XiaoMi-AI文件搜索系统
World File Search SystemFei
Lulu Qian - Pasadena
1. KR Rodriguez、N. Sarraf 和 L. Qian。一种输家通吃的 DNA 电路。ACS Synthetic Biology 10，2878–2885 (2021)。2. DN Taylor、SR Davidson 和 L. Qian。一种协同 DNA 催化剂。JACS 143，15567–15571 (2021)。3. RF Johnson 和 L. Qian。使用双链 DNA 构建块简化化学反应网络实现。DNA 计算和分子编程，LIPIcs 174，2:1–2:14 (2020)。4. S. Clamons、L. Qian 和 E. Winfree。在表面上编程和模拟化学反应网络。Journal of the Royal Society Interface 17，20190790 (2020)。5. P. Petersen、G. Tikhomirov 和 L. Qian。基于信息的相互作用 DNA 纳米结构系统中的自主重构。《自然通讯》9，5362 (2018)。6. G. Tikhomirov、P. Petersen 和 L. Qian。三角形 DNA 折纸拼贴。《JACS》140，17361–17364 (2018)。7. KM Cherry 和 L. Qian。利用基于 DNA 的赢家通吃神经网络扩大分子模式识别。《自然》559，370–376 (2018)。8. D. Wilhelm、J. Bruck 和 L. Qian。DNA 中的概率切换电路。《PNAS》115，903–908 (2018)。9. G. Tikhomirov、P. Petersen 和 L. Qian。具有任意图案的微米级 DNA 折纸阵列的分形组装。 Nature 552 , 67–71 (2017)。新闻与观点：“DNA 自组装规模化”，作者 Fei Zhang 和 Hao Yan，Nature 552 , 34–35。10. AJ Thubagere、W. Li、RF Johnson、Z. Chen、S. Doroudi、YL Lee、G. Izatt、S. Wittman、N. Srinivas、D. Woods、E. Winfree 和 L. Qian。货物分类 DNA 机器人。Science 357 , eaan6558 (2017)。观点：“DNA 机器人边走边分类”，作者 John Reif，Science 357 , 1095–1096。11. AJ Thubagere、C. Thachuk、J. Berleant、RF Johnson、DA Ardelean、KM Cherry 和 L. Qian。
新兴的软性生物电子
生物电子学可以在组织和设备界面上传导信号，以测量和调节用于医疗保健监测和疾病治疗的生物学活动。当前，广泛使用了多种生物电子设备，例如胶状传感器，心脏起搏器和静电图。然而，由于体内的机械菌株和复杂的生物流体，传统的刚性电子设备无法有效地满足长期舒适性，预先限制和稳定性的要求。在过去的几年中，以可穿戴的纺织品的形式越来越兴趣柔性和可拉伸的生物电子学，可穿着的皮肤和植入物内部，旨在遵守非平面和动态组织。因此，我们很高兴在先进的功能伴侣上组织这一特殊问题。我们在这里强调了材料，结构，功能和界面，用于软性生物电子学，收集了6份评论，1个进度报告和11篇令人兴奋的领域的文章。传统的电子设备通常是刚性，平面，干燥和静态的，而生物组织则是柔软，曲线，离子和动态的，因此应设计新材料以减少这些差异以建立有效且可靠的接口。pooi参见李和同事（文章1907184），小陈和同事（文章编号1909540），以及穆里米塔·科塔尔（Moumita Kotal）和伊尔克万（Moumita Kotal）和伊尔克万（Ilkwon）和同事（文章1910326）讨论了expermal and oblavelable and car的基础，并讨论了car的基础和材料设计。纳米材料，用于导电聚合物和水凝胶。还解决了体内生物电子学长期稳定性的挑战。除了材料外，设备结构和实施技术还广泛研究以减少组织损伤并提供长期的信号稳定性，主要进步和代表性的例子由Fei Pei和Bozhi Tian（文章编号1906210）和Kyung-In Jang-In Jang and Taeyoon Lee和Taeyoon Lee和Co-Workers（文档编号1910026）仔细强调。传感器是探索最多的生物电子设备的一种类型。对于触觉传感器，Darren J. Lipomi和同事（文章编号1906850）报告了触觉设备的刺激性有机材料的开发。Zhenan Bao及其同事（文章编号1903100）通过使用金字塔微结构设计，提出了一种可调，一致和可再现的电容压力传感器的有效方法。
解开动机和学习效率作为驱动因素的联系...
