XiaoMi-AI文件搜索系统
World File Search SystemComput
Protac分子介导的SPCAS9蛋白质降解精确的基因组编辑Shengnan Sun 1,3，Renhong Sun 2,3，Minkang Tan 1，Maarten Kip 1，X
1。Araldi，R.P。等人，定期散布的短篇小说重复序列（CRISPR/CAS）工具的医疗应用：全面的概述。基因，2020年。745：p。 144636。2。Frangoul，H.，T.W。 ho和S. corbacioglu，CRISPR-Cas9基因编辑，用于镰状细胞疾病和β-杂质贫血。 回复。 n Engl J Med，2021。 384（23）：p。 E91。 3。 groenen，P.M.A。等人，DNA多态性的性质，在分枝杆菌 - 链球菌的直接重复簇中 - 通过一种新型分型方法施用应变分化的应用。 分子微生物学，1993。 10（5）：p。 1057-1065。 4。 Ishino，Y。等，IAP基因的核苷酸 - 序列，负责大肠杆菌中碱性磷酸酶同工酶的转化，以及基因产物的鉴定。 细菌学杂志，1987年。 169（12）：p。 5429-5433。 5。 Chen，J.S。 和J.A. doudna，Cas9及其CRISPR同事的化学。 自然评论化学，2017年。 1（10）。 6。 Doudna，J.A。 和E. Charpentier，带有CRISPR-CAS9的基因组工程的新领域。 科学，2014年。 346（6213）：p。 1077-+。 7。 Whinn，K.S。等人，Nuclease Dead Cas9是用于DNA复制的可编程障碍。 科学报告，2019年。 9。 8。 tsai，S.Q。等，指南seq可以通过CRISPR-CAS核酸酶对靶向裂解的全基因组进行分析。 自然生物技术，2015年。 9。Frangoul，H.，T.W。ho和S. corbacioglu，CRISPR-Cas9基因编辑，用于镰状细胞疾病和β-杂质贫血。回复。n Engl J Med，2021。384（23）：p。 E91。3。groenen，P.M.A。等人，DNA多态性的性质，在分枝杆菌 - 链球菌的直接重复簇中 - 通过一种新型分型方法施用应变分化的应用。分子微生物学，1993。10（5）：p。 1057-1065。4。Ishino，Y。等，IAP基因的核苷酸 - 序列，负责大肠杆菌中碱性磷酸酶同工酶的转化，以及基因产物的鉴定。细菌学杂志，1987年。169（12）：p。 5429-5433。5。Chen，J.S。 和J.A. doudna，Cas9及其CRISPR同事的化学。 自然评论化学，2017年。 1（10）。 6。 Doudna，J.A。 和E. Charpentier，带有CRISPR-CAS9的基因组工程的新领域。 科学，2014年。 346（6213）：p。 1077-+。 7。 Whinn，K.S。等人，Nuclease Dead Cas9是用于DNA复制的可编程障碍。 科学报告，2019年。 9。 8。 tsai，S.Q。等，指南seq可以通过CRISPR-CAS核酸酶对靶向裂解的全基因组进行分析。 自然生物技术，2015年。 9。Chen，J.S。和J.A.doudna，Cas9及其CRISPR同事的化学。自然评论化学，2017年。1（10）。6。Doudna，J.A。 和E. Charpentier，带有CRISPR-CAS9的基因组工程的新领域。 科学，2014年。 346（6213）：p。 1077-+。 7。 Whinn，K.S。等人，Nuclease Dead Cas9是用于DNA复制的可编程障碍。 科学报告，2019年。 9。 8。 tsai，S.Q。等，指南seq可以通过CRISPR-CAS核酸酶对靶向裂解的全基因组进行分析。 自然生物技术，2015年。 9。Doudna，J.A。和E. Charpentier，带有CRISPR-CAS9的基因组工程的新领域。科学，2014年。346（6213）：p。 1077-+。7。Whinn，K.S。等人，Nuclease Dead Cas9是用于DNA复制的可编程障碍。科学报告，2019年。9。8。tsai，S.Q。等，指南seq可以通过CRISPR-CAS核酸酶对靶向裂解的全基因组进行分析。自然生物技术，2015年。9。33（2）：p。 187-197。Wang，Y。等人，CRISPR系统的特异性分析揭示了脱靶基因编辑的大大增强。科学报告，2020年。10（1）。10。Zuccaro，M.V。等人，在人类胚胎中Cas9裂解后的等位基因特异性染色体去除。单元格，2020。183（6）：p。 1650-+。11。Aschenbrenner，S。等人，将Cas9耦合到人工抑制域增强了CRISPR-CAS9目标特异性。科学进步，2020年。6（6）。12。Bondy-DeNomy，J。等人，抗Crispr蛋白抑制CRISPR-CAS的多种机制。自然，2015年。526（7571）：p。 136-9。13。Khajanchi，N。和K. Saha，通过小分子调节进行体细胞基因组编辑，控制CRISPR。mol ther，2022。30（1）：p。 17-31。14。Han，J。等人，对小分子药物的超敏反应。前疫苗，2022年。13：p。 1016730。15。Pettersson，M.和C.M. 机组人员，针对嵌合体的蛋白水解（Protacs） - 过去，现在和未来。 Div drug Discov Today Technol，2019年。 31：p。 15-27。 16。 Bondeson，D.P。 和C.M. 机组人员，小分子靶向蛋白质降解。 药理学和毒理学年度评论，第57卷，2017年。 57：p。 107-123。 17。 li，R。等人，癌症治疗中的蛋白水解靶向嵌合体（Protac）：现在和未来。 分子，2022。 27（24）。 18。Pettersson，M.和C.M.机组人员，针对嵌合体的蛋白水解（Protacs） - 过去，现在和未来。Div drug Discov Today Technol，2019年。31：p。 15-27。16。Bondeson，D.P。 和C.M. 机组人员，小分子靶向蛋白质降解。 药理学和毒理学年度评论，第57卷，2017年。 57：p。 107-123。 17。 li，R。等人，癌症治疗中的蛋白水解靶向嵌合体（Protac）：现在和未来。 分子，2022。 27（24）。 18。Bondeson，D.P。和C.M.机组人员，小分子靶向蛋白质降解。药理学和毒理学年度评论，第57卷，2017年。57：p。 107-123。17。li，R。等人，癌症治疗中的蛋白水解靶向嵌合体（Protac）：现在和未来。分子，2022。27（24）。18。Farasat，I。和H.M. SALIS，一种CRIS/CAS9活性的生物物理模型，用于基因组编辑和基因调节的合理设计。 PLOS Comput Biol，2016年。 12（1）：p。 E1004724。Farasat，I。和H.M. SALIS，一种CRIS/CAS9活性的生物物理模型，用于基因组编辑和基因调节的合理设计。PLOS Comput Biol，2016年。12（1）：p。 E1004724。
关于两个室内场景的物理层VLC安全性的研究
1。Y. Tanaka，T。Komine，S。Haruyama和M. Nakagawa，第12届IEEE国际个人，室内和移动无线电通信研讨会。PIMRC2001。诉讼（CAT。No.01th8598），美国加利福尼亚州圣地亚哥，（2001年）。 2。http://www.naka-lab.jp› kit_e 3。 [在线] www.nobelprize.org/prizes/physics/2014/press-release/，上一次于2021年4月1日访问4. S.M. Riurean等 在地下矿山中应用可见光无线通信（瑞士施普林格，2021年）。 5。 A. E. Marcu，R。A。Dobre和M.Vlãdescu，2020 43届国际电信与信号处理会议（TSP），意大利米兰，2020年，2020年，pp。 166-169，（2020）。 6。 S. Riurean，R.A。 Dobre，A.E。 MARCU，会议记录第11718卷，光电学，微电子学和纳米技术的高级主题x； 117182b（2020）。 7。 a.m. Căilean，M。Dimian，V。Popa，传感器，20（13），3764（2020）。 8。 Shaaban Rana，Faruque Saleh，物理交流，40，101094，（2020）。 9。 Tannaz Sirous，Ghobadi Changiz，Nourinia Javad等人，无线个人通讯，113（1），17-32，（2020）。 10。 N. Anous，M。Abdallah，M。Uysal等人，IEEE Access，6，22408-22420，（2020）。 11。 L. 66，否。 9，pp。 4059-4073，（2018）。 12。 S。Riurean，载于：Antipova T.（Eds）可理解的科学。 ICCS2020。 Springer，Cham（2021）。No.01th8598），美国加利福尼亚州圣地亚哥，（2001年）。2。http://www.naka-lab.jp› kit_e 3。[在线] www.nobelprize.org/prizes/physics/2014/press-release/，上一次于2021年4月1日访问4.S.M. Riurean等 在地下矿山中应用可见光无线通信（瑞士施普林格，2021年）。 5。 A. E. Marcu，R。A。Dobre和M.Vlãdescu，2020 43届国际电信与信号处理会议（TSP），意大利米兰，2020年，2020年，pp。 166-169，（2020）。 6。 S. Riurean，R.A。 Dobre，A.E。 MARCU，会议记录第11718卷，光电学，微电子学和纳米技术的高级主题x； 117182b（2020）。 7。 a.m. Căilean，M。Dimian，V。Popa，传感器，20（13），3764（2020）。 8。 Shaaban Rana，Faruque Saleh，物理交流，40，101094，（2020）。 9。 Tannaz Sirous，Ghobadi Changiz，Nourinia Javad等人，无线个人通讯，113（1），17-32，（2020）。 10。 N. Anous，M。Abdallah，M。Uysal等人，IEEE Access，6，22408-22420，（2020）。 11。 L. 66，否。 9，pp。 4059-4073，（2018）。 12。 S。Riurean，载于：Antipova T.（Eds）可理解的科学。 ICCS2020。 Springer，Cham（2021）。S.M.Riurean等 在地下矿山中应用可见光无线通信（瑞士施普林格，2021年）。 5。 A. E. Marcu，R。A。Dobre和M.Vlãdescu，2020 43届国际电信与信号处理会议（TSP），意大利米兰，2020年，2020年，pp。 166-169，（2020）。 6。 S. Riurean，R.A。 Dobre，A.E。 MARCU，会议记录第11718卷，光电学，微电子学和纳米技术的高级主题x； 117182b（2020）。 7。 a.m. Căilean，M。Dimian，V。Popa，传感器，20（13），3764（2020）。 8。 Shaaban Rana，Faruque Saleh，物理交流，40，101094，（2020）。 9。 Tannaz Sirous，Ghobadi Changiz，Nourinia Javad等人，无线个人通讯，113（1），17-32，（2020）。 