XiaoMi-AI文件搜索系统
World File Search SystemAtsushi
新发现的调节癌症支持基因表达的因素
我们预测，只有在两种蛋白质结合时，就会存在一个独特的分子，并且从使用分裂 - 涡轮注释3进行的分析中，我们还发现，许多转录调节剂与该复合物结合起作用。从以上结果来看，已经揭示了BOD1L与setD1a结合，并且比作为DNA修复调节剂更有帮助癌症生长和生存的转录启动子。 ■研究人员的评论（Chiba University医学研究生院Hoshii副教授）我们很高兴能够解决蛋白质 - 蛋白质相互作用的奥秘，这些蛋白质相互作用已经很长时间了。 SETD1A本身也引起了人们的关注，作为儿童疾病和精神分裂症的原因，因此我们希望这一发现将有助于癌症以外的其他疾病的治疗。 ■词汇表注释1）CRISPR平铺方法：一种通过设计基因编辑技术CRISPR/CAS9中用于单个基因的无数SGRNA来全面检查和识别在蛋白质上具有功能的位置的方法。注2）DEPMAP数据库：一个数据库，旨在鼓励发现癌症治疗靶标和开发治疗方法，以1,000多个癌细胞系进行的大规模CRISPR-CAS9筛选的结果。注3）分裂 - 涡轮增压：一种接近依赖性的标记方法，允许识别其周围蛋白质的标记，仅限于两种蛋白质相互作用时。 ■Paper information Paper title: BOD1L mediates chromatin binding and non-canonical function of H3K4 methyltransferase SETD1A Author: Takayuki Hoshii*, Sota Kikuchi, Tomoya Kujirai, Takeshi Masuda, Tomoko Ito, Satoshi Yasuda, Makoto Matsumoto, Bahityar Rahmutulla, Masaki Fukuyo，Takeshi Murata，Hitoshi Kurumizaka，Atsushi Kaneda *负责作者杂志名称：核酸研究doi：10.1093/nar/gkae605■参考材料1纸张1个纸张标题：SetD1A的非静脉功能调节setd1a的非催化功能。 10.1016/j.cell.2018.01.032■参考材料2纸张标题：setD1a在白血病杂志中调节血红素生物合成基因的转录暂停释放杂志名称：细胞报告DOI：10.1016/j.cellep.2022.1111727
Chameleo：利用人工智能检测变色龙行走方式
[4] Linda Evans、Fred Hardtke、Emily Corbin 和 Wouter Claes。2020 年。伪装的变色龙：在埃及 el-Hosh 遗址的新发现。《考古学和人类学》12，8 (2020)，1–9。[5] 欧洲宠物食品工业联合会 (FEDIAF)。2020 年。事实与数据 2020。https://www.fediaf.org/images/FEDIAF_Facts_and_Figures_2020.pdf [6] Martin S Fischer、Cornelia Krause 和 Karin E Lilje。2010 年。变色龙运动能力的进化，或如何成为树栖爬行动物。《动物学》113，2 (2010)，67–74。[7] Olivier Friard 和 Marco Gamba。 2016. BORIS：一款免费、多功能的开源事件记录软件，可用于视频/音频编码和实时观察。《生态学与进化方法》7，11（2016），1325–1330。[8] Klaus Greff、Rupesh K Srivastava、Jan Koutník、Bas R Steunebrink 和 Jürgen Schmidhuber。2016. LSTM：搜索空间漫游。《IEEE 神经网络与学习系统汇刊》28，10（2016），2222–2232。[9] Anthony Herrel、Krystal A Tolley、G John Measey、Jessica M da Silva、Daniel F Potgieter、Elodie Boller、Renaud Boistel 和 Bieke Vanhooydonck。2013. 缓慢但坚韧：变色龙奔跑和抓握能力分析。 《实验生物学杂志》216，6（2013），1025–1030。[10] Timothy E Higham 和 Bruce C Jayne。2004。蜥蜴在斜坡和栖木上的运动：树栖专化者和陆栖通才者的后肢运动学。《实验生物学杂志》207，2（2004），233–248。[11] Mayank Kabra、Alice A Robie、Marta Rivera-Alba、Steven Branson 和 Kristin Branson。2013。JAABA：用于自动注释动物行为的交互式机器学习。《自然方法》10，1（2013），64–67。 [12] Mary P Klinck、Margaret E Gruen、Jérôme RE del Castillo、Martin Guillot、Andrea E Thomson、Mark Heit、B Duncan X Lascelles 和 Eric Troncy。2018 年。通过随机临床试验，开发了供看护人/主人 MI-CAT (C) 使用的蒙特利尔猫关节炎测试工具，并对其初步效度和信度进行了评估。《应用动物行为科学》200 期 (2018)，第 96-105 页。[13] JB Losos、BM Walton 和 AF Bennett。1993 年。《肯尼亚变色龙的冲刺能力与粘着能力之间的权衡》。《功能生态学》(1993)，第 281-286 页。[14] Tom Menaker、Anna Zamansky、Dirk van der Linden、Dmitry Kaplun、Aleksandr Sinitica、Sabrina Karl 和 Ludwig Huber。 2020 年。面向数据驱动的动物行为模式自动分析方法。第七届动物-计算机交互国际会议论文集。1-6。[15] Nikola Mijailovic、Marijana Gavrilovic、Stefan Rafajlovic、M Ðuric-Jovicic 和 D Popovic。2009 年。从加速度和地面反作用力识别步态阶段：神经网络的应用。Telfor 杂志 1, 1（2009 年），34-36。[16] Hung Nguyen、Sarah J Maclagan、Tu Dinh Nguyen、Thin Nguyen、Paul Flemons、Kylie Andrews、Euan G Ritchie 和 Dinh Phung。2017 年。使用深度卷积神经网络进行动物识别和鉴别，用于自动野生动物监测。2017 年 IEEE 数据科学与高级分析国际会议 (DSAA)。IEEE，40–49。[17] Matthias Ott。2001 年。变色龙有独立的眼球运动，但在扫视猎物追踪过程中双眼会同步。实验脑研究 139，2（2001 年），173–179。[18] Veronica Panadeiro、Alvaro Rodriguez、Jason Henry、Donald Wlodkowic 和 Magnus Andersson。2021 年。28 款免费动物追踪软件应用程序回顾：当前功能和局限性。实验室动物（2021 年），1–9。[19] Anika Patel、Lisa Cheung、Nandini Khatod、Irina Matijosaitiene、Alejandro Arteaga 和 Joseph W Gilkey。 2020. 揭示未知：使用深度学习实时识别加拉帕戈斯蛇类。动物 10, 5 (2020), 806。[20] Zachary T Pennington、Zhe Dong、Yu Feng、Lauren M Vetere、Lucia Page-Harley、Tristan Shuman 和 Denise J Cai。2019. ezTrack：用于研究动物行为的开源视频分析流程。科学报告 9, 1 (2019), 1–11。[21] Talmo D Pereira、Diego E Aldarondo、Lindsay Willmore、Mikhail Kislin、Samuel SH Wang、Mala Murthy 和 Joshua W Shaevitz。2019. 使用深度神经网络快速估计动物姿势。自然方法 16, 1 (2019), 117–125。[22] Jane A Peterson。 1984. 蜥蜴（爬行动物：蜥蜴）的运动方式，特别是前肢。《动物学杂志》202，1（1984），1-42。[23] Nagifa Ilma Progga、Noortaz Rezoana、Mohammad Shahadat Hossain、Raihan Ul Islam 和 Karl Andersson。2021. 基于 CNN 的毒蛇和无毒蛇分类模型。在国际应用智能与信息学会议上。Springer，216-231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。2016. 您只需看一次：统一的实时物体检测。在 IEEE 计算机视觉与模式识别会议论文集上。779-788。 [25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957 年。世界现存爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019 年。行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。[27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020 年。一种新型活动监测器在评估猫的身体活动和睡眠质量方面的实用性。Plos one 15, 7 (2020)，e0236795。实验动物（2021），1-9。 [19] Anika Patel、Lisa Cheung、Nandini Khatod、Irina Matijosaitiene、Alejandro Arteaga 和 Joseph W Gilkey。 2020。揭示未知：利用深度学习实时识别加拉帕戈斯蛇种。动物 10, 5 (2020), 806。 [20] Zachary T Pennington、Zhe Dong、Yu Feng、Lauren M Vetere、Lucia Page-Harley、Tristan S human 和 Denise J Cai。 2019. ezTrack：用于研究动物行为的开源视频分析管道。科学报告 9、1 (2019)、1-11。 [21] 塔尔莫·D·佩雷拉、迭戈·E·阿尔达隆多、林赛·威尔莫尔、米哈伊尔·吉斯林、塞缪尔·SH·王、马拉·穆尔蒂和约书亚·W·沙维茨。 2019. 使用深度神经网络快速估计动物姿势。《自然方法》16，1（2019），117–125。[22] Jane A Peterson。1984. 蜥蜴（爬行动物：蜥蜴）的运动方式，特别是前肢。《动物学杂志》202，1（1984），1–42。[23] Nagifa Ilma Progga、Noortaz Rezoana、Mohammad Shahadat Hossain、Raihan Ul Islam 和 Karl Andersson。2021. 基于 CNN 的毒蛇和无毒蛇分类模型。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。 2016. 只需看一次：统一的实时物体检测。在 IEEE 计算机视觉与模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957. 世界上的现存爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019. 行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。[27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020. 新型活动监测器在评估猫身体活动和睡眠质量中的实用性。 Plos one 15, 7 (2020), e0236795。实验动物（2021），1-9。 [19] Anika Patel、Lisa Cheung、Nandini Khatod、Irina Matijosaitiene、Alejandro Arteaga 和 Joseph W Gilkey。 2020。揭示未知：利用深度学习实时识别加拉帕戈斯蛇种。动物 10, 5 (2020), 806。 [20] Zachary T Pennington、Zhe Dong、Yu Feng、Lauren M Vetere、Lucia Page-Harley、Tristan S human 和 Denise J Cai。 2019. ezTrack：用于研究动物行为的开源视频分析管道。科学报告 9、1 (2019)、1-11。 [21] 塔尔莫·D·佩雷拉、迭戈·E·阿尔达隆多、林赛·威尔莫尔、米哈伊尔·吉斯林、塞缪尔·SH·王、马拉·穆尔蒂和约书亚·W·沙维茨。 2019. 使用深度神经网络快速估计动物姿势。《自然方法》16，1（2019），117–125。[22] Jane A Peterson。1984. 蜥蜴（爬行动物：蜥蜴）的运动方式，特别是前肢。《动物学杂志》202，1（1984），1–42。[23] Nagifa Ilma Progga、Noortaz Rezoana、Mohammad Shahadat Hossain、Raihan Ul Islam 和 Karl Andersson。2021. 基于 CNN 的毒蛇和无毒蛇分类模型。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。 2016. 只需看一次：统一的实时物体检测。在 IEEE 计算机视觉与模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957. 世界上的现存爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019. 行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。[27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020. 新型活动监测器在评估猫身体活动和睡眠质量中的实用性。 Plos one 15, 7 (2020), e0236795。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。2016 年。你只需看一次：统一的实时物体检测。在 IEEE 计算机视觉和模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957 年。