注意：本文的先前版本以“青少年人力资本生产中的生产力与动机：来自结构动机现场实验的证据”为标题发布。我们感谢 James Heckman 和四位匿名审稿人的反馈，这些反馈大大改进了本文。Greg Sun、Nicholas Buchholz、Barton Hamilton、Stephen Ryan、Ismael Mourifié、Caroline Hoxby、Chris Taber、Jeffrey Smith、Samuel Purdy、Mary Mooney、Felix Tintelnot、Aloysius Siow、Angela Duckworth、Joseph L Mullins、Martin Luccioni 和 Rob Clark 也提供了有关本文内容或阐述的特别有用的对话。宾夕法尼亚大学、芝加哥大学、威斯康星大学麦迪逊分校、华盛顿大学圣路易斯分校、皇后大学、多伦多大学、NBER 夏季教育会议以及其他几场会议和研讨会的研讨会参与者提供了有用的反馈和建议。如果没有一支才华横溢、敬业、精力充沛、不知疲倦的研究人员团队，这个项目不可能实现，其中包括：Debbie Blair、Edie Dobrez、Matthew Epps、Janaya Gripper、Clark Halliday、Allanah Hoefler、Justin Holz、Kristen Jones、No'am Keesom、Tova Levin、Claire Mackevicius、Wendy Pitcock、Joseph Seidel、Kristen Troutman、Andrew “Rusty” Simon 和 Diana Smith。最后，我们要感谢一大批研究助理，包括 Marvin Espinoza、Bonnie Fan、John Faughnan、Yuan Fei、Ian Fillmore、Greta Gol、Justin Guo、Colton Korgel、Hunter Korgel、Ethan Kudrow、Helen Li、Victor Ma、Claire Mackevicius、Janae Meaders、Mateo Portune、Denis Semisalov、Yaxi Wang、De'Andre Warren、Colleen White 和 Colin Yu，他们对我们执行复杂的实验计划至关重要。我们非常感谢我们三个合作学区的匿名学校管理人员和教师，他们慷慨地付出了额外的努力来参与这项研究。我们也对与 Ariadne Merchant、Daphne Hickman、Morgan Hickman、Lydia Scholle-Cotton 和 Nicholas Merchant 的广泛讨论表示感谢。本文表达的观点均为作者的观点，并不一定反映美国国家经济研究局的观点。
量子态的几何
[1] S. Abe。关于非广延物理中广义熵的 q 变形理论方面的注释。Phys. Lett.，A 224:326，1997 年。[2] S. Abe 和 AK Rajagopal。非加性条件熵及其对局部现实主义的意义。Physica，A 289:157，2001 年。[3] L. Accardi。非相对论量子力学作为非交换马尔可夫过程。Adv. Math.，20:329，1976 年。[4] A. Ac´ın、A. Andrianov、L. Costa、E. Jan´e、JI Latorre 和 R. Tarrach。三量子比特态的广义 Schmidt 分解和分类。Phys. Rev. Lett. ，85:1560，2000 年。[5] A. Ac´ın、A. Andrianov、E. Jan´e 和 R. Tarrach。三量子比特纯态正则形式。J. Phys.，A 34:6725，2001 年。[6] M. Adelman、JV Corbett 和 C. A Hurst。状态空间的几何形状。Found. Phys.，23:211，1993 年。[7] G. Agarwal。原子相干态表示态多极子与广义相空间分布之间的关系。Phys. Rev.，A 24:2889，1981 年。[8] SJ Akhtarshenas 和 M. A Jafarizadeh。贝尔可分解态的纠缠稳健性。E. Phys. J. ，D 25:293，2003 年。[9] SJ Akhtarshenas 和 MA Jafarizadeh。某些二分系统的最佳 Lewenstein-Sanpera 分解。J. Phys. ，A 37:2965，2004 年。[10] PM Alberti。关于 C ∗ 代数上的转移概率的注记。Lett. Math. Phys. ，7:25，1983 年。[11] PM Alberti 和 A. Uhlmann。状态空间中的耗散运动。Teubner，莱比锡，1981 年。[12] PM Alberti 和 A. Uhlmann。随机性和偏序：双随机映射和酉混合。Reidel，1982 年。[13] PM Alberti 和 A. Uhlmann。关于 w ∗ -代数上内导出正线性形式之间的 Bures 距离和 ∗ -代数转移概率。应用数学学报，60:1，2000 年。[14] S. Albeverio、K. Chen 和 S.-M. Fei。广义约化标准
A-Multi-Agent驱动的Robotic-ai-Chemist-Enabling- ...
