XiaoMi-AI文件搜索系统
World File Search SystemComput
科学艺术与工艺 (SAM)
摘要 锂离子电池因其高能量和功率密度而被广泛应用于汽车工业（电动汽车和混合动力汽车）。然而，这也带来了新的安全性和可靠性挑战，需要开发新型复杂的电池管理系统 (BMS)。BMS 可确保电池组安全可靠地运行，要实现这一点，必须求解一个模型。然而，当前的 BMS 并不适合汽车行业的规范，因为它们无法以实时速率和在广泛的操作范围内提供准确的结果。因此，这项工作的主要重点是开发混合动力双胞胎，如 Chinesta 等人所介绍的那样。(Arch Comput Methods Eng (in press), 2018. 以满足新一代 BMS 的要求。为了实现这一目标，三种降阶模型技术应用于最常用的基于物理的模型，每种技术适用于不同的应用范围。首先，使用 POD 模型大大减少伪二维模型的仿真时间和计算工作量，同时保持其准确性。通过这种方式，可以在节省时间和计算资源的同时进行电池设计、参数优化和电池组仿真。此外，还研究了它的实时性能。接下来，使用稀疏-本征广义分解 (s-PGD) 从数据构建回归模型。结果表明，它实现了带有电池组的整个电动汽车 (EV) 系统的实时性能。此外，由于获得的代数表达式简单，该回归模型可以毫无问题地用于 BMS。使用系统仿真工具 SimulationX（ESI ITI GmbH）演示了使用所提方法对 EV 的仿真。德国德累斯顿 。此外，使用 s-PGD 创建的数字孪生不仅可以进行实时仿真，还可以根据实际驾驶条件和实际驾驶周期调整其预测，从而实时更改规划。最后，开发了一种基于动态模式分解技术的数据驱动模型，以提取一个在线模型来纠正预测和测量之间的差距，从而构建第一个（据我们所知）能够从数据中自我校正的锂离子电池混合孪生。此外，得益于该模型，上述差距在驾驶过程中得到了纠正，同时考虑到了实时限制。
完整版 (PDF)
参考文献：1. Jadvar H、Calais J、Fanti S 等人。J Nucl Med 。2022；63(1):59-68。doi:10.2967/jnumed.121.263262 2. 泌尿影像专家组；Froemming AT、Verma S、Eberhardt SC 等人。J Am Coll Radiol 。2018；15(5S):S132-S149。doi:10.1016/j.jacr.2018.03.019 3. Crawford ED、Koo PJ、Shore N 等人。J Urol 。2019；201(4):682-692。doi:10.1016/j.juro.2018.05.164 4. Blue Earth Diagnostics。 2022 年 3 月 17 日。2022 年 7 月 27 日访问。https://clinicaltrials.gov/ct2/show/NCT04186819 5. Blue Earth Diagnostics。2022 年 3 月 17 日。2022 年 7 月 27 日访问。https://clinicaltrials.gov/ct2/show/ NCT04186845 6. Wurzer A、Di Carlo D、Schmidt A 等人。J Nucl Med。2020；61(5):735-742。doi:10.2967/jnumed.119.234922 7. Sarkar S、Das S。Biomed Eng Comput Biol。2016；7(suppl 1):1-15。 doi:10.4137/BECB.S34255 8. Hofman MS、Hicks RJ、Maurer T、Eiber M. 射线照相术。 2018；38(1)：200-217。 doi:10.1148/rg.2018170108 9.Piron S、Verhoeven J、Vanhove C、De Vos F.Nucl Med Biol。 2022；106-107：29-51。 doi：10.1016/j.nucmedbio.2021.12.005 10. 多宁 NM，赖特 RE。核医学杂志。 2018；59(2):177-182。 doi:10.2967/jnumed.117.191874 11. Tolvanen T、Kalliokoski K、Malaspina S 等人。核医学杂志。 2021；62(5)：679-684。 doi:10.2967/jnumed.120.252114 12. Jacobson O、Kiesewetter DO、Chen X. Bioconjug Chem。 2015；26(1):1-18。 doi:10.1021/ bc500475e 13.Gorin MA、Pomper MG、Rowe SP。北京大学国际学院2016；117(5):715-716。 doi:10.1111/bju.13435 14. Conti M, Eriksson L. EJNMMI Phys。 2016；3(1):8。号码：10.1186/s40658-016-0144-5
