XiaoMi-AI文件搜索系统
World File Search SystemAlexandr
情节扭曲：当RNA证据挑战我们对DNA结果的期望时，Alexandra Richardson，MS； Terra Brannan，博士； Colin Young博士； Marcy Richa
情节扭曲：当RNA证据挑战我们对DNA结果的期望时，Alexandra Richardson，MS； Terra Brannan，博士； Colin Young博士； Marcy Richardson博士； Carrie Horton，MS-CGC； Heather Zimmermann，博士背景：配对的DNA和RNA测试（DGT-RGT）通过检测位于标准的下一代序列（NGS）捕获以外的剪接变体和提供变体分类中的证据范围来提高DNA结果的准确性。DGT-RGT的另一个好处是识别导致意外或非常规剪接事件的变体。在这里，我们提出了一个变异级别的病例系列，该病例序列突出了通过DGT-RGT在一个临床诊断实验室中鉴定出的意外RNA发现。变体呈现：变体1-NF1 C.888+2T> C会影响剪接供体部位内的规范位置，从而根据当前ACMG指南将其分类为病原（LP）。最近的研究表明，+2位置的T> c取代能够在某些基因组环境中产生野生型转录本。DGT-RGT并未确定与该变体相关的明显异常剪接，这与载体中缺乏神经纤维瘤病一致。变体2- BRIP1 c.727a> g（p.i243v）是中期错义变化，在硅剪接站点中，该算法预测了创建强大的de从头供体站点。RNA研究证实了这种新型供体部位的使用，但出乎意料地表明，外显子内的现有隐性受体位点同时被激活，从而有效地在外显子内产生了伪内龙。在计算机剪接算法中预测了新型U2受体位点的创建。变体3＆4 NF1 C.5750-184_5750-178 duptttcttc和atm c.3480g> t（p.v1160v）分别是内含子和同义中的中性和同义性中性变化。RNA测试确定了使用远处的隐性受体部位引起的异常转录本。这两个变体都会增加神秘受体上游隐秘的多吡啶氨酸段中的嘧啶含量。多嘧啶界是受体剪接位点识别中的重要组成部分，但据我们所知，尚未据报道隐性多吡啶氨酸裂纹激活作为异常剪接的机制。变体5＆6 -BRCA2 [C.6816_6841+1534DEL1560; c.6762delt]和APC c.1042c> t（p.R3248*）预计由于过早终止密码子（PTC）而导致无义介导的衰减（NMD），因此根据ACMG指南将其归类为致病性。然而，RNA测试表明，这些变体引起了框架内的剪接事件，从而去除了PTC，这一发现与载体中相关的基因 - 疾病表型不存在一致。变体7- lztr1 c.2232g> a（p.a744a）是一种高频同义词，位于内含子的下游，它通过毫无常见的U12剪接体剪接。RNA测试表明，新型U2受体位点经常与现有的上游，隐秘的U2供体站点一起使用，但仅在某些个体中。其他具有低级异常剪接的概率对于弱化隐秘的U2供体部位的常见多态性是纯合的。结论：据我们所知，这是影响内含子的U2/U12-身份的单个核苷酸变化的第一个例子，它也例证了转录组中的个体变异性。
迈向工业 5.0 – 人类掌控的数字化制造可信 AI 框架 Usman Wajid 1 、Alexandros Nizamis 2 和 Victor Anaya 1
摘要 尽管工业 4.0 的概念和技术仍在开发和采用中，但过去十年的经验教训有助于形成工业 5.0 的概念——即工业领域的下一次“革命”。尽管工业 5.0 与工业 4.0 有许多共同的概念，但它具有三个主要要素，即以人为本、可持续性和弹性。在本文中，我们介绍了一种数字化制造平台架构，该架构扩展了工业 4.0 范式，以实现基于人工智能的决策支持，并为工业 5.0 提供必要的可信度和以人为本的元素。所提出的架构有助于实现平衡，即从以人工智能为中心的数字化中获得可感知的收益，同时在关键决策活动中保留人类的作用。关键词 1 工业 5.0，值得信赖的人工智能，以人为本。
引用本文：Ahmed Mustafa Elbasha、Yasmine Salah Naga、Mai Othman、Nancy Diaa Moussa 和 Hala Sadik Elwakil (2022) 向人工智能模型在透析中并发症预测中的应用迈出了一步，Alexandria Journal of Medicine，58:1，18-30，DOI：10.1080/20905068.2021.2024349
摘要简介：急性透析中并发症仍然是接受血液透析 (HD) 的终末期肾病 (ESRD) 患者的一大负担。它们常常导致 HD 疗程提前终止，从而影响透析充分性和患者的整体健康。这项研究的目的是建立一个人工智能模型并评估其在预测透析中临床事件发生方面的表现。方法：我们研究了 215 名 ESRD 患者进行的 6000 次 HD 疗程，记录了许多预测因素，包括：患者、机器和环境因素。这些数据是在 24 周内收集的，包括 COVID 19 时期的 12 周，并用于开发和训练人工神经网络模型 (ANN) 以预测透析中临床事件的发生，例如：低血压、头痛、高血压、痉挛、胸痛、恶心、呕吐和呼吸困难。结果：我们的 ANN 模型在二元 ANN 中预测透析中并发症（事件或无事件）发生的平均精确度和召回率为 96%，AUC 为 99.3%，而分类 ANN 在预测事件类型方面的准确率为 82%。我们发现心率变化、平均收缩压、超滤率、透析液钠、膳食、尿素减少率、室内湿度和透析持续时间对透析中并发症的发生影响最大。讨论：我们的 ANN 模型可用于预测 HD 患者透析中临床事件的风险，并可为经常人手不足的透析部门的医疗保健决策提供支持，尤其是在 COVID 19 时代。
