XiaoMi-AI文件搜索系统
World File Search SystemIdenti
人类生殖系基因组编辑形式之间的个人影响/身份影响区别在实践伦理中毫无用处
直接对人类胚胎进行基因改造是否会影响未来人的福祉？斯帕罗回答这个问题的方法违背了生物伦理学的一个核心目标：产生能够在研究、临床环境或公共政策中产生实际影响的观点。斯帕罗没有参与提供以经验为基础的人类身份描述的研究，而是不加批判地采用了帕菲特众所周知的两种基因干预类型的区分：“影响个人”和“影响身份”。这种区别对斯帕罗 (2022) 来说至关重要。鉴于对未来人的预期福利的合理关注，它允许他决定干预者是否对结果负有道德责任。影响个人的干预就是这种情况，因为只有在这种情况下，未来的人才会从干预中受益或遭受伤害。相比之下，目前通过 CRISPR 实现的体细胞或生殖细胞编辑通常涉及某种形式的选择——通过体外受精、体外胚胎核移植或植入前遗传学诊断——在植入妊娠母亲子宫之前选择“最佳孩子”。选择会影响身份，因为它会改变受孕时间，从而
通过机器学习和异质性细胞模型的高通量筛选鉴定针对胶质母细胞瘤的候选药物
3爱丁堡大学生物科学学院，Max Born Crescent，Edinburgh，EH9 3BF，英国。 *相应的作者：d.oyarzun@ed.ac.uk; n.carragher@ed.ac.uk摘要胶质母细胞瘤多形（GBM）是一种侵略性的原发性脑肿瘤，由于其复杂的病理和异质性，引起了重大治疗挑战。 缺乏经过验证的分子靶标是发现新的治疗候选者的主要障碍，在二十年中，没有向患者提供新的有效GBM疗法。 在这里，我们报告了针对GBM干细胞存活表型的化合物的鉴定。 我们的方法采用机器学习（ML）的预测指标的细胞存活率，这些细胞存活在高通量，基于图像的，基于图像的表型筛选数据中，用于3,561种化合物，以多个浓度，跨六个异质，患者衍生的GBM干细胞系进行多个浓度。 我们在计算上筛选了跨越各种化学类别的12,000多种化合物。 对GBM干细胞系中ML识别的候选物的实验验证，导致了三种化合物对GBM表型的活性。 值得注意的是，我们经过验证的HSP90抑制剂XL888之一，靶向消除所有六个GBM干细胞系，其IC50在纳莫尔范围内。 其他两种化合物在具有不同细胞系敏感性的多个GBM细胞系中展示了广泛的活动，为将来的个性化医学运动提供了途径。 患者的预后较差，治疗方案有限（通常是手术，然后进行化学放疗），导致抗药性的出现。3爱丁堡大学生物科学学院，Max Born Crescent，Edinburgh，EH9 3BF，英国。*相应的作者：d.oyarzun@ed.ac.uk; n.carragher@ed.ac.uk摘要胶质母细胞瘤多形（GBM）是一种侵略性的原发性脑肿瘤，由于其复杂的病理和异质性，引起了重大治疗挑战。缺乏经过验证的分子靶标是发现新的治疗候选者的主要障碍，在二十年中，没有向患者提供新的有效GBM疗法。在这里，我们报告了针对GBM干细胞存活表型的化合物的鉴定。我们的方法采用机器学习（ML）的预测指标的细胞存活率，这些细胞存活在高通量，基于图像的，基于图像的表型筛选数据中，用于3,561种化合物，以多个浓度，跨六个异质，患者衍生的GBM干细胞系进行多个浓度。我们在计算上筛选了跨越各种化学类别的12,000多种化合物。对GBM干细胞系中ML识别的候选物的实验验证，导致了三种化合物对GBM表型的活性。值得注意的是，我们经过验证的HSP90抑制剂XL888之一，靶向消除所有六个GBM干细胞系，其IC50在纳莫尔范围内。其他两种化合物在具有不同细胞系敏感性的多个GBM细胞系中展示了广泛的活动，为将来的个性化医学运动提供了途径。患者的预后较差，治疗方案有限（通常是手术，然后进行化学放疗），导致抗药性的出现。我们的工作证明了在与ML串联串联中使用表型筛选的使用可以有效地识别具有很少已知分子靶标的高度异质指示中个性化处理的治疗铅。关键字：胶质母细胞瘤，人工智能，药物发现，机器学习简介胶质母细胞瘤多形（GBM）是人类成年人中最常见和最具侵略性的原发性脑肿瘤，其特征是遗传驱动因素的实质异质性和肿瘤微环境1-3。在过去20年中，新诊断的GBM患者的护理标准包括手术，替莫唑胺（TMZ）和电离辐射（IR），延长了12个月至15个月患者的总体生存期4,5。大规模的基因组分析增强了我们对GBM分子生物学的理解，后者支持
使用深度学习的鸟类鉴定
4 md.devendran@gmail.com摘要：鸟类鉴定在生物多样性保护和生态学研究中起着至关重要的作用，为栖息地健康和物种分布提供了见解。识别鸟类物种的传统方法是时间密集型，容易出现人为错误，因此需要自动解决方案。这个项目是使用深度学习的鸟类识别，提出了一个先进的系统，以利用深度学习的力量准确地从图像中识别鸟类。该系统利用卷积神经网络（CNN），以其在图像分类任务方面的熟练程度而闻名。一个包含多种鸟类图像的数据集进行了预处理并增强，以增强模型的鲁棒性和泛化。模型架构旨在提取复杂的特征，即使在诸如不同的照明条件，遮挡或类似物种的外观等挑战性的情况下，也可以准确识别。使用准确性，精度，召回和F1得分等指标评估模型的性能，以确保全面验证。结果表明，对传统机器学习方法的准确性改善了，这表明了物种识别中深度学习的潜力。该项目对野生动植物监测，生态研究和教育工具的应用有望，从而促进了意识和保护工作。未来的工作可能包括将系统集成到移动应用中，或将其部署在现场条件下的实时鸟类识别。