10。 N. Anous，M。Abdallah，M。Uysal等人，IEEE Access，6，22408-22420，（2020）。 11。 L. 66，否。 9，pp。 4059-4073，（2018）。 12。 S。Riurean，载于：Antipova T.（Eds）可理解的科学。 ICCS2020。 Springer，Cham（2021）。Riurean等在地下矿山中应用可见光无线通信（瑞士施普林格，2021年）。5。A. E. Marcu，R。A。Dobre和M.Vlãdescu，2020 43届国际电信与信号处理会议（TSP），意大利米兰，2020年，2020年，pp。166-169，（2020）。 6。 S. Riurean，R.A。 Dobre，A.E。 MARCU，会议记录第11718卷，光电学，微电子学和纳米技术的高级主题x； 117182b（2020）。 7。 a.m. Căilean，M。Dimian，V。Popa，传感器，20（13），3764（2020）。 8。 Shaaban Rana，Faruque Saleh，物理交流，40，101094，（2020）。 9。 Tannaz Sirous，Ghobadi Changiz，Nourinia Javad等人，无线个人通讯，113（1），17-32，（2020）。 10。 N. Anous，M。Abdallah，M。Uysal等人，IEEE Access，6，22408-22420，（2020）。 11。 L. 66，否。 9，pp。 4059-4073，（2018）。 12。 S。Riurean，载于：Antipova T.（Eds）可理解的科学。 ICCS2020。 Springer，Cham（2021）。166-169，（2020）。6。S. Riurean，R.A。 Dobre，A.E。 MARCU，会议记录第11718卷，光电学，微电子学和纳米技术的高级主题x； 117182b（2020）。 7。 a.m. Căilean，M。Dimian，V。Popa，传感器，20（13），3764（2020）。 8。 Shaaban Rana，Faruque Saleh，物理交流，40，101094，（2020）。 9。 Tannaz Sirous，Ghobadi Changiz，Nourinia Javad等人，无线个人通讯，113（1），17-32，（2020）。 10。 N. Anous，M。Abdallah，M。Uysal等人，IEEE Access，6，22408-22420，（2020）。 11。 L. 66，否。 9，pp。 4059-4073，（2018）。 12。 S。Riurean，载于：Antipova T.（Eds）可理解的科学。 ICCS2020。 Springer，Cham（2021）。S. Riurean，R.A。 Dobre，A.E。MARCU，会议记录第11718卷，光电学，微电子学和纳米技术的高级主题x； 117182b（2020）。7。a.m. Căilean，M。Dimian，V。Popa，传感器，20（13），3764（2020）。8。Shaaban Rana，Faruque Saleh，物理交流，40，101094，（2020）。9。Tannaz Sirous，Ghobadi Changiz，Nourinia Javad等人，无线个人通讯，113（1），17-32，（2020）。10。N. Anous，M。Abdallah，M。Uysal等人，IEEE Access，6，22408-22420，（2020）。11。L. 66，否。 9，pp。 4059-4073，（2018）。 12。 S。Riurean，载于：Antipova T.（Eds）可理解的科学。 ICCS2020。 Springer，Cham（2021）。L.66，否。9，pp。4059-4073，（2018）。12。S。Riurean，载于：Antipova T.（Eds）可理解的科学。 ICCS2020。 Springer，Cham（2021）。S。Riurean，载于：Antipova T.（Eds）可理解的科学。ICCS2020。Springer，Cham（2021）。Springer，Cham（2021）。网络中的注释，186。13。C. H. Yeh，C。W。Cow，H。Chhen，L。L。Liu和D. Z. Hsu，J。 光学，18，否。 6，pp。 1–9，（2016年）。 14。 他们。 J. Comput。 netw。 ＆Common。，第1卷。 7，不。 6，pp。 139–150，（2015）15。 m 16。 ieeeeeeeeeeeeeeeeeeeea 15 https://www.ieeeeee802.org H.Crown，R。Severin和E. Tovar，J。Sens。 新律师，10，23，（2021）18。 G. Blinowski，234–239，（2015）19。 S. Riurean，R.A。水，A.E。 市场，第11718卷11718 11718 11718进步，微电子学，x； 117182b（2020） S. Rocha，M。Leba和A. Ionica，J Med Syst 43：1-10，（2019年）。 21。 Y. Qiu，H.-H。 Chhen，W.-X. Meng，电话。 公社。 暴民。 计算 16（14），2016-2034，（2016）22。 Z. Ghassemloy，圣Zvanovec，硕士 Khalighi，L.N。 alves。 23。 F. Javaid，A。Wang。C. H. Yeh，C。W。Cow，H。Chhen，L。L。Liu和D. Z. Hsu，J。光学，18，否。6，pp。1–9，（2016年）。14。他们。J. Comput。netw。＆Common。，第1卷。7，不。6，pp。139–150，（2015）15。m16。ieeeeeeeeeeeeeeeeeeeea 15 https://www.ieeeeee802.orgH.Crown，R。Severin和E. Tovar，J。Sens。新律师，10，23，（2021）18。G. Blinowski，234–239，（2015）19。S. Riurean，R.A。水，A.E。 市场，第11718卷11718 11718 11718进步，微电子学，x； 117182b（2020） S. Rocha，M。Leba和A. Ionica，J Med Syst 43：1-10，（2019年）。 21。 Y. Qiu，H.-H。 Chhen，W.-X. Meng，电话。 公社。 暴民。 计算 16（14），2016-2034，（2016）22。 Z. Ghassemloy，圣Zvanovec，硕士 Khalighi，L.N。 alves。 23。 F. Javaid，A。Wang。S. Riurean，R.A。水，A.E。市场，第11718卷11718 11718 11718进步，微电子学，x； 117182b（2020）S. Rocha，M。Leba和A. Ionica，J Med Syst 43：1-10，（2019年）。21。Y. Qiu，H.-H。 Chhen，W.-X. Meng，电话。 公社。 暴民。 计算 16（14），2016-2034，（2016）22。 Z. Ghassemloy，圣Zvanovec，硕士 Khalighi，L.N。 alves。 23。 F. Javaid，A。Wang。Y. Qiu，H.-H。 Chhen，W.-X.Meng，电话。公社。暴民。计算16（14），2016-2034，（2016）22。Z. Ghassemloy，圣Zvanovec，硕士 Khalighi，L.N。 alves。 23。 F. Javaid，A。Wang。Z. Ghassemloy，圣Zvanovec，硕士Khalighi，L.N。 alves。 23。 F. Javaid，A。Wang。Khalighi，L.N。alves。23。F. Javaid，A。Wang。
COVID‐19 期间的人工智能和心脏手术......
1. Cascella M、Rajnik M、Cuomo A、Dulebohn SC、Di Napoli R。冠状病毒的特征、评估和治疗。收录于：StatPearls [Internet]。收录于：StatPearls [Internet]。Treasure Island (FL)：StatPearls Publishing。2020 年。PMID：32150360。2. Kermali M、Khalsa RK、Pillai K、Ismail Z、Harky A。生物标志物在 COVID-19 诊断中的作用：系统评价。生命科学。2020；254：117788。3. Suri JS、Puvvula A、Biswas M 等人。COVID-19 对合并症患者脑和心脏损伤的途径：基于医学影像和人工智能的 COVID 严重程度分类的作用：综述。Comput Biol Med。2020；124：103960。 4. Ad N、Luc JGY、Nguyen TC 等人。北美心脏手术和 2019 年冠状病毒病 (COVID-19)：负担和影响的地区差异。J Thorac Cardiovasc Surg。2020 年。5. Haft JW、Atluri P、Ailawadi G 等人。COVID-19 大流行期间的成人心脏手术：分层患者分诊指导声明。Ann Thorac Surg。2020；110(2):697-700。6. Huang L、Zhao P、Tang D 等人。通过磁共振成像确定康复的 COVID-19 患者的心脏受累。JACC Cardiovasc Imaging。2020；13(11):2330-2339。https://doi.org/10。 1016/j.jcmg.2020.05.004 7. Wang D, Hu B, Hu C, 等。武汉市 138 例 2019 年新型冠状病毒感染的肺炎住院患者的临床特征。JAMA ‐ J Am Med Assoc 。2020；323(11)：1061 ‐ 1069。 8. Dilsizian SE, Siegel EL。人工智能在医学和心脏成像中的应用：利用大数据和先进计算提供个性化的医疗诊断和治疗。Curr Cardiol Rep。2014；16(1)：1 ‐ 8。https://link.springer.com/article/10.1007/s11886-013-0441-8 9. Shi F, Wang J, Shi J, 等。回顾人工智能技术在 COVID-19 影像数据采集、分割和诊断中的应用。IEEE Rev Biomed Eng。2020；14：4-15。10. King BF。人工智能与放射学：未来会怎样？J Am Coll Radiol。2018；15：501-503。https://pubmed.ncbi.nlm。nih.gov/29371088/ 11. Bashir M，Harky A。主动脉手术中的人工智能：机器的崛起。Semin Thorac Cardiovasc Surg。第 31 卷，2019：635-637。12. De Marvao A、Dawes TJW、Howard JP、O'Regan DP。人工智能与心脏病专家：2020 年你需要了解的内容。心脏。 2020；106：399-400。http://heart.bmj.com/ 13. Stoitsis J、Valavanis I、Mougiakakou SG、Golemati S、Nikita A、Nikita KS。基于医学图像处理和人工智能方法的计算机辅助诊断。Nucl Instrum Methods Phys Res Sect A Accel Spectrometers、Detect Assoc Equip。2006；569(2 SPEC. ISS)：591-595。14. Johnson KW、Torres Soto J、Glicksberg BS 等人。心脏病学中的人工智能。J Am Coll Cardiol。2018；71：2668-2679。http://creativecommons.org/licenses/by/4.0/
