XiaoMi-AI文件搜索系统
World File Search SystemC26
线粒体靶向药物 MitoQ 改善 C26 肿瘤小鼠的肌肉萎缩、虚弱和氧化代谢
癌症恶病质是一种衰弱综合征，其特征是骨骼肌萎缩、虚弱和疲劳。多种致病机制可导致这些肌肉紊乱。已知线粒体变异、代谢改变和氧化应激增加会促进肌肉无力和肌肉分解代谢。为了改善恶病质，已测试了几种药物来刺激线粒体功能并使氧化还原平衡正常化。本研究的目的是测试 Mitoquinone Q (MitoQ) 的潜在有益抗恶病质作用，MitoQ 是最广泛使用的靶向线粒体的抗氧化剂之一。我们在这里表明，体内施用 MitoQ（每日 25 mg/kg 饮用水）能够改善 Colon-26 (C26) 携带者的体重减轻，而不会影响肿瘤大小。使用 MitoQ 治疗后，C26 宿主的骨骼肌和强度持续改善。与骨骼肌质量的改善相一致，MitoQ 治疗能够部分纠正 E3 泛素连接酶 Atrogin-1 和 Murf1 的表达。相反，合成代谢信号并没有因治疗而改善，这表现为 AKT、mTOR 和 4EBP1 磷酸化没有变化。基因表达评估显示，肿瘤宿主的线粒体生物合成和体内平衡标志物的水平发生了改变，尽管只有 Mitofusin-2 水平受到治疗的显著影响。有趣的是，参与调节线粒体功能和代谢的基因 Pdk4 和 CytB 的水平也因 MitoQ 而部分增加，这与己糖激酶 (HK)、丙酮酸脱氢酶 (PDH) 和琥珀酸脱氢酶 (SDH) 酶活性的调节一致。尽管肌肉 LDL 受体表达没有变化，但接受 MitoQ 治疗的 C26 携带者的氧化代谢改善与肌骨变性（即肌内脂肪滤过）减少有关，因此表明 MitoQ 可以促进肌肉组织中的 β 氧化，并促进肌肉代谢和纤维组成从糖酵解向氧化的转变。总体而言，我们的数据表明 MitoQ 是一种有效的治疗方法，可改善肿瘤宿主的骨骼肌质量和功能，并进一步支持旨在测试靶向线粒体的抗氧化剂与常规化疗药物联合使用的抗恶病质特性的研究。
2022 年董事会 - ASTM International
Brisson 自 2005 年起成为 ASTM 国际会员，目前担任空气质量 (D22) 和核燃料循环 (C26) 委员会副主席，以及测试方法 (C26.05) 和质量保证、统计应用和参考材料 (C26.08) 小组委员会主席。他还是金属粉末和金属粉末产品 (B09)、土壤和岩石 (D18)、水 (D19)、金属、矿石和相关材料分析化学 (E01)、建筑性能 (E06)、核技术和应用 (E10)、质量和统计 (E11) 和国土安全应用 (E54) 委员会的成员。布里森曾荣获 D22 杰出贡献奖、D22 Moyer D. Thomas 奖、C26 Harlan J. Anderson 奖、C26 成就奖、D22 和 C26 赞赏奖以及 D18 Richard S. Ladd 标准发展奖。他还获得了 ASTM 出版物委员会 2019 年研讨会和出版物管理杰出奖。
2024 年可持续发展战略
行业集群 NACE 代码 汽车和机械工程 C26、C27、C28、C29、G45 建筑、房地产和住房 C23、F41、F42、F43、L68 采矿、化学工业、金属制造
b'Abstract本文讨论了将双重/伪证机器学习（DDML）与堆叠配对，这是一种模型平均方法，用于结合多个候选学习者，以估计结构参数。除了传统的堆叠外，我们还考虑了可用于DDML的两个堆叠变体：短堆栈利用DDML的交叉拟合步骤可大大减轻计算负担，并汇总堆叠强制执行常见的堆叠权重，而不是交叉折叠。使用校准的仿真研究和两种估计引用和工资中性别差距的应用，我们表明，与基于单个预先选择的学习者基于单一的替代方法相比，堆叠的DDML对部分未知的功能形式比部分未知的功能形式更强大。我们提供实施建议的Stata和软件。 JEL分类：C21，C26，C52，C55，J01，J08'
