XiaoMi-AI文件搜索系统
World File Search SystemIdentify
在医疗服务数据库中识别1型 /类型2型糖尿病，以改善糖尿病的健康监测，医学研究和预防：算法开发和应用< / div < / div>
简介：大数据源代表了糖尿病研究的机会。一个例子是法国国家卫生数据系统（SND），收集有关整个法国人口的医疗外医疗保健和住院医疗索赔的信息（6600万）。目前，基于抗糖尿病药物报销的经过验证的算法能够鉴定出SND中有药理学治疗糖尿病的人。，但不能将1型与2型糖尿病区分开。区分1型和2型糖尿病是糖尿病监测中的培训，因为它们在预防，风险，疾病自然病史，病理生理学，病理学，管理和并发症的风险方面存在差异。本文研究了使用人工智能的1型糖尿病分类算法的开发及其用于估计法国1型和2型糖尿病患病率的应用。方法：最终数据集构成了康斯坦斯队员的所有糖尿病病例（n = 951）。使用了基于八个步骤的监督机器学习方法：最终数据集选择，目标定义（类型1），编码功能，最终数据集分为培训和测试数据集，功能选择，培训以及验证以及算法的选择。将选定的算法应用于SNDS数据，以估计成人18-70岁的成年人中的1型糖尿病患病率。结果：在3481个SNDS功能中，选择了14个以训练不同的算法。人工智能为预防研究和糖尿病提供了新的可能性。最终的算法是基于上一年快速作用的胰岛素，长效胰岛素和BIGUANIDE的报销数量的线性判别分析模型（特定的97％和敏感性100％）。在2016年调整算法性能后，法国的1型糖尿病患病率分别为0.3％和4.4％。结论：我们的1类/类型2类别分类算法的性能很好，适用于其他国家/地区的任何处方或医疗索赔数据库。©2023由Elsevier Masson Sas出版。这是CC BY-NC-ND许可（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章
shinybio -Heat：一个互动闪亮的应用程序，用于识别e.coli和b.subtilis中的表型驱动基因
1美国贝勒医学院分子和人类遗传学系，美国德克萨斯州休斯敦，美国2号，美国2定量和计算生物科学研究生课程，贝勒医学院，贝勒医学院，德克萨斯州休斯敦77030，美国3 Verna and Marrs McLean McLean McLean生物化学和分子生物学系，Baylor Biology of Medicine，Baylor Biology，Baylor Biologure，Baylor carry and Carry Inituce，HouSton，HouSton，TX 770030，TX 7700030美国德克萨斯州休斯敦市贝勒医学院，美国，美国，美国，美国，美国，贝勒医学院5计算和综合生物医学研究中心，美国德克萨斯州休斯敦贝勒医学院，美国德克萨斯州77030，美国 *通信地址。美国贝勒医学院分子和人类遗传学系，美国德克萨斯州休斯敦，美国，美国，美国，美国。 电子邮件：chen.wang@bcm.edu（C.W。） 和lichtarge@bcm.edu（O.L.） 副编辑：Russell Schwartz美国贝勒医学院分子和人类遗传学系，美国德克萨斯州休斯敦，美国，美国，美国，美国。电子邮件：chen.wang@bcm.edu（C.W。）和lichtarge@bcm.edu（O.L.）副编辑：Russell Schwartz
使用基于LC-MS的代谢组方法，鉴定酪氨酸激酶抑制剂Pexidartinib的反应性代谢产物
摘要：Pexidartinib（Pex，Turalio）是巨噬细胞刺激性因子1受体的选择性和有效抑制剂，已批准用于治疗弯曲型巨型细胞肿瘤。然而，诊所已经报道了频繁和严重的不良反应，导致PEX对肝损伤的风险发出了盒装警告。与PEX相关的肝毒性（尤其是代谢相关的毒性）的机制仍然未知。在当前研究中，使用谷胱甘肽（GSH）和甲氧基胺（NH 2 OME）研究了人/小鼠肝微粒体（HLM/MLM）和原代人肝细胞（PHH）中PEX的代谢激活。使用基于LC- MS基于LC- MS的代谢组学方法，在HLM/MLM中鉴定了11个PEX-GSH和7个PEX-NH 2 OME加合物。此外，在PHH中检测到4个PEX-GSH加合物。CYP3A4和CYP3A5被确定为负责使用重组人P450和CYP3A化学抑制剂酮康唑形成这些加合物的主要酶。总体而言，我们的研究表明，PEX代谢可以产生由CYP3A介导的反应代谢产物，并且需要进一步研究反应性代谢物与PEX肝毒性的关联。
识别3D组织模型中老化成纤维细胞激活的调节剂
该版本的版权持有人于2025年2月11日发布。 https://doi.org/10.1101/2025.02.10.636275 doi：Biorxiv Preprint