世界上现存的爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019 年。行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。 [27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020 年。新型活动监测器在评估猫体力活动和睡眠质量方面的实用性。Plos one 15, 7 (2020)，e0236795。在国际应用情报与信息学会议上。Springer，216–231。[24] Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi。2016 年。你只需看一次：统一的实时物体检测。在 IEEE 计算机视觉和模式识别会议论文集上。779–788。[25] Karl Patterson Schmidt、Robert F Inger 和 Roy Pinney。1957 年。世界上现存的爬行动物。纽约花园城汉诺威大厦。[26] Martin Stevens 和 Graeme D Ruxton。2019 年。行为在动物伪装中的关键作用。生物学评论 94, 1 (2019)，116–134。 [27] Atsushi Yamazaki、Kazuya Edamura、Koji Tanegashima、Yuma Tomo、Makoto Yamamoto、Hidehiro Hirao、Mamiko Seki 和 Kazushi Asano。2020 年。新型活动监测器在评估猫体力活动和睡眠质量方面的实用性。Plos one 15, 7 (2020)，e0236795。
执行董事职务变动
(CEO) 高级执行副总裁 宫地 真司 (CFO) (CCO) 执行副总裁 仓田 秀之 (CTO) (技术综合本部总经理) 铃木 信之 (电子公司总裁) 高级执行官 粕谷敏郎 (CEO 助理) 竹川义雄 (汽车公司总裁) 小林淳一 (人力资源本部总经理) 村野正 (生命科学公司总裁) 小室宪之 (CEO 助理) Davide Cappellino (建筑玻璃欧美公司总裁) 峰信也 (EHSQ 综合本部总经理) (AGC 横滨技术中心总经理) 粋井达男 (化学品公司总裁) 佐野宏明 (企业规划综合本部总经理) 执行官 杉山达男 (汽车公司总裁助理) Jean-Marc Meunier (汽车公司欧洲地区总裁) (汽车公司技术办公室总经理)上田俊弘 (CEO 助理) 市川淳 (建筑玻璃欧美公司高级副总裁) 高田聪 (CEO 助理) 神谷弘树 (CEO 助理) 荒木尚子 (CEO 助理) 太田胜 (AGC Ceramics Co., Ltd. 总裁) 成岛隆 (汽车公司全球 OEM 管理办公室总经理) 大谷博之 (汽车公司亚洲区总裁) 吉场茂树 (建筑玻璃亚太公司总裁) 横塚俊介 (技术综合本部材料整合实验室总经理) 岩仓诚吾 (采购和物流本部总经理) 上田康之 (化学品公司总裁助理) 堀部义久 (化学品公司基本化学品综合本部总经理) 古田满 (电子公司显示玻璃综合本部总经理) 贝田百合子 (创新技术实验室、技术总体本部总经理） 若槻宏（业务开发本部总经理） 西野二郎（化学公司、高性能化学品总体本部总经理） 玉木一美（企业传播和投资者关系总经理） 成葺功（技术总体本部、生产技术本部总经理） Eddy Sutanto（PT Asahimas Chemical 总裁） 汤山宇山（AGC 集团中国首席代表） 久保隆（电子公司、电子材料总体本部总经理） 望月逸夫（企业规划总体本部、战略和规划本部总经理）
Semaphorin 6D 调节杏仁核回路，以产生情绪、代谢和炎症输出
Yoshimitsu Nakanishi，1，2，3，4，18 Mayuko Izumi，1，2，2，3，4，18 Hiroaki Matsushita，3，5 Yoshihisa koyama，4，6，6，6 diego diez，7 dieoge diez，8 hyota takamatsu，8 hyota takamatsu，1，2 shohei koyama，1 shehei koyama，1 yumay 1，2 yumay 1，2 yum 1，2 Yumy 1，2 Yum.2 Yumiik，1，1，2 Yuta Yamaguchi，1，2 Tomoki Mae，1 Yu Noda，1 Kamon Nakaya，1 Satoshi Nojima，9 Fuminori Sugihara，10 Daisuke Okuzaki，4，11，11，12，12，15，15，15 Mashito，13 ，19， * 1呼吸医学和临床免疫学系，大阪大学，大阪大学565-0871，日本2号免疫病理学系，世界首要国际研究中心免疫研究中心倡议倡议中心研究中心（WPI-IFREC） Chugai Pharmaceutical Co. Ltd.研究部门有限公司，在247-8530，日本6神经科学与细胞生物学系，大阪大学医学研究生院，大阪565-0871，日本7成瘾研究单位，大阪精神病学研究中心，大阪医学中心，大阪大学，osaka apai Osaka 565-0871，日本10生物功能成像实验室，意愿单细胞基因组学），WPI-IFREC，大阪大学，大阪大学565-0871，日本12基因组信息研究中心，研究所研究所（RIMD），大阪565-0871，OSAKA 13 565-07，大阪大学565-0871，日本15号教育与研究中心（CIDER），大阪大学，大阪565-0871 NOLOGY（AMED- CRIEST），大阪大学，大阪大学565-0871，日本日本17号高级模态和DDS（CAMAD），Osaka 565 CORS
