XiaoMi-AI文件搜索系统
World File Search SystemA61
scheme-a61k.pdf
1。此子类涵盖以下主题，是否列出为组成（混合物），准备使用组合物处理的组成或过程的过程：药物或其他能够以下能力的生物组成：•通过破坏寄生生物体或限制疾病或异常的宿主或寄生虫生理学（生物寄生虫A01N 25/00 -a01n 25/00 -a0 -00/00 -a011n 65/00 -a01n 65/00），防止，减轻，治疗或治愈活体的异常或病理状况。 •维持，增加，减少，限制或破坏生理身体功能，例如维生素成分，性灭菌剂，生育抑制剂，生长促进者或类似（无脊椎动物的性菌菌，例如昆虫，A01N；植物生长调节剂A01N 25/00 -A01N 65/00）; •通过体内测试诊断生理状况或状态，例如X射线对比度或皮肤贴片测试组合物（涉及酶或微生物C12Q的测量或测试过程；生物学材料的体外测试，例如血液，尿液，g01n，例如G01N 33/48）b。 身体处理的组合物通常用于除臭，保护，装饰或修饰身体，例如 化妆品，牙齿，牙齿填充材料。 2。 注意力是遵循C节的标题的化学元素组的定义。 3。 4。 在此子类中，除了组A61K 8/00以外，应用了最后一个优先规则，即 5。G01N 33/48）b。身体处理的组合物通常用于除臭，保护，装饰或修饰身体，例如化妆品，牙齿，牙齿填充材料。2。注意力是遵循C节的标题的化学元素组的定义。3。4。在此子类中，除了组A61K 8/00以外，应用了最后一个优先规则，即5。注意力集中在C07类中的注释中，例如子类C07D标题之后的注释，列出了该类别中有机化合物分类的规则，该规则也适用于A61K中有机化合物的分类。在每个层次结构层面，在没有相反的指示的情况下，在最后一个适当的位置进行了分类。药物制剂的治疗活性进一步分类为亚类A61p。
AVA6103，一种新型拓扑异构酶 I FAP 激活的预
多种 pre|CISION ® exatecan 化合物表现出 FAP 诱导的细胞毒性。用 exatecan、pre|CISION ® exatecan、pre|CISION® exatecan + hFAP 或 pre|CISION ® exatecan + FAPi 处理 CFPAC-1 细胞 72 小时。培养基中血清中的 FAP 活性水平较低，因此具有不同 kcat/Km 的化合物表现出不同的活性；这用于监测化合物特性。调节封端基团 (A) 和自毁连接子 (B) 将改变 FAP 亲和力和化合物特性，如其各自的细胞毒性图所示。
EA6134 (DREAMseq) 临床试验结果摘要
EA6134/DREAMseq 试验针对的是晚期黑色素瘤患者，即无法通过手术切除的 III 期或 IV 期黑色素瘤患者，其肿瘤有 BRAF 基因突变。BRAF 突变会促进癌症生长，大约一半的黑色素瘤都存在这种突变。该试验旨在测试患者在开始使用靶向治疗药物（达拉非尼和曲美替尼）后使用免疫治疗药物（纳武单抗和伊匹单抗）治疗时是否会取得更好的效果，而不是先使用免疫治疗药物，然后再使用靶向药物。共有 300 名患者参加了 EA6134/DREAMseq。
LGMA61数字化AV供应链管理
•显示出基于供应链中数字化的可能性开发业务模型的能力。估值和方法•批判性地分析和评估供应链中数字化的机会和困难。课程的内容包括正在进行的数字化中的基本概念和概念，这些概念和概念在当今各个级别都影响和改变供应链。该课程具有两个重点，部分是生产力（内部），部分是针对客户（外部）的价值创造的。讨论的主题是智能数字解决方案，工具和技术，需求分析和实施方面以及决策和结果后续行动。基于这些主题，在创建竞争性供应链中进一步处理了数字化的机会和挑战，以及这如何与业务模型和业务系统的发展联系起来。课程的实施教学是以讲座，嘉宾讲座，研讨会，讲习班和指导的形式进行的。除非存在特殊原因，否则必须参加嘉宾讲座，研讨会和研讨会。为强制性要素提供补偿或替代时间，他没有自己的不当行为，例如事故，突然疾病或类似事件，无法实施强制性元素。这也适用于由于作为学生代表的信任任务而错过教学的学生。课程结束后的一年内，在相同的课程内容中至少提供了两个其他测试用例。此后，将向学生提供进一步的测试案例，但根据当前的教学大纲。等级课程考试将检查课程如下：•个人笔试（3个高等教育学分）•成对与研讨会成对的书面作业（3个高等教育学分）•与课程有关的个人任务（1.5个高等教育学分），提供了三个测试案例；普通测试，重新测试和收集测试。如果与没有残疾的学生相比，有持久残疾的学生需要提供同等检查的替代方法，那么在与大学咨询后，审查员可以在相关学生的替代考试表上做出决定。本课程的示例/扭矩可以在文档末尾的附录中找到。
LGMA61数字化AV供应链管理
