XiaoMi-AI文件搜索系统
World File Search SystemDSF
2025; 21（4）：1730-1748。 doi：10.7150/ijbs.105575研究论文二硫兰兰/铜/铜触发CGAS-sting先天免疫途径通过ROS诱导的DNA Dama
免疫检查点阻滞（ICB）已成为治疗晚期恶性肿瘤的主要策略；但是，它们的临床功效通常受到原发性或获得性抗性的限制。利用先天免疫信号传导增加淋巴细胞浸润到肿瘤中已被认为是一种增强抗癌免疫反应的有希望的方法。二硫仑（DSF）是一种用于慢性酒精中毒的FDA批准的药物，已显示出有效的抗肿瘤作用，尤其是与铜（CU）结合使用时。在这里，我们证明了DSF和CU（DSF/CU）的组合处理，可牢固地激活癌细胞中的CGAS-CGAS-sting依赖性的先天免疫信号通路。进一步的研究表明，DSF/CU通过诱导过量的活性氧（ROS）产生而引起线粒体和核DNA损伤以及胞质DSDNA的释放，从而触发先天的免疫力并增强抗肿瘤作用。此外，DSF/CU显着提高了CD8 +细胞毒性淋巴细胞和天然杀伤（NK）细胞的肿瘤内浸润，并增强了鼠类肿瘤模型中PD-1检查点阻断的治疗效果。总体而言，我们的发现提供了DSF/CU的抗癌和免疫调节功能的基本原理，并突出了重新利用DSF的潜力，以改善癌症患者对ICB的反应。
新型大米基糖尿病专用配方对...的影响
糖尿病专用肠内营养配方 (DSF) 是糖尿病患者管理的重要组成部分。在住院环境中，口服和肠内营养常常会导致高血糖，而高血糖与不良后果有关，包括死亡率增加 ( 1 )。在这种情况下使用 DSF 可以降低高血糖风险并改善血糖波动 ( 2 )。在门诊环境中，DSF 已成功用作代餐，可改善血糖、减轻体重 ( 3 ) 和缓解糖尿病 ( 4 )。对于营养不良患者，使用 DSF 可降低就诊和入院风险并减少医疗费用 ( 5 )。荟萃分析表明，由于DSF具有低血糖指数 (GI) 和血糖负荷 (GL)、较高的纤维和蛋白质含量，以及使用了健康的脂质混合物，因此可以降低餐后血糖反应、改善糖化血红蛋白和血脂状况并促进饱腹感 (6-8)。GI 表示相对于葡萄糖，对某种食物的餐后血糖反应，而 GL 代表类似的概念，但还考虑了一份此类食物中的碳水化合物含量 (9)。先前的研究还表明，DSF 对胃肠激素有直接影响，即胰高血糖素样肽-1 (GLP-1)、葡萄糖依赖性胰岛素促泌肽 (GIP)、肽YY (PYY) 和生长素释放肽 (10,11)。已知GLP-1和GIP通过刺激胰岛素分泌在调节餐后血糖方面发挥重要作用 (12)。这两种激素与 PYY 一起，也被认为是重要的饱腹感信号，而生长素释放肽则通过刺激食欲和增加食物摄入量发挥作用 (13)。尽管 DSF 有诸多好处，但在许多临床环境中，患者获得 DSF 的机会仍然有限，特别是在泰国等中低收入国家，成本和缺乏报销是重要障碍。因此，使用当地可获得的成分开发新型 DSF 可以降低成本并提高可用性，从而有可能改善患者获得 DSF 的机会。大米 (Oryza sativa L.) 是全球一半以上人口的主要主食，种植于 100 多个国家 (14)。大米含有复合碳水化合物、蛋白质和脂肪，可提供能量，是膳食纤维、γ-谷维素和植物固醇的良好来源，这些物质主要存在于
用于评估热中子散射材料的高级建模和仿真方法∗
