将该算法的结果与其他常用的替代方案进行了比较。
悼念：JCR Licklider，1915-1990 - HP 实验室
本报告向 JCR Licklider 致敬，感谢他对美国计算机科学研究和教育的贡献。我们在此重印了他最初发表于 20 世纪 60 年代的两篇论文，这两篇论文体现了他关于计算机如何增强人类解决问题能力的想法。如果你有幸见到他，并说了这样的话：“很高兴见到你，Licklider 博士”，他会立即要求你叫他 Lick。他的朋友、同事和熟人都称他为 Lick。Lick 有一个更好的计算方式的愿景。曾几何时，要让计算机执行你的命令，你必须在纸卡或纸带上打孔，将纸交给将其送入机器的人，然后离开几个小时或几天。Lick 相信我们可以做得更好，而且，他比其他任何个人都更努力地做到了这一点。在三十年前发表的题为“人机共生”的论文中，Lick 为数十年的计算机研究提供了指导。这篇论文是基于他在 Bolt、Beranek 和 Newman 公司组织和领导的一个小型研究小组所做的工作。20 世纪 50 年代末，该小组从 Digital 公司购买了第一台 PDP-1。在这台机器上，Lick 的小组设计并构建了最早的分时系统之一。1962 年，高级研究计划署 (ARPA) 主任邀请 Lick 加入该机构，创建和管理一个资助研究的项目。尽管其年度预算高于所有其他政府支持机构分配给计算机研究的资金总额，但它是 ARPA 内较小的项目之一。这个项目引领了 60 年代末的商业分时和 70 年代中期的网络化。计算机界批评了 Lick 的 ARPA 计划。大多数计算机制造商和计算机中心主任认为分时是一种低效的机器资源利用方式，不应推行。但 Lick 有勇气坚持下去。他在 ARPA 的职责包括挑选和资助研究人员建立和领导研究小组。在这方面，Lick 是麻省理工学院 MAC 项目和其他一些塑造该领域的项目的设计师。他 25 年前挑选的领导者现在读起来就像计算机研究界的名人录。Lick 最不为人知的成就也许是他最重要的成就。在 ARPA 工作之前，没有一所美国大学授予博士学位。
从帕金森氏病到成瘾-Zona incerta
Zona Incerta（Zi）是位于丘脑下方的小型且历史上被忽视的结构，越来越多地因其在各种行为过程中的作用而受到认可。1970年代和1980年代的早期研究探讨了其在摄入行为中的作用，包括饮酒和喂养（综述，请参见Mitrofanis，2005年）（图1A），表明它参与了与食物和水的动机和生存机制。Zi现在被称为异质核，分为四个主要部门：tostral（ZIR），背（ZID），腹侧（ZIV）和尾caudal（ZIC）（Mitrofanis，2005），每个都有独特的神经化学素化。GABA能细胞，白细胞蛋白阳性神经元主要集中在ZIV中，而ZID富含谷氨酸能细胞，ZIR含有多巴胺能神经元（Mitrofanis，Mitrofanis，2005）。最早在60年代（Hyde and Toczek，1962）确定了ZI的运动功能，但由于Zi在帕金森氏病（PD）的背景下进行了研究，重点确实转移到1990年代与运动相关的角色上（Shi等，2024）。引入深脑刺激（DBS）作为PD患者的治疗，丘脑下核（STN）是主要靶标（Benabid等，2009），发现刺激附近的ZI也会显着改善运动症状（Voges等，2002; ossows; ossowska，2020）。这导致了对ZI的新兴趣，使其成为运动障碍疗法的聚光灯。值得注意的是，诸如冷漠之类的动机变化（Czernecki，2005; Ricciardi et al。，2014）提请注意其在动机过程中的潜在作用。因此，其非运动功能，尤其是推动先前表征的摄入行为的潜在奖励过程，受到了较少的关注。然而，PD患者ZI刺激后的非运动效应的报道（尤其是在情绪上）（Stefurak等，2003; Tommasi等，2008）或情感（Burrows等，2012） - 对Zi的角色更广泛。今天，对Zi与奖励和动机有关的行为之间的联系有了新的兴趣。当代地图，监测和操纵神经回路的方法正在改善我们对构成ZI对各种功能的不同子区域和神经元种群的贡献的理解。值得注意的是，Zi与底底nigra pars commanta（SNC）和腹侧对段面积（VTA）具有显着相似之处，尤其是在神经元种群及其行为中的特定参与方面（Mitrofanis，2005年； Margolis和Margolis，2017年）。在与动机有关的病理学（尤其是成瘾的背景下）进行了大量研究，而VTA和SNC最近进行了深入研究，但ZI的这一方面仍然很大程度上没有进行。成瘾是一种慢性精神疾病，尽管对特定行为（例如药物摄入）的控制丧失，尽管后果是负面后果。它涉及寻求，戒断和复发的反复发生的时期，导致螺旋成瘾周期