在供应链中以及•显示了基于供应链中数字化的可能性开发业务模型的能力。估值和方法•批判性地分析和评估供应链中数字化的机会和困难。课程的内容包括正在进行的数字化中的基本概念和概念，这些概念和概念在当今各个级别都影响和改变供应链。该课程具有两个重点，部分是生产力（内部），部分是针对客户（外部）的价值创造的。讨论的主题是智能数字解决方案，工具和技术，需求分析和实施方面以及决策和结果后续行动。基于这些主题，在创建竞争性供应链中进一步处理了数字化的机会和挑战，以及这如何与业务模型和业务系统的发展联系起来。
NA61/Shine Strong-Interactions程序的突出显示
摘要。na61 / Shine是Cern SPS的多功能固定目标设施。NA61 / Shine强相互作用计划的主要目标是发现强烈相互作用的物质的关键点以及研究解剖学发作的特性。为了实现这些目标，在核核，质子 - 普罗顿核和质子核的相互作用中对强子产生特性进行了研究，这是碰撞能量和碰撞核的大小的函数。在此贡献中，提出了强大的相互作用测量程序引起的Na61 / Shine。，讨论了p + p，be + be，ar + sc和pb + pb的最新反应，以及在间歇性，间歇性，高阶的倍增性膨胀和观众诱导的电磁效果上的高阶力矩。
na61/Shine cern sps Energies的波动和相关性
为了比较不同尺寸系统中的闪光，应该使用密集型数量，即对系统体积不敏感的数量。通过测量分布的累积κi分裂（最高第四阶）来构建此类数量，其中i是累积的。在第二，第三和第四阶累积量密集量定义为：κ2 /κ1，κ3 /κ2和κ4 /κ2。图1显示了在150 /158 A GEV / c时净电荷的第三和第四阶累积比的系统尺寸依赖性。测量的数据与EPOS 1.99模型[4，5]预测一致。对相同数量的系统尺寸依赖性的更详细检查，用于负电荷的HADRON（图2）显示非常不同的系统尺寸依赖性。均未通过EPOS 1.99模型再现了测得的H +和H-。这种分歧表明我们不完全理解如何诱发爆发的基础物理学。因此，需要更详细的研究。在搜索CP时，可能的工具是质子插入性，该工具应遵循CP附近的幂律闪光。可以通过研究具有细胞大小的2 ND阶乘力矩f 2（m）的缩放行为，或等效地，在（p x，p y）中的质子中的细胞数量（参见参考文献。[6，7，8]）。对于实验数据，必须通过混合事件减去非关键背景。减法后，第二个阶乘矩δf2（m）应根据M >> 1的幂律缩放，并导致关键
NA61/SHINE 对 CERN SPS 能量波动和相关性的结果
为了比较不同尺寸系统中的涨落，应该使用强度量，即对系统体积不敏感的量。此类量通过除以测量分布的累积量 κ i（最高为四阶）得出，其中 i 是累积量的阶数。对于二阶、三阶和四阶累积量，强度量定义为：κ 2 /κ 1、κ 3 /κ 2 和 κ 4 /κ 2。图 1 显示了 150 / 158 A GeV / c 时净电荷三阶和四阶累积量比的系统尺寸依赖性。测量数据与 EPOS 1.99 模型 [4, 5] 的预测一致。对带负电和带正电强子的相同量对系统尺寸依赖性的更详细检查（图 2）表明系统尺寸依赖性非常不同。此外，EPOS 1.99 模型无法重现任何测量到的 h + 和 h − 量。这种不一致表明我们还没有完全理解涨落是如何产生的底层物理原理。因此，需要进行更详细的研究。在寻找 CP 时，一个可能的工具是质子间歇性，它应该遵循 CP 附近的幂律涨落。可以通过研究二阶阶乘矩 F 2 ( M ) 随胞元大小或等效地随中速质子 (px, py) 空间中胞元数量的缩放行为来检查（参见参考文献 [6, 7, 8]）。对于实验数据，必须用混合事件减去非临界背景。减去后，二阶阶乘矩 Δ F 2 ( M ) 应该根据 M >> 1 的幂律缩放，得到临界
na61/Shine cern sps Energies的波动和相关性
为了比较不同尺寸系统中的闪光，应该使用密集型数量，即对系统体积不敏感的数量。通过测量分布的累积κi分裂（最高第四阶）来构建此类数量，其中i是累积的。在第二，第三和第四阶累积量密集量定义为：κ2 /κ1，κ3 /κ2和κ4 /κ2。图1显示了在150 /158 A GEV / c时净电荷的第三和第四阶累积比的系统尺寸依赖性。测量的数据与EPOS 1.99模型[4，5]预测一致。对相同数量的系统尺寸依赖性的更详细检查，用于负电荷的HADRON（图2）显示非常不同的系统尺寸依赖性。均未通过EPOS 1.99模型再现了测得的H +和H-。这种分歧表明我们不完全理解如何诱发爆发的基础物理学。因此，需要更详细的研究。在搜索CP时，可能的工具是质子插入性，该工具应遵循CP附近的幂律闪光。可以通过研究具有细胞大小的2 ND阶乘力矩f 2（m）的缩放行为，或等效地，在（p x，p y）中的质子中的细胞数量（参见参考文献。[6，7，8]）。对于实验数据，必须通过混合事件减去非关键背景。减法后，第二个阶乘矩δf2（m）应根据M >> 1的幂律缩放，并导致关键