XiaoMi-AI文件搜索系统
World File Search SystemIdentifying
探索人工智能和机器学习在数字金融包容性中的作用和应用：通过文献计量分析确定数字革命时代的关键主题和趋势
摘要 - 本文旨在对金融领域人工智能 (AI) 和机器学习 (ML) 应用的研究现状进行全面的文献计量审查，重点关注数字金融包容性。为此，我们选择了 Elsevier 的 Scopus 数据库中索引的文章，而不是 Web of Science (WOS) 和 Google Scholar 中的文章，以确定关键的研究集群。在审查过程中，筛选了 6,642 篇文章，最终有 3,097 篇文章符合纳入标准。分析显示，近年来，该领域的出版物数量呈指数级增长，其中“数字银行服务”成为最相关的来源。此外，该分析强调了加强金融包容性人工智能研究的国际合作的必要性。通过共引和共词分析，该研究确定了该领域的杰出学者和关键概念，为未来的研究方向提供了宝贵的见解。虽然这项研究提供了宝贵的见解，但也承认数据库选择和样本量等局限性，为未来该领域的研究改进铺平了道路。
使用综合生物信息学分析
摘要引入核糖核苷酸还原酶（RR）亚基基因（RRM1，RRM2和RRM2B）表达的失调与各种人类恶性肿瘤的发生有关。然而，肺腺癌（LUAD）患者RR亚基基因表达的预后值仍然有争议。目的本研究旨在分析LUAD中RR亚基基因的表达谱，预后值和免疫浸润关联，以探索RR亚基基因表达在肺腺癌患者的预后中是否具有价值。方法论，我们使用多个搜索引擎访问多个在线生物信息学数据库，包括oncomine，Timer，Gepia，Kaplan -Meier Plotter，Prognoscan，Human Protein Atlas，MD Anderson Cancer Center，UCSC Xena，UCSC Xena，Cbioftal，Cbioftal，Cbioftal，TCGA，TCGA，GEO，GEO，DAVID和String Databases。结果研究发现，RRM1和RRM2可能是治疗LUAD的有吸引力的靶标，而RRM2B在LUAD中表达下来（P <0.05）。研究还发现，TCGA和GEO数据库中LUAD患者的预后不良，RRM1或RRM2表达较低，表明LUAD患者的预后不良（P <0.05）。此外，我们的结果表明，RR亚基基因表达具有不同的特征，并具有免疫浸润，RRM2B几乎与CD4+ T细胞以外的几乎所有浸润的免疫细胞具有轻微但显着的正相关性（所有P <0.05）。结论研究结果表明，RR亚基基因可能是LUAD患者的预后标志和治疗靶标。关键字：生物信息学分析；生物标志物；核糖核苷酸还原酶亚基基因；肺腺癌此外，通过对RR亚基基因的共表达基因网络分析，我们发现，五个新的中心基因（PLK1，Aurka，CDCA8，TTK和CDC45）与RRM1和RRM2的表达与RRM2B的表达差异较低，与RRM2B的表达相关的差异与RRM2B的表达差异很高，并且与这些五型HA的表达相关，并与RRM2B的表达差异很高，并显着阳性地相关。患者（p <0.05）。
Patholm：通过基因组基础模型从DNA序列识别致病性
病原体鉴定在诊断，治疗和预防疾病中至关重要，对于控制感染和保护公共卫生至关重要。传统的基于对准的方法虽然广泛使用，但在计算上是强度的，并且依赖于广泛的参考数据库，由于其低灵敏度和特异性，通常无法检测到新颖的病原体。同样，传统的机器学习技术虽然有希望，但需要大量的注释数据集和广泛的功能工程，并且容易过度拟合。解决这些挑战时，我们引入了Patholm，这是一种优化的病原体语言模型，以鉴定细菌和病毒序列中的致病性。利用预先训练的DNA模型（例如核苷酸变压器）的优势，Patholm需要最小的数据以进行微调，从而增强了病原体检测能力。它有效地捕获了更广泛的基因组环境，从而显着改善了新颖和发散病原体的鉴定。我们开发了一个全面的数据集，其中包括大约30种病毒和细菌，包括埃斯卡皮病原体，七种抗抗生素耐药性的毒性菌株尤其是毒性。此外，我们策划了一个以Eskapee组为中心的物种分类数据集。在比较评估中，Patholm极大地胜过现有模型，例如DCIPATHO，表现出强大的零射击和很少的功能。此外，我们扩大了埃斯卡皮物种分类的Patholm-s-sp，尽管任务的复杂性，但与其他先进的深度学习方法相比，它表现出了优越的性能。