b'Abstract本文讨论了将双重/伪证机器学习（DDML）与堆叠配对，这是一种模型平均方法，用于结合多个候选学习者，以估计结构参数。除了传统的堆叠外，我们还考虑了可用于DDML的两个堆叠变体：短堆栈利用DDML的交叉拟合步骤可大大减轻计算负担，并汇总堆叠量强制执行常见的堆叠权重，而不是交叉折叠。使用校准的模拟研究和两种估计引用和工资中性别差距的应用，我们表明，与基于单个预先选择的学习者的常见替代方法相比，堆叠的DDML对部分未知的功能形式更强大。我们提供实施建议的Stata和软件。JEL分类：C21，C26，C52，C55，J01，J08'
中小企业 (SME) 常见问题解答
是的，如果企业在强制性目标审查 ( NT C26 ) 或触发目标重新计算 ( NT C27 ) 后不再符合我们最新资格标准下的中小企业资格，则应通过企业目标验证途径申请新的目标验证服务并支付相应的服务费用。这些企业无法通过“目标更新”来更新其之前验证的中小企业目标。只有使用相同验证途径更新目标的实体才能使用“目标更新”服务。因此，如果企业的发展已超出其中小企业地位，并且希望验证目标或根据中小企业 NT C27 触发目标重新计算，则必须遵循企业验证流程和费用。
8543医疗多重
EDTA血浆，血清Campesterol BS-SOP-OP-MNS-28 RVI EDTA等离子体，血清胆固醇EDTA血浆，血清胆固醇EDTA血浆血浆，血清7-羟基胆固醇EDTA质量质量质量 Methylmalonic acid BS-SOP-OP-MNS-1 RVI Urine Organic acids BS-SOP-OP-MNS-35 RVI Urine Orotic acid BS-SOP-OP-MNS-2 RVI Very long chain fatty acids: BS-SOP-OP-MNS-29 RVI EDTA plasma, serum C22:0 Behenic Acid EDTA plasma, serum C24:0 Lignoceric Acid EDTA等离子体，血清C26：0谷酸EDTA血浆，血清植物酸EDTA血浆，血清pristanic
通过同源性独立的靶向整合进行体内基因编辑以治疗肾上腺脑白质营养不良
肾上腺脑白质营养不良 (ALD) 是由 X 连锁 ABCD1 基因的各种致病突变引起的，这种突变会导致许多器官中极长链脂肪酸的代谢异常积累。然而，ALD 尚未实现治愈性治疗。为了治疗 ALD，我们在 ALD 患者来源的成纤维细胞中应用了两种不同的基因编辑策略，即碱基编辑和同源性独立的靶向整合 (HITI)。接下来，我们使用通过静脉注射递送的 AAV9 载体在 ALD 模型小鼠中进行了体内 HITI 介导的基因编辑。我们发现 HITI 治疗的小鼠的 ABCD1 mRNA 水平显著升高，而 ALD 的敏感诊断标志物 C24:0-LysoPC（溶血磷脂酰胆碱）和 C26:0-LysoPC 的血浆水平显著降低。这些结果表明，HITI 介导的突变基因拯救可能是人类 ALD 治疗的一种有前途的治疗策略。
新辅助治疗HER2-阳性乳腺癌中的HER2靶向疗法：系统评价和网络元分析Gunasekara，A。D. M
