XiaoMi-AI文件搜索系统
World File Search SystemAdvancing
前进视觉感知学习：来自数据的见解...
上午11:30 - 下午12:30 │2025年2月21日（星期五）CPD1.24，1/f，Run Run Shaw Tower│Centennial Campus│香港大学抽象视觉感知学习（VPL）可以通过培训来增强任务性能，有时通过培训提高了准确性，从近乎机会到熟练程度。 鉴于其在优化视觉和认知功能中的关键作用，因此了解通过学习的看法如何变化至关重要。 然而，人类学习是一个动态过程，涉及一般学习，遗忘，快速重新学习和适应，由于许多研究中使用的粗糙时间分析，通常会忽略它们。 本谈话从大规模的多任务VPL研究中介绍了发现，揭示了特定于主题的一般学习能力，会议内和间隔过程以及任务之间的干扰效应。 为了更好地分析这些学习动力学，我们使用非参数和分层贝叶斯模型介绍了新的数据分析方法，从而为人类学习行为提供了细粒度的见解。 此外，新的计算建模技术允许对生成过程模型进行逐审拟合，从而通过最小的培训数据可以预测学习性能。 这些进步为优化培训策略和改善人类绩效提供了基础。 演讲将以未来的研究方向结束，包括精炼生成模型，探索组件学习过程对经典感知学习操作的影响，并开发一个全面的框架来增强学习概括和效率。上午11:30 - 下午12:30 │2025年2月21日（星期五）CPD1.24，1/f，Run Run Shaw Tower│Centennial Campus│香港大学抽象视觉感知学习（VPL）可以通过培训来增强任务性能，有时通过培训提高了准确性，从近乎机会到熟练程度。鉴于其在优化视觉和认知功能中的关键作用，因此了解通过学习的看法如何变化至关重要。然而，人类学习是一个动态过程，涉及一般学习，遗忘，快速重新学习和适应，由于许多研究中使用的粗糙时间分析，通常会忽略它们。本谈话从大规模的多任务VPL研究中介绍了发现，揭示了特定于主题的一般学习能力，会议内和间隔过程以及任务之间的干扰效应。为了更好地分析这些学习动力学，我们使用非参数和分层贝叶斯模型介绍了新的数据分析方法，从而为人类学习行为提供了细粒度的见解。此外，新的计算建模技术允许对生成过程模型进行逐审拟合，从而通过最小的培训数据可以预测学习性能。这些进步为优化培训策略和改善人类绩效提供了基础。演讲将以未来的研究方向结束，包括精炼生成模型，探索组件学习过程对经典感知学习操作的影响，并开发一个全面的框架来增强学习概括和效率。关于发言人Lu Zhong-lin教授是NYU上海的神经科学教授，也是纽约大学神经科学中心的全球网络教授。Lu教授于2019年加入俄亥俄州立大学的纽约大学，在那里他是艺术与科学学院杰出心理学教授，心理学，验光学和转化数据分析教授，以及认知和脑科学中心，以及认知和行为脑智慧中心的中心。lu是实验心理学家和心理科学协会的会员。Zoom会议（对于无法亲自参加研讨会的参与者）
通过基因组编辑来推进木薯分子育种：有希望的途径
摘要木薯（Manihot esculenta crantz）是一种关键的淀粉根作物，在全球范围内就粮食作物的意义排名第六，并为居住在热带地区的8亿个人提供了维持。超出其作为食物来源的关键作用，木薯也是生物材料的基本水库。木薯主要在肥沃的，低雨后的环境中蓬勃发展，面临着各种挑战，包括对病毒疾病的易感性，快速的后后恶化以及与氰基糖苷相关的潜在毒性。用于增强或引入特定性状的常规育种方法，尽管有效，但尤其是耗时的，促使人们探索了替代技术。基因组编辑工具，以CRISPR/CAS9系统为例，由于其简单性，成本效益和效率而提供了有希望的途径。这项全面的评论批判性地研究了基因组编辑在木薯中的应用，重点是增强关键特征，例如淀粉质量，氰化物排毒和对疾病的耐药性。此外，它精心探讨了该领域遇到的挑战，提供潜在的解决方案，并调查了先进的技术，包括基础编辑和质量编辑，这对推进木薯育种的努力保持了巨大的希望。
在全球变化时代推进环境健康研究