科学艺术与手工艺（SAM）
摘要 锂离子电池因其高能量和高功率密度而被广泛应用于汽车工业（电动汽车和混合动力汽车）。然而，这也带来了新的安全性和可靠性挑战，需要开发新型复杂的电池管理系统 (BMS)。BMS 可确保电池组安全可靠地运行，要实现这一点，必须求解一个模型。然而，目前的 BMS 并不适合汽车行业的规范，因为它们无法在实时速率和广泛的操作范围内提供准确的结果。因此，这项工作的主要重点是开发一种混合动力双胞胎，如 Chinesta 等人所介绍的那样。 （Arch Comput Methods Eng（印刷中），2018。以满足新一代 BMS 的要求。为此，三种降阶模型技术被应用于最常用的基于物理的模型，每种技术针对不同的应用范围。首先，使用 POD 模型来大大减少伪二维模型的仿真时间和计算工作量，同时保持其准确性。通过这种方式，可以节省时间和计算资源，同时进行电池设计、参数优化和电池组仿真。此外，还研究了它的实时性能。接下来，利用稀疏-固有广义分解 (s-PGD) 从数据构建回归模型。结果表明，它可实现带有电池组的整个电动汽车 (EV) 系统的实时性能。此外，由于获得的代数表达式简单，该回归模型可在 BMS 中毫无问题地使用。使用系统仿真工具 SimulationX（ESI ITI GmbH）演示了采用所提方法的 EV 仿真。德国德累斯顿）。此外，使用 s-PGD 创建的数字孪生不仅可以进行实时模拟，还可以根据实际驾驶条件和实际驾驶周期调整其预测，从而实时更改规划。最后，开发了一种基于动态模式分解技术的数据驱动模型，以提取在线模型来纠正预测和测量之间的差距，从而构建出第一个（据我们所知）能够从数据中自我纠正的锂离子电池混合孪生。此外，由于该模型，上述差距在驾驶过程中得到了纠正，同时考虑到实时限制。
放射学诊断程序 - Medicare Advantage覆盖范围
Medicare预防服务-MLN教育工具，网址为https://www.cms.gov/medicare/prevention/prevntiongeninfo/medicare-preventive-services/mps-quickreferencechart-1.html。本地覆盖范围的确定（LCD/本地覆盖范围文章（LCA）存在，并且需要在适用的情况下遵守这些政策。这些LCD/LCA可在https://www.cms.gov/medicare-coverage-database/search.aspx上找到。（2024年1月4日访问）计算机断层扫描（CT扫描）以获取覆盖指南，请参阅NCD有关计算机断层扫描（220.1）。本地覆盖范围确定（LCD）/本地覆盖范围文章（LCA）存在，并且在适用的情况下需要遵守这些政策。这些LCD/LCA可在https://www.cms.gov/medicare-coverage-database/new--creens/earch.aspx上找到。For states/territories with no LCDs/LCAs , for uses of CT scans not specifically addressed by the National Coverage Determination (NCD) for Computerized Tomography (220.1) , refer to the following for coverage guidelines: • For regions/states/territories involved in the UnitedHealthcare Radiology Prior Authorization and Notification Program , refer to the Medicare Advantage Plans Radiology and Cardiology Clinical Guidelines at https://www.uhcprovider.com/en/prior-auth-advance-notification/radiology-prior-authorization.html。•对于不参与联合医疗放射学的地区/州/国家/地区事先授权和通知计划，请参阅国家认可的准则，即Interqual®指南。Medicare没有CCT和CCTA的NCD。