XiaoMi-AI文件搜索系统
World File Search SystemCS1
Webcast CS1 II期Topline结果
CS1-003是一项IA期试验，该试验并未用于统计学上与功效相关参数的统计显着检测。本演讲是由Cereno Scientific AB（Publ）（“ Cereno Scientific”）为Cereno Scientific的投资者演示准备和制作的，不得用于任何其他目的。除非另有说明，否则Cereno Scientific是本演示文稿中包含的所有数据的来源。在本演示日期提供此类数据，并如有更改，恕不另行通知。本演示文稿包括前瞻性语句。这些前瞻性陈述涉及已知和未知的风险，不确定性和其他因素，这可能会导致Cereno Scientific的实际结果，绩效，成就或行业结果与这些前瞻性陈述所表达或暗示的陈述具有重大不同。前瞻性陈述仅在本演讲之日起说明，Cereno Scientific明确违反了本演示文稿中任何更新或修订的任何更新或修订的任何义务或承诺，这是由于Cereno Scientific的预期或这些前瞻性陈述所基于的事件，条件或情况的任何变化而导致的任何前瞻性陈述。本演讲中的信息尚未独立验证。瑞典或其他地方没有监管机构检查，批准或注册了本演讲。本演讲不构成或不构成，不应解释为出售或邀请的要约或邀请，或征集任何要购买或订阅任何证券的要约，也不应与其分配形式或其分配形式的事实，或在与任何要约，合同，投资或投资相关方面的依赖或依赖于其分配形式的事实，也不应依赖于conterion corporition contimition contimition contoriation contimition contimition contimition contimition contimition contition contition contition contition contition contition contitution A构成一定。
使用机器学习模型在CS1课程中检测CHATGPT生成的代码提交
出现公开访问的大语言模型（LLM），例如Chatgpt，带来了前所未有的新型植物和作弊风险，学生使用LLMS为他们解决练习。检测此行为将是入门计算机科学（CS1）课程中的必要组成部分，并且在需要时，教育工作者应配备良好的检测工具。但是，chatgpt非确定生成代码，因此，传统的相似性检测器可能不足以检测AI创建的代码。在这项工作中，我们探讨了用于检测任务的机器学习（ML）模型的负担。我们使用了CS1分配的学生程序的公开可用数据集，并使ChatGPT生成了相同作业的代码，然后评估了传统的机器学习模型和基于抽象的基于抽象的基于AST的基于AST tree（基于AST）的深度学习模型，从学生代码提交中检测CANTGPT代码。我们的结果表明，传统的机器学习模型和基于AST的深度学习模型都可以有效地识别Chatgpt生成的代码，准确性超过90％。由于部署此类模型需要并非总是可以为教师提供的ML知识和资源，因此我们还探索了通过深度学习模型检测到的模式，这些模型指示可能使用的CHATGPT代码签名，教师可能会使用这些模型来检测基于LLM的作弊。我们还探讨了是否明确要求Chatgpt冒充新手程序员会影响所产生的代码。我们进一步讨论了提出的模型以增强入门计算机科学教学的潜在应用。
Cereno Scientific 宣布启动新型 HDAC 抑制剂 CS014 I 期试验的多次递增剂量 (MAD) 部分
Cereno Scientific 开发创新疗法，用于治疗医疗需求尚未得到满足的疾病。主要候选药物 CS1 是一种 HDAC 抑制剂，可作为表观遗传调节剂，具有降压、逆转重塑、抗纤维化、抗炎和抗血栓形成等特性。CS1 正在开发中，作为严重且危及生命的罕见疾病肺动脉高压 (PAH) 的疾病改良疗法。IIa 期试验评估了 CS1 对 PAH 患者的安全性、耐受性和探索性疗效，结果表明 CS1 安全、耐受性良好，并对探索性临床疗效参数产生了积极影响。CS1 研究数据与临床前信息一致，可逆转病理重塑。与全球医疗保健公司 Abbott 达成的合作协议允许 Cereno 在试验中使用其尖端技术 CardioMEMS HF 系统。扩展访问计划使完成 IIa 期试验的患者能够在没有可比替代治疗方案的情况下使用 CS1。 CS1 在美国和欧盟均拥有孤儿药资格。处于 I 期开发的 HDAC 抑制剂 CS014 是一种新型化学实体，正在开发用于治疗罕见疾病特发性肺纤维化 (IPF)。HDAC 抑制剂的临床前研究表明，这些药物可以逆转 IPF 模型中的纤维化。研究还表明，这些药物可以防止肺血管的病理重塑，而肺血管的病理重塑最终会导致许多 IPF 患者出现肺动脉高压。CS014 的临床前研究表明，该药物对逆转纤维化有效果，并且对已建立的 PAH 模型中的病理血管重塑具有剂量依赖性有益作用。总之，这些发现表明 CS014 有可能解决 IPF 发展背后的潜在病理生理学。临床前研究表明，CS014 能够调节血小板活性、局部纤维蛋白溶解和血凝块稳定性，有助于预防血栓形成，而不会增加出血风险。这支持了 CS014 解决 IPF 患者关键未满足需求的潜力。临床前候选药物 CS585 是一种口服、高效且