PA-01
PA-01 湿式机械路线合成形貌可控的 NH 4 ZnPO 4 及其在氨气吸收中的应用 Tai Hashiba *、Takahiro Kozawa、Makio Naito 大阪大学焊接研究所，日本 PA-02 陶瓷浆料在干燥过程中不均匀内部结构的演变 ~ 通过 OCT-TG 组合系统从操作数观察的方法 ~ Hiromasa Kuroda* 1、Junichi Tatami 2、Motoyuki Iijima 2、Takuma Takahashi 3 1 横滨国立大学工程科学研究生院，日本 2 横滨国立大学环境与信息科学研究生院，日本 3 神奈川工业技术研究所，日本 PA-03 通过机械化学路线简便快速合成金属有机骨架 CALF-20 用于 CO2 捕获和分离 Shota Kitai * 1、Shunsuke Tanaka 1,2、Miki Sugita 3 、 Takahiko Takewaki 3 1 日本关西大学理工学研究生院 2 日本关西大学创新科学技术研究与开发组织 3 三菱化学公司横滨研究中心 PA-04 合成表现出用于 CO 2 吸附的结构灵活性的 PHI 型沸石 Yuto Higuchi * 1 、 Shunsuke Tanaka 1、2、3 1 日本关西大学理工学研究生院 2 日本关西大学化学、能源与环境工程系 3 日本关西大学创新科学技术研究与开发组织 PA-05 增强 Li-M-Ti-O:Mn 4+（M = Ta 或 Nb）荧光粉的光致发光强度 Fumiaki Shirakawa* 1 、 Kai Kameyama 1 、 Hiromi Nakano 2 1 丰桥技术科学大学应用化学与生命科学系日本 2 丰桥技术科学大学合作研究设施中心，日本 PA-06 晶体结构对 Ca 2 (Si, P)O 4 :Ce 3+ 荧光粉光致发光性能的影响 Atsushi Higashide* 1、Shota Ando 1、Hiromi Nakano 2 1 日本丰桥技术科学大学应用化学与生命科学系 2 日本丰桥技术科学大学合作设施中心 PA-08 具有长期稳定性的颗粒间光交联 SiO 2 悬浮液的设计 Kengo Nishiyama* 1、Junichi Tatami 2、Motoyuki Iijima 2 1 日本横滨国立大学工程科学研究生院 2 日本横滨国立大学环境与信息科学学院 PA-09 不同结构梳状聚合物分散剂稳定的浓缩 TiO 2 水性浆料的流变性能 Fumiya Ito* 1、Takuya Honda 2 、Haruka Komuro 2 、Fumitaka Yoshikawa 2 、Junichi Tatami 3 、Motoyuki Iijima 3 1 横滨国立大学工程科学研究生院，日本 2 日本日油公司 3 横滨国立大学环境与信息科学学院，日本
算法偏差评估的Abroca分布
[1] Ryan S. Baker。2024。大数据和教育（第8版）。宾夕法尼亚州费城宾夕法尼亚大学。 [2] Ryan S. Baker和Aaron Hawn。2022。教育算法偏见。国际人工智能杂志教育杂志（2022），1-41。[3] Solon Barocas，Andrew D Selbst和Manish Raghavan。2020。反事实解释和主要原因背后的隐藏假设。在2020年公平，问责制和透明度会议的会议记录中。80–89。[4] Alex J Bowers和Xiaoliang Zhou。2019。曲线下的接收器操作特征（ROC）区域（AUC）：一种评估教育结果预测指标准确性的诊断措施。受风险的学生教育杂志（JESPAR）24，1（2019），20-46。[5] Oscar Blessed Deho，Lin Liu，Jiuyong Li，Jixue Liu，Chen Zhan和Srecko Joksimovic。2024。过去！=未来：评估数据集漂移对学习分析模型的公平性的影响。IEEE学习技术交易（2024）。[6] Olga V Demler，Michael J Pencina和Ralph B D'Agostino Sr. 2012。滥用DELONG测试以比较嵌套模型的AUC。医学中的统计数据31，23（2012），2577–2587。[7] Batya Friedman和Helen Nissenbaum。1996。计算机系统中的偏差。信息系统（TOIS）的ACM交易14，3（1996），330–347。[8]乔什·加德纳，克里斯托弗·布鲁克斯和瑞安·贝克。