摘要：在三十多年来，基于肿瘤选择性治疗实体瘤的渗透性和保留率（EPR）效应的纳米医学已受到了很大的关注。然而，由于肿瘤或栓塞性肿瘤血管，晚期癌症的治疗仍然是一个巨大的挑战，这导致了EPR效应的所谓异质性。我们先前使用一氧化氮供体和其他称为EPR效应增强子的药物来恢复血管中血管中血流受损的方法。在这里，我们表明，两个新型的EPR效应增强剂 - 异端二硝酸盐（ISDN，Nitrol®）和Sildena fi柠檬酸盐 - 将三种大分子分子药物递送至肿瘤：聚（造型（造型（造型））（造型 - co-maleic Acid）（Sma）和cisplatin，smaplatin，smaplatin，smaplatin;聚（N-（2-羟丙基）甲基丙烯酰胺）聚合物共轭锌原磷脂（光动力疗法和成像）；和SMA葡萄糖胺 - 偶联的硼酸络合物（硼中子捕获疗法）。我们在患有晚期C26肿瘤的小鼠中测试了这些纳米果。当这些纳米医学与ISDN或Sildena-Fil一起施用时，肿瘤递送，因此阳性治疗结果在直径为15 mm或更多的肿瘤中增加了2至4倍。这些结果证实了使用EPR效应增强子恢复肿瘤血流的基本原理。总而言之，所有测试的EPR效应增强剂均显示出在癌症治疗中应用的巨大潜力。
肌肽针对2型糖尿病的保护作用
Ahshin-Majd，St.Sant，Zamani，St.，Shiamia，T.，Kiasalari，Z在糖尿病诱导的糖尿病患者中认知改善的carnals：涉及机制的可能性。肽，86，102–1https：// doi。骄傲/ 10。 div>1016/j。。2016。10。008 Albrecht，T.，Schilperoort，M.，Zhang，Sant，St. D.，Qiu，J.，Rodriguez，A. 。，L.，L.，L.，L.，L.，L.，L.，L.，L. Denisi，A.，Aldini，G.，Born，J.，Yard，B.A.和Human，S。J.（2017）。系统报告，7，44492。https：// doi。骄傲/ 10。 div>1038/ srep4 4492 Alhamdani，M。S.，Al-Casser，A。肉肽抗氧化剂抗氧化效率抗葡萄糖降解在您的亲自间皮中产生的葡萄糖降解。临床实践，107（1），C26 – C3https：// doi。骄傲/ 10。 div>1159/00010 6509 11509科学与营养食品，1（2），172-183。https：// doi。骄傲/ 10。 div>1002/ fsn325 25 Almage，Am，Alam，I.，Abulmeaty，M.，Razak，S.，G.，G。，＆Alam，W。（2020）。 https：// doi。 骄傲/ 10。 div>25 25 Almage，Am，Alam，I.，Abulmeaty，M.，Razak，S.，G.，G。，＆Alam，W。（2020）。https：// doi。骄傲/ 10。 div>摄入饮食中晚期糖化最终产物的炎症标志物，免疫表型和健康老年人在少量研究的人群中的能力。食品科学与营养，8（2），1046–1057。1002/ fsn3。1389 Alsheblak，M。M.，Elsherbiny，N。M.，El- Karef，A。，＆Elshishtawy，M.M。（2016）。L-肌肽对CCL4诱导大鼠肝损伤的保护作用。 欧洲细胞因子网络，27（1），6-15。 https：// doi。 org/ 10。 div> 1684/ ECN。 2016。 0372 Arnold，S。E.，Arvanitakis，Z.，Macauley- Rambach，S.L.，Koenig，A.M.L-肌肽对CCL4诱导大鼠肝损伤的保护作用。欧洲细胞因子网络，27（1），6-15。https：// doi。org/ 10。 div>1684/ ECN。2016。0372 Arnold，S。E.，Arvanitakis，Z.，Macauley- Rambach，S.L.，Koenig，A.M.