Matteo Cardellini
CS2 A. Formica。 2022年10月。 计算机工程硕士学位。 通过人工智能技术进行隔离的站内火车：优化，重新安排和可视化。 M. Maratea CS1 C. Ansaldo教授的合伙人，N。Chiesa。 2022年7月。 计算机工程学士学位。 人工智能技术，用于解决班次调度问题。 与M. Maratea教授的共同参与者CS2 A. Formica。2022年10月。计算机工程硕士学位。通过人工智能技术进行隔离的站内火车：优化，重新安排和可视化。 M. Maratea CS1 C. Ansaldo教授的合伙人，N。Chiesa。 2022年7月。 计算机工程学士学位。 人工智能技术，用于解决班次调度问题。 与M. Maratea教授的共同参与者通过人工智能技术进行隔离的站内火车：优化，重新安排和可视化。M. Maratea CS1 C. Ansaldo教授的合伙人，N。Chiesa。 2022年7月。 计算机工程学士学位。 人工智能技术，用于解决班次调度问题。 与M. Maratea教授的共同参与者M. Maratea CS1 C. Ansaldo教授的合伙人，N。Chiesa。2022年7月。计算机工程学士学位。人工智能技术，用于解决班次调度问题。与M. Maratea教授的共同参与者
环境DNA（EDNA）12S元编码PCR方案（使用铂Superfi II TAQ）
1。在密歇根州立大学的研究技术支持机构（RTSF）上进行了二级扩增和NGS。将每种纯化的原代PCR产物的20μL等分试样送到MSU的RTSF基因组核心，以用于临时PCR扩增，该引物针对主要PCR产物的CS1/CS2末端，并添加了双重索引，具有双重指标的，光明的，光明的兼容型适配器与酒吧尺度。
学生对编程生成人工智能反馈的看法和偏好
人工智能 (AI)，特别是大型语言模型 (LLM) 的快速发展为各种教育应用开辟了机会。本文探讨了利用最流行的 LLM 之一 ChatGPT 在入门计算机科学 (CS1) 课程中自动对 Java 编程作业进行反馈的可行性。具体来说，本研究重点关注三个问题：1) 学生在多大程度上将 LLM 生成的反馈视为形成性的？2) 学生如何看待包含其代码的反馈提示与不包含其代码的反馈提示的比较可供性？3) 学生建议进行哪些改进以改进 LLM 生成的反馈？为了解决这些问题，我们使用 ChatGPT API 为 CS1 课程中的四个实验室作业生成了自动反馈。调查结果显示，学生认为反馈与 Shute 制定的形成性反馈指南非常一致。此外，学生明显偏爱将学生代码作为 LLM 提示的一部分而生成的反馈，我们的专题研究表明，这种偏爱主要归因于反馈的特异性、清晰度和纠正性。此外，本研究发现，学生通常期望获得具有足够代码示例的具体纠正性反馈，但对反馈的语气有不同的看法。本研究表明，ChatGPT 可以生成学生认为具有形成性的 Java 编程作业反馈。它还提供了有关使 ChatGPT 生成的反馈对学生有用的具体改进的见解。
人文主义编程新手的新手
与这些趋势有关的一个重要问题，也是教育和学术讨论的焦点，是人文学生的编程教育“外包”是否是一种推荐的做法。我使用这个术语来指通过注册 CS1 或在某些情况下通过查阅面向普通受众的编程教科书或在线课程来获取基本的编程智慧（McDaniel，2015；Kokensparger & Peyou，2018；Folgert 等人，2021）。特别是自 1990 年代以来，作为更广泛地尝试控制人文学生的计算教育的一部分，已经铺平了一条替代道路（Koch，1991；Dobberstein，1993/1994）。Koch 曾著名地宣称，在这方面的努力的动机和目标如下：
针对多发性骨髓瘤的 BCMA 靶向免疫疗法
引言蛋白酶体抑制剂 (PI) 和免疫调节药物 (IMiD) 等新型疗法的最新进展显著改善了多发性骨髓瘤 (MM) 患者的治疗效果[1-8]。然而，大多数 MM 患者最终会因产生耐药性而复发[9]。此外，许多当前流行的靶抗原，例如 CD38 和 SLAMF7（也称为 CS1 或 CD319），也存在于其他正常组织中，从而导致不良的肿瘤外毒性[10,11]。因此，迫切需要新的治疗策略，尤其是对于高风险复发/难治性 (R/R) MM[12-15]。 B 细胞成熟抗原 (BCMA) 或 CD269，也称为肿瘤坏死因子受体超家族成员 17 (TNFRSF-17)，在正常和恶性浆细胞 (PC) 中均以高水平限制性表达，这使其成为新型 MM 疗法的理想靶抗原 [ 16 , 17 ]。
解锁生成AI应用程序的用户体验
