XiaoMi-AI文件搜索系统
World File Search SystemCombinatorial
通过组合测试挑战自治
摘要 - 本文描述了一种称为仙人掌的输入空间建模和测试生成方法（具有组合测试的挑战性自治），该方法为自主系统创建了一系列“挑战场景”。尽管自主系统的参数空间是广泛的，但仙人掌有助于使用组合测试以及通过将专家判断到场景的制定中减少参数空间。可以在适当的测试基础结构（例如模拟器或循环测试）上执行所得场景。仙人掌可用于锻炼系统，作为获得符合ISO 21448或UL 4600等标准的努力的一部分。该方法用于生成商用自动驾驶汽车感知系统的测试方案。索引术语 - 跨越测试，输入建模，Au ossos Systems，自动驾驶汽车
通过LLM驱动的迭代细胞优化 -
我们提出了一种新颖的方式，将灵活的，与上下文相关的约束集成为组合优化，通过将大型语言模型（LLMS）与传统算法一起使用。尽管LLM擅长解释细微的，当地指定的要求，但他们在执行全球组合可行性方面挣扎。为了弥合此间隙，我们提出了一个迭代的微调框架，其中算法反馈逐渐完善了LLM的输出分布。将其解释为模拟退火，我们引入了一个基于“粗糙可学习性”假设的形式模型，为收敛提供了样本复杂性界限。对调度，图形连接和聚类任务的经验评估表明，与基线采样方法相比，我们的框架平衡了本地表达的约束的灵活性和严格的全局优化。我们的结果突出了混合AI驱动组合推理的有希望的方向。项目代码：https：//github.com/pranjal-awasthi/test time-ft
AAV 载体中新型组合 microRNA 结合位点协同减少抗原呈递和转基因免疫，实现高效、稳定的转导
重组腺相关病毒 (rAAV) 平台有望用于体内基因治疗，但抗原呈递细胞 (APC) 的不良转导会削弱其应用前景，而抗原呈递细胞又会引发宿主对 rAAV 表达的转基因产物的免疫。鉴于最近接受高剂量全身 AAV 载体治疗的患者出现的不良事件，推测这些不良事件与宿主的免疫反应有关，开发抑制先天性和适应性免疫的策略势在必行。使用 miRNA 结合位点 (miR-BS) 来赋予内源性 miRNA 介导的调控，使转基因表达脱离 APC，有望降低转基因免疫力。研究表明，将 miR-142BSs 设计到 rAAV1 载体中能够抑制树突状细胞 (DC) 中的共刺激信号、减弱细胞毒性 T 细胞反应并减弱小鼠转导肌细胞的清除，从而允许在肌纤维中持续转基因表达，同时几乎不产生抗转基因 IgG。在本研究中，我们针对 26 种在 APC 中大量表达但在骨骼肌中不表达的 miRNA 筛选了单个和组合 miR-BS 设计。高免疫原性卵清蛋白 (OVA) 转基因被用作外来抗原的替代物。在成肌细胞、小鼠 DC 和巨噬细胞中进行的体外筛选表明，miR-142BS 和 miR-652-5pBS 的组合强烈抑制了 APC 中的转基因表达，但保持了成肌细胞和肌细胞的高表达。重要的是，携带这种新型 miR-142/652-5pBS 盒的 rAAV1 载体在小鼠肌肉注射后比以前的去靶向设计实现了更高的转基因水平。该盒强烈抑制细胞毒性 CTL 激活和
使用混淆矩阵和Matthews相关系数评估机器学习在预测住院的Covid-19患者死亡率中的应用
在G1期有效地施用CP和Vincristine可有效杀死胰腺癌细胞（29）。环磷酰胺增加4T1细胞中的p53，p16和γ -H2AX水平，并诱导ROS产生（30）。在MDA-MB-231细胞中，与CH和DOX共同处理从G2/M停滞转变为较高的G1种群。我们的发现与Sabzichi等人的报告保持一致，这表明CH通过抑制NRF2途径来改变MCF-7细胞中的细胞周期分布来提高DOX的功效（23）。我们发现CH抑制MDA-MB-231细胞迁移并增强5-FU，DOX和CP的功效。Yang等。 报道了TNBC细胞中的CH预处理促进Yang等。报道了TNBC细胞中的CH预处理促进
gflownets：组合和连续空间中多元化的新型框架-MBZUAI PARAS Workshop
1“在放松序列空间中使用优化的可伸缩蛋白设计”，Frank等，2024 2“分解和重新组合分子图生成”，Yamada和Sugiyama，2023
使用多种祖先的美国和英国患者同类的遗传风险因素可重现遗传危险因素