高渗透合金中的浓度波
克里斯托弗·D·伍德盖特博士，英国布里斯托尔大学物理学学院摘要：所谓的“高渗透合金”（heas）（heas） - 包含四个或多个元素的合金相结合的近距离比率，这是兴趣的 - 不仅是因为它们非常适合构成范围的范围，因为它们范围很重要，因为范围是一个有趣的范围，因为范围是范围的范围。行为和超导性。 从理论和模拟的角度来看，它们代表了由于化学复杂性以及潜在组成和原子能配置的巨大空间而引人入胜但具有挑战性的材料类别。 在本演讲中，我将概述一种新的建模方法[1-5]，用于研究这些系统的相位稳定性，该方法基于代表原子尺度的化学闪光为“浓度波”描述了一系列潜在的有序结构。 通过使用密度功能理论（DFT）计算评估这些流量的能量成本，可以直接推断相变类，并恢复适合进一步计算研究的原子模型。 i将从案例研究中介绍一系列规范的高渗透合金的结果，表明该方法捕获了这些系统的相位行为，并提供了对原子序趋势的电子（偶尔磁[3]）起源的基本物理洞察力。 我将努力使广泛的受众访问谈话，并在适当的情况下链接到实验。 参考文献：[1] Woodgate，Staunton，Phys。 修订版 b 105，115124（2022）。克里斯托弗·D·伍德盖特博士，英国布里斯托尔大学物理学学院摘要：所谓的“高渗透合金”（heas）（heas） - 包含四个或多个元素的合金相结合的近距离比率，这是兴趣的 - 不仅是因为它们非常适合构成范围的范围，因为它们范围很重要，因为范围是一个有趣的范围，因为范围是范围的范围。行为和超导性。从理论和模拟的角度来看，它们代表了由于化学复杂性以及潜在组成和原子能配置的巨大空间而引人入胜但具有挑战性的材料类别。在本演讲中，我将概述一种新的建模方法[1-5]，用于研究这些系统的相位稳定性，该方法基于代表原子尺度的化学闪光为“浓度波”描述了一系列潜在的有序结构。通过使用密度功能理论（DFT）计算评估这些流量的能量成本，可以直接推断相变类，并恢复适合进一步计算研究的原子模型。i将从案例研究中介绍一系列规范的高渗透合金的结果，表明该方法捕获了这些系统的相位行为，并提供了对原子序趋势的电子（偶尔磁[3]）起源的基本物理洞察力。我将努力使广泛的受众访问谈话，并在适当的情况下链接到实验。参考文献：[1] Woodgate，Staunton，Phys。修订版b 105，115124（2022）。[2] Woodgate，Staunton，Phys。修订版mater。7，013801（2023）。[3] Woodgate，Hedlund，Lewis，Staunton，Phys。修订版材料7，053801（2023）。[4] Woodgate，Staunton，J。Appl。物理。135，135106（2024）。[5] Woodgate，Marchant，Pártay，Staunton，Arxiv：2404.13173。（在Press，NPJ Comput。mater。）
了解目标蛋白质降解
1. 什么是蛋白质？它们有什么作用？：MedlinePlus Genetics。访问日期：2021 年 5 月 3 日。https://medlineplus.gov/genetics/understanding/howgeneswork/protein/ 2. Klaips CL、Jayaraj GG、Hartl FU。衰老和疾病中的细胞蛋白质稳态途径。J Cell Biol。2017；217(1):51-63。doi:10.1083/jcb.201709072 3. Ciechanover A。蛋白水解：从溶酶体到泛素和蛋白酶体。Nat Rev Mol Cell Biol。2005；6(1):79-87。doi:10.1038/nrm1552 4. Oprea TI、Bologa CG、Brunak S 等人。人类基因组中未探索的治疗机会。天然药物发现评论。2018；17(5):317-332。doi:10.1038/nrd.2018.14 5. Hopkins AL、Groom CR。可用药基因组。天然药物发现评论。2002；1(9):727-730。doi:10.1038/nrd892 6. Collins I、Wang H、Caldwell JJ、Chopra R。通过调节泛素-蛋白酶体途径进行靶向蛋白质降解的化学方法。Biochem J。2017；474(7):1127-1147。doi:10.1042/BCJ20160762 7. Ito T、Ando H、Suzuki T 等人。确定沙利度胺致畸性的主要靶点。Science。 2010;327(5971):1345-1350。doi:10.1126/science.1177319 8. Krönke J、Udeshi ND、Narla A 等。来那度胺可导致多发性骨髓瘤细胞中 IKZF1 和 IKZF3 选择性降解。Science。2014;343(6168):301-305。doi:10.1126/science.1244851 9. Lu G、Middleton RE、Sun H 等。骨髓瘤药物来那度胺可促进 cereblon 依赖性 Ikaros 蛋白破坏。Science。2014;343(6168):305-309。 doi:10.1126/science.1244917 10. Gandhi AK、Kang J、Havens CG 等。免疫调节剂来那度胺和泊马度胺通过调节 E3 泛素连接酶复合物 CRL4(CRBN.) 诱导 T 细胞阻遏物 Ikaros 和 Aiolos 降解，从而共刺激 T 细胞。Br J Haematol。2014；164(6):811-821。doi:10.1111/bjh.12708 11. Chamberlain PP、Lopez-Girona A、Miller K 等。人类 Cereblon–DDB1–来那度胺复合物的结构揭示了对沙利度胺类似物反应的基础。Nat Struct Mol Biol。2014；21(9):803-809。 doi:10.1038/nsmb.2874 12. Ito T, Handa H. Cereblon 及其下游底物作为免疫调节药物的分子靶点。Int J Hematol。2016；104(3):293-299。doi:10.1007/s12185-016-2073-4 13. Matyskiela ME, Lu G, Ito T 等人。一种新型 cereblon 调节剂将 GSPT1 募集到 CRL4 CRBN 泛素连接酶中。Nature。2016；535(7611):252-257。doi:10.1038/nature18611 14. Chamberlain PP, Cathers BE。Cereblon 调节剂：低分子量蛋白质降解诱导剂。Drug Discov Today Technol。 2019；31：29-34。doi：10.1016/j.ddtec.2019.02.004 15. Baek K、Schulman BA。分子胶概念固化。Nat Chem Biol。2020；16(1)：2-3。doi：10.1038/s41589-019-0414-3 16. Scheepstra M、Hekking KFW、van Hijfte L、Folmer RHA。药物发现中用于蛋白质降解的双价配体。Comput Struct Biotechnol J。2019；17：160-176。doi：10.1016/j.csbj.2019.01.006
AIDRAMónY Cajal-致电2022 ...
Área Temática: Biociencias y biotecnología Nombre: TOLL RIERA, MACARENA Referencia: RYC2022-036791-I Correo Electrónico: mtollriera@gmail.com Título: Evolutionary adaptations, from metazoans to bacteria Resumen de la Memoria: My research is focused on the study of进化适应，具体来说，是其起源和进化的分子机制。进化适应有助于在给定环境中生存或繁殖，并且了解它们的分子基础是进化生物学的基本问题，这对了解细菌对抗生素的抗性以及生物体对气候变化的反应具有意义。在我在Albà教授（Universitat Pompeu Fabra）的博士学位期间，我使用了比较基因组方法来研究灵长类动物中新基因的起源机制（Toll-Riera等，Mol Biol Evol Evol 2009）以及蛋白质随时间的发展（Toll-Riera等，Mol-Riera et al，Mol-Biol Evol evol 2012; Evol Biol 2013）。我的博士学位包括在Plotkin教授的小组（宾夕法尼亚大学）的短暂住宿。在我的博士后I中，我从计算生物学转变为实验进化的实验技术，微生物学和测序数据分析中的技能。我在麦克林教授（牛津大学）的小组中进行了第一个博士后，在那里我通过实验室进化和后期测序的铜绿假单胞菌的致病细菌中进化创新的基因组基础（Toll-Riera等，Toll-Riera et al，Polos Genet 2016）。我在瓦格纳教授的小组（苏黎世大学）做了第二个博士后。此外，我还参与了多次合作，以了解质粒在P. euguginosa（San Millan*，Toll-Riera* et al，Isme J 2018; San Millan*，Toll-Riera* et al，Nat Commun，2015; San Millan，Peña-Miller*，Peña-Miller*，Toll-Riera* et a a Ratiug Riera* et ant Community for Nat ant Community for Nats Community for for a P.抗生素（Qi，Toll-Riera等，Proc Biol Sci 2016; Gifford，Toll-Riera，MacLean Evolution 2016）。在那里，我使用计算方法继续研究了铜绿假单胞菌的进化创新，以了解突变鲁棒性在促进创新中的作用（Tollriera等，PLOS Genet 2016）。2016年5月，我通过Ambizione Grant（瑞士国家科学基金会，583,690€）建立了自己的初级团体领袖。自2019年11月以来，我领导了Eth Zurich主持的进化微生物学集团。该小组目前由两名博士学位学生，一名博士后研究员和一名大师旋转学生组成，并通过Prima Grant（瑞士国家科学基金会，1,445,870€）和ETH Research Grant（229,878€）资助。我们研究了促进适应环境变化以及限制适应的分子机制。我们使用跨学科和综合方法，并结合了实验室进化，计算方法，高吞吐量测序和蛋白质组学。获得Ramóny Cajal奖学金将使我能够在西班牙建立我的研究小组，并继续使用实验，计算和“ OMICS”方法以及模型以及非模型细菌的研究计划，重点介绍了研究计划。我的目标是研究：1）这是适应高温的限制，2）染色体可塑性作为快速适应环境变化的机制，以及3）细菌冷适应的基因组学。
在生命科学中共享敏感数据：集中和联合方法的概述