中小企业采用单点登录 (SSO) 的障碍：识别挑战和机遇
1 问题陈述 本研究探讨了中小型企业 (SMB) 采用单点登录 (SSO) 的障碍和挑战。该研究还确定了克服这些挑战的潜在方法，从而提高了 SMB 的安全级别。SSO 是一种用户身份验证和访问控制系统，允许用户仅使用一组凭据访问多个应用程序、工具和系统。通过集中身份验证过程，SSO 简化了身份管理，并简化了用户体验，只需记住所有帐户的一个用户名和密码。SSO 可以帮助加强安全措施，因为它减少了用户必须输入登录凭据的频率。此外，SSO 可以减少跨各种平台的密码重复，从而降低密码泄露的可能性。作为本研究的一部分，网络安全和基础设施安全局 (CISA) 与涉及 SSO 的各种利益相关者进行了接触。其中包括 SSO 供应商、经验丰富的托管服务提供商、致力于改善网络安全的非营利组织以及在采用 SSO 和跨 SSO 平台迁移方面有经验的 SMB。根据这些讨论，CISA 发现，尽管 SSO 具有诸多优势，但采用 SSO 功能进行身份管理的人数仍然很少，尤其是在中小型企业中。成功实施可行的 SSO 解决方案面临许多障碍。这些障碍包括成本、技术障碍以及缺乏意识和资源。与 SSO 选项相比，小型企业通常选择手动输入密码和亲自操作的方法来管理访问和身份。这些方法在购买成本方面往往更具成本效益，其中不包括与管理开销相关的隐性成本。通常，购买成本差异的主要原因是 SSO 通常仅作为高级企业级服务提供，其定制定价明显高于基本服务。具有 SSO 的高级企业级服务的每位用户成本可能高于没有 SSO 的较低层级服务。除了更高的每位用户成本外，这种高级定价模式通常还要求最低用户数量。与没有 SSO 的较低层级服务相比，这种额外的增量成本可能会显著提高每位用户的总成本，这对许多组织来说可能是一个巨大的财务障碍。价格差异通常会导致中小企业选择更便宜、缺乏 SSO 功能的低端服务。此外，设置高级 SSO 功能通常需要专门的技术知识和专业知识以及时间投入。额外成本、技术技能需求和所需时间的结合导致许多企业继续依赖手动方法（例如电子表格）来处理用户对各种应用程序和系统的访问。为了鼓励中小企业采用 SSO，SSO 提供商必须解决他们的顾虑，并提供针对 SMB 需求和优先事项的全面技术支持和解决方案。本研究的结构如下：第 2 节介绍与 SSO 的优势、SMB 在采用 SSO 方面面临的挑战以及政府在鼓励采用 SSO 方面可以发挥的作用相关的主要发现。第 3 节介绍 SSO 是什么以及它是如何工作的。第 4 节确定了采用 SSO 的好处。第 5 节概述了有关 SMB 如何采用技术的文献，并描述了它在采用 SSO 的情况下如何适用。第 6 节介绍了 CISA 与 SSO 利益相关者合作的结果，确定了影响 SSO 采用的关键因素和考虑因素，并强调了供应商和客户的不同观点。第 7 节总结了研究关于采用 SSO 的好处、SMB 在实施 SSO 时遇到的挑战、SMB 需求以及典型的供应商做法的发现。第 8 节提供了有关如何帮助确保顺利和成功实施的建议，目的是鼓励 SMB 采用 SSO。最后，附录简要介绍了研究中使用的研究方法和相关的利益相关者参与过程。
使用图论和机器学习识别大脑网络的判别特征以预测阿尔茨海默病
阿尔茨海默病 (AD) 是一种具有挑战性的神经退行性疾病，需要早期诊断和干预。这项研究利用机器学习 (ML) 和图论指标，这些指标源自静息态功能磁共振成像 (rs-fMRI) 数据来预测 AD。使用西南大学成人寿命数据集 (SALD，年龄 21-76 岁) 和开放获取系列成像研究 (OASIS，年龄 64-95 岁) 数据集（包含 112 名参与者），开发了各种 ML 模型用于 AD 预测。该研究确定了全面了解 AD 中的大脑网络拓扑和功能连接的关键特征。通过 5 倍交叉验证，所有模型都表现出显著的预测能力（准确率在 82-92% 范围内），其中支持向量机模型脱颖而出，准确率达到 92%，表现最佳。本研究表明，根据最重要的判别特征确定的前 13 个区域已经失去了与丘脑的显着联系。与健康成年人和老年人相比，AD 患者的黑质、网状部、黑质、致密部和伏隔核的功能连接强度持续下降。本研究结果与早期采用各种神经成像技术的研究结果相吻合。这项研究表明，将 ML、图论和 rs-fMRI 分析相结合的综合方法在 AD 预测中具有转化潜力，为更准确的诊断和早期预测 AD 提供了潜在的生物标记。