对于没有LCD/LCA的州/领土，请参阅以下内容的覆盖范围指南：（2024年1月4日访问）计算机断层扫描（CCT）和冠状动脉层析造影血管造影（CCTA）多探测器（多端tector-row/Multi-Slice）计算机心脏断层扫描（MDCT）也称为心脏计算机质量冠状动脉造影术（CCTA）或计算机术的心脏计算冠状动脉造影（CCTA）或Comput and Computic and the Heart and Core and Heart and Heart and Heart and Coronary Arteries。本地覆盖范围确定（LCD）/本地覆盖范围文章（LCA）存在，并且在适用的情况下需要遵守这些政策。有关特定的LCD/LCA，请参阅表中心计算机断层扫描和冠状动脉层析成像血管造影的表。
第 15 届年度研究生研讨会 - MIPSE
Yee 网格以交错网格为代价，本质上满足了麦克斯韦方程的对合，使其成为粒子胞内 (PIC) 方法的最佳场求解器之一。在这张海报中，我们展示了一种应对这一挑战的 Vlasov-Maxwell 系统的新 PIC 方法。使用 Lorenz 规范将电场和磁场转换为矢量和标量势，麦克斯韦方程变为一组共位网格上的解耦矢量和标量波动方程，并且在牛顿-洛伦兹方程上采用粒子更新方程的不可分离哈密顿量公式。控制势的波动方程用线转置法求解，在时间上半离散化并求解由此产生的边界值问题。这将首先使用后向差分法在时间上离散化，并使用格林函数求解边界值问题，从而得到时间上一阶、空间上五阶和无条件稳定的方法 [1]。除了这些优点之外，它的空间导数也同样精确，这意味着哈密顿更新方程中的所有导数都与场本身一样精确。此外，时间一致性特性揭示了半离散连续性方程和半离散洛伦兹规范条件之间的等价性，以及半离散洛伦兹规范条件下的高斯定律 [2]。最后，这种时间一致性特性将在许多其他共置场求解器中探索，这些求解器具有二阶中心差分格式、所有后向差分格式和所有对角隐式龙格库塔格式 [3]。数值结果将在多个实验中展示这些方法。 *本研究得到了 AFOSR 拨款 FA9550-19-1-0281 和 FA9550-17-1-0394、NSF 拨款 DMS-1912183 和 DOE 拨款 DE-SC0023164 的支持。参考文献 [1] Christlieb, AJ、Sands, WA 和 White, SR，《具有广义动量公式的等离子体粒子内胞方法》，第一部分：模型公式，2024 年。arXiv: 2208.11291 [physics.plasm-ph]。 [2] Christlieb, AJ、Sands, WA 和 White, SR，《具有广义动量公式的等离子体粒子内胞方法》，第二部分：实施 Lorenz 规范条件。J Sci Comput 101，73（2024 年）。https://doi.org/10.1007/s10915-024-02728-6。 [3] Christlieb, AJ、Sands, WA 和 White, SR，《具有广义动量公式的等离子体粒子内网格方法》第三部分：一类规范守恒方法，2024 年。arXiv: 2410.18414 [physics.plasm-ph]。
皮肤科中的人工智能
皮肤镜图像用于黑色素瘤手术切除。Int J Comput Assist Radiol Surg 2017;12:1021-30。2. Esteva A、Kuprel B、Novoa RA、Ko J、Swetter SM、Blau HM 等。使用深度神经网络对皮肤癌进行皮肤科医生级别分类。Nature 2017;542:115-8。3. Tan E、Lin F、Sheck L、Salmon P、Ng S。一种实用的决策树模型，用于预测眼周基底细胞癌切除后重建手术的复杂性。J Eur Acad Dermatol Venereol 2017;31:717-23。4. Chichi N、Takwoingi Y、Dinnes J、Matin RN、Bassett O、Moreau JF 等。智能手机应用程序用于对皮肤病变疑似黑色素瘤的成年人进行分类。Cochrane Database Syst Rev 2018;12:CDO13192。5. Hekler A、Utikal JS、Enk AH、Berking C、Klode J、Schadendorf D 等人。使用深度神经网络对组织病理学黑色素瘤图像进行病理学家级别分类。Eur J Cancer 2019；115:79-83。6. Mukherjee R、Manohar DD、Das DK、Achar A、Mitra A、Chakraborty C。用于可重复慢性伤口评估的自动组织分类框架。Biomed Res Int 2014；2014:851582。 7. Emam SD、Du AX、Surmanowicz P、Thomsen SF、Greiner R、Gniadecki R。