玛丽亚·鲁贾诺（Maria A. Rujano），格罗宁根大学医学科学博士学位，在埃克林（Ecrin）担任项目经理，为欧盟医疗保健数据研究倡议做出了贡献。凭借细胞和神经发育生物学的专业知识，她曾在著名的研究中心工作，包括Curie Institute和Institute Pasteur。化学博士学位Jan-Willem Boiten是Lygaturation的高级计划经理。 拥有超过20年的跨生命科学合作经验，他正在协调荷兰和欧洲一级的大规模生物医学数据基础设施计划。 克里斯蒂安·奥曼（Christian Ohmann）拥有数学博士学位，医学临时检查和“理论手术”领域的关联。 他是德国海因里希海因大学杜塞尔多夫医学院临床试验中心（KKS）的负责人（1999- 2014年），目前与ECRIN有关临床试验数据共享和ECRIN网络委员会的咨询。 ECRIN的高级数据经理Steve Canham具有18年的临床试验数据系统和管理方面的专业知识。 以前，他领导伦敦癌症研究所的IT团队（2002-11）。 Sergio Contrino是ECRIN数据项目的负责人。 是培训的电子工程师，曾在剑桥大学，遗传学系和欧洲生物信息学研究所（EBI）担任高级软件开发人员。 Romain David，海洋学和数据挖掘博士学位，是Erinha的研究人员和数据管家。 他是研究数据联盟（RDA）的共同主席（例如，化学博士学位Jan-Willem Boiten是Lygaturation的高级计划经理。拥有超过20年的跨生命科学合作经验，他正在协调荷兰和欧洲一级的大规模生物医学数据基础设施计划。克里斯蒂安·奥曼（Christian Ohmann）拥有数学博士学位，医学临时检查和“理论手术”领域的关联。他是德国海因里希海因大学杜塞尔多夫医学院临床试验中心（KKS）的负责人（1999- 2014年），目前与ECRIN有关临床试验数据共享和ECRIN网络委员会的咨询。ECRIN的高级数据经理Steve Canham具有18年的临床试验数据系统和管理方面的专业知识。以前，他领导伦敦癌症研究所的IT团队（2002-11）。Sergio Contrino是ECRIN数据项目的负责人。是培训的电子工程师，曾在剑桥大学，遗传学系和欧洲生物信息学研究所（EBI）担任高级软件开发人员。Romain David，海洋学和数据挖掘博士学位，是Erinha的研究人员和数据管家。他是研究数据联盟（RDA）的共同主席（例如，拥有20年的环境信息系统专业知识，他专门研究数据挖掘，图形方法和合适的数据管理。敏感数据）。Jonathan Ewbank于2021年加入Erinha担任总干事，在担任Marseille-Luminy免疫学中心（法国）25年后。Claudia Filippone是一名病毒学家，在Erinha担任高级科学计划经理。她的研究经验着重于欧洲和非洲的病毒出现和人畜共患病。Erinha的欧洲项目经理Claire Connellan专注于传染病爆发研究（Isidore）项目的综合服务，旨在增强大流行的准备。拥有项目管理和政策制定方面的专业知识，她拥有伦敦国王学院的国际和平与安全硕士学位。Ilse Custers是一名药物化学家（VU阿姆斯特丹）和卫生经济学家（庞贝·法布拉大学）。她目前正在担任Lygature的项目经理，管理项目建立基础架构的健康和基因组数据共享。Rick Van Nuland博士是专注于卫生研究基础设施的Lygature计划经理，并在UTRECHT大学医学中心和斯坦福大学接受了分子癌生物学家的培训。 Michaela Th。 Mayrhofer是培训的社会科学家。 她的博士学位研究了生物库治理的模式。 她的研究重点在于GDPR的合规性，人工智能道德规范以及建立和促进生物医学研究中的ELSI最佳实践。 自2019年以来，她一直领导BBMRI-ERIC的ELSI服务与研究部门。Rick Van Nuland博士是专注于卫生研究基础设施的Lygature计划经理，并在UTRECHT大学医学中心和斯坦福大学接受了分子癌生物学家的培训。Michaela Th。 Mayrhofer是培训的社会科学家。 她的博士学位研究了生物库治理的模式。 她的研究重点在于GDPR的合规性，人工智能道德规范以及建立和促进生物医学研究中的ELSI最佳实践。 自2019年以来，她一直领导BBMRI-ERIC的ELSI服务与研究部门。Michaela Th。Mayrhofer是培训的社会科学家。她的博士学位研究了生物库治理的模式。她的研究重点在于GDPR的合规性，人工智能道德规范以及建立和促进生物医学研究中的ELSI最佳实践。自2019年以来，她一直领导BBMRI-ERIC的ELSI服务与研究部门。Petr Holub是Masaryk大学计算机科学副教授。自2015年以来，他已成为BBMri-Eric的首席IT官。他具有科学的背景（2001年计算量子化学专业的MSC）和计算机科学（2005年的博士学位，专门研究计算机网络，自组织和多媒体处理）。evaGarcíaálvarez在BBMRI-ERIC担任IT科学家和项目经理。她从圣地亚哥大学（De Santiago de Costela）获得了分子医学博士学位，在那里她研究了癌症中体细胞病毒整合的基因组景观。Emmanuel Bacry毕业于écoleNormaleSupérieure（ENS），并拥有数学博士学位。他目前是巴黎 - 杜普大学的CNRS研究主任，也是法国健康数据中心的科学总监。他领导了Ecole Polytechnique的大数据与数据科学计划超过4年（2016-19）。收到：2024年2月6日。修订：2024年4月19日©作者2024。牛津大学出版社出版。这是根据Creative Commons Attribution许可条款（https://creativecommons.org/licenses/4.0/）分发的一篇开放访问文章，该文章允许在任何媒介中不受限制地重复使用，分发和再现，前提是适当地引用了原始工作。
贝叶斯数据分析
请在我们身份验证您的情况下等待...2016年贝叶斯分析学会的2016年奖项获得了这本著名的书，现在是第三版，被广泛认为是贝叶斯方法的主要文本，它因其实用和可访问的方法来分析数据和解决研究问题而受到赞扬。介绍先进的方法，文本具有从真实应用和研究中得出的众多工作示例，强调在本版中使用贝叶斯推断在实践中的实践中使用了四章，这些章节是关于非参数建模的四章，以及关于弱小的先验，避免边界的先验，跨越的先验，交叉竞争和预测信息的宣布，在三个方面使用的学生的最新章节：原则；对于研究生，它提出了贝叶斯建模和计算的有效当前方法；对于研究人员而言，它在应用统计数据中提供了各种贝叶斯方法的其他材料，包括数据集，选定练习的解决方案和软件说明，在书的网页上提供了一些研究人员，强调了在组织科学中使用贝叶斯方法进行数据分析的重要性。 但是，在采用贝叶斯方法时，仍然存在一些挑战和局限性。 例如，一个问题是贝叶斯方法需要指定先前的分布，这可能很困难，尤其是在使用复杂模型时。 Berger，J。2016年贝叶斯分析学会的2016年奖项获得了这本著名的书，现在是第三版，被广泛认为是贝叶斯方法的主要文本，它因其实用和可访问的方法来分析数据和解决研究问题而受到赞扬。介绍先进的方法，文本具有从真实应用和研究中得出的众多工作示例，强调在本版中使用贝叶斯推断在实践中的实践中使用了四章，这些章节是关于非参数建模的四章，以及关于弱小的先验，避免边界的先验，跨越的先验，交叉竞争和预测信息的宣布，在三个方面使用的学生的最新章节：原则；对于研究生，它提出了贝叶斯建模和计算的有效当前方法；对于研究人员而言，它在应用统计数据中提供了各种贝叶斯方法的其他材料，包括数据集，选定练习的解决方案和软件说明，在书的网页上提供了一些研究人员，强调了在组织科学中使用贝叶斯方法进行数据分析的重要性。但是，在采用贝叶斯方法时，仍然存在一些挑战和局限性。例如，一个问题是贝叶斯方法需要指定先前的分布，这可能很困难，尤其是在使用复杂模型时。Berger，J。一些研究人员提出了各种技术来提出专家判断以告知先前分布的技术。，例如，O'Hagan等。（2006）提供了先前启发的综合指南，包括技术和潜在的陷阱。其他研究的重点是开发使用贝叶斯先验的专家的信念的方法（例如，Johnson等，2010）。此外，还有各种可用的在线资源可以帮助进行贝叶斯分析。例如，Van de Schoot的在线统计培训提供了有关高级统计主题的教程和练习。总的来说，在组织科学中使用贝叶斯方法的使用变得越来越重要，但是它需要仔细考虑先前的分布和启发技术，以确保准确的结果。注意：我已经删除了一些特定的参考，并重点介绍了要点。让我知道您是否希望我保留更多原始文本！van de de Schoot-Hubeek，W.，Hoijtink，H.，Van de Schoot，R.，Zondervan-Zwijnenburg，M。＆Lek，K。评估专家判断引发程序，以相关性和应用于贝叶斯分析。客观的贝叶斯分析：对主观贝叶斯分析的案例，批评和个人观点。Brown，L。D.经验贝叶斯和贝叶斯方法的现场测试，用于击球平均赛季预测。Candel，M。J.，Winkens，B。Monte Carlo研究在纵向设计中多级分析中的经验贝叶斯估计值的性能。Ibrahim，J。G.，Chen，M。H.，Gwon，Y。Ibrahim，J。G.，Chen，M。H.，Gwon，Y。darnieder，W。F.贝叶斯方法依赖数据依赖的先验。＆Chen，F。权力先验：具有统计功率计算的理论和应用。Muthen，B。，Asparouhov，T。贝叶斯结构方程建模：使用数据依赖性先验对实体理论的更灵活的表示。Rietbergen，C.，Klugkist，I.，Janssen，K。J.，Moons，K。G.＆Hoijtink，H。将历史数据纳入随机治疗试验的分析中，以及基于系统文献搜索和专家精力提示的知识的贝叶斯PTSD-Traigntory分析。van der Linden，W。J.在自适应测试中使用响应时间进行项目选择。Wasserman，L。使用数据依赖性先验对混合模型的渐近推断。请注意，我保留了您的消息的原始语言而不翻译。给定文本：释义此文本：数据（版本V1.0）。Zenodo（2020）。元素Google Scholar Chung，Y.，Gelman，A.，Rabe-Hesketh，S.，Liu，J。＆Dorie，V。层次模型中协方差矩阵的点估计值较弱。J.教育。行为。Stat。40，136–157（2015）。Google Scholar Gelman，A.，Jakulin，A.，Pittau，M。G.＆Su，Y.-S。 logistic和其他回归模型的弱信息默认分布。ann。应用。Stat。2，1360–1383（2008）。MathScinetMath Google Scholar Gelman，A.，Carlin，J。 B.，Stern，H。S.＆Rubin，D。B. Bayesian数据分析卷。 2（Chapman＆Hallcrc，2004）。Jeffreys，H。概率理论卷。 am。 Stat。2，1360–1383（2008）。MathScinetMath Google Scholar Gelman，A.，Carlin，J。B.，Stern，H。S.＆Rubin，D。B. Bayesian数据分析卷。2（Chapman＆Hallcrc，2004）。Jeffreys，H。概率理论卷。am。Stat。3（Clarendon，1961）.Seaman III，J。W.，Seaman Jr，J。W.＆Stamey，J。D.指定非信息先验的隐藏危险。66，77–84（2012）.MathScinet Google Scholar Gelman，A。层次模型中方差参数的先前分布（Browne和Draper对文章的评论）。贝叶斯肛门。1，515–534（2006）.MathScinet Math Google Scholar Lambert，P.C.，Sutton，A。J.，Burton，P.R.，Abrams，K。R.＆Jones，D。R.含糊不清？对使用Winbugs在MCMC中使用模糊的先验分布的影响的仿真研究。Stat。Med。24，2401–2428（2005）。MathScinetGoogle Scholar Depaoli，S。