摘要。随着对高级反应堆，关键性安全性和屏蔽应用的热中子散射数据的兴趣，评估新材料或先前评估材料的重新评估（或验证）需要新的实验数据。在三步过程中评估了新的实验数据：（1）计算声子特征，（2）从数据中计算动态结构因子（DSF），以及（3）使用实验设置来模拟实验数据。所有三个步骤都面临着挑战，从需要一般通用的材料模拟代码（可以计算Correponding DSF的处理代码）到测量数据的仪器 /梁线 /设施的详细布局。可以使用各种方法（分子动力学，密度功能理论等）计算材料的声子特征。），DSF的高实现计算和基于DSF的实验模拟对于评估的准确性至关重要。可以通过使用橡树岭国家实验室的散布中子源（SNS）开发的两个相应的代码系统来实现后两个步骤：（1）Oclimax，该程序，该程序可以计算DFT和MD模拟结果的动态结构因子，以及（2）McVine，Monte Carlo Neutron Carlo Neutron Ray-Neutrats设计的模拟实验。最近，在SNS的宽角式切碎机（ARC）和红杉仪器站测量聚乙烯和Yttrium氢化物。使用密度函数理论代码，剑桥串行总能包（Castep）来模拟这些实验，以计算其声音特征（特征值 /矢量和pdos），然后使用oclimax对其进行处理以产生DSF，并通过对MCVine的数据进行数量的量度，从而对每个仪器站产生DSF，并在每个仪器站进行了量子。与常规评估方法进行比较，将从Oclimax处理的散射数据与NJOY LEAPR模块处理的散射数据进行了比较，并且McVine模拟的结果与先前使用的简化光束线模型进行了比较。
ESC的心脏细胞生物学工作组：心血管研究的位置纸：组织工程策略与细胞疗法相结合的缺血性心脏病和心力衰竭
使用在实验室设置之外记录的脑电图构建机器学习模型，需要对嘈杂的数据和随机丢失的渠道进行健全的方法。在使用稀疏的脑电图蒙太奇（1-6个频道）时，这种需求尤其重要，通常在消费级或移动脑电图设备中遇到。通常在EEG端到端训练的经典机器学习模型通常都经过设计或测试，以实现腐败的鲁棒性，尤其是针对随机缺失的渠道。 一些研究提出了使用具有缺失通道的数据的策略，但是当使用稀疏蒙太奇并且计算能力受到限制时（例如，可穿戴设备，手机），这些方法是不切实际的。 为了解决这个问题，我们提出了动态空间过滤（DSF），这是一个多头注意模块，可以在神经网络的第一层之前插入，以通过学习专注于良好的频道并忽略不良的频道来处理缺失的EEG通道。 我们在公共脑电图数据上测试了DSF，其中包含约4,000张录音，并在模拟的频道腐败和约100个私人数据集中进行了大约100张自然损坏的移动脑电图记录。 我们提出的方法在没有噪声时达到了与基线模型相同的性能，但是当存在显着的通道损坏时，优于基准的精度高达29.4％。 此外，DSF输出是可以解释的，可以实时监视频道的重要性。 这种方法有可能使脑电图分析在挑战性的环境中，因为通道腐败阻碍了大脑信号的阅读。通常在EEG端到端训练的经典机器学习模型通常都经过设计或测试，以实现腐败的鲁棒性，尤其是针对随机缺失的渠道。一些研究提出了使用具有缺失通道的数据的策略，但是当使用稀疏蒙太奇并且计算能力受到限制时（例如，可穿戴设备，手机），这些方法是不切实际的。为了解决这个问题，我们提出了动态空间过滤（DSF），这是一个多头注意模块，可以在神经网络的第一层之前插入，以通过学习专注于良好的频道并忽略不良的频道来处理缺失的EEG通道。我们在公共脑电图数据上测试了DSF，其中包含约4,000张录音，并在模拟的频道腐败和约100个私人数据集中进行了大约100张自然损坏的移动脑电图记录。我们提出的方法在没有噪声时达到了与基线模型相同的性能，但是当存在显着的通道损坏时，优于基准的精度高达29.4％。此外，DSF输出是可以解释的，可以实时监视频道的重要性。这种方法有可能使脑电图分析在挑战性的环境中，因为通道腐败阻碍了大脑信号的阅读。