使用机器学习预测生物制剂对银屑病患者的长期疗效。Br J Dermatol 2020；182：1305-7。8. de Guzman LC、Maglaque RP、Torres VM、Zapido SP、Cordel MO。用于湿疹皮肤病变检测的多模型、多级人工神经网络的设计和评估。在：2015 年第三届人工智能、建模和仿真国际会议 (AIMS)，马来西亚哥打京那巴鲁；2015 年。第 42-7 页。可从以下网址获取：https://www.ieeexplore.ieee.org/document/7604549。[最后访问时间为 2019 年 12 月 18 日]。 9. Han SS, Park GH, Lim W, Kim MS, Na JI, Park I, 等. 深度神经网络在甲癣诊断中表现出与皮肤科医生相当甚至更好的表现：通过基于区域的卷积深度神经网络自动构建甲癣数据集。PLoS One 2018；13：e0191493。10. Zang Q, Paris M, Lehman DM, Bell S, Kleinststreuer N,
邮政标准化状态
visii。参考[1.]P. Shor。（1997）。用于量子分解和离散对数的多项式时间算法，Siam J. Comput，26（5），1484–1509。[2.]Pinto，J。（2022）。Quantum加密后挑战，13。[3.]Mavroeidis，V.，Vishi，K.，Zych，M。D.，JøsangA。（2018）。量子计算对当前密码学的影响，25。[4.]Christopher，P。（2019）。确定量子加密迁移和加密敏捷性中的研究挑战，30。[5.]Barker，W。，Consulting，D.，Polk，W。（2021）。 为量词后加密准备做好准备：探索与采用和使用量子后加密算法相关的挑战，10。 [6.] 穆迪，D。（2022）。 状态报告在NIST Quantum加密标准化过程的第三轮，国家标准技术研究院，盖瑟斯堡，35。。 [7.] liv>。 （2011）。 liv>。 [8.] Chen，L.，Jordan，S.，Liu，Y-K，Moody，D.，Peralta，R.，Perlner，R.，Smith-Tone，D。（2016年）。 关于量子后密码学的报告。 （国家标准技术研究所，马里兰州盖瑟斯堡），NIST内部报告（NISTIR），23。 [9.] Chen，L。（2017）。 量子时间中的加密标准：旧酒店中的新葡萄酒？ IEEE安全与隐私，15（4），51-57。Barker，W。，Consulting，D.，Polk，W。（2021）。为量词后加密准备做好准备：探索与采用和使用量子后加密算法相关的挑战，10。[6.]穆迪，D。（2022）。状态报告在NIST Quantum加密标准化过程的第三轮，国家标准技术研究院，盖瑟斯堡，35。[7.]liv>。（2011）。liv>。[8.]Chen，L.，Jordan，S.，Liu，Y-K，Moody，D.，Peralta，R.，Perlner，R.，Smith-Tone，D。（2016年）。 关于量子后密码学的报告。 （国家标准技术研究所，马里兰州盖瑟斯堡），NIST内部报告（NISTIR），23。 [9.] Chen，L。（2017）。 量子时间中的加密标准：旧酒店中的新葡萄酒？ IEEE安全与隐私，15（4），51-57。Chen，L.，Jordan，S.，Liu，Y-K，Moody，D.，Peralta，R.，Perlner，R.，Smith-Tone，D。（2016年）。关于量子后密码学的报告。（国家标准技术研究所，马里兰州盖瑟斯堡），NIST内部报告（NISTIR），23。[9.]Chen，L。（2017）。 量子时间中的加密标准：旧酒店中的新葡萄酒？ IEEE安全与隐私，15（4），51-57。Chen，L。（2017）。量子时间中的加密标准：旧酒店中的新葡萄酒？IEEE安全与隐私，15（4），51-57。[10.]Zhaohui，C.，Yuan，M.，Tianyu，C.，Jingqiang，L.，Jiwu，J.（2020）。fPGA上的晶体 - 凯伯的高性能面积多项式环处理器，25-35。[11.]Duarte，N.，Coelho，N.，Guarda，T。（2021）。 社会工程：攻击艺术。 in：瓜达，T.，Portela，F.，Santos，M.F。 （eds）技术，信息，创新和可持续性的高级研究。 artiis。 计算机和信息科学中的通信，第1485卷。 Springer，Cham，127。 [12.] 班еш。 з这些。 limlistem。 - хх。 2019。 - 115。 