A multi-agent-driven robotic AI chemist enabling autonomous chemical research on demand Tao Song 1,2,† , Man Luo 1,† , Linjiang Chen 1,3,†, *, Yan Huang 1 , Qing Zhu 1,4 , Daobin Liu 1 , Baicheng Zhang 1 , Gang Zou 1 , Fei Zhang 2, *, Weiwei Shang 2, *, Jun江1,5 *，＆yi luo 1,5 * 1精确和智能化学的关键实验室，Hefei国家健康科学研究中心，在中国科学与技术学院，中国科学与技术学院，化学与材料科学学院2河南科学院创新，中国郑州5赫菲国家实验室，中国科学技术大学，中国赫菲，中国†这些作者也同样做出了贡献：T.S.，M.L.，L.C。电子邮件：linjiangchen@ustc.edu.cn（l.c.）; zfei@ustc.edu.cn（F.Z.）; wwshang@ustc.edu.cn（W.S.）; jiangj1@ustc.edu.cn（J.J。）; yiluo@ustc.edu.cn（y.l。）摘要将大语言模型（LLM）成功整合到实验室工作流程中，已经证明了自然语言处理，自主任务执行和协作解决问题的强大功能。1-4这提供了一个令人兴奋的机会，可以实现自动化学研究的梦想。在这里，我们报告了一名机器人AI化学家，该化学家由层次多代理系统提供动力，基于板载Llama-3-70B LLM，能够执行以最少的人类干预来执行复杂的多步实验。它通过与人类研究人员进行交互的任务经理代理人运作，并协调四个特定角色的代理 - 文献阅读器，实验设计师，计算表演者和机器人操作员 - 利用了四个基础资源之一：全面的文献数据库之一：广泛的协议图书馆，广泛的协议图书馆，一个多功能模型库，是一个国家的自动化实验室。我们通过六个不同复杂性的实验任务来证明其多功能性和功效，从直接的合成和表征到更复杂的探索和实验参数的筛选，最终导致功能材料的发现和优化。我们的多代理机器人AI化学家展示了按需自动化学研究的潜力，以提高前所未有的效率，加速发现，并使跨学术学科和工业的先进实验能力访问。
叶绿体中的工程rubisco凝结以操纵植物光合作用
太阳陈1,2,3，玛塔·霍卡4，菲利普·戴维5，Yaqi Sun 2，Fei Zhou 3，Tracy Lawson 5，Peter J. Nixon 4，Yongjun Lin 3，lu-niw Liu 2,6 * 1 Guangdong guangdong guangdong guangdong省级利用和药物保存和北部北部的省级北部。 512000，中国2分子与综合生物学研究所，利物浦大学，利物浦大学，利物浦L69 7ZB，英国3号国家遗传改善的国家主要实验室和国家植物基因研究中心，瓦兹胡农农业大学，武汉，瓦汉430070，430070，430070 2AZ，英国5日生命科学学院，埃塞克斯大学，科尔切斯特CO4 4SQ，英国6海洋生命科学学院和中国海洋深海洋多球和地球系统的边境科学中心，中国海洋大学266003，中国 *通讯 *通信：luning.luning.luiu@luning@liverpool.ac.ac.ac.uk（l.-n.-n.l.-n.l.l.l.l.l.l.l.l.l.l.l.l.l.l.l.l.l.l.l.l.l>摘要尽管Rubisco是全球最丰富的酶，但由于其营业率低和区分CO 2和O 2的能力有限，碳固定效率低下，尤其是在高O 2条件下。为了解决这些局限性，包括蓝细菌和藻类在内的浮游植物已经进化了CO 2浓缩机制（CCM），这些机制涉及在特定结构内将Rubisco划分的rubisco，例如在藻类或藻类中的cyanobacteria或Pyrenacoids中的羧基助理。工程植物的叶绿体建立了类似的结构来分隔Rubisco，这引起了人们对改善作物植物中光合作用和碳同化的兴趣。在这里，我们提出了一种方法，可以通过遗传融合的超纤维纤维构成超级纤维绿色荧光蛋白（SFGFP）在烟草中有效地诱导内源性rubisco的凝结（Nicotiana tabacum）叶绿体。通过利用SFGFP的固有寡聚特征，我们成功地创建了类似pyrenoid的Rubisco冷凝物，这些冷凝物在叶绿体中显示动态的，类似液体的特性，而不会影响Rubisco组装和催化功能。转基因烟草植物与野生型植物相比表现出可比的自养生长速率和环境空气中的完整生命周期。我们的研究提供了一种有希望的策略，可以通过相分离调节植物叶绿体中的内源性Rubisco组装和空间组织，这为生成合成细胞器样结构的基础为碳固定的碳固定结构（例如羧化合物和吡啶样），以优化光合效率。关键字：Rubisco;碳固定；光合作用；叶绿体工程；相位分离；蛋白质冷凝；植物生物技术
