XiaoMi-AI文件搜索系统
World File Search SystemCombinatorial
基于组合基序的 DNA 存储优惠券收集器通道编码
摘要 — 将信息编码在预先合成的脱氧核糖核酸 (DNA) 链 (称为基序) 组合中是一种有趣的 DNA 存储方法，有可能避免逐个核苷酸 DNA 合成的高昂成本。基于对 HelixWorks 经验数据集的分析，我们为这种设置提出了两种通道模型 (有干扰和无干扰)，并分析了它们的基本限制。我们提出了一种编码方案，通过利用通道输出处可用的所有信息来接近这些限制，这与 Preuss 等人为类似设置开发的早期方案不同。我们强调了通道容量曲线与合成 (写入) 和测序 (读取) 成本之间的基本权衡之间的重要联系，并提供了一种方法来缓解解码复杂性随基序库大小而呈指数增长的问题。
具有新型组合 KO 的 iPSC 衍生 CAR-γδT 在临床前试验中无需细胞因子支持即可表现出更长的寿命和显著的抗肿瘤功效
用于 iγδT 细胞疗法的 GMP 克隆生成始于人类 PBMC。在富集和重编程后，根据基因组完整性测试（包括残留基因表达、TCR 测序和形态学评估）选择 iPSC 克隆。合格的 iPSC 系被冷冻保存并经过多轮基因编辑，每轮之后进行单细胞分选。根据细胞健康、靶向和脱靶编辑以及基因组完整性（通过全基因组测序和致癌基因突变面板）选择工程 iPSC 克隆进行冷冻保存到种子库中。在分化之前，完全改造的 iPSC 将扩增、成熟为 γδT 细胞，增殖后，iγδT 细胞被收获为药品。
在不同组合景观中对机器学习辅助定向进化的评估
2 加州理工学院化学与化学工程部，加利福尼亚州帕萨迪纳 91125，美国 3 加州理工学院工程与应用科学部，加利福尼亚州帕萨迪纳 91125，美国 4 现地址：默克公司，南旧金山，加利福尼亚州 94080 5 现地址：苏黎世联邦理工学院生物系统科学与工程系，Schanzenstrasse 44，4056 Basel 6 主要联系人* 通讯作者：Frances H. Arnold，frances@cheme.caltech.edu Yisong Yue，yyue@caltech.edu 摘要 各种机器学习辅助定向进化 (MLDE) 策略已被证明能比典型的湿实验室定向进化方法更有效地识别高适应度蛋白质变体。然而，对影响 MLDE 在不同蛋白质中表现的因素的了解有限，阻碍了湿实验室活动的最佳策略选择。为了解决这个问题，我们系统地分析了多种 MLDE 策略，包括使用六种不同的零样本预测因子的主动学习和集中训练，涵盖 16 种不同的蛋白质适应度景观。通过用六个属性量化景观导航能力，我们发现 MLDE 在定向进化更具挑战性的景观上提供了更大的优势，尤其是当集中训练与主动学习相结合时。尽管不同景观的优势程度各不相同，但利用不同的进化、结构和稳定性知识来源的零样本预测因子的集中训练在结合相互作用和酶活性方面始终优于随机采样。我们的研究结果为选择蛋白质工程的 MLDE 策略提供了实用指南。关键词组合诱变、定向进化、上位性、适应度预测、机器学习、蛋白质工程、零样本预测因子
Haslinda Ibrahim博士是马来西亚Utara大学定量科学学院的数学教授，专门从事组合Desig
Haslinda教授总共参与了35个研究项目，领导了其中13个研究人员。她的科学出版物包含120多篇论文，已在科学或Scopus的Web上索引。此外，她撰写了三本书，四本书章节，四个STEM模块和两个专着。此外，她曾担任五个AIP Scopus诉讼的编辑，并获得了十二个版权。在她的学术生涯中，哈斯林达教授还曾在巴林王国，摩洛哥伊法内和塔什肯特国际金融管理与技术大学的巴林王国，艾尔·阿卡文大学的巴林大学担任访问学者。目前，她是数学科学信的执行编辑，也是信息与通信技术杂志（JICT）编辑委员会成员。
使用因果启发神经网络对治疗扰动进行组合预测
作为靶点驱动药物发现的替代方案，表型驱动方法通过分析表型特征来识别可抵消整体疾病影响的化合物。我们的研究为该领域引入了一种新方法，旨在扩大新治疗药物的搜索空间。我们介绍了 PDGrapher，这是一种受因果启发的图神经网络 (GNN)，旨在预测能够逆转疾病影响的组合扰动因素（治疗靶点集）。与学习对扰动的反应的方法不同，PDGrapher 解决了逆问题，即推断实现特定反应所必需的扰动因素，即通过了解哪些扰动会引起期望的反应来直接预测扰动因素。通过编码基因调控网络或蛋白质-蛋白质相互作用，PDGrapher 可以预测看不见的化学或遗传扰动因素，有助于发现新药或治疗靶点。对九种具有化学扰动的细胞系进行的实验表明，PDGrapher 成功预测了多达 13.33% 的额外测试样本中的有效扰动剂，并将治疗目标的排名提高了多达 35%，并且该方法在十个遗传扰动数据集中表现出了竞争力。PDGrapher 的一项关键创新是其直接预测能力，这与传统上用于表型驱动药物发现的间接、计算密集型模型形成鲜明对比，这些模型只能预测由于扰动导致的表型变化。直接方法使 PDGrapher 的训练速度比 scGEN 和 CellOT 等方法快 25 倍，代表着效率的显著飞跃。我们的结果表明，PDGrapher 可以推进表型驱动的药物发现，提供一种快速而全面的方法来识别有治疗用途的扰动。