https://openarchive.ua/server/api/core/bitstreams/ed01c4-0251-43f7-9851- ad57979797f1de8e/content＃page＃page = 59 [13. 13. 13.] Limniotis，K。（2021）。 加密作为保护基本人权的手段，密码学，第1卷。 5，34。 [14.] Chen，L。（2016）。 关于量子后加密术的报告，国家标准技术研究所，NIST IR 8105，23-45。 [15.] Hoffstein，J.，Pipher J.，Silverman J. H. Ntru：基于环的公共密钥加密系统，算法编号理论，第1卷。 1423，J。P。Buhler编辑。 柏林，海德堡：施普林格柏林海德堡，267–288。Duarte，N.，Coelho，N.，Guarda，T。（2021）。社会工程：攻击艺术。in：瓜达，T.，Portela，F.，Santos，M.F。（eds）技术，信息，创新和可持续性的高级研究。artiis。计算机和信息科学中的通信，第1485卷。Springer，Cham，127。[12.]班еш。з这些。limlistem。- хх。2019。- 115。 https://openarchive.ua/server/api/core/bitstreams/ed01c4-0251-43f7-9851- ad57979797f1de8e/content＃page＃page = 59 [13. 13. 13.]Limniotis，K。（2021）。加密作为保护基本人权的手段，密码学，第1卷。5，34。[14.]Chen，L。（2016）。 关于量子后加密术的报告，国家标准技术研究所，NIST IR 8105，23-45。 [15.] Hoffstein，J.，Pipher J.，Silverman J. H. Ntru：基于环的公共密钥加密系统，算法编号理论，第1卷。 1423，J。P。Buhler编辑。 柏林，海德堡：施普林格柏林海德堡，267–288。Chen，L。（2016）。关于量子后加密术的报告，国家标准技术研究所，NIST IR 8105，23-45。[15.]Hoffstein，J.，Pipher J.，Silverman J. H. Ntru：基于环的公共密钥加密系统，算法编号理论，第1卷。1423，J。P。Buhler编辑。 柏林，海德堡：施普林格柏林海德堡，267–288。1423，J。P。Buhler编辑。柏林，海德堡：施普林格柏林海德堡，267–288。
正畸学中的人工智能：我们现在处于什么位置？范围审查
1. Allareddy V、Rengasamy Venugopalan S、Nalliah RP、Caplin JL、Lee MK、Allareddy V。大数据分析时代的正畸学。Orthod Craniofac Res。2019；22 (Suppl 1)：8-13。2. Khanagar SB、Al-ehaideb A、Maganur PC 等人。人工智能在牙科领域的发展、应用和表现——系统评价。J Dent Sci。2021；16(1)：508-522。3. Jordan MI、Mitchell TM。机器学习：趋势、观点和前景。科学。2015；349：245-260。4. Jung MH。影响治疗效果的因素：一项前瞻性队列研究。Angle Orthod。 2021；91(1):1-8。5. Nayyar N、Ojcius DM、Dugoni AA。医学和技术在塑造口腔健康未来中的作用。加州牙科学会杂志。2020；48(3)：127-130。6. Schwendicke F、Golla T、Dreher M、Krois J。卷积神经网络用于牙科图像诊断：范围界定综述。牙科杂志。2019；91：103226。7. Jung SK、Kim Ansan TW。使用神经网络机器学习诊断拔牙的新方法。Am Orthod Dentofac Orthop。2016；149(1)：127-133。8. Tricco AC、Lillie E、Zarin W 等人PRISMA 范围审查扩展（PRISMA-ScR）：检查表和说明。Ann Intern Med。2018；169：467-473。9. Choi HI、Jung SK、Baek SH 等。用于正颌手术诊断的神经网络机器学习人工智能模型。J Craniofac Surg。2019；30(7)：1986-1989。10. Kim H、Shim E、Park J、Kim YJ、Lee U、Kim Y。基于网络的全自动深度学习头颅测量分析。Comput Methods Programs Biomed。2020；194：105513。 