弗吉尼亚州亚历山大市总体规划
用红色边界标识的规划表示覆盖规划。覆盖规划是对现有小区域规划的补充规划和修订。边界内的房产须遵守覆盖规划的要求和规定。如果覆盖规划未提及或未解决特定问题或主题，则适用底层小区域规划。
编辑 CONTROL 2020
Leopoldo Angrisani, Department of Electrical and Information Technologies Engineering, University of Napoli Federico II, Naples, Italy Marco Arteaga, Departament de Control y Rob ó tica, Universidad Nacional Aut ó noma de México, Coyoac á n, Mexico Bijaya Ketan Panigrahi, Institute of Electrical Engineering, New Delhi, New Delhi , India Samarjit Chakraborty, Faculty of Electrical Engineering and Information Engineering, TU Munich, Munich, Germany Jiming Chen, Zhejiang University, Hangzhou, Zhejiang, China , National University of Singapore, Singapore, Singapore R ü diger Dillmann, Humanoids and Intelligent Systems Laboratory, Karlsruhe Institute for Technology, Karlsruhe, Germany Haibin Duan, Beijing University of Aeronautics and Astronautics, Beijing, China Robotics CAR (UPM-CSIC), Universidad Polit é cnica de Madrid, Madrid, Spain Sandra Hirche, Department of Electrical Engineering and Information Science, Technische Universit ä t München, Munich, Germany Traffic Control and Safety, Beijing Jiaotong University, Beijing, China Janusz Kacprzyk, Systems Research Institute, Polish Academy of Sciences, Warsaw, Poland Alaa Khamis, German University in Egypt El Tagamoa El Khames, New Cairo City, Egypt Torsten Kroeger, Stanford University, Scal Engineering Department, CA, University of Texas at Arlington, Arlington, TX, USA Ferran Mart í n, Department of Electrical Engineering, Universitat Aut ò noma de Barcelona, Bellaterra, Barcelona, Spain Tan Cher Ming, College of Engineering, Nanyang Technological University, Singapore, Singapore Wolf Mink Institute of Technology, Ulman University, Germany deep Misra, Department of Electrical Engineering, Wright State University, Dayton, OH, USA Sebastian M ö ller, Quality and Usability Laboratory, TU Berlin, Berlin, Germany Subhas Mukhopadhyay, School of Engineering & Advanced Technology, Massey University, Palmerston North, Manawatu-Wangan Engineering, New Zealand Engineering, Arizona State University, Tempe, AZ, USA Toyoaki Nishida, Graduate School of Informatics, Kyoto University, Kyoto, Japan Federica Pascucci, Department