XiaoMi-AI文件搜索系统
World File Search SystemCombating
141个基于PBMC的癌症疫苗，由...
抽象背景缺乏肿瘤浸润的T淋巴细胞和并发的T细胞功能障碍已被确定为胶质母细胞瘤（GBM）免疫疗法耐药性的主要因素。在肿瘤微环境（TME）中上调CXCL10是一种有希望的免疫治疗方法，它可能会增加肿瘤浸润的T细胞并增强T细胞活性，但缺乏有效的递送方法。方法中，用编码CXCL10，NRF2（抗凋亡基因）和铁蛋白重链（FTH）报告基因的重组遗类病毒（MSC）转导间充质干细胞（MSC），以提高其CXCL10分泌，TME的存活率和MRI的可及性。使用FTH-MRI引导，将这些细胞注入小鼠的原位GL261和CT2A GBM的肿瘤周围。组合疗法还针对CT2A GBMS进行了由CXCL10-NRF2-FTH-MSC移植以及免疫检查点阻滞（ICB）的组合。此后，进行了体内和序列MRI，生存分析和组织学检查以评估治疗方法的功效和机制。结果CXCL10-NRF2-FTH-MSC表现出增强的T淋巴细胞募集，氧化应激耐受性和铁的积累。在体内FTH-MRI指导和监测下，CXCL10-NRF2- FTH-MSC的周围移植明显抑制了C57BL6小鼠中的原位原位GL261和CT2A肿瘤的生长，并延长了动物存活。仅凭ICB没有任何治疗影响，但与单独移植相比，CXCL10-NRF2-FTH-MSC移植与ICB结合了CT2A GBM的抗癌作用增强。组织学表明，周围注射的CXCL10-NRF2-FTH-MSC在TME中存活更长，增加了CXCL10的产生，并最终通过增加CD8 + T细胞，Interferon-γ +细胞毒性毒性细胞（CTLS）（CTLS），GZMB + CTLS和cTLS redc and redc and redc and redc and thec and the cd8 + tme重塑了TME。 （Tregs），耗尽的CD8 +和耗尽的CD4 + T细胞。结论MRI引导的CXCL10和NRF2过表达的MSC可以通过振兴TME内的T淋巴细胞来显着限制GBM的生长。CXCL10-NRF2-FTH-MSC移植和ICB治疗的结合应用提供了一种潜在的有效治疗GBM方法。
抗体 - 药物缀合物具有双重有效载荷，用于打击乳腺肿瘤异质性和耐药性
。cc-by-nc 4.0国际许可（未获得同行评审证明），他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权所有，该版本于2020年12月21日发布。 https://doi.org/10.1101/2020.12.12.18.423326 doi：biorxiv preprint
文章 可穿戴设备、智能手机和可解释人工智能在抗击 COVID-19 中的应用
摘要：心率变异性 (HRV) 和每分钟心跳次数 (BPM) 等生理指标可以作为呼吸道感染的有力健康指标。HRV 和 BPM 可以通过广泛使用的腕戴式生物识别可穿戴设备和智能手机获取。这些指标的连续异常变化可能是 COVID-19 等呼吸道感染的早期迹象。因此，可穿戴设备和智能手机应通过其他上下文数据和人工智能 (AI) 技术支持的早期检测在抗击 COVID-19 中发挥重要作用。在本文中，我们研究了从可穿戴设备和智能手机收集的心脏测量值（即 HRV 和 BPM）在展示 COVID-19 炎症反应早期发作中的作用。AI 框架由两个模块组成：一个可解释的预测模型，用于对 HRV 测量状态进行分类（正常或受炎症影响），以及一个循环神经网络 (RNN)，用于分析用户的日常状态（即移动应用程序中的文本日志）。两种分类决策都整合在一起，以生成最终决策，即“可能感染 COVID-19”或“没有明显的感染迹象”。我们使用了一个公开可用的数据集，其中包括 186 名患者，拥有超过 3200 个 HRV 读数和大量用户文本日志。该方法的首次评估显示，在使用局部可解释的模型不可知解释 (LIME) 的模型解释支持下，在症状出现前两天预测感染的准确率为 83.34 ± 1.68%，准确率、召回率和 F1 分数分别为 0.91、0.88、0.89。