11. Dobratulin K、Gaidel A、Aupova I、Ivleva A、Kapishnikov A、Zelter P。深度学习算法在头部轮廓放射图像上检测解剖参考点的效率。arXiv。2020；01135(18)：0-5。12. Lee JH、Yu HJ、Kim MJ、Kim JW、Choi J。使用贝叶斯卷积神经网络自动进行具有置信区域的头颅测量标志检测。BMC Oral Health。2020；20(1)：1-10。13. Kim MJ、Liu Y、Oh SH、Ahn HW、Kim SH、Nelson G。使用锥形束 CT 合成的后前位头颅测量图像评估基于多阶段卷积神经网络的全自动标志识别系统。Korean J Orthod。 2021；51(2):77-85。
PROTAC 分子介导的 SpCas9 蛋白降解用于精准基因组编辑 孙胜男 1,3 , 孙仁红 2,3 , 谭敏康 1 , Maarten Kip 1 , X
1. Araldi, RP 等人，成簇的规律间隔的短回文重复序列 (CRISPR/Cas) 工具的医学应用：全面概述。基因，2020 年。745：第 144636 页。2. Frangoul, H.、TW Ho 和 S. Corbacioglu，CRISPR-Cas9 基因编辑用于镰状细胞病和β-地中海贫血。回复。N Engl J Med，2021 年。384 (23)：第 e91 页。3. Groenen, PMA 等人，结核分枝杆菌直接重复簇中 DNA 多态性的性质 - 一种新型分型方法在菌株区分中的应用。分子微生物学，1993 年。10 (5)：第 1057-1065 页。 4. Ishino, Y. 等人，大肠杆菌中负责碱性磷酸酶同工酶转化的 Iap 基因的核苷酸序列及其基因产物的鉴定。细菌学杂志，1987 年。169 (12)：第 5429-5433 页。5. Chen, JS 和 JA Doudna，Cas9 及其 CRISPR 同事的化学反应。自然评论化学，2017 年。1 (10)。6. Doudna, JA 和 E. Charpentier，使用 CRISPR-Cas9 进行基因组工程的新前沿。科学，2014 年。346 (6213)：第 1077-+ 页。7. Whinn, KS 等人，核酸酶死亡 Cas9 是 DNA 复制的可编程障碍。科学报告，2019 年。9 月。8. Tsai, SQ 等人，GUIDE-seq 可对 CRISPR-Cas 核酸酶的脱靶切割进行全基因组分析。自然生物技术，2015 年。33 (2)：第 187-197 页。9. Wang, Y. 等人，CRISPR 系统的特异性分析揭示了大大增强的脱靶基因编辑。科学报告，2020 年。10 (1)。10. Zuccaro, MV 等人，Cas9 切割人类胚胎后去除等位基因特异性染色体。细胞，2020 年。183 (6)：第 1650-+ 页。11. Aschenbrenner, S. 等人，将 Cas9 与人工抑制结构域耦合可增强 CRISPR-Cas9 靶向特异性。 Science Advances，2020 年。6 (6)。12. Bondy-Denomy, J. 等人，抗 CRISPR 蛋白抑制 CRISPR-Cas 的多种机制。Nature，2015 年。526 (7571)：第 136-9 页。13. Khajanchi, N. 和 K. Saha，通过小分子调控控制 CRISPR 进行体细胞基因组编辑。Mol Ther，2022 年。30 (1)：第 17-31 页。14. Han, J. 等人，对小分子药物的超敏反应。Front Immunol，2022 年。13：第 1016730 页。15. Pettersson, M. 和 CM Crews，蛋白水解靶向嵌合体 (PROTAC) - 过去、现在和未来。 Drug Discov Today Technol，2019. 31：第 15-27 页。16. Bondeson, DP 和 CM Crews，小分子靶向蛋白质降解。Annual Review of Pharmacology and Toxicology，第 57 卷，2017 年。57：第 107-123 页。17. Li, R.，等人，蛋白水解靶向嵌合体 (PROTAC) 在癌症治疗中的应用：现在和未来。Molecules，2022 年。27 (24)。18. Farasat, I. 和 HM Salis，用于合理设计基因组编辑和基因调控的 CRISPR/Cas9 活性的生物物理模型。PLoS Comput Biol，2016 年。12 (1)：第 e1004724 页。
利用CRISPR/Cas9进行基因组编辑的原理与过敏性疾病......