确定导致印度可再生能源生产干旱的天气模式
全球能源系统正在不断发展，以实现《巴黎协定》设定的气候缓解目标。这一过程需要各国迅速减少对化石燃料的依赖，并大量使用可再生能源发电（如风能、太阳能和水力发电）。在电力部门脱碳的同时，热力和运输部门也在电气化，以降低碳强度。可再生能源依赖天气，导致生产在几分钟到几十年的时间尺度上变化。这种变化的结果是，可能会出现可再生能源产量较低的时期，这里称为“可再生能源干旱”。需要解决这一能源安全挑战，以提供稳定的电力供应并确保电网稳定。本文选择印度作为研究区域，因为该地区已经拥有大量可再生能源发电（截至 2022 年 10 月，已安装 42 吉瓦风能、61 吉瓦太阳能和 51 吉瓦水力发电），并且该地区在大规模模式下具有良好的亚季节可预测性。
识别影响基于 BCI 的中风后运动康复结果的因素，以实现人工智能的个性化
摘要 — 中风是导致成人复杂残疾的主要原因。中风后运动障碍和认知障碍的患病率很高且持续存在。最常见的后果是对侧上肢偏瘫，超过 80% 的中风患者急性发作，超过 40% 的中风患者慢性发作。基于运动意象的脑机接口 (BCI) 在中风后运动恢复方面表现出良好的效果。然而，这种方法并不适用于所有患者，即使有效，在不同患者之间的效果也大不相同。因此需要改进。这可以通过为每位患者个性化基于 BCI 的运动康复 (MR) 计划来实现，特别是通过个性化所使用的人工智能 (AI) 模型。为此，首先必须确定成功的基于 BCI 的运动康复的预测因素。事实上，很少有研究解决影响中风后基于 BCI 的 MR 的因素的问题。因此，在本文中，我们调查了与成功使用 BCI 相关的因素以及与中风后运动康复相关的因素，以确定可能影响基于 BCI 的中风后 MR 的各种因素。然后，我们讨论如何考虑这些因素，以便开发新的 AI 算法，用于个性化的中风后基于 BCI 的 MR。索引术语 —BCI、中风运动康复、性能预测器、训练个性化、人工智能
portprint：使用端口竞争识别无法访问的代码
摘要。在许多实际情况下，能够推断特定的软件版本或加密库的变化对于安装有针对性的利用至关重要。为此，传统版本检测方法通常依赖于对程序的直接检查。但是，现代计算平台经常对代码采用保护，例如使用仅执行的内存（XOM）或受信任的执行环境（TEE）来保护敏感代码免于披露和逆向工程。本文展示了通过CPU端口争议的侧通道测量如何揭示出独特的执行签名，即使代码不可访问进行检查。我们的概念验证实现PortPrint标识了加密功能，揭示了库版本，甚至不涵盖WolfSSL构建是否容易受到CVE-2024-1544的影响，或者是否在Xen中活跃了幽灵缓解。我们验证尽管最先进的代码保护机制，例如内存保护键，基于管理机能的XOM，Intel SGX，Intel TDX和AMD SEV，我们还可以验证Portprint。我们还报告了使用崩溃和预示泄露这些技术保护的代码的负面结果，从而提供了对这些攻击局限性的有价值的见解。我们的结果表明，基于硬件的隔离不足以掩盖指导流。
识别生物标志物的基因测定：推进精度医学。
Precision Medicine的领域正在通过根据其基因组成，环境和生活方式为个别患者量身定制的治疗方法来彻底改变医疗保健。在这种方法的核心上是生物标志物 - 表明正常或病理过程的生物学分子，或对治疗干预的反应。基因测定在识别这些生物标志物方面起着至关重要的作用，这些生物标志物可用于诊断疾病，预测治疗反应并监测疾病进展。本文探讨了基因测定在生物标志物发现中的重要性及其对推进精度医学的影响[1]。
钙钛矿还是非钙钛矿？一种从 X 射线衍射图自动识别新型混合钙钛矿的深度学习方法
图 3. ML 方法对钙钛矿与非钙钛矿进行分类。a. 根据数据集中 XRD 模式范围（2 ）的 CNN 预测准确度，b. 根据数据集中 XRD 模式范围（2 ）的 CNN 混淆矩阵真阴性，c. 根据数据集中 XRD 模式范围（2 ）的 CNN 混淆矩阵假阳性，d. 根据数据集中 XRD 模式范围（2 ）的 CNN 混淆矩阵假阴性，e. 根据数据集中 XRD 模式范围（2 ）的 CNN 混淆矩阵真阳性，f. XRD 模式（d 间距（Å））对于随机森林分类的特征重要性（步长：2.18°（2 ））。
确定个人虚拟大脑的最佳工作点
。CC-BY 4.0 国际许可，根据 提供（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者，此版本于 2020 年 3 月 26 日发布。；https://doi.org/10.1101/2020.03.26.009795 doi：bioRxiv 预印本