[1]西蒙·阿塔德（Simon Attard）。2023。接地生成的AI。https://medium.com/@simon_attard/grounding-lange-lange-models-generative-526bc44404c28 [2] Paul Denny，Viraj Kumar和Nasser Giacaman。2022。与Copilot进行对话：探索使用自然语言解决CS1问题的及时工程。第54届ACM计算机科学教育技术研讨会论文集V. 1（2022）。https://api.semanticscholar.org/corpusid：253157479 [3] Cobus Greyling。2022。及时工程，文本生成大语言模型。https://cobusgreyling.medium.com/prompt-eendebering-text- generation-large-lange-models-models-3d90c527c6d5 [4] Alita Joyce。2018。用户体验中的微接触。https://www.nngroup.com/articles/microthicles/ [5] Vivian Liu和Lydia B. Chilton。2021。及时工程文本对图像生成模型的设计指南。2022 CHI人为因素的计算系统中的会议记录（2021）。https://api.semanticscholar.org/corpusid:237513697 [6] UserTesting平台。 2024。 USERTESTING网站。 https://www.usertesting.com/ [7] Laria Reynolds和Kyle McDonell。 2021。 提示大型语言模型的编程：超越少量范式。 在计算系统中的2021 CHI人为因素会议的扩展摘要（2021）。 https://api.semanticscholar.org/corpusid:231925131 [8] Justin D. Weisz，Michael J. Muller，Jessica He和Stephanie Houde。 2023。 在IUI讲习班中。https://api.semanticscholar.org/corpusid:237513697 [6] UserTesting平台。2024。USERTESTING网站。https://www.usertesting.com/ [7] Laria Reynolds和Kyle McDonell。 2021。 提示大型语言模型的编程：超越少量范式。 在计算系统中的2021 CHI人为因素会议的扩展摘要（2021）。 https://api.semanticscholar.org/corpusid:231925131 [8] Justin D. Weisz，Michael J. Muller，Jessica He和Stephanie Houde。 2023。 在IUI讲习班中。https://www.usertesting.com/ [7] Laria Reynolds和Kyle McDonell。2021。提示大型语言模型的编程：超越少量范式。在计算系统中的2021 CHI人为因素会议的扩展摘要（2021）。https://api.semanticscholar.org/corpusid:231925131 [8] Justin D. Weisz，Michael J. Muller，Jessica He和Stephanie Houde。2023。在IUI讲习班中。在IUI讲习班中。迈向生成AI应用程序的一般设计原理130-144。https://api.semanticscholar.org/corpusid:255825625https://api.semanticscholar.org/corpusid:255825625
液滴数字PCR允许在鼠异种移植模型或经过批准的CD19 CAR T细胞处理的患者
摘要背景：基因设计的嵌合抗原受体（CAR）T淋巴细胞是有希望的癌症治疗工具。目前批准了四种汽车T细胞药物，包括Tisagenlecleucel（Tisa-Cel）（Tisa-Cel）和Axibabtagene-Ciloleucel（AXI-CEL），所有靶标CD19都被批准用于治疗B细胞恶性肿瘤。流式细胞仪（FC）仍然是使用重组生物素化靶蛋白的单层CAR T细胞的标准。尽管如此，需要其他工具，而挑战是开发一种简单，相关，高度敏感，可重现和廉价的检测方法。分子工具可以满足这种需求，以特别监视长期持续的汽车T细胞。方法：基于2个实验性CAR T细胞构建体IL-1RAP和CS1，我们设计了2个定量数字液滴（DDPCR）PCR分析。通过针对4.1BB/CD3Z（28BBz）或28/CD3Z（28Z）结面积，我们证明PCR分析可以应用于经过批准的CD19 CAR T药物。28Z和28BBZ DDPCR分析允许确定每个单元格的平均矢量拷贝数（VCN）。我们确认VCN取决于感染的多样性，并证实了我们的实验性或GMP样IL-1RAP CAR T细胞的VCN是否满足了临床部门的要求（<5 VCN/细胞），类似于批准的AXI-CEL或TISA-CEL药物。结果：28BBz和28Z DDPCR测定法应用于2个肿瘤（急性髓样白血病（AML）或多发性骨髓瘤（MM）异种移植物人源化NSG小鼠模型，使我们能够量化早期膨胀（到注射后的T细胞30）。最后，循环汽车T有趣的是，在初始膨胀之后，当肿瘤挑战循环的CAR T细胞时，我们注意到了第二个膨胀阶段。对骨髓，脾脏和肺的研究表明，在先前注射白血病细胞系的小鼠中，在这些组织中散布更多的CAR T细胞。