银簇卟啉组装材料作为对抗超级细菌的先进生物防护材料
超级细菌是对大多数抗生素产生耐药性的细菌，严重威胁着人类的健康。银 (Ag) 纳米粒子具有广谱抗菌特性，但对超级细菌仍具有挑战性。在这里，使用基于卟啉的连接体组装银簇并生成一种新颖的框架结构 (Ag 9 -AgTPyP)，其中九核 Ag 9 簇由以银为中心的卟啉单元 (AgTPyP) 在二维上均匀分隔，显示出开放的渗透孔隙率。Ag 9 -AgTPyP 在可见光照射后 2 小时内可消灭超过 99.99999% 和 99.999% 的耐甲氧西林金黄色葡萄球菌 (MRSA) 和铜绿假单胞菌 (P. aeruginosa)，优于大多数细菌灭活光催化剂。新建立的从 AgTPyP 到相邻的对 O 2 具有优先亲和性的 Ag 9 簇的长期电荷转移状态极大地促进了活性氧 (ROS) 的产生效率；其独特的框架加速了 ROS 的运输。包含 Ag 9 -AgTPyP 薄膜的个人防护设备（口罩和防护服）也表现出对超级细菌的出色性能。这种超级细菌杀灭效率在银配合物和卟啉衍生物中是前所未有的。利用金属簇和连接体之间的高效光生电子和空穴可以开辟光催化领域新的研究兴趣。
重新访问药物，疫苗和生物信息学方法的研究更新，以打击共vid-19
1孟加拉国西尔赫特农业大学鱼类健康管理部，孟加拉国西尔赫特，2渔业技术和质量控制部2孟加拉国Sylhet，北韩国大学生物技术系5，韩国釜山，韩国6分析司，Globe Biotech Limited，达卡，达卡，达卡，孟加拉国7，兰加马蒂综合医院，兰加马蒂，兰加马蒂，孟加拉国兰加马蒂医院，孟加拉国8号。 Pukyong国立大学，商，韩国，韩国10号生物制药工程专业，Applied Bio Gungineering部，东欧大学，釜山，韩国
瑞典和国际上 30 年的反洗钱工作——系统是否按预期发挥作用
2019-2020 年期间，打击洗钱和恐怖主义融资问题在瑞典的公开辩论中占据了重要地位。自 1990 年以来，联合国要求将洗钱定为犯罪，瑞典和其他国家逐渐建立了一个相对复杂但也相对不为人知的框架，以防止犯罪分子滥用金融体系。在本文中，我简要介绍了打击洗钱的努力以及在此背景下如何达成国际协议。之后，我详细描述了瑞典打击洗钱和恐怖主义融资的体系是如何运作的，并总结了国际上对瑞典体系有效性的评价。最后，我简要评论了近年来对丹斯克银行和瑞典银行的宣传效果，讨论了该体系可以产生什么结果，并讨论了如何改进它。
通过封闭式CT
冠状动脉钙评分（CCS）可以通过用于筛查心血管疾病（CVD）的非门控或门控计算机断层扫描（CT）进行量化。和非门控的CT用于常规冠状动脉钙（CAC）筛查，原因是其可负担性。但是，非门控CT成像的伪影对自动评分构成了重大挑战。为了应对由工件引起的评分偏见，我们开发了一种新颖的语义提示得分暹罗（SPSS）网络，用于非门控CT的自动CC。在SPSS中，我们建立了一个共享网络，该网络具有回归监督学习和语义监督学习。我们通过混合不带CAC掩模的非门控CT并用CAC掩模将CT训练SPS。在回归监督学习中，该网络经过培训，可以预测非门控CT的CC。为了打击运动伪像的影响，我们引入了语义范围的学习。 我们利用门控CT来训练网络以学习更准确的CAC语义功能。 通过整合回归监督学习和语义监督学习，语义信息可以促使重新调查监督的学习，以准确预测非门控CT的CC。通过在公开可用的数据集上进行广泛的实验，我们证明SPS可以减轻像素化文物标签引入的潜在评分偏差。 此外，我们的实验结果表明，SPSS建立了最先进的性能。在回归监督学习中，该网络经过培训，可以预测非门控CT的CC。为了打击运动伪像的影响，我们引入了语义范围的学习。我们利用门控CT来训练网络以学习更准确的CAC语义功能。通过整合回归监督学习和语义监督学习，语义信息可以促使重新调查监督的学习，以准确预测非门控CT的CC。通过在公开可用的数据集上进行广泛的实验，我们证明SPS可以减轻像素化文物标签引入的潜在评分偏差。此外，我们的实验结果表明，SPSS建立了最先进的性能。