利用鸟类识别的机器学习
4 md.devendran@gmail.com摘要：鸟类鉴定在生物多样性保护和生态学研究中起着至关重要的作用，为栖息地健康和物种分布提供了见解。识别鸟类物种的传统方法是时间密集型，容易出现人为错误，因此需要自动解决方案。这个项目是使用深度学习的鸟类识别，提出了一个先进的系统，以利用深度学习的力量准确地从图像中识别鸟类。该系统利用卷积神经网络（CNN），以其在图像分类任务方面的熟练程度而闻名。一个包含多种鸟类图像的数据集进行了预处理并增强，以增强模型的鲁棒性和泛化。模型架构旨在提取复杂的特征，即使在诸如不同的照明条件，遮挡或类似物种的外观等挑战性的情况下，也可以准确识别。使用准确性，精度，召回和F1得分等指标评估模型的性能，以确保全面验证。结果表明，对传统机器学习方法的准确性改善了，这表明了物种识别中深度学习的潜力。该项目对野生动植物监测，生态研究和教育工具的应用有望，从而促进了意识和保护工作。未来的工作可能包括将系统集成到移动应用中，或将其部署在现场条件下的实时鸟类识别。
人工智能与身份
人工智能技术对世界的影响是不可否认的，它重塑了行业，彻底改变了人类与技术的互动方式，改变了教育模式，重新定义了社会准则。然而，这种快速增长伴随着两个显著的挑战：人工智能领域缺乏多样性，以及人工智能鸿沟不断扩大。在此背景下，本文探讨了人工智能与身份的交集，以此作为理解人工智能开发和部署中的偏见、不平等和道德考虑的途径。我们提出了人工智能身份的多方面定义，其中包括其创建者、应用程序及其更广泛的影响。了解人工智能的身份涉及了解参与人工智能开发的个人、所产生的技术以及社会、伦理和心理影响之间的关联。在探索人工智能身份生态系统及其社会动态之后，我们提出了一个框架，通过身份的视角，强调人工智能在三个维度上的多样性需求：创造者、创造物和后果。本文提出需要采取一种全面的方法来通过身份的视角来培育一个更具包容性和责任感的人工智能生态系统。
基因组编辑的理由和关于人类身份的形而上学本质主义
生物伦理学的标准观点区分了可能伤害或使特定个体受益的“影响个人”干预（例如通过基因组编辑）和决定哪个个体诞生的“影响身份”干预（例如通过基因选择）。斯帕罗对过去几十年来有关生殖技术争论的核心假设之一提出了质疑。他认为，对人类胚胎的直接基因改造不应归类为“影响个人”，而应归类为“影响身份”，因为在可预见的未来，任何基因组编辑“几乎肯定”涉及创建和编辑多个胚胎，以及通过植入前基因诊断选择“最佳”胚胎。斯帕罗还认为，“影响个人”和“影响身份”干预之间的区别具有至关重要的伦理意义：“我们选择胚胎的理由比我们修改胚胎的理由要弱”（Sparrow 2022 ）。因此，他将基因组编辑归类为“影响身份”的干预，并得出结论，即使人们认为增强是道德义务，也没有理由要求制定法律来增强。在这篇评论文章中，我们更进一步质疑了有关生殖技术的生物伦理辩论中的核心假设。我们认为，“影响个人”和“影响身份”干预之间的区别是基于一种值得怀疑的物质起源本质主义。对这种本质主义的人类身份方法的质疑使得我们可以将基因组编辑和基因选择视为比标准方法中更相似的东西。它
更正：公司化身份≠数字身份
本章的较早版本由出版商出版，其标题是由出版商：公司化身份≠数字身份：在社交媒体上进行算法过滤和自我公司化演示的商业化。现在已纠正如下：公司身份≠数字身份：社交媒体上的算法过滤和自我演示的商业化。
边缘的计算机视觉：使用redmycow系统实时实时识别
在精确的牲畜种植中，牛的个体识别对于为赋予动物福利，健康和生产力做出的决定提供了至关重要的。在文字中，存在可以读取耳罩的模型；但是，它们不容易携带到现实世界中的牛生产环境，并主要在静止图像上做出预测。我们提出了一个基于视频的牛耳牌阅读系统，称为deRmycow，该系统利用视频中的节奏特性来准确检测，跟踪和读取边缘设备上25 fps的牛耳标。对于视频中的每个帧，ReDmycow在两个步骤中发挥作用。1）标签检测：Yolov5s对象检测模型和NVIDIA DEEPSTREAM跟踪层检测并跟踪存在的标签。2）标签读数：小说whentoread mod-ule决定是读取每个标签，使用trba场景文本识别模型或使用从前框架上读取的读数。该系统是在边缘设备上实现的，即NVIDIA JETSON AGX ORIN或XAVIER，使其可移植到没有外部计算资源的牛生产环境中。要达到实时速度，请阅读 - MyCow仅在当前框架中读取检测到的标签，如果它认为在当前框架中明显改善决策时，它将获得更好的读数。理想情况下，这意味着即使标签被遮挡或模糊，也可以在视频中找到标签的最佳读数并存储在视频中。在真正的中西部奶牛场住房测试该系统时，9,000头母牛，雷米科（Demmycow）系统准确地阅读了96.1％的印刷耳廓，并证明了其现实世界中的商业潜力。devmycow为商业牛农场提供了知情的数据驱动决策流程的机会。
