XiaoMi-AI文件搜索系统
World File Search SystemCER
LC-MS 分析儿童急性淋巴细胞白血病患者的血清脂质组学和代谢组学特征
我们在血清中发现了 2,298 种脂质特征。其中，72 种（3.13%）在 ALL 儿童患者中与健康对照者有显著差异。值得注意的是，鞘脂（神经酰胺和鞘磷脂）和磷脂表现出最明显的变化。神经酰胺的靶向分析显示，ALL 儿童患者血清中的 Cer 18:0 和 Cer 20:0 水平显著升高。此外，肠道微生物相关脂质（如磺基脂质和羟基脂肪酸的脂肪酸酯）显示出显著改变。代谢组学分析确定了 15 种差异代谢物，表明核苷酸和氨基酸代谢紊乱。此外，失调的脂质和代谢物与各种血液指标相关，神经酰胺和核苷与白细胞计数呈正相关，但与血红蛋白和血小板呈负相关。
食品科学和技术的年度审查如何饮食和生活方式可以调整肠道微生物组的健康衰老
在高收入国家中，老年依赖比（OADR）徘徊在25％左右，预计在未来几年中将大大增加，到2050年（联合国2020年）达到约49％。如此惊人的高水平是不可持续的，因此，必须确定促进健康衰老的干预措施，这可能会延迟慢性疾病的发作并减少残疾。越来越多的经验证据表明，肠道微生物群会影响宿主的多个功能领域，包括免疫和炎症，代谢以及食物偏好以及认知和行为。因此，肠道菌群改变与年龄人群中的发病率，残疾和死亡率的开始有关，包括2型糖尿病（T2D），肥胖，心血管疾病（CVD），CER CER，CER和认知和神经学疾病（Cho）和神经学疾病（Cho＆Blasers（Cho＆Blasers）2012）。除了遗传因素外，肠道菌群的组成和功能在生理上取决于多种生活方式因素，其中关键要素包括人口统计学和经济因素，体育习惯，药物治疗，药物和饮食习惯，从出生到高龄（Zhernakova等人（Zhernakova等）2016）。所有这些使微生物群成为可访问的可修改风险因素，尤其是通过饮食变化，因此，是促进健康衰老并帮助遏制OADR上升的有前途的工具。在这里，我们回顾了有关生活方式 - 微生物群相互作用的最新证据，并特别强调饮食作为关键的可访问调节器。我们还提出并讨论了如何使用微生物群和大数据分析的进步来促进健康的衰老。
研究生目录2024-2025-奥斯汀大学
Jay C. Hartzell博士，总裁Sharon L. Wood，执行副总裁兼Provost James Davis，JD，高级副总裁兼官员Claudia Lucchinetti，医学博士，医疗事务高级副总裁兼戴尔医学院医学院院长Christopher M. Del Conte，Med和Vice vice Vice Vice Vice Vice Vice and slesniel T. Slesnick，Slise t. Slesniel t. Slesniel T. MBA，MBA，副总裁兼首席营销和传播官员大卫·利文斯顿（David Livingston）
绿色战略对企业有何影响？探索绿色战略的中介作用
本研究旨在探讨企业绿色战略（CGS）对企业绿色绩效（CGP）和绿色竞争优势（GCA）的影响。在数据分析和比较中采用了逐步回归分析。在验证本研究假设的过程中，得出了三个主要结论：（1）企业绿色资产（CGA）和企业绿色技术（CGT）是企业获得绿色竞争优势的主要因素。（2）可以证明企业绿色战略对CGA、CGT、CGP和GCA的直接影响。此外，可以确定CGA和CGT在影响CGS对CGP和GCA的中介作用。（3）企业应利用余和陈（2014）建立的企业环境责任（CER）概念框架来促进GCA，企业应根据陈等（2018）建立的企业环境责任绩效衡量指标与合作伙伴一起审查和分类CER绩效。JEL分类：M14，M19关键词：企业绿色战略，企业绿色资产，企业绿色
评估用于生成和判断编程反馈
大型语言模型（LLM）的出现已经改变了各种领域的研究和实践。在计算教育研究（CER）领域，LLM引起了极大的关注，尤其是在学习过程中。在CER中，LLM的大部分工作都在应用和评估专有模型方面进行了努力。在本文中，我们评估了开源LLMS在为编程作业生成高质量反馈和判断编程反馈质量的高质量反馈方面的效率，并将结果与专有模型进行了对比。我们对学生的介绍性python编程练习的数据集进行评估表明，最先进的开源LLM与生成和评估编程反馈的过程中与亲密模型几乎相当。此外，我们证明了较小的LLM在这些任务中的效率，并向教育者和从业者突出了可访问的广泛的LLM，即使是免费的。
评估用于生成和判断编程反馈
大型语言模型（LLM）的出现已经改变了各种领域的研究和实践。在计算教育研究（CER）领域，LLM引起了极大的关注，尤其是在学习过程中。在CER中，LLM的大部分工作都在应用和评估专有模型方面进行了努力。在本文中，我们评估了开源LLMS在为编程作业生成高质量反馈和判断编程反馈质量的高质量反馈方面的效率，并将结果与专有模型进行了对比。我们对学生的介绍性python编程练习的数据集进行评估表明，最先进的开源LLM与生成和评估编程反馈的过程中与亲密模型几乎相当。此外，我们证明了较小的LLM在这些任务中的效率，并向教育者和从业者突出了可访问的广泛的LLM，即使是免费的。
2024 年 3 月 25 日以电子方式提交加拿大能源......
在 TG-001-2020 号命令中，加拿大能源监管机构 (CER) 指示 NGTL 从 2020 年开始在 NGTL 年度计划附录 4 中提供更多信息。1 此信息已包含在 2023 年 NGTL 年度计划中，该计划附于本信中。