2019。225–234。通过切片分析评估预测学生模型的公平性。在第9届学习分析与知识国际会议论文集。[9]LászlóA Jeni，Jeffrey F Cohn和Fernando de la Torre。2013。面对不平衡的数据：使用性能指标的建议。在2013年，俄亥俄州情感计算和智能互动会议上。IEEE，245–251。 [10] Weijie Jiang和Zachary a Pardos。 2021。 在学生等级预测中迈向公平和算法公平。 在2021年AAAI/ACM关于AI，伦理和社会的会议上。 608–617。 [11]RenéFKizilcec和Hansol Lee。 2022。 教育算法公平。 在教育中人工智能的伦理学中。 Routledge，174–202。 [12]JesúsFSalgado。 2018。 将正常曲线（AUC）下的面积转换为Cohen的D，Pearson的R PB，Ordds-Ratio和自然对数赔率比率：两个转换表。 欧洲心理学杂志适用于法律环境10，1（2018），35-47。 [13] Lele Sha，Mladen Rakovic，Alexander Whitelock-Wainwright，David Carroll，Victoria M Yew，Dragan Gasevic和Guanliang Chen。 2021。 在自动教育论坛帖子中评估算法公平性。 教育中的人工智能：第22届国际会议，AIED 2021，荷兰乌得勒支，6月14日至18日，2021年，第I部分。 Springer，381–394。 2024。 2023。 2018。IEEE，245–251。[10] Weijie Jiang和Zachary a Pardos。2021。在学生等级预测中迈向公平和算法公平。在2021年AAAI/ACM关于AI，伦理和社会的会议上。608–617。[11]RenéFKizilcec和Hansol Lee。2022。教育算法公平。在教育中人工智能的伦理学中。Routledge，174–202。[12]JesúsFSalgado。2018。将正常曲线（AUC）下的面积转换为Cohen的D，Pearson的R PB，Ordds-Ratio和自然对数赔率比率：两个转换表。欧洲心理学杂志适用于法律环境10，1（2018），35-47。[13] Lele Sha，Mladen Rakovic，Alexander Whitelock-Wainwright，David Carroll，Victoria M Yew，Dragan Gasevic和Guanliang Chen。2021。在自动教育论坛帖子中评估算法公平性。教育中的人工智能：第22届国际会议，AIED 2021，荷兰乌得勒支，6月14日至18日，2021年，第I部分。Springer，381–394。2024。2023。2018。[14]Valdemaršvábensk`Y，MélinaVerger，Maria Mercedes T Rodrigo，Clarence James G Monterozo，Ryan S Baker，Miguel Zenon Nicanor LeriasSaavedra，SébastienLallé和Atsushi Shimada。在预测菲律宾学生的学习成绩的模型中评估算法偏见。在第17届国际教育数据挖掘会议上（EDM 2024）。[15]MélinaVerger，SébastienLallé，FrançoisBouchet和Vanda Luengo。您的模型是“ MADD”吗？一种新型指标，用于评估预测学生模型的算法公平性。在第16届国际教育数据挖掘会议上（EDM 2023）。[16] Sahil Verma和Julia Rubin。公平定义解释了。在国际软件公平研讨会的会议记录中。1-7。[17] Zhen Xu，Joseph Olson，Nicole Pochinki，Zhijian Zheng和Renzhe Yu。2024。上下文很重要，但是如何？课程级别的性能和公平转移的相关性在预测模型转移中。在第14届学习分析和知识会议论文集。713–724。[18] Andres Felipe Zambrano，Jiayi Zhang和Ryan S Baker。2024。在贝叶斯知识追踪和粗心大意探测器上研究算法偏见。在第14届学习分析和知识会议论文集。349–359。
短文 - 矢千绘望 CV