环境中有毒金属面临的日益增长与工业化，城市化和气候变化直接相关。这些过程加剧了镉，铅和汞等污染物的全球分布，从而造成了巨大的公共卫生风险。有毒金属现在通过包括空气，水和土壤在内的各种途径渗透生态系统，促进直接和长期健康影响。已经建立了镉在诱导氧化应激，DNA损伤和癌症的作用，特别是在居住在工业区域中的脆弱社区中。同样，铅暴露与神经毒性，认知功能受损和癌症风险增加有关。使用模型生物（例如酵母）对金属稳态的研究已经提出了我们对细胞如何对毒性暴露反应的理解，并通过生物技术干预措施引起了实际溶液。可持续的补救策略纳入了绿色化学，植物修复和循环经济原则对于解决环境污染至关重要。更强的监管框架的发展对于减少有毒金属暴露和促进公共卫生至关重要。解决这些问题需要分子生物学家，环境科学家，公共卫生专家和决策者之间的跨学科合作。本评论重点介绍了环境健康研究的未来，并着重于创建持久的预防解决方案，这些解决方案不仅可以减轻当前的污染，而且还降低了未来环境毒素的风险。©2025 Olaniyan S.这是一篇开放式访问文章，该文章是在创意共享归因4.0国际许可（www.creativecommons.org/licenses/4.0）下分发的，只要适当引用任何原始工作，就可以在任何媒介中进行无限制的使用，分发，分发和复制。
使用蛋白质序列和结构
抗生素传统上用于治疗细菌感染。但是，细菌可以对药物产生免疫力，使其无效，从而对全球健康构成严重威胁。识别和分类负责这种抗药性的基因对于预防，诊断和治疗感染以及对其机制的理解至关重要。为此目的开发的先前方法主要是基于序列的，这取决于与现有数据库或经过序列特征训练的机器学习模型的比较。但是，具有可比功能的基因可能并不总是具有相似的序列。因此，在本文中，我们开发了一种深度学习模型，该模型使用蛋白质结构作为对序列的补充来对新型抗生素抗生素抗生素基因（ARGS）进行分类，我们期望与单独的序列相比，该抗生素抗生素抗生素的基因（ARGS）提供了更多的有用信息。建议的方法包括两个步骤。首先，我们利用了备受瞩目的字母模型，以预测其氨基酸序列的3D结构。然后，我们使用基于变压器的蛋白质语言模型来处理序列，并将图神经网络应用于从结构中提取的图。我们在标准基准数据集上评估了所提出的体系结构，我们发现它以优于最先进的方法。
推进阿尔茨海默氏病风险预测
抽象目标阿尔茨海默氏病（AD）对65岁及65岁以上的个体是最普遍的痴呆形式构成了重大挑战。尽管现有的AD风险预测工具表现出很高的准确性，但它们的复杂性和有限的可访问性限制了实际应用。本研究旨在使用机器学习技术开发一个方便，有效的预测模型。设计和设置我们对来自国家阿尔茨海默氏症协调中心的60岁及60岁以上的参与者进行了横断面研究。我们选择个人特征，临床数据和心理社会因素作为AD的基线预测因子（2015年3月至2021年12月）。这项研究利用随机森林和极端梯度提升（XGBoost）算法以及传统的逻辑回归进行建模。应用了一种超采样方法来平衡数据集。干预措施本研究没有干预措施。参与者研究包括2379名参与者，其中507名被诊断出患有AD。主要和次要结果指标，包括准确性，精度，召回，F1分数等。结果11变量在训练阶段至关重要，包括教育水平，抑郁，失眠，年龄，体重指数（BMI），药物计数，性别，支架，收缩压（SBP），神经症和快速眼动运动。XGBoost模型与其他模型相比表现出色，在曲线下达到0.915，灵敏度为76.2％，特异性为92.9％。最有影响力的预测因素是教育水平，总药物计数，年龄，SBP和BMI。结论拟议的分类器可以帮助指导老年人群中AD的临床前筛查。
推进PDSB的教育创新
●人工智能（AI）计划利用AI来个性化学习，支持数据驱动的教学，并提供自适应工具来增强学生的参与度和表现。●机器人机器人的计划激发了好奇心和创造力，同时通过动手体验培养工程，批判性思维和解决问题的技能。●编码和计算思维编码程序为学生提供了解决问题的问题，逻辑推理和未来就绪的技术技能，从而促进了对数字工具的深入了解。●播客和数字讲故事的播客和数字故事讲述使学生能够增强沟通，创造力和数字素养，提供平台来分享其独特的观点。●制造空间和设计思维创造者空间提供协作环境，学生可以在其中使用电路板，手工制作材料和设计软件等工具来解决现实世界中的挑战。●3D打印和原型3D打印向学生介绍制造概念，设计思维和原型制作，使他们能够将概念从概念带到现实。●增强现实（AR）和虚拟现实（VR）AR和VR技术可用于使学生沉浸在交互式模拟中，使抽象的概念有形并增强体验式学习。●基于游戏的学习和游戏化结合了教育游戏和游戏化策略，这些项目在增强关键概念的同时增加了学生的动力和参与度。
在植物转化，再生和基因...