输血（UCT）的不常见并发症n = 9
2022年度射击报告 - 补充信息第19章：输血的不常见并发症（UCT）n = 9下面的所有病例均在2022年报告或转移给UCT类别（请注意，所有导致重大发病率或患者死亡的病例均已详细介绍了主章中的主要发病率或死亡）。此处列出了剩下的案例以获取信息：病例19.3：呼吸道痛苦和血液中的呼吸道痛苦和去饱和病患者在covid，可疑败血症和多个健康问题的患者中，他的70多岁的男性患者在15年后与肾上腺症状症状的腺癌诊断为2021的70多岁的男性患者，其过去的肾上腺腺瘤症状史上有疾病，该患者曾在15年内进行了激进疗法。败血症和covid以及H/O Hematuria。他正在研究AML 1001研究，并将开始治疗，但要发展温度，并被指出左基底部有毛茸茸。他是在静脉注射tazobactam/piperacillin上开始的，并接受了汇集的血小板，但在输血后饱和饱和 - 接受氧气需求 - 接受的氯苯胺和氢化可的松，并考虑了抗生素覆盖物向Meropenem的升级。最初认为这是输血后过敏/肺并发症。患者使用上述措施稳定，并计划针对未来输血的类固醇和抗组胺药。尚无有关流体余额和其他调查的详细信息。多个促成因素可能有可能导致患者感染，液体和炎症中的这种恶化。没有其他明显的特征可以提出过敏反应。含义1：可能。理想情况下，该病例将以TAD-IC作为TAD-IC进行，但在UCT下进行了报道和分析 - 与其他情况一样，该病例强调了输血支持的挑战，这些患者对具有多种因素的患者的挑战，这些因素有多种因素，这些因素可能会导致并解释并说明并说明了输血后的并发症。病例19.4：在80多岁的患病患者中，患有多种患者患者患者在80多岁的患者中输血期间的短暂性高血压和心动过速对ITU的输血。患者的生命体征前输血的生命体征为BP 135/60mmHg，温度：36.9'C，脉冲：110次/分钟，resp：22/min，输血反应期间的22/min和生命体征为：BP 180/80mmHg，temp：37.4'c，Pulse：125 Beats：125 Beats/min min Reves：22：22：22。夜晚的血压保持很高，然后在早上10点安顿下来，而BP为125/50mmhg。该患者完全康复，据报道具有其他合并症，包括2型糖尿病，高血压，慢性肾脏疾病和胆囊炎。含义1：可能。病例19.5：在60年代初期输血后女性患者患有子宫内膜癌的BP中的瞬时尖峰患有非特异性症状，患有症状性贫血。在11毫升红细胞的输血后报告了全身严格，插管部位的疼痛（？渗透），躁动，恶心和焦虑。患者的观察也表明
自动化 Thomas B. Sheridan
自动化 Thomas B. Sheridan 麻省理工学院 从广义上讲，自动化包括计算机和机器能够为人类完成的所有任务，这些任务比直接由人完成的更快、更准确、更高效（在时间、资源和人力方面）。自动化本身始于 20 世纪 40 年代，在 60 年代和 70 年代得到了廉价计算机的推动，现在正处于尴尬的青春期。充满希望和用户容忍度的童年已经结束。事实上，人们对此感到失望，因为很多承诺（例如，用于制造业的多功能工业机器人、用于医疗诊断和语言翻译的人工智能）都没有实现。然而，自动化已经并将继续稳步发展。现在，工厂、加工厂、飞机、医院和市场的自动化已经很普遍，而家庭和汽车领域的自动化才刚刚起步。人们逐渐意识到，自动化并没有取代人类，也永远不会取代人类，将自动化和人类智能视为相互排斥（例如宇航员与太空中的机器人）是愚蠢的，人类和自动机器的某种组合一起工作比单独工作更好。这通常意味着人类补充机器，人类充当监督者。监督分为以下功能：（1）规划，（2）编程，（3）自动化监控，（4）诊断
解决世界上的一些...