新的人工智能工具和社区干预计划
新加坡，2024 年 10 月 16 日——作为一项为期三年的研究和试点计划 SoundKeepers 的一部分，来自医疗和社会部门的七个合作伙伴将携手创建一种使用语音生物标记的 AI 工具来检测老年人抑郁症的早期迹象，并制定一项社区干预计划来管理医疗环境之外的抑郁症。就像收集血液和粪便样本为医生提供有关患者身体健康状况的信息一样，语音生物标记工具会在征得患者同意的情况下收集语音样本以提供有关患者心理健康的线索。一旦完成并被视为成功，预计该工具和计划将为专业人士和患者提供客观的衡量标准，以正常化关于一个通常隐藏、难以定义且通常难以谈论的话题的对话。七个合作伙伴包括新加坡南洋理工大学 (NTU Singapore) 李光前医学院 (LKCMedicine) 和计算与数据科学学院 (CCDS)；国立健康集团的两所医疗机构，国立健康集团综合诊所和精神卫生研究所；两家社会服务机构，飞跃社区服务和Club HEAL；以及慈善机构连氏基金会。后港和兀兰的 20 家全科医生诊所也将发挥支持作用。SoundKeepers 涉及 600 多名老年人，旨在帮助 55 岁及以上患有亚综合征抑郁症 (SSD) 的老年人。在此阶段，抑郁症症状开始出现，但尚未严重到需要诊断。对老年人来说，这是一种尚未得到解决的健康风险。患有 SSD 的人在一年内患抑郁症的可能性是其他人的五倍，患痴呆症的风险是其他人的 12 倍。它是新加坡老年人最常见的精神健康状况之一，13.4% 的 60 岁以上的社区老年人受到其影响，由于该数据基于自我报告的评估，因此可能被低估。患有 SSD 的老年人比没有 SSD 的老年人需要承担更高的医疗费用，并且他们与抑郁症患者使用门诊服务的情况相当。慢性病和残疾是老年人常见的疾病，它们会加剧 SSD 的发病率。与抑郁症相比，SSD 的患病率高出三倍，发病率高出五倍，也就是说，在任何一个时间点，SSD 患者的数量是抑郁症患者的三倍，一年内，患 SSD 的人数是患抑郁症患者的五倍。康复率和死亡率是患病率和发病率之间的差异。
柔性传感器技术路线图
Yifei Luo, Mohammad Reza Abidian, Jong-Hyun Ahn, Deji Akinwande, Anne M. Andrews, Markus Antonietti, Zhenan Bao, Magnus Berggren, Christopher A. Berkey, Christopher John Bettinger, Jun Chen, Peng Chen, Wenlong Cheng, Xu Cheng, Seon-Jin Choi, Alex Chortos, Canan Dagdeviren, Reinhold H. Dauskardt, Chong-an Di, Michael D. Dickey, Xiangfeng Duan, Antonio Facchetti, Zhiyong Fan, Yin Fang, Jianyou Feng, Xue Feng, Huajian Gao, Wei Gao, Xiwen Gong, Chuan Fei Guo, Xiaojun Guo, Martin C. Hartel, Zihan He, John S. Ho, Youfan Hu, Qiyao Huang, Yu Huang, Fengwei Huo, Muhammad M. Hussain, Ali Javey, Unyong Jeong, Chen Jiang, Xingyu Jiang, Jiheong Kang, Daniil Karnaushenko, Ali Khademhosseini, Dae-Hyeong Kim, Il-Doo Kim, Dmitry Kireev, Lingxuan Kong, Chengkuo Lee, Nae-Eung Lee, Pooi See Lee, Tae-Woo Lee, Fengyu Li, Jinxing Li, Cuiyuan Liang, Chwee Teck Lim, Yuanjing Lin, Darren J. Lipomi, Jia Liu, Kai Liu, Nan Liu, Ren Liu, Yuxin Liu, Yuxuan Liu, Zhiyuan Liu, Zhuangjian Liu, Xian Jun Loh, Nanshu Lu, Zhisheng Lv, Shlomo Magdassi, George G. Malliaras, Naoji Matsuhisa, Arokia Nathan, Simiao