图1：旨在评估P ESR1驱动基因158激活的基因构建体的实验验证。烟草芽片段用159个农杆菌（GV3101）转化，其中包含cmylcv :: ruby（a）和p在esr1 :: ruby 160（b）显示有限或没有愈伤组织形成。虽然35s :: AtWind1 - 161 AteSr1 :: Ruby（c）的共表达显示出更大的愈伤组织形成和ATESR1 162启动子的激活。（d）愈伤组织形成的定量分析，如区域所示（MM 2）。Explants 163用CAMV 35S :: AtWind1转换出来，显示出大约3-4倍的愈伤组织形成。164（e）在ATESR1启动子下方的IPT等发育调节基因及其165通过ATWIND1激活的表达诱导了快速的愈伤组织诱导，并形成了芽根尖分生组织，166个导致了phytohormone-fime Hormone培养基中的De从头寄生虫的诱导。167
在植物转化，再生和基因...
图1：旨在评估P ESR1驱动基因158激活的基因构建体的实验验证。烟草芽片段用159个农杆菌（GV3101）转化，其中包含cmylcv :: ruby（a）和p在esr1 :: ruby 160（b）显示有限或没有愈伤组织形成。虽然35s :: AtWind1 - 161 AteSr1 :: Ruby（c）的共表达显示出更大的愈伤组织形成和ATESR1 162启动子的激活。（d）愈伤组织形成的定量分析，如区域所示（MM 2）。Explants 163用CAMV 35S :: AtWind1转换出来，显示出大约3-4倍的愈伤组织形成。164（e）在ATESR1启动子下方的IPT等发育调节基因及其165通过ATWIND1激活的表达诱导了快速的愈伤组织诱导，并形成了芽根尖分生组织，166个导致了phytohormone-fime Hormone培养基中的De从头寄生虫的诱导。167
推动改变生活的神经科学发现
除历史事实外，本报告还包含涉及许多风险和不确定性的前瞻性陈述。这些陈述包括但不限于与以下方面相关的陈述：从我们的产品和产品候选物中获得的益处；我们的产品和/或产品候选物可能为患者带来的价值；INGREZZA 的持续成功；成功推出 CRENESSITY；我们的财务和运营业绩，包括我们未来的收入、费用或利润；我们的合作伙伴关系；预期的未来临床和监管里程碑；以及我们和我们的合作伙伴启动和/或完成临床、监管和其他开发活动的时间。可能导致实际结果与前瞻性陈述中明示或暗示的结果大不相同的因素包括但不限于以下因素：与 Neurocrine Biosciences 的业务和财务状况总体相关的风险和不确定性；与 INGREZZA 和 CRENESSITY 商业化相关的风险和不确定性；与我们产品候选物的开发相关的风险；我们对第三方在产品和候选产品的开发、制造和商业化活动中的依赖，以及我们管理这些第三方的能力所带来的风险；FDA 或其他监管机构可能对我们的产品或候选产品作出不利决定的风险；开发活动可能无法按时启动或完成，或者可能由于监管、制造或其他原因而被推迟，可能无法成功或重复以前的临床试验结果，可能无法证明我们的候选产品是安全有效的，或者可能无法预测现实世界的结果或后续临床试验的结果；与我们的合作伙伴达成的协议的潜在利益可能永远无法实现；我们的产品和/或我们的候选产品可能因第三方的专有权或监管权利而被阻止商业化，或者产生意想不到的副作用、不良反应或滥用事件；与政府和第三方监管和/或政策努力有关的风险，这些努力可能对我们的产品实施销售和药品定价控制，或限制我们产品的承保范围和/或报销；与其他疗法或产品竞争相关的风险，包括我们产品的潜在仿制药进入者；以及我们向美国证券交易委员会提交的定期报告中描述的其他风险，包括我们截至 2024 年 9 月 30 日的 10-Q 表季度报告。Neurocrine Biosciences 不承担在本报告日期之后更新本报告所含声明的任何义务，除非法律要求