Jaemin Cho
[C27] Han Lin *，Jaemin Cho *，Abhay Zala和Mohit Bansal。“ CTRL-ADAPTER：一个有效且通用的框架，用于将各种控件适应任何扩散模型”。ICLR（口头）。 2025。 [project] [Paper] [代码]。 [C26] Zaid Khan，Elias Stengel-Eskin，Jaemin Cho和Mohit Bansal。 “ DataEnvgym：具有学生反馈的教师环境中的数据生成代理”。 ICLR（聚光灯）。 2025。 [project] [Paper] [排行榜] [代码]。 [C25] Jialu Li *，Jaemin Cho *，Yi-lin Sung，Jaehong Yoon和Mohit Bansal。 “ SELMA：学习和合并技能 - 特定文本对象专家与自动生成数据”。 神经。 2024。 [project] [Paper] [代码]。 [C24] Abhay Zala *，Jaemin Cho *，Han Lin，Jaehong Yoon和Mohit Bansal。 “ Envgen：通过LLM生成和适应环境以进行训练体现的代理人”。 Colm。 2024。 [project] [Paper] [代码]。 [C23] Abhay Zala，Han Lin，Jaemin Cho和Mohit Bansal。 “图表：通过LLM计划生成开放域的开放式平台图”。 Colm。 2024。 [project] [Paper] [代码]。 [C22] Han Lin，Abhay Zala，Jaemin Cho和Mohit Bansal。 “ VideodirectorGpt：通过LLM指导计划一致的多场景视频生成”。 Colm。 2024。 [project] [Paper] [代码]。 [C21] Heesoo Jang和Jaemin Cho。 “对大语言模型的偏见和危害的评估”。 2024。 [纸]。ICLR（口头）。2025。[project] [Paper] [代码]。[C26] Zaid Khan，Elias Stengel-Eskin，Jaemin Cho和Mohit Bansal。“ DataEnvgym：具有学生反馈的教师环境中的数据生成代理”。ICLR（聚光灯）。2025。[project] [Paper] [排行榜] [代码]。[C25] Jialu Li *，Jaemin Cho *，Yi-lin Sung，Jaehong Yoon和Mohit Bansal。“ SELMA：学习和合并技能 - 特定文本对象专家与自动生成数据”。神经。2024。[project] [Paper] [代码]。[C24] Abhay Zala *，Jaemin Cho *，Han Lin，Jaehong Yoon和Mohit Bansal。“ Envgen：通过LLM生成和适应环境以进行训练体现的代理人”。Colm。 2024。 [project] [Paper] [代码]。 [C23] Abhay Zala，Han Lin，Jaemin Cho和Mohit Bansal。 “图表：通过LLM计划生成开放域的开放式平台图”。 Colm。 2024。 [project] [Paper] [代码]。 [C22] Han Lin，Abhay Zala，Jaemin Cho和Mohit Bansal。 “ VideodirectorGpt：通过LLM指导计划一致的多场景视频生成”。 Colm。 2024。 [project] [Paper] [代码]。 [C21] Heesoo Jang和Jaemin Cho。 “对大语言模型的偏见和危害的评估”。 2024。 [纸]。Colm。2024。[project] [Paper] [代码]。[C23] Abhay Zala，Han Lin，Jaemin Cho和Mohit Bansal。“图表：通过LLM计划生成开放域的开放式平台图”。Colm。 2024。 [project] [Paper] [代码]。 [C22] Han Lin，Abhay Zala，Jaemin Cho和Mohit Bansal。 “ VideodirectorGpt：通过LLM指导计划一致的多场景视频生成”。 Colm。 2024。 [project] [Paper] [代码]。 [C21] Heesoo Jang和Jaemin Cho。 “对大语言模型的偏见和危害的评估”。 2024。 [纸]。Colm。2024。[project] [Paper] [代码]。[C22] Han Lin，Abhay Zala，Jaemin Cho和Mohit Bansal。“ VideodirectorGpt：通过LLM指导计划一致的多场景视频生成”。Colm。 2024。 [project] [Paper] [代码]。 [C21] Heesoo Jang和Jaemin Cho。 “对大语言模型的偏见和危害的评估”。 2024。 [纸]。Colm。2024。[project] [Paper] [代码]。[C21] Heesoo Jang和Jaemin Cho。“对大语言模型的偏见和危害的评估”。2024。[纸]。国际传播协会（ICA）（高级论文奖）。[C20] Yasumasa onoe，Sunayana Rane，Zachary Berger，Yonatan Bitton，Jaemin Cho，Roopal Garg，Alexander Ku，Zarana Parekh，Jordi Pontuset，Jordi Pont-Tuset，Garrett Tanzer，Su Wang和Jason Baldridge。