综述：针对肿瘤细胞或肿瘤相关巨噬细胞的纳米药物用于组合癌症光动力治疗和免疫治疗：战略
1 四川大学华西医院生物治疗科，国家生物治疗重点实验室和肿瘤中心，四川成都 610041，中华人民共和国；2 四川大学华西医院肺癌中心，四川成都，中华人民共和国；3 四川大学华西药学院药物靶向与给药系统教育部重点实验室，成都，中华人民共和国；4 四川大学华西医院耳鼻咽喉头颈外科 / 深层地下空间医学中心，成都，中华人民共和国；5 四川大学深层地下工程智能建造与健康运行维护国家重点实验室，成都，中华人民共和国
https://doi.org/10.1038/s41565-024-01747-6 文章 硅氧烷掺入脂质纳米粒子的组合设计增强细胞内加工
使用脂质纳米颗粒 (LNP) 系统性地递送信使 RNA (mRNA) 以实现组织特异性靶向具有巨大的治疗潜力。然而，可电离脂质 (脂质类) 的结构特征如何影响其靶向细胞和器官的能力仍不清楚。在这里，我们设计了一类具有不同结构的硅氧烷基可电离脂质，并配制了硅氧烷掺入 LNP (SiLNP) 来控制小鼠体内向肝脏、肺和脾脏的 mRNA 递送。硅氧烷部分增强了 mRNA-LNP 的细胞内化并提高了其内体逃逸能力，从而增强了其 mRNA 递送效率。使用器官特异性 SiLNP 递送基因编辑机制，我们在野生型小鼠的肝脏以及转基因 GFP 和 Lewis 肺癌 (LLC) 肿瘤小鼠的肺部实现了强大的基因敲除。此外，我们展示了通过用肺靶向 Si 5 -N14 LNPs 递送血管生成因子有效恢复病毒感染引起的肺损伤。我们设想我们的 SiLNPs 将有助于将 mRNA 疗法转化为下一代组织特异性蛋白质替代疗法、再生医学和基因编辑。
基于汉密尔顿的量子强化学习用于神经组合优化
摘要 — 量子计算 (QC) 和神经组合优化 (NCO) 的进步代表着解决复杂计算挑战的有希望的步骤。一方面，变分量子算法（例如 QAOA）可用于解决各种组合优化问题。另一方面，同一类问题可以通过 NCO 解决，这种方法已显示出有希望的结果，特别是自引入图神经网络以来。鉴于这两个研究领域的最新进展，我们引入了基于汉密尔顿的量子强化学习 (QRL)，这是一种 QC 和 NCO 交叉的方法。我们直接根据组合优化问题的汉密尔顿公式对我们的假设进行建模，这使我们能够将我们的方法应用于广泛的问题。与硬件高效模拟相比，我们的模拟表现出良好的可训练性，同时与以前的方法不同，它不限于基于图的问题。在这项工作中，我们评估了基于汉密尔顿的 QRL 在一系列组合优化问题上的表现，以证明我们的方法的广泛适用性，并将其与 QAOA 进行比较。索引术语 — 量子强化学习、组合优化、神经组合优化
Marco：组合优化的内存增强框架
神经组合优化（NCO）是一个新兴领域，采用深度学习技术来解决组合优化问题作为独立的求解器。尽管具有潜力，但现有的NCO方法通常会避免效率低下的搜索空间探索，这通常会导致对先前访问的州的局部最佳捕集或重大探索。本文介绍了一种多功能框架，以组合优化为内存的增强（MARCO），可用于通过Innova的内存模块来增强NCO中的建设性和反复证明方法。Marco存储在整个优化轨迹中收集的数据，并在每个状态下检索上下文相关的信息。以这种方式，搜索以两个综合标准为指导：就解决方案的质量而做出最佳决定，并避免重新研究已经探索的解决方案。这种方法可以更有效地利用可用的选择预算。此外，由于NCO模型的并行性质，几个搜索线程可以同时运行，所有搜索线程都可以共享相同的内存模块，从而实现了有效的协作利用。经验评估是根据最大切割，最大独立集和推销推销员的问题进行的，表明内存模块有效地增加了探索，并促进了模型，以发现各种质量，更高质量的解决方案。Marco在低计算成本中实现了良好的性能，在NCO领域建立了有希望的新方向。
IL-22 和 IL-17 的联合作用通过 SPRR 促进对口腔念珠菌病的最佳免疫力
或下游信号成分[7-13]。尽管如此，在临床上阻断IL-17后OPC很少发生，这意味着其他途径导致了疾病[14，15]。除IL-17外，Th17细胞还产生细胞因子，特别是IL-22[16]。尽管IL-17和IL-22在相似的淋巴细胞群中共表达，但它们通过位于不同上皮细胞群的不同受体发出信号，其中IL-17作用于浅表复层鳞状上皮细胞，而IL-22作用于干细胞样基底细胞群[17，18]。此外，这些细胞因子激活不同的信号传导方式（TRAF / NF- κ B / mRNA稳定与JAK-STAT激活）[19]。这些细胞因子如何协同作用以实现抗真菌免疫尚不清楚。我们报告称，缺乏 IL-17 和 IL-22 受体的小鼠对 OPC 极易敏感，比单独敲除任何一个受体的小鼠更容易感染。感染与富含脯氨酸的小蛋白 (SPRR) 上调有关，这是一类定义不明确的抗菌效应物 [ 20 , 21 ]。我们表明 SPRR 具有直接的杀念珠菌活性，并协同促进 OPC 免疫。