在不同程度的类别分离的情况下，GMM中的混合类别恢复：频繁主义者与贝叶斯的估计。Psychol。方法18，186–219（2013）。Google Scholar DePaoli，S。＆Van de Schoot，R。贝叶斯统计中的透明度和复制：WAMBS-CHECKLIST。Psychol。方法22，240（2017）。本文提供了有关如何在使用贝叶斯统计数据估算模型时如何检查各个点的分步指南。统计建模模型检查中的贝叶斯模型检查和鲁棒性是一种用于评估统计模型准确性的方法。它涉及使用各种诊断工具来检查模型的潜在问题，例如偏见或过度拟合。贝叶斯模型检查是传统模型检查的扩展，将先前的信念纳入分析中。再次。贝叶斯模型检查的关键应用之一是检测先前数据冲突。贝叶斯模型检查近年来变得越来越重要，因为它能够提供对统计模型的更细微理解的能力。它允许研究人员量化数据中包含的信息量，并评估其结论的可靠性。一些研究人员为贝叶斯模型检查技术的发展做出了重大贡献，包括Nott等，Evans和Moshonov，Young and Pettit，Kass和Raftery，Bousquet，Veen和Stoel，以及Nott等。这些研究人员介绍了各种诊断工具和评估先前数据协议和冲突的标准。这会发生在同一数据集的先前信念和数据之间存在差异时。像埃文斯（Evans），莫索诺夫（Moshonov）和杨（Young）这样的研究人员已经开发了使用诸如后验预测分布等指标来量化这一冲突的方法。贝叶斯模型检查也已应用于贝叶斯模型中的可能性推断。像Gelman，Simpson和Betancourt这样的研究人员强调了理解表达先前信念的上下文的重要性。除了其方法论上的意义外，贝叶斯模型检查还在社会科学，医学和金融等领域还采用了实际应用。它可以通过确定统计模型的潜在问题来帮助研究人员和政策制定者做出更明智的决定。在此处给定文章，此处28，319–339（2013）.MathScinet Math Google Scholar Rubin，D。B. Bayesian具有合理的频率计算，适用于应用的统计学家。ann。Stat。J.am。12，1151–1172（1984）。Mathscinet Math Google Scholar Gelfand，A。E.＆Smith，A。F. M.基于采样的方法来计算边际密度。 Stat。 合作。 85，398–409（1990）。 这篇开创性的文章将MCMC视为贝叶斯推理的实际方法。 ifna（1991）。 3（Eds van de Schoot，R。＆Miocevic，M。）30–49（Routledge，2020）。 4（eds van de Schoot，R。＆Miocevic，M。）50–70（Routledge，2020）。Robert，C。＆Casella，G。Monte Carlo统计方法（Springer Science＆Business Media，2013）。 ieee trans。 模式肛门。 马赫。 Intell。 6，721–741（1984）。大型Google Scholar Metropolis，N.，Rosenbluth，A。W.，Rosenbluth，M。N.，Teller，A。H.＆Teller，E。快速计算机通过快速计算机计算的方程。 J. Chem。 物理。 21，1087–1092（1953）.ADS数学Google Scholar Hastings，W。K. Monte Carlo采样方法使用Markov链及其应用。 Biometrika 57，97–109（1970）.Mathscinet Math Google Scholar Duane，S.，Kennedy，A。D.，Pendleton，B。J. ＆Roweth，D。Hybrid Monte Carlo。 物理。 Lett。 J. am。 Stat。 合作。12，1151–1172（1984）。Mathscinet Math Google Scholar Gelfand，A。E.＆Smith，A。F. M.基于采样的方法来计算边际密度。Stat。合作。85，398–409（1990）。 这篇开创性的文章将MCMC视为贝叶斯推理的实际方法。 ifna（1991）。 3（Eds van de Schoot，R。＆Miocevic，M。）30–49（Routledge，2020）。 4（eds van de Schoot，R。＆Miocevic，M。）50–70（Routledge，2020）。Robert，C。＆Casella，G。Monte Carlo统计方法（Springer Science＆Business Media，2013）。 ieee trans。 模式肛门。 马赫。 Intell。 6，721–741（1984）。大型Google Scholar Metropolis，N.，Rosenbluth，A。W.，Rosenbluth，M。N.，Teller，A。H.＆Teller，E。快速计算机通过快速计算机计算的方程。 J. Chem。 物理。 21，1087–1092（1953）.ADS数学Google Scholar Hastings，W。K. Monte Carlo采样方法使用Markov链及其应用。 Biometrika 57，97–109（1970）.Mathscinet Math Google Scholar Duane，S.，Kennedy，A。D.，Pendleton，B。J. ＆Roweth，D。Hybrid Monte Carlo。 物理。 Lett。 J. am。 Stat。 合作。85，398–409（1990）。这篇开创性的文章将MCMC视为贝叶斯推理的实际方法。ifna（1991）。3（Eds van de Schoot，R。＆Miocevic，M。）30–49（Routledge，2020）。4（eds van de Schoot，R。＆Miocevic，M。）50–70（Routledge，2020）。Robert，C。＆Casella，G。Monte Carlo统计方法（Springer Science＆Business Media，2013）。ieee trans。模式肛门。马赫。Intell。 6，721–741（1984）。大型Google Scholar Metropolis，N.，Rosenbluth，A。W.，Rosenbluth，M。N.，Teller，A。H.＆Teller，E。快速计算机通过快速计算机计算的方程。 J. Chem。 物理。 21，1087–1092（1953）.ADS数学Google Scholar Hastings，W。K. Monte Carlo采样方法使用Markov链及其应用。 Biometrika 57，97–109（1970）.Mathscinet Math Google Scholar Duane，S.，Kennedy，A。D.，Pendleton，B。J. ＆Roweth，D。Hybrid Monte Carlo。 物理。 Lett。 J. am。 Stat。 合作。Intell。6，721–741（1984）。大型Google Scholar Metropolis，N.，Rosenbluth，A。W.，Rosenbluth，M。N.，Teller，A。H.＆Teller，E。快速计算机通过快速计算机计算的方程。J. Chem。 物理。 21，1087–1092（1953）.ADS数学Google Scholar Hastings，W。K. Monte Carlo采样方法使用Markov链及其应用。 Biometrika 57，97–109（1970）.Mathscinet Math Google Scholar Duane，S.，Kennedy，A。D.，Pendleton，B。J. ＆Roweth，D。Hybrid Monte Carlo。 物理。 Lett。 J. am。 Stat。 合作。J. Chem。物理。21，1087–1092（1953）.ADS数学Google Scholar Hastings，W。K. Monte Carlo采样方法使用Markov链及其应用。Biometrika 57，97–109（1970）.Mathscinet Math Google Scholar Duane，S.，Kennedy，A。D.，Pendleton，B。J.＆Roweth，D。Hybrid Monte Carlo。物理。Lett。 J. am。 Stat。 合作。Lett。J.am。Stat。合作。b 195，216–222（1987）。＆Wong，W。H.通过数据增强计算后验分布。82，528–540（1987）。 本文解释了当直接计算感兴趣参数的后验密度时，如何使用数据扩展。马尔可夫链蒙特卡洛手册（CRC，2011年）。 本书对MCMC及其在许多不同的应用中的使用进行了全面评论。Gelman，A。Burn-in MCMC，为什么我们更喜欢“热身”一词。 元建模，因果推理和社会科学（2017）。Gelman，A。 ＆Rubin，D。B. 使用多个序列从迭代模拟中推断。 Stat。 SCI。 7，457–511（1992）。 一般方法用于监测迭代模拟的收敛性。 J. Comput。 图。 Stat。 7，434–455（1998）。大型Google Scholar Roberts，G。O. Markov链链概念与采样算法有关。 马尔可夫链蒙特卡洛在实践中57，45-58（1996）。 （2020）提出了一种改进的\（\ hat {r} \）度量，用于评估马尔可夫链蒙特卡洛（MCMC）方法的收敛性。 他们建立在Bürkner（2017），Merkle和Rosseel（2015）和Carpenter等人的先前作品上。 （2017）。 关键参考包括Minka（2013），Hoffman等。 （2015），Liang等。 Q.82，528–540（1987）。本文解释了当直接计算感兴趣参数的后验密度时，如何使用数据扩展。马尔可夫链蒙特卡洛手册（CRC，2011年）。本书对MCMC及其在许多不同的应用中的使用进行了全面评论。Gelman，A。Burn-in MCMC，为什么我们更喜欢“热身”一词。元建模，因果推理和社会科学（2017）。Gelman，A。＆Rubin，D。B.使用多个序列从迭代模拟中推断。Stat。SCI。 7，457–511（1992）。 一般方法用于监测迭代模拟的收敛性。 J. Comput。 图。 Stat。 7，434–455（1998）。大型Google Scholar Roberts，G。O. Markov链链概念与采样算法有关。 马尔可夫链蒙特卡洛在实践中57，45-58（1996）。 （2020）提出了一种改进的\（\ hat {r} \）度量，用于评估马尔可夫链蒙特卡洛（MCMC）方法的收敛性。 他们建立在Bürkner（2017），Merkle和Rosseel（2015）和Carpenter等人的先前作品上。 （2017）。 关键参考包括Minka（2013），Hoffman等。 （2015），Liang等。 Q.SCI。7，457–511（1992）。一般方法用于监测迭代模拟的收敛性。 J. Comput。 图。 Stat。 7，434–455（1998）。大型Google Scholar Roberts，G。O. Markov链链概念与采样算法有关。 马尔可夫链蒙特卡洛在实践中57，45-58（1996）。 （2020）提出了一种改进的\（\ hat {r} \）度量，用于评估马尔可夫链蒙特卡洛（MCMC）方法的收敛性。 他们建立在Bürkner（2017），Merkle和Rosseel（2015）和Carpenter等人的先前作品上。 （2017）。 关键参考包括Minka（2013），Hoffman等。 （2015），Liang等。 Q.一般方法用于监测迭代模拟的收敛性。J. Comput。图。Stat。7，434–455（1998）。