（Yachie N 是 + 第一和/或 * 通讯作者）基因组编辑：在 CRISPR-Cas9 基因组编辑中，向导 RNA 将 Cas9 募集到与原间隔区相邻基序 (PAM) 序列 5'-NGG-3' 相邻的目标基因组区域，然后 Cas9 产生 DNA 双链断裂 (DSB)。该事件通过诱导不同的 DNA 修复途径促进基因缺失或转基因插入，但 DSB 具有细胞毒性，并且基于 DSB 的编辑结果不可预测。我们与 Keiji Nishida 博士合作开发了一种新的基因组编辑工具 Target-AID，它将胞苷脱氨酶 (AID) 融合到切口酶 Cas9 上，并实现了高度精确的靶向 C→T 替换，而无需 DSB [Science 2016]。我们还与 Osamu Nureki 博士合作，成功将 Cas9 的靶向范围从限制性 NGG 扩展到 NG PAM（Cas9-NG），并开发了 Target-AID-NG [ Science 2018] 。此外，我的团队开发了一种新的碱基编辑器 Target-ACEmax，它能够在目标 DNA 分子上同时诱导 C→T 和 A→G 替换，极大地扩展了碱基编辑在治疗和生物技术开发中的潜力 [ Nature Biotechnology 2020*] 。我们还为由 Atsushi Hoshino 博士和 Osamu Nureki 博士领导的基于 Cas12f 的紧凑型基因组编辑工具的开发做出了贡献 [ Cell 2023] 。此外，为了探索除 CRIPSR-Cas9 和其他已表征的基因组编辑工具之外的新基因组编辑工具，我们开发了一种工具，可以从基因组和宏基因组资源中快速捕获周期性和间隔周期性重复序列 [ Nucleic Acids Research 2019*]。细胞谱系追踪：已提出了几种方法来追踪多细胞生物的发育细胞谱系，其中嵌入染色体的 DNA 条形码通过 Cas9 不断突变并从母细胞遗传到子细胞，可以根据观察时的突变模式重建谱系。然而，这些技术都没有实现高分辨率的谱系追踪。为了在单细胞分辨率下破译哺乳动物（小鼠）全身发育过程的图谱，我的团队概述了该领域的关键问题和观点 [Science 2022*]，并正在开发新的基因回路、小鼠工程和高性能计算技术。上述 Target-AID 和 Target-ACEmax 主要用于高分辨率细胞谱系追踪。我们还开发了一种新的深度分布式计算平台，并成功对模拟器生成的超过 2.35 亿个突变序列进行了精确的谱系重建 [Nature Biotechnology 2022*]。回顾性克隆分离：“化疗抗性克隆是否从一开始就存在于具有独特细胞状态的初始细胞群中？”或“观察到的干细胞分化命运背后是否有任何分子因素？”等问题突出了许多尚未解决的生物学问题。如果可以从初始细胞群中分离出在细胞进展后期表现出特定表型的克隆，则可以解决这些问题。最近出现了“回顾性克隆分离”这一新概念来解决上述问题。首先在这样的系统中繁殖条形码细胞群，然后对其亚群进行给定的测定。在识别出感兴趣的条形码克隆后，以条形码特定的方式从初始或实验期间存储的任何其他亚群中分离出相同的克隆（或其近亲）。然后可以对分离的活克隆进行任何后续实验，包括组学测量和用分离物重建合成细胞群。我们最近建立了一种使用 CRISPR 碱基编辑的高性能回顾性分离技术 CloneSelect [ bioRxiv 2022*]。我们已经证明 CloneSelect 适用于人类癌细胞系、人类多能干细胞、小鼠干细胞、酵母细胞和大肠杆菌细胞。细胞网络：癌症和人类疾病通常由复杂的细胞网络介导。我们已经证明，涉及破坏蛋白质相互作用的基因组突变在癌症和其他人类疾病中高度富集 [ Cell 2015]。此外，通过利用蛋白质编码基因的 DNA 分子标记和大规模并行 DNA 测序，我们开发了一种新的高通量蛋白质相互作用技术 BFG-Y2H（条形码融合遗传学-酵母双杂交）。该技术使单个研究人员能够在 2-3 周内筛选至少 250 万个蛋白质对的蛋白质相互作用 [ Molecular Systems Biology 2016+,*]。使用我们已经证明 CloneSelect 适用于人类癌细胞系、人类多能干细胞、小鼠干细胞、酵母细胞和大肠杆菌细胞。细胞网络：癌症和人类疾病通常由复杂的细胞网络介导。我们已经证明，与破坏蛋白质相互作用有关的基因组突变在癌症和其他人类疾病中高度富集 [ Cell 2015] 。此外，通过利用蛋白质编码基因的 DNA 分子标记和大规模并行 DNA 测序，我们开发了一种新的高通量蛋白质相互作用技术 BFG-Y2H（条形码融合遗传学-酵母双杂交）。该技术使单个研究人员能够在 2-3 周内筛选至少 250 万个蛋白质对的蛋白质相互作用 [ Molecular Systems Biology 2016+,*] 。使用我们已经证明 CloneSelect 适用于人类癌细胞系、人类多能干细胞、小鼠干细胞、酵母细胞和大肠杆菌细胞。细胞网络：癌症和人类疾病通常由复杂的细胞网络介导。我们已经证明，与破坏蛋白质相互作用有关的基因组突变在癌症和其他人类疾病中高度富集 [ Cell 2015] 。此外，通过利用蛋白质编码基因的 DNA 分子标记和大规模并行 DNA 测序，我们开发了一种新的高通量蛋白质相互作用技术 BFG-Y2H（条形码融合遗传学-酵母双杂交）。该技术使单个研究人员能够在 2-3 周内筛选至少 250 万个蛋白质对的蛋白质相互作用 [ Molecular Systems Biology 2016+,*] 。使用
执行摘要