背景长卷是一个主要的公共卫生负担，导致全球数千万患者的各种衰弱症状。尽管这种压倒性的疾病患病率和惊人的成本，但它对患者的生活和强烈的全球研究工作的严重影响，但由于其复杂性，对这种疾病的研究已被证明具有挑战性。全基因组关联研究（GWAS）仅确定了可能与该疾病相关的四个基因座，尽管这些结果在研究之间并未在统计学上复制。先前的组合分析研究确定了总共73个基因，这些基因与两个长期的共同群体高度相关，主要是（> 91％）欧洲欧洲血统萨诺·金（Sano Sano Gold），我们试图在我们所有人（我们（AOU））中重现这些发现。
使用因果启发的神经网络对治疗性扰动的组合预测
表型驱动的方法通过分析将患病与健康状态区分开的表型特征来鉴定遇到疾病的化合物。这些方法可以指导发现有针对性的扰动，包括小分子药物和遗传干预措施，这些扰动将疾病表型调节针对更健康状态。在这里，我们介绍了PDGRAPHER，这是一种因果启发的图形神经网络（GNN），旨在预测能够逆转疾病表型的能够逆转脑臂（一组治疗靶标）。与学习扰动如何改变表型的方法不同，Pdgrapher解决了直接预测实现所需响应所需的急性的信息问题。pdgrapher是一种将疾病细胞态嵌入基因调节或蛋白质 - 蛋白质相互作用网络中的GNN，学习了这些状态的潜在表示，并确定最佳的组合扰动，最有效地将患病的状态转移到该潜在的潜在水平内所需的身影状态。在具有化学性能的九种细胞系中的实验中，PDGRAPHER鉴定出比竞争方法高达13.33％的有效脑扰手，并获得了高达0.12的归一化折扣累积增益，以高达0.12个，以分类治疗靶标。它还在十个遗传扰动数据集上表现出竞争性能。PDGRAPHER的一个主要优势是其直接的预测范式，与传统上在表型驱动的研究中构成的间接和计算密集型模型相反。与现有方法相比，这种方法可加速训练高达25倍。pdgrapher提供了一种快速的方法，用于识别触觉扰动和推进表型驱动的药物发现。
三阴性乳腺癌异质性建模揭示了一种可克服原发性耐药性的新型组合疗法
三阴性乳腺癌 (TNBC) 是一种高度侵袭性的乳腺癌亚型，其特征是显著的分子异质性。目前，尚无有效的药物靶点和先进的人类疾病临床前模型。在这里，我们生成了一种独特的乳腺肿瘤小鼠模型（MMTV-R26 Met 小鼠），该模型由野生型 MET 受体表达的细微增加驱动。MMTV-R26 Met 小鼠会自发形成排他性 TNBC 肿瘤，重现患者对治疗的原发性耐药性。MMTV-R26 Met 肿瘤的蛋白质组学分析和机器学习方法表明，该模型忠实地重现了人类 TNBC 的肿瘤间异质性。进一步的信号网络分析突出了潜在的药物靶点，其中 WEE1 和 BCL-XL 的共同靶向协同杀死 TNBC 细胞并有效诱导肿瘤消退。从机制上看，BCL-XL 抑制加剧了 TNBC 细胞对 WEE1 功能的依赖，导致组蛋白 H3 和磷酸化 S 33 RPA32 上调、RRM2 下调、细胞周期扰动、有丝分裂灾难和细胞凋亡。本研究介绍了一种独特、强大的小鼠模型，用于研究 TNBC 的形成和进化、其异质性以及确定有效的治疗靶点。
纳米颗粒的组合设计用于肺mRNA递送和基因组编辑
使用病毒载体（例如AAV）实现了体内基因编辑，但是这些稳定的基于DNA的载体导致Cas9核糖核酸酶和SGRNA在细胞7中的长期表达。虽然扩展到编辑机械的接触可能有利于基因校正率，但它也可能导致脱靶遗传改变的积累8，9。此外，AAV CAPSIDS的免疫原性触发中和抗体和T细胞反应限制了基于AAV的治疗方法的重复给药10；但是，由于较高的细胞周转率11，肺中的基因编辑受益于重复给药。此外，尺寸限制对将有效的Pyogenes CRISPR-CAS9（SPCAS9）构建体构成了挑战，将其限制到AAVS 12中。可以通过非病毒，基于mRNA的递送平台来克服这些局限性，该平台能够瞬时表达并重复给药13。LNP是最先进的非病毒载体，如Moderna和Pfizer/Biontech开发的广泛接受的mRNA疫苗技术所见，并在Cas9肝基因编辑平台14-16中显示出巨大的希望。然而，尚未报告基于LNP的CAS9递送系统，用于有效的肺基因修饰。与肝脏相比，由于其专门的细胞类型，粘液屏障和粘膜缩减清除率，肺部对分娩构成了独特的挑战。因此，由于大多数病毒和非病毒方法17，气道上皮仍然很差，因此仍然需要采取有效的方法。