大型Google Scholar Roberts，G。O. Markov链链概念与采样算法有关。马尔可夫链蒙特卡洛在实践中57，45-58（1996）。（2020）提出了一种改进的\（\ hat {r} \）度量，用于评估马尔可夫链蒙特卡洛（MCMC）方法的收敛性。他们建立在Bürkner（2017），Merkle和Rosseel（2015）和Carpenter等人的先前作品上。（2017）。关键参考包括Minka（2013），Hoffman等。（2015），Liang等。 Q.（2015），Liang等。Q.Q.新方法利用排序差异，折叠和本地化技术来增强\（\ hat {r} \）的准确性。此外，本综述强调了贝叶斯建模中变异推理方法的重要性，尤其是随机变体，这些变体是大型数据集或复杂模型的流行近似贝叶斯推理方法的基础。（2013），Kingma和BA（2014），Li等。 （2008），Forte等。 （2018），Mitchell和Beauchamp（1988），George和McCulloch（1993），Ishwaran和Rao（2005），Bottolo和Richardson（2010），Ročková和George（2014），Park和Park和Casella（2008），以及Carvalho等。 （2014）。 用于回归分析中的稀疏信号。 该框架利用连续的收缩先验来实现全局稀疏性，同时控制每个系数的正则化量。 该方法已广泛应用于各个领域，包括贝叶斯惩罚回归和多元变量选择。 其他相关研究包括为高斯状态空间模型的随机模型规范搜索，在结构化添加回归模型中进行功能选择的尖峰和刻录式先验以及多个高斯图形模型的贝叶斯推断。 L. F. B., Reich, B. J., Fuentes, M. & Dominici, F. Spatial variable selection methods for investigating acute health effects of fine particulate matter components are explored in the context of Biometrics (2015).MathSciNet MATH Google Scholar Additionally, research on Bayesian fMRI time series analysis with spatial priors is presented by Penny, W. D., Trujillo-Barreto, N. J. ＆Friston，K。J. Neuroimage（2005）。 咨询。 临床。（2013），Kingma和BA（2014），Li等。（2008），Forte等。 （2018），Mitchell和Beauchamp（1988），George和McCulloch（1993），Ishwaran和Rao（2005），Bottolo和Richardson（2010），Ročková和George（2014），Park和Park和Casella（2008），以及Carvalho等。 （2014）。 用于回归分析中的稀疏信号。 该框架利用连续的收缩先验来实现全局稀疏性，同时控制每个系数的正则化量。 该方法已广泛应用于各个领域，包括贝叶斯惩罚回归和多元变量选择。 其他相关研究包括为高斯状态空间模型的随机模型规范搜索，在结构化添加回归模型中进行功能选择的尖峰和刻录式先验以及多个高斯图形模型的贝叶斯推断。 L. F. B., Reich, B. J., Fuentes, M. & Dominici, F. Spatial variable selection methods for investigating acute health effects of fine particulate matter components are explored in the context of Biometrics (2015).MathSciNet MATH Google Scholar Additionally, research on Bayesian fMRI time series analysis with spatial priors is presented by Penny, W. D., Trujillo-Barreto, N. J. ＆Friston，K。J. Neuroimage（2005）。 咨询。 临床。（2008），Forte等。（2018），Mitchell和Beauchamp（1988），George和McCulloch（1993），Ishwaran和Rao（2005），Bottolo和Richardson（2010），Ročková和George（2014），Park和Park和Casella（2008），以及Carvalho等。（2014）。用于回归分析中的稀疏信号。该框架利用连续的收缩先验来实现全局稀疏性，同时控制每个系数的正则化量。该方法已广泛应用于各个领域，包括贝叶斯惩罚回归和多元变量选择。其他相关研究包括为高斯状态空间模型的随机模型规范搜索，在结构化添加回归模型中进行功能选择的尖峰和刻录式先验以及多个高斯图形模型的贝叶斯推断。L. F. B., Reich, B. J., Fuentes, M. & Dominici, F. Spatial variable selection methods for investigating acute health effects of fine particulate matter components are explored in the context of Biometrics (2015).MathSciNet MATH Google Scholar Additionally, research on Bayesian fMRI time series analysis with spatial priors is presented by Penny, W. D., Trujillo-Barreto, N. J.＆Friston，K。J. Neuroimage（2005）。咨询。临床。Google Scholar Smith，M.，Pütz，B。，Auer，D。＆Fahrmeir，L。Neuroimage（2003）中还讨论了通过空间贝叶斯变量选择评估大脑活动。Google Scholar此外，检查了Zhang，L。，Guindani，M.，Versace，F。＆Vannucci，M。Neuroimage（2014）的时空非参数贝叶斯变量选择模型用于聚类相关时间课程。判断中信息处理的研究采用了各种方法，如Bolt等人的研究中所见，他们探讨了两种戒烟剂在联合使用的有效性，理由是J.Psychol。80，54–65，2012）。在类似的脉中，Billari等。基于贝叶斯范式内的专家评估（人口统计学51，1933–1954，2014）开发了随机人群预测模型。其他研究已经深入研究了暂时的生活变化及其对离婚时间的影响（Fallesen＆Breen，人口统计学53，1377-1398，2016）。同时，Hansford等人。分析了美国律师将军在最高法院的政策领域的位置（Pres。螺柱。49，855–869，2019）。此外，研究重点是使用健康行为综合模型来预测限制“自由糖”消耗（Phipps等人，食欲150，104668，2020）。此外，研究还将贝叶斯统计数据引入了健康心理学，并强调了其在该领域的潜在好处（Depaoli等人，Health Psychol。修订版11，248–264，2017）。Psychol。Gen. 142，573–603，2013; Lee，M。D.，J。 数学。Gen. 142，573–603，2013; Lee，M。D.，J。数学。贝叶斯估计的应用已显示在各种情况下取代传统的t检验，包括认知建模和生态研究（Kruschke，J。Exp。Psychol。55，1-7，2011）。此外，层次结构的贝叶斯模型已在生态学中用于建模种群动态和推断环境参数（Royle＆Dorazio，生态学的分层建模和推断）。通过包括Gimenez等人在内的各种研究人员的工作进一步开发了这种方法。（在标记人群中建模的人口统计过程中，3）和King等。（贝叶斯分析人群生态学）。研究还研究了贝叶斯方法在生态学中的使用，例如使用汉密尔顿蒙特卡洛（Monnahan等人，方法ECOL。Evol。8，339–348，2017）。贝叶斯对生态学的重要性的重要性已被埃里森（Elison）等研究人员（ecol。Lett。 7，509–520，2004）。 最后，已经探索了通过设计启发将专家意见整合到贝叶斯统计模型中，突出了其为先验知识提供信息并提高模型准确性的潜力（Choy等，生态学90，265-277，2009）。 也已经讨论了有关使用贝叶斯评估诊断人群下降的诊断人群下降的方法（King等，J。R. Stat。 Soc。 系列C 57，609–632，2008）。 在2008年至2020年的一系列出版物中介绍了统计生态技术的全面综述。 - Dennis等。 -McClintock等。Lett。7，509–520，2004）。最后，已经探索了通过设计启发将专家意见整合到贝叶斯统计模型中，突出了其为先验知识提供信息并提高模型准确性的潜力（Choy等，生态学90，265-277，2009）。也已经讨论了有关使用贝叶斯评估诊断人群下降的诊断人群下降的方法（King等，J。R. Stat。Soc。系列C 57，609–632，2008）。 在2008年至2020年的一系列出版物中介绍了统计生态技术的全面综述。 - Dennis等。 -McClintock等。系列C 57，609–632，2008）。在2008年至2020年的一系列出版物中介绍了统计生态技术的全面综述。- Dennis等。-McClintock等。总而言之，对判断中信息处理的研究以及贝叶斯统计在各个领域的应用，使人们对这些概念及其对决策和人口建模的影响有了更深入的了解。这些作品涵盖了种群建模的各个方面，包括贝叶斯估计，综合人群模型和遗传关联研究。关键论文包括： - King and Brooks（2008）关于贝叶斯对具有异质性和模型不确定性的封闭种群的估计。（2006）使用生态数据估计密度依赖性，过程噪声和观察误差。（2012）基于多阶段随机步行开发了一个一般的离散时间框架，用于动物运动。-Aeberhard等。（2018）对渔业科学的州空间模型进行了综述。其他值得注意的贡献包括： - Isaac等。（2020）讨论了大规模物种分布模型的数据集成。-McClintock等。（2020）提出了一种使用隐藏的马尔可夫模型来发现生态状态动力学的方法。- King（2014）审查了统计生态及其应用。- Andrieu等。（2010）引入了粒子马尔可夫链蒙特卡洛方法，用于复杂的种群建模。这些研究表明，从人口生存能力分析到遗传关联研究，在理解生态系统中采用的统计技术的多样性，强调了该领域数据整合和高级建模方法的重要性。提出一种利用转移学习以提高数据质量的方法。基因组学，统计和机器学习的交集在理解复杂的生物系统中变得越来越重要。最近的研究探索了多摩智数据集的整合，以发现对人类健康和疾病的新见解。由Argelaguet等人建立了整合多派数据集的框架，该框架采用贝叶斯方法来识别生物学过程的关键因素。该方法已应用于包括单细胞转录组学在内的各个领域，如Yau和Campbell的工作所示，他们使用贝叶斯统计学习来分析大型数据集。研究的另一个领域涉及在英国生物库中对跨树木结构的常规医疗数据进行遗传关联的分析。诸如Stuart和Satija的研究表明，将单细胞分析与基因组学相结合以揭示有关复杂生物系统的新信息的潜力。深层生成模型的发展也促进了单细胞转录组学的进步，如Lopez等人的工作所证明的那样，后者应用了深层生成模型来分析大型数据集。此外，与Wang等人一起，对单细胞转录组学中数据降解和转移学习的研究已显示出令人鼓舞的结果。