超越全基因组关联研究对抗高血压：微生物组和人工智能为精准医疗带来机遇
人类死亡的最大单一因素是心血管疾病，而其最大的风险因素是高血压 (HTN)。过去二十年，人们非常重视识别导致高血压的遗传因素。因此，超过 1,500 个遗传等位基因与人类高血压有关。使用高血压遗传模型的绘图研究已经产生了数百个血压 (BP) 基因座，但它们对血压的个体影响很小，这限制了在临床上针对它们的机会。收集全基因组关联数据的价值在正在进行的研究中显而易见，该研究开始利用这些数据在个体层面的遗传差异，结合人工智能 (AI) 策略来开发用于预测高血压的多基因风险评分 (PRS)。然而，仅 PRS 可能不足以解释高血压的发病率和进展，因为遗传因素占影响高血压发病病因的风险因素的不到 30%。因此，整合影响血压调节的其他非遗传因素的数据对于增强 PRS 的能力非常重要。其中一个因素是肠道微生物的组成，这是最近发现的导致高血压的重要因素。迄今为止的研究已清楚地表明，从正常血压稳态到血压升高状态的转变与肠道微生物的组成变化及其与宿主的相互作用有关。在这里，我们首先记录了对动物模型和高血压患者肠道菌群失调研究的证据，然后讨论了使用微生物数据开发高血压宏基因组风险评分 (MRS) 并与 PRS 和临床风险评分 (CRS) 相结合的前景。最后，我们建议整合人工智能从 PRS、MRS 和 CRS 的组合中学习，可能会进一步增强对高血压易感性和进展的预测能力。
利用人工智能在美国金融行业打击洗钱和欺诈：全面分析
摘要本研究探讨了人工智能（AI），尤其是机器学习（ML）的变革性作用，在增强美国金融行业中洗钱和欺诈的检测和预防。该研究旨在分析AI驱动的技术如何显着提高欺诈检测系统的准确性，效率和可扩展性。该研究的重点是检查各种机器学习算法，包括诸如逻辑回归和决策树等监督技术，以及无监督的方法，例如聚类和异常检测。这些技术用于分析历史数据，检测模式并实时识别可疑交易或欺诈行为。该研究方法包括对欺诈检测中AI应用的现有案例研究和文献的全面综述，强调了在金融机构中成功实施ML模型。调查结果表明，机器学习模型（例如随机森林和支持向量机器）已被证明有效地检测和防止具有高精度和召回率的欺诈活动。此外，AI与实时数据分析功能的集成可以连续监测和立即检测不规则性。该研究得出结论，美国的金融机构必须利用AI的进步来增强风险管理系统，改善欺诈检测并减轻洗钱的风险。通过采用机器学习算法，金融组织可以保持领先地位
抗击新冠肺炎：MVA 载体疫苗应用于呼吸道是实现肺部保护性免疫的有效方法
肺是 2019 年冠状病毒病 (COVID-19) 的重要靶器官，该病由严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2) 感染引起。在大多数患者中，最活跃的病毒复制似乎出现在上呼吸道，但严重病例会患上与肺组织中的病毒复制相关的 SARS 样疾病。由于目前缺乏合适的抗病毒药物，诱导保护性免疫（如肺中的中和抗体）是唯一替代方法的主要目标——开发和应用 SARS-CoV-2 疫苗。然而，过去对实验动物、牲畜和人类的经验表明，在皮肤或肌肉等外周侧应用疫苗后，在肺部诱导免疫力是有限的。因此，基于多种考虑，我们在此建议考虑将基于改良的安卡拉痘苗病毒 (MVA) 的疫苗应用于呼吸道粘膜表面，作为对抗 COVID-19 的有效方法。