of Engineering, Universit à degli Studi “ Roma Tre ” , Rome, Italy Yong Qin, State Key Laboratory of Rail Traffic Control and Safety, Beijing Jian University, Electoral College, Beijing, China electronic Engineering, Nanyang Technological University, Singapore, Singapore Joachim Speidel, Institute of Telecommunications, Universit ä t Stuttgart, Stuttgart,德国 Germano Veiga，FEUP Campus，INESC Porto，葡萄牙波尔图 Haitao Wu，中国科学院光电研究院，中国北京 Junjie James Zhang，美国北卡罗来纳州夏洛特
不可能的能量三位一体-Alexandria（UNISG）
本文探讨了扩大可再生电力生产的各州所面临的能源政策权衡，并且是跨境电力系统的一部分。我们发展了不可能的能源三位一体（IET）的概念，该概念认为许多州无法同时实现能源安全，可持续性和主权。我们认为，这些州有三种选择来应对国内可再生能源的间歇性发电挑战。肮脏的选项诉诸于基础或保留不可持续来源的电力产生能力。不安全的选项接受系统稳定性风险和/或更高的电价。非自主选择控制了对国内能源规则的控制，以与邻近的电网和市场进行集成。我们使用瑞士案例从经验上说明了我们的新颖概念，该案例发现自己处于这三种选择的十字路口。该国必须选择是增加传统发电能力，接受电网不稳定性和更高的电价，还是与欧盟的电力市场和规则集成。我们讨论了对其他国家的概括以及管理IET的方法。我们得出的结论是，公众对脱碳和维持安全能源供应的压力的压力使许多州最有可能成为非自动选择。跨界网格结构的运作和治理，从而影响了国家和地区尺度的能量转变。
Tanya Nazaretsky、Mutlu Cukurova 和 Giora Alexandron。2021 年。《一种衡量教师对基于人工智能的教育信任度的工具》
F1-1 Q19, Q18, Q17, Q1, Q3 0.78 F1-2 Q19, Q18, Q17, Q1, Q2, Q3 0.79 F1-3 Q19, Q18, Q17, Q1 0.80 F1-4 Q19, Q18, Q17 0.81 F1 使用基于人工智能的教育技术的自我效能 F2-1 Q25, Q24 0.88 F2 基于人工智能的教育技术与人类建议/推荐 F2-2 Q25, Q24, Q8 0.71 F1 + F2 Q19, Q18, Q17, Q25, Q24 0.75 F3 Q14, Q15, Q16 0.69 F3 使用基于人工智能的教育技术相关的焦虑 F4 Q10, Q9, Q12, Q11 0.66 F4 基于人工智能的教育技术缺乏人性化 F5-1 Q5, Q6, Q2 0.69 F5-2 Q5, Q6, Q2, Q7 0.68 F5-3 Q5, Q6, Q2, Q7, Q1, Q3, Q4 0.75 F5 对基于人工智能的教育技术的感知优势 F5-4 Q5, Q6, Q2, Q13 0.52 F6 Q23, Q22, Q21 0.67 F6 提高对基于人工智能的教育技术的信任度的首选方式 F7-1 -Q13, Q7 0.27 F7-2 -Q13, Q7, -Q12 0.45
亚历山大·帕拉斯基夫 - 布加勒斯特
特种涡轮发动机部件部、国防产品部。物理力学测试实验室编制与研究项目各阶段相关的技术备忘录；在科学活动中阐述和展示科学文章（论文）；新产品研发课题建议；编制物理力学分析报告；先进材料的物理力学分析；准备测试报告和公告；先进材料的微观结构/微观成分研究（SEM-EDS）；增材制造活动：技术、MultiJet、FDM、立体光刻； 3D白光扫描（逆向工程）；测试厚涂层和薄涂层：机械测试、等温/循环氧化测试、热冲击。
开壳层自由基量子性质的合成调节 Federico Lombardi, 1,7 Ji Ma 2,7 , Dimitris I. Alexandropoulos, 1 Hartmut Komber
1 牛津大学材料系，牛津，OX1 3PH，英国 2 德累斯顿先进电子中心（cfaed），德累斯顿工业大学化学与食品化学学院，德累斯顿，01069，德国 3 德累斯顿莱布尼茨聚合物研究所，德累斯顿，01069，德国 4 香港大学化学系和合成化学国家重点实验室，香港，中国 5 牛津大学无机化学系，牛津，OX1 3QR，英国 6 主要联系人 7 这些作者贡献相同 *通信地址：xinliang.feng@tu-dresden.de **通信地址：l apo.bogani@materials.ox.ac.uk 摘要 开壳层分子自由基可能是分子量子信息和量子传感技术的关键。它们的形态对量子特性的影响始终未知，阻碍了合成策略的发展。在此，我们使用基于间醌二甲烷的三种相关自由基建立了形态和量子特性之间的联系。我们揭示了π共轭骨架和侧基对自旋翻转和量子相干时间的作用。确定了温度区域，其中分子或溶剂的不同结构部分成为主要的退相干通道。在室温下获得的记录量子相干值仍然远低于自由基的固有极限，我们讨论了优化量子性能的方向。自由基，量子特性，电子顺磁共振，石墨烯。