Niu, Jieming Pan, Changhyun Pang, Qibing Pei, Huisheng Peng, Dianpeng Qi, Huaying Ren, John A. Rogers, Aaron Rowe, Oliver G. Schmidt, Tsuyoshi Sekitani, Dae-Gyo Seo, Guozhen Shen, Xing Sheng, Qiongfeng Shi, Takao Someya, Yanlin Song, Eleni Stavrinidou, Meng Su, Xuemei Sun, Kuniharu Takei, Xiao-Ming Tao, Benjamin C. K. Tee, Aaron Voon-Yew Thean, Tran Quang Trung, Changjin Wan, Huiliang Wang, Joseph Wang, Ming Wang, Sihong Wang, Ting Wang, Zhong Lin Wang, Paul S. Weiss, Hanqi Wen, Sheng Xu, Tailin Xu, Hongping Yan, Xuzhou Yan, Hui Yang, Le Yang, Shuaijian Yang, Lan Yin, Cunjiang Yu, Guihua Yu, Jing Yu, Shu-Hong Yu, Xinge Yu, Evgeny Zamburg, Haixia Zhang, Xiangyu Zhang, Xiaosheng Zhang, Xueji Zhang, Yihui Zhang, Yu Zhang, Siyuan Zhao, Xuanhe Zhao, Yuanjin Zheng, Yu-Qing Zheng, Zijian Zheng, Tao Zhou, Bowen Zhu, Ming Zhu, Rong Zhu, Yangzhi Zhu, Yong Zhu, Guijin Zou, and Xiaodong Chen *
柔性传感器技术路线图 - 香港
Yifei Luo, Mohammad Reza Abidian, Jong-Hyun Ahn, Deji Akinwande, Anne M. Andrews, Markus Antonietti, Zhenan Bao, Magnus Berggren, Christopher A. Berkey, Christopher John Bettinger, Jun Chen, Peng Chen, Wenlong Cheng, Xu Cheng, Seon-Jin Choi, Alex Chortos, Canan Dagdeviren, Reinhold H. Dauskardt, Chong-an Di, Michael D. Dickey, Xiangfeng Duan, Antonio Facchetti, Zhiyong Fan, Yin Fang, Jianyou Feng, Xue Feng, Huajian Gao, Wei Gao, Xiwen Gong, Chuan Fei Guo, Xiaojun Guo, Martin C. Hartel, Zihan He, John S. Ho, Youfan Hu, Qiyao Huang, Yu Huang, Fengwei Huo, Muhammad M. Hussain, Ali Javey, Unyong Jeong, Chen Jiang, Xingyu Jiang, Jiheong Kang, Daniil Karnaushenko, Ali Khademhosseini, Dae-Hyeong Kim, Il-Doo Kim, Dmitry Kireev, Lingxuan Kong, Chengkuo Lee, Nae-Eung Lee, Pooi See Lee, Tae-Woo Lee, Fengyu Li, Jinxing Li, Cuiyuan Liang, Chwee Teck Lim, Yuanjing Lin, Darren J. Lipomi, Jia Liu, Kai Liu, Nan Liu, Ren Liu, Yuxin Liu, Yuxuan Liu, Zhiyuan Liu, Zhuangjian Liu, Xian Jun Loh, Nanshu Lu, Zhisheng Lv, Shlomo Magdassi, George G. Malliaras, Naoji Matsuhisa, Arokia Nathan, Simiao Niu, Jieming Pan, Changhyun