最近的研究还强调了科学研究中可重复性和公平原则（可访问，可互操作和可重复使用）的重要性。这包括诸如癌症基因组图集和Dryad＆Zenodo之类的举措，旨在促进开放研究实践。提出了功能性变分贝叶斯神经网络。机器学习技术（包括变异自动编码器）的应用也在理解复杂的生物系统方面变得越来越重要。正如Paszke等人的评论中所述，变化自动编码器为将基因组学和统计数据与深层生成模型的整合提供了有希望的方法。总体而言，多摩智数据集，机器学习技术和统计分析的进步的整合已经开辟了新的途径，以理解复杂的生物系统并揭示了对人类健康和疾病的新见解。概率建模的最新进展导致了几种将深度学习与贝叶斯推论相结合的技术的发展。该领域的一个关键概念是变异自动编码器（VAE），它通过将其映射到较低维度的空间中来了解输入数据的概率分布。Hinton等人引入的Beta-Vae框架将VAE限制为学习基本的视觉概念。研究人员还探索了贝叶斯方法在神经网络中的应用，例如高斯过程和周期性随机梯度MCMC。例如，尼尔在神经网络上的贝叶斯学习方面的工作突出了神经网络与高斯过程之间的联系。此外，已证明将深层合奏用于预测不确定性估计在各种任务中都是有效的。最近的预印象提出了新的新技术，包括功能变分贝叶斯神经网络和细心的神经过程。后者使用注意机制从输入数据中学习相关特征。res。另一项研究的重点是开发更可扩展和可解释的模型，例如标准化流量和周期性随机梯度MCMC。该领域在理解深度学习的理论基础上，包括神经网络与高斯过程之间的联系，也看到了重大进展。Mackay和Williams的作品为贝叶斯倒退网络提供了一个实用的框架，而Sun等人。总的来说，这些进步有助于我们理解概率建模及其在深度学习中的应用。Hoffman，M。D.＆Gelman，A。 No-U-Turn采样器：在汉密尔顿蒙特卡洛（Monte Carlo）的自适应设置路径长度。 J. Mach。 学习。 15，1593–1623（2014）。MathScinetMath Google Scholar Liang，F。＆Wong，W。H. Evolutionary Monte Carlo：CP模型采样和更改点问题的应用。 Stat。 Sinica 317-342（2000）.liu，J。S.＆Chen，R。动态系统的顺序蒙特卡洛方法。 J. am。 Stat。 合作。 93，1032–1044（1998）.MathScinet Math Google Scholar Sisson，S.，Fan，Y。 ＆Beaumont，M。近似贝叶斯计算手册（Chapman and Hall/CRC 2018）。 J. R. Stat。 Soc。 系列B 71，319–392（2009）.MathScinet Math Google Scholar Lunn，D。J.，Thomas，A。，Best，N。＆Spiegelhalter，D。Winbugs - 贝叶斯建模框架：概念，结构和可扩展性。 Stat。 计算。Hoffman，M。D.＆Gelman，A。No-U-Turn采样器：在汉密尔顿蒙特卡洛（Monte Carlo）的自适应设置路径长度。J. Mach。 学习。 15，1593–1623（2014）。MathScinetMath Google Scholar Liang，F。＆Wong，W。H. Evolutionary Monte Carlo：CP模型采样和更改点问题的应用。 Stat。 Sinica 317-342（2000）.liu，J。S.＆Chen，R。动态系统的顺序蒙特卡洛方法。 J. am。 Stat。 合作。 93，1032–1044（1998）.MathScinet Math Google Scholar Sisson，S.，Fan，Y。 ＆Beaumont，M。近似贝叶斯计算手册（Chapman and Hall/CRC 2018）。 J. R. Stat。 Soc。 系列B 71，319–392（2009）.MathScinet Math Google Scholar Lunn，D。J.，Thomas，A。，Best，N。＆Spiegelhalter，D。Winbugs - 贝叶斯建模框架：概念，结构和可扩展性。 Stat。 计算。J. Mach。学习。15，1593–1623（2014）。MathScinetMath Google Scholar Liang，F。＆Wong，W。H. Evolutionary Monte Carlo：CP模型采样和更改点问题的应用。 Stat。 Sinica 317-342（2000）.liu，J。S.＆Chen，R。动态系统的顺序蒙特卡洛方法。 J. am。 Stat。 合作。 93，1032–1044（1998）.MathScinet Math Google Scholar Sisson，S.，Fan，Y。 ＆Beaumont，M。近似贝叶斯计算手册（Chapman and Hall/CRC 2018）。 J. R. Stat。 Soc。 系列B 71，319–392（2009）.MathScinet Math Google Scholar Lunn，D。J.，Thomas，A。，Best，N。＆Spiegelhalter，D。Winbugs - 贝叶斯建模框架：概念，结构和可扩展性。 Stat。 计算。15，1593–1623（2014）。MathScinetMath Google Scholar Liang，F。＆Wong，W。H. Evolutionary Monte Carlo：CP模型采样和更改点问题的应用。Stat。Sinica 317-342（2000）.liu，J。S.＆Chen，R。动态系统的顺序蒙特卡洛方法。J.am。Stat。合作。93，1032–1044（1998）.MathScinet Math Google Scholar Sisson，S.，Fan，Y。＆Beaumont，M。近似贝叶斯计算手册（Chapman and Hall/CRC 2018）。J. R. Stat。 Soc。 系列B 71，319–392（2009）.MathScinet Math Google Scholar Lunn，D。J.，Thomas，A。，Best，N。＆Spiegelhalter，D。Winbugs - 贝叶斯建模框架：概念，结构和可扩展性。 Stat。 计算。J. R. Stat。Soc。系列B 71，319–392（2009）.MathScinet Math Google Scholar Lunn，D。J.，Thomas，A。，Best，N。＆Spiegelhalter，D。Winbugs - 贝叶斯建模框架：概念，结构和可扩展性。Stat。计算。10，325–337（2000）。Google Scholar Ntzoufras，I。使用Winbugs Vol。698（Wiley，2011）.Lunn，D。J.，Thomas，A.，Best，N。＆Spiegelhalter，D。Winbugs - 贝叶斯建模框架：概念，结构和可扩展性。Stat。计算。10，325–337（2000）。Spiegelhalter，D.，Thomas，A。，Best，N。＆Lunn，D。OpenBugs用户手册版本3.2.3。OpenBugs（2014）.Plummer，M。Jags：使用Gibbs采样的贝叶斯图形模型分析程序。proc。第三国际统计计算的国际研讨会124，1-10（2003）。Google Scholar Plummer，M。Rjags：使用MCMC的贝叶斯图形模型。r软件包版本，4（6）（2016）.Salvatier，J.，Wiecki，T。V.＆Fonnesbeck，C。使用Pymc3在Python中进行概率编程。peerj Comput。SCI。 2，E55（2016）。 Google Scholar de Valpine，P。等。 与模型的编程：编写敏捷的通用模型结构的统计算法。 J. Comput。 图。SCI。2，E55（2016）。 Google Scholar de Valpine，P。等。 与模型的编程：编写敏捷的通用模型结构的统计算法。 J. Comput。 图。2，E55（2016）。Google Scholar de Valpine，P。等。与模型的编程：编写敏捷的通用模型结构的统计算法。J. Comput。图。Stat.s 26, 403–413 (2017).MathSciNet Google Scholar Bayesian analysis software JASP version 0.14 available for computer use (2020) Lindgren F & Rue H used R-INLA for Bayesian spatial modeling in a Stats journal article (2015) Vanhatalo et al's GPstuff allowed Bayesian Gaussian process modeling with Machine Learning Res articles (2013) Blaxter gave research methods in他的2010年McGraw-Hill教育书《如何进行研究》 BetanCourt在Github上创建了一个原则上的贝叶斯工作流程，主张最佳实践（2020）Veen＆Schoot使用了对英超联赛数据的后验预测检查，并在OSF（2020年）上发布了它，并在Kramer＆Bosman（2020）Kramer＆Bosman在Kramer＆Bosman在Kramersship Sumpership Summerschool inter Smixship Summershood prosentie in Utrech Torne in utrecht in of to inty介绍（2019年），UTRECHINE（2019年）（2019年）（2019年）（2019年）（2019年）（2019年）（2019年） Acta Math匈牙利文章（1955）Lesaffre＆Lawson在2012年Wiley Publication撰写了一种新的公理概率理论（1955年），Hoijtink等人使用了贝叶斯评估，用于认知诊断评估，发表在Psych Methods In In In Psych Methods Journal（2014）
Nebius Group NV宣布2024年第三季度财务业绩