当我在耶洛奈夫（Boollyknife）西部的贝乔克（Behchokot）的小型原住民社区中长大时，从未讨论过心理健康和自杀的话题。我知道这些主题被认为是禁忌。但是，作为一个成年人，社区和公共卫生护士，我想知道为什么精神健康如此难以谈论，而我们太多的年轻人自杀就死了。我最近向我社区的一位长者提出了这个问题，事实证明，答案是启发性和令人心碎的。，但它打开了变革的可能性。t道，我们的祖先地区覆盖了大奴隶湖以北约40,000平方公里。这里有大约3,000人住在四个社区。在整个童年时期，我不记得一个成年人曾经公开谈论自杀或心理健康。如果众所周知有人患有精神疾病，我们的孩子被警告不要走近那个人。如果我所在地区发生的死亡并非偶然或预期，那么除了某某死亡，没有什么可以说的，那真是太可悲了。”没有人说自杀。即使在今天，主流媒体涵盖了心理健康问题，但污名仍然存在于我所在地区。有些人不寻求咨询。年轻人经常将信息“只是处理它”内部化，即使他们透露自己沮丧。如果有小社区的咨询服务，人们不愿意去，因为缺乏匿名性。您能想象其他公共卫生危机是否受到这种治疗？在上下文中，我的家庭社区在2022年的三个月中自杀四人。我妈妈最近退休，直到她退休为止。一次，在她去共享圈子讨论解决心理健康问题的策略之前，她要求我定义“心理健康”以将其转化为t t。让我认为，当某些社区成员甚至不能说“自杀”时，很难就心理健康进行讨论。我们应该如何帮助任何人？这就是为什么我与社区长者进行对话的原因：我想了解为什么心理健康和自杀的话题受到污名。起初，长者以圆形的方式谈论了这个话题。我问为什么在我们地区称某人为“疯狂”而不是说他们患有精神疾病是很普遍的。我问她为年轻人设定了哪种榜样，以及当我们甚至无法谈论这个问题时，我们应该如何支持他们。所以长者提供了她的解释。恐惧和羞耻是为什么老一辈避开主题的原因。她说，在1950年代和60年代，当一个人自杀死亡时，幸存的家庭将试图掩盖死亡原因。他们害怕被指责，害怕遇到麻烦。他们为患有精神疾病的家庭感到ham愧。他们为导致自杀的情况和该人如何
英国生物库队列中的休闲活动及其与脑结构、功能连接和认知的 MRI 测量的关系
老年人在某些健康状况方面比年轻人更差。例如，90 岁或以上的人患痴呆症的风险是 60 多岁人的 25 倍（Yip 等人，2006 年；Brayne，2007 年）。由于人口老龄化，预计到 2050 年，阿尔茨海默病等痴呆症的人口发病率将增加两倍（Patterson，2018 年）。因此，科学界对寻找可改变的因素的兴趣日益浓厚，这些因素可能会降低患痴呆症的风险，并有助于晚年大脑“更好”。休闲活动（例如，拜访朋友和家人、阅读和去电影院或博物馆）是一组可改变的因素，通过促进大脑可塑性，可能支持健康的认知老龄化（Stern，2012 年）。例如，较高的活动参与度已被系统地与更好的认知表现、更高的区域和整体灰质 (GM) 体积、更少的 WM 病变体积测量值和更少的白质 (WM) 束质量下降相关（Fratiglioni 等人，2004；Wang 等人，2012；Sexton 等人，2013；Erickson 等人，2014；Yates 等人，2016；Anatürk 等人，2018；Chan 等人，2018；Evans 等人，2018；Matyas 等人，2019；Wassenaar 等人，2019）。功能连接测量值的变化似乎也部分由活动参与度造成，特别是对于体力要求高的活动（Stillman 等人，2019）。然而，其中许多研究都采用了休闲活动的综合衡量标准，对需要针对哪些具体活动来促进老年人的大脑健康提供的见解有限。针对非最佳活动可能在一定程度上解释了当前随机对照试验 (RCT) 对认知和神经结果的有效性有限（ Mortimer 等人，2012 年；Stephen 等人，2019 年）。少数流行病学研究在研究休闲活动与大脑衰老之间的联系时开始放弃综合方法，发现并非所有活动都会同样导致认知障碍的风险（ Krell-Roesch 等人，2017 年、2019 年；Fancourt 等人，2018 年）。例如，Fancourt 等人。 (2018) 研究了英国老龄化纵向研究中 3,911 名参与者的数据，发现定期参观博物馆、美术馆和展览的成年人在 10 年内患痴呆症的几率较低。文化活动与痴呆症发病率之间的关联似乎是稳固的，因为在调整了这些人参与社区活动（例如社交俱乐部、志愿服务、体育俱乐部）的频率、社会人口统计学（即年龄、性别、婚姻状况、教育、就业状况、财富和之前的职业分类）和健康相关协变量（即视力、抑郁、听力、和现有的心血管健康状况）。重要的是，一项旨在评估不同活动是否与大脑健康标志物相关的研究需要进行相对大量的单变量检验，而不是只关注单一的休闲活动综合指标。在调查休闲活动与大脑衰老之间的关联时，还需要适当调整一系列关键因素，因为这些混杂变量可能会在结果和结论中引入偏差