议程和演示文稿可在此处获取。 [1] 介绍会议——背景介绍 CERT 副主席兼日本能源经济研究所董事会成员 Toshiyuki Sakamoto 和经济产业省自然资源能源局国际事务部主任 Hidechika Koizumi 致欢迎辞。EGRD 副主席兼应用能源研究所研究主任 Atsushi Kurosawa 对主办方的参与表示欢迎，丹麦技术大学 EGRD 主席 Birte Holst Jørgensen 概述了 EGRD 活动。IEA 氢能和替代燃料部门负责人 Uwe Remme 介绍了 IEA《2021 年全球氢能评估》的主要发现。预计 2020 年氢气需求量为 9000 万吨，工业和炼油行业会消耗这些氢气。在零排放承诺下，2030 年氢气需求量可能达到 1.2 亿吨。新的低碳制氢项目正在进行中，到 2030 年，约有 1700 万吨氢气可能来自化石燃料，采用 CCS 和可再生电解技术。欧盟委员会清洁氢能任务主任 Matthijs Soede 介绍了 2021 年 6 月启动的创新任务 (MI) 清洁氢能任务的现状。欧盟已开始从生产到最终使用创建 MI 氢谷，其三大支柱是研究和创新、氢谷示范和创造有利环境。COP26 之后，清洁氢能将讨论潜在的行动计划、实施方案和进展审查。[2] 氢能政策会议日本经济产业省自然资源能源局先进能源系统和结构部氢能和燃料电池战略办公室副主任 Hiroki Yoshida 介绍了日本最新的能源政策和面向氢能经济的行动。日本政府已设定了氢气成本降低目标，到 2030 年降低至 3 美元/千克，到 2050 年降低至 2 美元/千克以下，目标是到 2030 年氢气市场容量达到 300 万吨，到 2050 年达到 2000 万吨。为实现这一目标，政府将重点关注整个氢气系统的政策，包括需求方、生产和运输基础设施。在第六个战略能源计划中，氢/氨在 2030 年发电结构中的份额为 1%。由于日本国内能源资源有限，该计划将从海外大量进口氢气。日本还在促进有关氢技术和燃料的国际对话方面发挥着主导作用。自 2018 年以来，各国政府每年都在日本主办氢能部长会议。在 2021 年 10 月举行的最近一次会议上，30 多个政府分享了扩大氢气生产和使用的政策方向。 Luca Pollizi , 氢能研究与创新政策官员，欧盟委员会概述了欧盟的氢能政策。欧盟委员会从联盟层面、国家和地区以及国际三个维度支持向氢能经济转型。氢能战略提出了欧洲的生产目标，到2024年氢气产量达到100万吨，到2030年氢气产量达到1000万吨。联合承诺中的公私合作伙伴关系支持欧洲和国外的氢能项目，而催化剂基金等混合融资机制则支持欧盟成员国之间的活动。许多欧盟成员国将公布和分发计划，以加强整个欧洲对长期目标的承诺，在区域层面，超过19个地区将采用氢能技术。美国能源部能源效率和可再生能源办公室氢能与燃料电池技术办公室高级顾问Eric Miller总结了美国氢能政策的现状。在美国，联邦目标包括到 2050 年实现净零排放，到 2035 年实现 100% 无碳污染的电力部门。氢能将使各行业脱碳，特别是在重型运输和工业等难以减排的行业。墨西哥湾地区的氢气生产设施通过天然气重整为炼油厂生产氢气。超过 1600 英里的氢气管道主要位于墨西哥湾地区，而世界上最大的储氢洞穴位于美国。氢能地球计划于 2021 年 6 月启动，其标语“111”雄心勃勃的目标是在 10 年内实现每 1 千克清洁氢气 1 美元的成本。氢能计划中的先进途径包括通过太阳能直接分解水、热化学和生物发酵。自然资源和最终用途的区域机会多种多样。从生产到最终用途的运输是利用美国氢气成本的关键。美国能源部的美国氢能计划将涵盖可再生能源、化石能源和碳管理以及核能。美国在氢能相关的国际活动方面非常活跃。美国能源部能源效率与可再生能源办公室总结了美国氢能政策的现状。在美国，联邦目标包括到 2050 年实现净零排放，到 2035 年实现 100% 无碳污染电力部门。氢能将使各行业脱碳，尤其是重型运输和工业等难以减排的行业。墨西哥湾地区的氢气生产设施通过天然气重整为炼油厂生产氢气。超过 1600 英里的氢气管道主要位于墨西哥湾地区，而世界上最大的储氢洞穴位于美国。氢能地球计划于 2021 年 6 月启动，其标语“111”雄心勃勃的目标是在 10 年内实现每 1 公斤清洁氢气 1 美元。氢能计划中的先进途径包括太阳能直接分解水、热化学和生物发酵。自然资源和最终用途的区域机会多种多样。从生产到最终使用的运输是美国降低氢气成本的关键。美国能源部的美国氢能计划将涵盖可再生能源、化石能源和碳管理以及核能。美国在与氢能相关的国际活动中非常活跃。美国能源部能源效率与可再生能源办公室总结了美国氢能政策的现状。在美国，联邦目标包括到 2050 年实现净零排放，到 2035 年实现 100% 无碳污染电力部门。氢能将使各行业脱碳，尤其是重型运输和工业等难以减排的行业。墨西哥湾地区的氢气生产设施通过天然气重整为炼油厂生产氢气。超过 1600 英里的氢气管道主要位于墨西哥湾地区，而世界上最大的储氢洞穴位于美国。氢能地球计划于 2021 年 6 月启动，其标语“111”雄心勃勃的目标是在 10 年内实现每 1 公斤清洁氢气 1 美元。氢能计划中的先进途径包括太阳能直接分解水、热化学和生物发酵。自然资源和最终用途的区域机会多种多样。从生产到最终使用的运输是美国降低氢气成本的关键。美国能源部的美国氢能计划将涵盖可再生能源、化石能源和碳管理以及核能。美国在与氢能相关的国际活动中非常活跃。