“ docci：连接和对比图像的描述”。ECCV。 2024。 [Project] [Paper] [DataSet]。 [C19] David Wan，Jaemin Cho，Elias Stengel-Eskin和Mohit Bansal。 “对比区域指导：在没有训练的情况下改善视觉模型的接地”。 ECCV。 2024。 [project] [Paper] [代码]。 [C18] Qin Liu，Jaemin Cho，Mohit Bansal和Marc Niethammer。 “以低潜伏期，高质量和不同的提示来重新思考交互式图像分割”。 CVPR。 2024。 [project] [Paper] [代码]。 [C17] Jaemin Cho，Yushi Hu，Roopal Garg，Peter Anderson，Ranjay Krishna，Jason Baldridge，Mohit Bansal，Jordi Pont-Tuset和Su Wang。 “ Davidsonian场景图：在文本到图像生成的细粒度评估中提高可靠性”。 ICLR。 2024。 [project] [Paper] [代码]。 [C16] Jaemin Cho，Abhay Zala和Mohit Bansal。 “用于文本到图像生成和评估的视觉编程”。 神经。 2023。 [project] [Paper] [VPGEN代码] [VPEVAL代码]。 [C15] Shoubin Yu，Jaemin Cho，Prateek Yadav和Mohit Bansal。 “用于视频本地化和问题回答的自链图像模型”。 神经。 2023。ECCV。2024。[Project] [Paper] [DataSet]。[C19] David Wan，Jaemin Cho，Elias Stengel-Eskin和Mohit Bansal。“对比区域指导：在没有训练的情况下改善视觉模型的接地”。ECCV。 2024。 [project] [Paper] [代码]。 [C18] Qin Liu，Jaemin Cho，Mohit Bansal和Marc Niethammer。 “以低潜伏期，高质量和不同的提示来重新思考交互式图像分割”。 CVPR。 2024。 [project] [Paper] [代码]。 [C17] Jaemin Cho，Yushi Hu，Roopal Garg，Peter Anderson，Ranjay Krishna，Jason Baldridge，Mohit Bansal，Jordi Pont-Tuset和Su Wang。 “ Davidsonian场景图：在文本到图像生成的细粒度评估中提高可靠性”。 ICLR。 2024。 [project] [Paper] [代码]。 [C16] Jaemin Cho，Abhay Zala和Mohit Bansal。 “用于文本到图像生成和评估的视觉编程”。 神经。 2023。 [project] [Paper] [VPGEN代码] [VPEVAL代码]。 [C15] Shoubin Yu，Jaemin Cho，Prateek Yadav和Mohit Bansal。 “用于视频本地化和问题回答的自链图像模型”。 神经。 2023。ECCV。2024。[project] [Paper] [代码]。[C18] Qin Liu，Jaemin Cho，Mohit Bansal和Marc Niethammer。“以低潜伏期，高质量和不同的提示来重新思考交互式图像分割”。CVPR。2024。[project] [Paper] [代码]。[C17] Jaemin Cho，Yushi Hu，Roopal Garg，Peter Anderson，Ranjay Krishna，Jason Baldridge，Mohit Bansal，Jordi Pont-Tuset和Su Wang。“ Davidsonian场景图：在文本到图像生成的细粒度评估中提高可靠性”。ICLR。 2024。 [project] [Paper] [代码]。 [C16] Jaemin Cho，Abhay Zala和Mohit Bansal。 “用于文本到图像生成和评估的视觉编程”。 神经。 2023。 [project] [Paper] [VPGEN代码] [VPEVAL代码]。 [C15] Shoubin Yu，Jaemin Cho，Prateek Yadav和Mohit Bansal。 “用于视频本地化和问题回答的自链图像模型”。 神经。 2023。ICLR。2024。[project] [Paper] [代码]。[C16] Jaemin Cho，Abhay Zala和Mohit Bansal。“用于文本到图像生成和评估的视觉编程”。神经。2023。[project] [Paper] [VPGEN代码] [VPEVAL代码]。[C15] Shoubin Yu，Jaemin Cho，Prateek Yadav和Mohit Bansal。“用于视频本地化和问题回答的自链图像模型”。神经。2023。[Paper] [代码]。[C14] Zhenhailong Wang，Ansel Blume，Sha Li，Genglin Liu，Jaemin Cho，Zineng Tang，Mohit Bansal和Heng Ji。“ paxion：在视频语言基础模型中修补动作知识”。神经（聚光灯）。2023。[Paper] [代码]。