生物化学研究 2008 ： 63 ： 17 ― 20. 5) Carroll D. 利用可靶向核酸酶进行基因组工程。生物化学年鉴2014； 83：409―39.6）Jinek M、Chylinski K、Fonfara I、Hauer M、Doudna JA、Charpentier E. 适应性细菌免疫中的可编程双RNA引导DNA内切酶。科学 2012； 337：816―21.7）Gasiunas G、Barrangou R、Horvath P、Siksnys V. Cas9-crRNA 核糖核蛋白复合物介导特异性 DNA 切割以实现细菌适应性免疫。美国国家科学院院刊2012； 109：E2579―86. 8) Nakata A，Shinagawa H，Amemura M.大肠杆菌碱性磷酸酶同工酶基因（iap）的克隆。基因 1982； 19: 313 -- 9. 9) Nakata A、Amemura M、Makino K. 大肠杆菌 K-12 染色体中重复序列的异常核苷酸排列。细菌学杂志1989； 171: 3553 ― 6.10) Groenen PM、Bunschoten AE、van Soolingen D、van Embden JD。结核分枝杆菌直接重复簇中 DNA 多态性的性质；通过一种新颖的分型方法进行菌株鉴别的应用。分子微生物学1993； 10： 1057 — 65。11) Mojica FJ、Judge G、Rodriguez-Valera F. 不同盐度下邻近部分修饰的 PstI 位点的 Haloferax medi- terranei 序列的转录。分子微生物学1993； 9：613―21。12）Bult CJ，White O，Olsen GJ，Zhou L，Fleischmann RD，Sutton GG 等。产甲烷古菌 Methanococcus jannaschii 的完整基因组序列。科学 1996 ； 273: 1058 ― 73.13) Haft DH，Selengut J，Mongodin EF，Nelson KE。原核生物基因组中存在 45 个 CRISPR 相关 (Cas) 蛋白家族和多种 CRISPR/Cas 亚型。 PLoS Comput Biol 2005； 1：e6 14) Makarova KS、Aravind L、Grishin NV、Rogozin IB、Koonin EV。通过基因组背景分析预测的嗜热古菌和细菌特有的 DNA 修复系统。核酸研究2002； 30：482―96.15）Makarova KS，Aravind L，Wolf YI，Koonin EV。 Cas 蛋白家族的统一以及 CRISPR-Cas 系统起源和进化的简单场景。直接生物学2011； 6：38。16) Mojica FJM、Ten-Villaseñor C、Garcia-Martinez J、Soria E. 间隔规则的原核重复序列的介入序列源自外来遗传元素。 J Mol Evol.2005； 60： 174 ― 82。17) Pourcel C、Salvignol G、Vergnaud G. 鼠疫耶尔森氏菌中的 CRISPR 元素通过优先吸收噬菌体 DNA 获得新的重复序列。微生物学 2005； 151: 653 ― 63.18) Bolotin A, Quinquis B, Sorokin A, Ehrlich SD。