算法交易（也称为自动交易）涉及使用计算机算法根据预定义的标准自动生成买卖订单。这种方法与手动交易一样，这不是一项富裕的业务，并且确实对市场影响有所担忧。但是，没有任何法律或规则可以阻止零售商人使用交易算法。算法交易已经存在了一段时间，但是在美国等国家 /地区，它在零售贸易商和投资者中的使用比其他地方更为广泛。由于技术的进步，它被认为是交易的自然发展，就像交易从咖啡店聚会到电子交易的发展方式一样。通过改进计算能力和Internet连接性，使其向算法交易的过渡成为可能。最初，这允许发送电子订单，但是随着技术的进一步发展，计算机还可以根据预设规则执行交易。这导致了交易策略的自动化，从而减少了情绪在贸易执行中的影响。今天，我们看到机器学习和人工智能（AI）在交易中的应用持续发展。这引起了定量交易和高频交易，以及其他形式。但是，并非每个人都迅速适应改变，导致某些人反对算法交易。尽管有这种反对，但人们普遍接受算法交易，尤其是在西方世界，这是通过对计算技术的持续投资所证明的。这可以帮助您优化资本分配。2。3。虽然其合法性可能会根据司法管辖区和交易者/投资者的类型而有所不同，但没有任何理由将其直接考虑在内。即使在机构交易者是唯一合法使用算法交易的国家，监管机构也认识到其影响，例如2010年3月6日在美国的Flash崩溃。这导致了诸如断路器之类的措施，以防止将来类似事件。在某些情况下，交易者必须为故障实施杀死开关功能。对于个人交易者和投资者而言，如果从好的课程中正确学到的话，算法交易将是一个有价值的工具。自动化的趋势仍在继续，机构交易者将机器学习和AI纳入了他们的策略。因此，越早开始计划自动进行交易，其职业生涯就越好。开发交易算法时，您对历史价格和数量数据进行了重新测试，以评估其绩效和交易的几率。计算机算法扫描市场，以闪电的速度执行交易，使其非常适合快速发展的市场或延迟导致入境价格差的延迟交易方式。此外，算法交易可最大程度地减少人类干预，减少错误和错误的机会，例如放置异常位置大小或无意中的交易。算法交易还减少了情绪对贸易结果的影响，因为您不直接参与执行。您只提供说明，除非干预，否则该算法采取了行动。建立算法交易可能是昂贵的。算法可以不断扫描市场，不休息而进行交易，确保不会错过任何合格的设置。这与酌情交易不同，当时交易者在远离屏幕时会错过机会。通过算法系统变得更容易多样化，从而使您可以同时跨时间交易多个市场。这对于手动分析和执行来说是具有挑战性的，但对于算法而言毫不费力。最后，算法交易确保执行的一致性，并坚持没有情感影响的计划交易。有许多有效的交易策略可以将其转换为算法，但并非所有人都可以轻松编码。如果您的策略对于代码很复杂，则可能需要坚持手动交易，并寻找一种更简单的自动交易方法。您需要快速计算机和可靠的互联网等高端设备。也可能需要使用专用服务器来防止技术问题。此外，从供应商那里雇用程序员或购买算法可以增加费用。开发自己的算法交易系统需要编程技能，但您不一定需要学习所有编程语言。学习交易平台的编码语言就足够了。或者，如果您不想自己开发，请雇用程序员或从可靠的供应商那里购买算法。开发算法交易系统的过程涉及多个步骤：1。**搜索贸易想法**：在市场上找到具有可靠边缘的贸易想法。4。5。**将想法转换为可交易的策略**：将这些想法变成具有特定条件，管理和退出的特定标准的策略。**算法中的代码策略**：定义策略规则并编写命令以执行和管理交易。**回测您的算法**：使用历史数据来测试您的算法以确定其性能并确定是实时测试还是对其进行修改。**测试系统鲁棒性**：进行鲁棒性的系统进行前测试，以确保其在现场市场条件下表现良好。算法交易可能很昂贵，需要编程技能，但它提供了一些好处，包括自动化，系统过程，经过回头测试策略，快速执行，减少情绪影响，持续交易，多元化，多元化和一致性。良好的算法交易课程可以为那些希望通过算法交易增强交易职业的人提供宝贵的见解和技能。算法交易在很大程度上依赖于技术，包括高级计算机和可靠的数据提要，以及在系统故障的情况下，诸如断路器或杀戮开关等法规合规性措施。计算机中的任何打ic，可靠的在线链接或基于云的存储都会削弱整个设置。例如，如果Internet连接变暗，则可能导致缺失的市场机会，甚至在执行退出策略时遭受财务挫折。（注意：我已经根据系统的概率指南重写了“写为非母语说话者（nnes）”方法的文本。）
BrainForge：用于综合神经影像采集、分析和共享的在线数据分析平台
1. Morita T、Asada M、Naito E。神经影像学研究对理解人类认知大脑功能发展的贡献。Front Hum Neurosci。2016；10：464。doi：10.3389/fnhum.2016.00464 2. Bandettini PA。神经影像学方法有什么新进展？Ann NY Acad Sci。2009；1156：260-293。doi：10.1111/j.1749-6632.2009.04420.x 3. Verner E、Baker BT、Bockholt J 等人。使用 BrainForge 加速神经影像学研究。Gateways 2020，会议改善生物医学研究的数据使用； 2020 年 10 月 21 日。4. Poldrack RA、Baker CI、Durnez J 等人。扫描地平线：迈向透明和可重复的神经影像学研究。Nat Rev Neurosci。2017；18(2):115-126。doi: 10.1038/nrn.2016.167 5. Gorgolewski K、Poldrack R。提高神经影像学研究透明度和可重复性的实用指南。PLOS Biol。2016；14:e1002506。doi: 10.1371/journal.pbio.1002506 6. Baker M。1,500 名科学家揭开可重复性的面纱。Nature。2016；533(7604):452-454。 doi: 10.1038/533452a 7. Scott A、Courtney W、Wood D 等人。COINS：为大型异构数据集构建的创新信息学和神经成像工具套件。Front Neuroinform。2011；5：33。doi: 10.3389/fninf.2011.00033 8. Yoo AB、Jette MA、Grondona M。SLURM：用于资源管理的简单 Linux 实用程序。引自：Feitelson D、Rudolph L、Schwiegelshohn U 编。并行处理的作业调度策略。JSSPP 2003。计算机科学讲义。Springer；2003：44-60。9. Avesani P、McPherson B、Hayashi S 等人。开放扩散数据衍生物、通过衍生物的集成发布和可复制的开放云服务进行脑数据升级。 Sci Data 。2019；6(1)：69。doi：10.1038/s41597-019-0073-y 10. Flywheel。为医疗和研究领域的数字化转型提供动力。2021 年 5 月 14 日访问。flywheel.io 11. Kurtzer GM、Sochat V、Bauer MW。Singularity：用于移动计算的科学容器。PLoS One。2017；12(5)：e0177459。doi：10.1371/journal.pone。0177459 12. Merkel D。Docker：用于一致开发和部署的轻量级 Linux 容器。Linux J 。2014；239：2。13. Ashburner J、Barnes G、Chen CC 等人。SPM12 手册。第 2464 卷。威康信托神经影像中心；2014 年。14. Smith SM、Jenkinson M、Woolrich MW 等人。功能性和结构性 MR 图像分析进展以及作为 FSL 的实现。神经影像。2004 年；23 (Suppl 1)：S208-S219。doi: 10.1016/j.neuroimage.2004.07.051 15. Cox RW。AFNI：用于分析和可视化功能性磁共振神经影像的软件。Comput Biomed Res。1996 年；29(3)：162-173。doi: 10. 1006/cbmr.1996.0014 16. Cox RW、Hyde JS。用于分析和可视化 fMRI 数据的软件工具。NMR Biomed。 1997；10(4–5)：171-178。doi：10.1002/(SICI)1099- 1492(199706/08)10:4/5<171::AID-NBM453>3.0.CO；2-L 17. fMRI 工具箱的 Group ICA (v4.0c)。神经影像和数据科学转化研究中心。2021 年 5 月 6 日访问。https://trendscenter. org/software/gift/ 18. TReNDS 中心。Docker, Inc.访问日期：2022 年 1 月 13 日。https://hub.docker.com/orgs/trendscenter/repositories 19. 神经影像和数据科学转化研究中心。GitHub, Inc. https://github.com/trendscenter/ 20. Gorgolewski K、Burns CD、Madison C 等人。Nipype：一个灵活、轻量且可扩展的 Python 神经影像数据处理框架。Front Neuroinform。2011；5：13。doi：10.3389/fninf.2011.00013 21. GorgolewskiKJ、AuerT、CalhounVD 等人。Thebrainimagingdatastructure，一种组织和描述神经影像实验输出的格式。Sci Data。2016；3(1)：160044。 doi: 10.1038/sdata.2016.44 22. FosterI.Globusonline：通过云服务加速和民主化科学。IEEEInternetComput。2011；15(3)：70-73。doi: 10.1109/MIC。2011.64 23. Allen B、Bresnahan J、Childers L 等人。面向数据科学家的软件即服务。Commun ACM。2012；55(2)：81-88。doi: 10.1145/2076450.2076468 24. Calhoun VD、Adali T、Pearlson GD、Pekar JJ。一种使用独立成分分析从功能性 MRI 数据进行组推断的方法。Hum Brain Mapp。2001；14(3)：140-151。 doi: 10.1002/hbm.1048 25. Allen E、Erhardt E、Damaraju E 等。静息状态网络多变量比较的基线。Front Syst Neurosci。2011；5：2。doi: 10.3389/ fnsys.2011.00002 26. Allen EA、Damaraju E、Plis SM、Erhardt EB、Eichele T、Calhoun VD。跟踪静息状态下的全脑连接动态。大脑皮层。2014；24(3)：663-676。doi: 10.1093/cercor/bhs352 27. Ashburner J、Friston KJ。基于体素的形态测量——方法。神经影像学。2000；11(6)：805-821。 doi: 10.1006/nimg.2000.0582 28. Fischl B. FreeSurfer。神经影像学。2012；62(2):774-781。doi: 10.1016/j.neuroimage.2012.01.021 29. Andersson JLR、Sotiropoulos SN。一种用于校正扩散 MR 成像中的偏共振效应和受试者运动的综合方法。神经影像学。2016；125:1063-1078。doi: 10.1016/j.neuroimage.2015.10.019 30. Andersson JL、Skare S、Ashburner J。如何校正自旋回波平面图像中的磁化率畸变：应用于扩散张量成像。神经影像学。 2003；20(2):870-888。doi: 10.1016/s1053-8119(03)00336-7 31. Andersson JLR、Graham MS、Drobnjak I、Zhang H、Filippini N、Bastiani M。面向扩散 MR 图像运动和失真校正的综合框架：体积运动内。神经影像学。2017；152:450-466。doi: 10.1016/j.neuroimage.2017.02.085 32. CalhounVinceD、MillerR、PearlsonG、Adal 𝚤 T。Thechronnectome：时变连接网络作为fMRIdatadiscovery 的下一个前沿。神经元。2014；84(2):262-274。 doi: 10.1016/j.neuron.2014.10.015 33. Du Y、Fu Z、Sui J 等人。NeuroMark：一种基于自动化和自适应 ICA 的管道，用于识别可重复的 fMRI 脑部疾病标记物。神经影像：临床。2020；28：102375。doi: 10.1016/j.nicl.2020.102375 34. Griffanti L、Zamboni G、Khan A 等人。BIANCA（脑强度异常分类算法）：一种用于自动分割白质高信号的新型工具。神经影像学。2016；141：191-205。doi：10.1016/j.neuroimage.2016.07.018