Pang, Qibing Pei, Huisheng Peng, Dianpeng Qi, Huaying Ren, John A. Rogers, Aaron Rowe, Oliver G. Schmidt, Tsuyoshi Sekitani, Dae-Gyo Seo, Guozhen Shen, Xing Sheng, Qiongfeng Shi, Takao Someya, Yanlin Song, Eleni Stavrinidou, Meng Su, Xuemei Sun, Kuniharu Takei, Xiao-Ming Tao, Benjamin C. K. Tee, Aaron Voon-Yew Thean, Tran Quang Trung, Changjin Wan, Huiliang Wang, Joseph Wang, Ming Wang, Sihong Wang, Ting Wang, Zhong Lin Wang, Paul S. Weiss, Hanqi Wen, Sheng Xu, Tailin Xu, Hongping Yan, Xuzhou Yan, Hui Yang, Le Yang, Shuaijian Yang, Lan Yin, Cunjiang Yu, Guihua Yu, Jing Yu, Shu-Hong Yu, Xinge Yu, Evgeny Zamburg, Haixia Zhang, Xiangyu Zhang, Xiaosheng Zhang, Xueji Zhang, Yihui Zhang, Yu Zhang, Siyuan Zhao, Xuanhe Zhao, Yuanjin Zheng, Yu-Qing Zheng, Zijian Zheng, Tao Zhou, Bowen Zhu, Ming Zhu, Rong Zhu, Yangzhi Zhu, Yong Zhu, Guijin Zou, and Xiaodong Chen *
基因组和生物信息学 - 拟南文 -
Genomic and bioinformatic profiling of mutational neoepitopes reveals new rules to predict anticancer immunogenicity Fei Duan 1 , Jorge Duitama 2 , Sahar Al Seesi 2 , Cory M. Ayres 3 , Steven A. Corcelli 3 , Arpita P. Pawashe 1 , Tatiana Blanchard 1 , David McMahon 1 , John Sidney 4 , Alessandro Sette 4 , Brian M. Baker 3，I. Mandoiu 2和Pramod K. Srivastava 1 1 1 1免疫学和Carole和Ray Neag Neag Neag综合癌症中心，康涅狄格大学医学院，法明顿大学，CT 06030 2计算机科学与工程系，康涅狄格大学，康涅狄格大学，CT 06269 306269 3.巴黎圣母院（Notre Dame），在46556 46556 4 Lajolla过敏和免疫学研究所，La Jolla，CA 92037癌症的突变曲目创造了使癌症免疫原性的新皮特。在这里，我们介绍了两个新型工具，这些工具以相对较高的精度识别了一小部分的新皮特（在数百种潜在的新皮上）通过抗肿瘤T细胞响应保护宿主。这两个工具由（a）突变序列与未分离的对应物之间的NetMHC得分的数值差异称为差分激光指数（DAI），以及（b）MHC I肽相互作用的构象稳定性。从机械上讲，这些工具识别出突变以创建用于MHC结合的新的锚固残基的新皮特，并使整体肽更加刚性。这些结果大大扩展了目标癌抗原的宇宙，并确定了人类癌症免疫疗法的新工具。我们将方法应用于mutliple独立肿瘤。令人惊讶的是，此处鉴定出的保护性新皮肤引起了CD8依赖性免疫力，尽管它们对KD的亲和力是比500 nm的阈值低的数量级，但被认为合理的这种相互作用。实际上，包括DAI算法在内的管道首先是在肿瘤细胞系的甲基甲基细胞系中进行经验得出的，然后在CMS5细胞系上进行了测试。通过DAI算法预测的抗肿瘤活性在CMS5中明显强大。这种变化很可能是甲基甲基甲基甲基甲基甲基甲基甲基甲基甲基苯甲酸酯特有的免疫抑制机制的反映，因此与DAI算法本身的优点无关。此后，DAI算法在另一种小鼠肿瘤B16黑色素瘤和该系中T细胞反应的数据中进行了测试，与仅NETMHC的显着优越性一致。尽管本研究的重点是鉴定CD8 T细胞的MHC I限制表位，但该分析也可以扩展到CD4 T细胞的MHC II限制表位。