太空电磁战作战地点 (SEWOL) 承包和部署战略
CCS B10.2 — 持续维护 • 14 个系统、2 个训练器、1 个仓库支持设施 (DSF) • 集成系统已投入运营 — 2019 年 3 月 • 持续维护直至 Meadowlands FOC CCS Meadowlands — 开发/生产中 • 30 个系统，外加集成训练器、1 个 DSF • 开发合同已授予 — 2019 年 1 月 • 生产合同已授予 — 2021 年 10 月 CCS 新兴威胁整合计划 (CETIP) — 预采购 • 未来升级 Meadowlands 的计划
使用开关线性模型对直接太阳底系统进行热惯性和能源效率评估
本研究介绍了配备直接太阳能（DSF）的房间的案例研究，以预测真正的热和能量行为。dsf操作是由热惯性的，这是一种复杂的现象，其相对影响被证明受到许多因素的影响，包括太阳辐射和板的热绝缘材料。但是，当前的物理模型并不能很好地显示这种关系。本文将通过采用切换线性模型来证明这种关系可以用数值模型正式描述。实际上，文献中开发的仿真模型以非常简单的方法表示，不能用于对DSF的热作战的详细分析。本研究旨在减少知识差距并解决限制，例如（i）对直接太阳能地板的热行为的现实解释，（ii）以快速而简单的方式通过热惯性来确定热量惯性的加热模式，并且（iii）通过热惯性估算热量消耗的热量延期，可以延迟估计能量的能量。开关模型已检测到直接太阳能地板的三种操作模式，其中一个对应于热惯性加热时刻。该模型还可以评估热惯性的持续时间和能量。因此，在1110小时的测试期内估计为310小时和18.6kWh，平均每天3.58小时。
一站式靶向药物发现解决方案
基于片段的筛选 (FBDD) • 药明康德片段库 (~4600 个片段) • 药明康德共价片段库 (~2500 个共价片段) • 自动筛选 (MST/Dianthus、SPR、DSF/nanoDSF) • 通过 X 射线或 NMR 进行片段筛选
通过动态空间滤波对受损脑电图进行稳健学习
使用在实验室环境之外记录的 EEG 构建机器学习模型需要对噪声数据和随机缺失通道具有鲁棒性的方法。在处理稀疏 EEG 蒙太奇（1-6 个通道）时，这种需求尤其大，稀疏 EEG 蒙太奇经常出现在消费级或移动 EEG 设备中。经典机器学习模型和在 EEG 上端到端训练的深度神经网络通常都没有设计或测试对损坏的鲁棒性，尤其是对随机缺失通道的鲁棒性。虽然一些研究提出了使用缺失通道数据的策略，但当使用稀疏蒙太奇且计算能力有限（例如可穿戴设备、手机）时，这些方法并不实用。为了解决这个问题，我们提出了动态空间滤波（DSF），这是一个多头注意力模块，可以插入神经网络的第一层之前，通过学习关注好通道并忽略坏通道来处理缺失的 EEG 通道。我们在包含约 4,000 条模拟通道损坏记录的公共 EEG 数据和包含约 100 条自然损坏移动 EEG 家庭记录的私人数据集上测试了 DSF。当没有施加噪声时，我们提出的方法可实现与基线模型相同的性能，但当存在严重通道损坏时，其准确率比基线高出 29.4%。此外，DSF 输出是可解释的，因此可以实时监控有效通道重要性。这种方法有可能在通道损坏妨碍读取脑信号的具有挑战性的环境中实现 EEG 分析。