一种经验设计正义方法，用于确定大语模型与社会机器人技术交集中的道德考虑
大型语言模型（LLM）在社会机器人技术中的整合提出了一套独特的道德挑战和社会影响。这项研究旨在确定这两种技术组合的设计和开发中出现的道德考虑因素。使用LLM进行社交机器人技术可能会带来好处，例如启用自然语言开放域对话。然而，这两种技术的交集还引起了与错误信息，非语言提示，情绪破坏和偏见有关的道德问题。机器人的身体社会体现增加了复杂性，因为与基于LLM的社会AI相关的道德危害（例如幻觉和错误信息）可能会由于身体体现对社会感知和沟通的影响而加剧。为了应对这些挑战，这项研究采用了基于经验的设计正义方法，重点是通过定性的共同设计和互动研究来识别社会技术道德考虑。该研究的目的是确定与共同设计和与类人类社会机器人的共同设计相关的道德考虑因素作为LLM的接口，并评估如何在设计基于LLMS的社会机器人的背景下使用设计正义方法。这些发现揭示了在四个概念上产生的道德考虑的映射：互动，共同设计，服务条款和关系条款，并评估如何在LLMS和社会机器人的交集中经验使用设计正义方法。
使用可诱导 Cas12a 敲除筛选识别驱动上皮向间质转变的基因组合 Jun Lin (导师：Abhishek Iy
转移是指癌症扩散至不同器官。转移性肿瘤通常是致命的，并且难以通过常规手术或药物治疗¹。转移的一个关键前兆是上皮-间质转化 (EMT)。上皮细胞含有紧密连接并相互粘附。间质细胞是可移动细胞，可通过循环系统或其他身体系统迁移到身体的不同部位。癌症中的 EMT 是上皮癌细胞转变为间质样状态，从而导致癌症离体扩散至全身²。这些间质癌细胞可能定位到远处器官，在那里它可以进行间质-上皮转化 (MET) 形成肿瘤。EMT 通常是多个基因而非一个基因的结果，它们之间的复杂性尚不清楚³。更深入地研究 EMT 激活周围的基因网络将有助于提高对其机制和潜在疗法的认识。因此，必须进行更多研究来确定可导致 EMT 的基因组合。
使用基于基因的多基因风险评分识别与阿尔茨海默病相关的基因
增加 AD GWAS 样本量将识别出更多的 AD 基因。然而，这需要广泛而有策略性的数据收集，而这在近期无法实现。此外，正如最近的一项研究表明，当样本量达到一定水平时，进一步增加样本量会导致基因识别的回报微乎其微，但成本却大幅增加 [16]。事实上，正如最近一项超过 100 万个样本的研究所示，迄今为止最大的 AD GWAS 仅识别出 7 个新基因位点 [15, 17]。虽然我们应该继续努力增加样本量，但迫切需要使用亚阈值 p 值检测 AD 基因的新方法。多基因风险评分 (PRS) 是疾病风险等位基因的加权和，用于预测疾病风险。它需要发现数据集来选择 SNP 并获得其权重；然后将 PRS 应用于独立于发现数据集的目标数据集以预测疾病风险。如果 PRS 具有较高的可预测性（即解释了目标数据集中的大部分变异），并且用于计算 PRS 的 SNP 解释了大部分 SNP 遗传性（h 2 snp ），那么这些 SNP 很可能是与疾病相关的 SNP。此外，如果我们还知道计算 PRS 时包含的 SNP 所影响的基因（即基于基因的 PRS），那么这些基因很可能是与疾病相关的基因。因此，基于基因的 PRS 提供了另一种识别具有亚阈值 p 值的疾病基因的方法。
识别和管理药物诱导的帕金森主义
药物诱导的帕金森氏症（DIP）是多巴胺受体阻断剂（如抗精神病药（神经服役）和抗抗病药物）最常见的副作用之一。通常会出现锥体外迹象，例如运动减慢，面部表达降低和肌肉僵硬。与帕金森氏病相反，帕金森氏病是由脑干中尼格拉底虫的突触前多巴胺能神经元进行的进行性变性所致，人们认为倾斜通常是由于纹状体中多巴胺受体的突触后拮抗作用而引起的。但是，这两种情况有时在临床上可能无法区分，甚至可能一起发生，因此准确诊断为DIP可能是一项挑战。重要的是要考虑在最近的药物变化的背景下，任何患有锥体胶外迹象的人的差异诊断，因为当撤回违法药物时病情是可逆的，并且在没有早期鉴定的情况下，存在较高的发病率，并发症，并有很大的并发症，例如跌倒等质量和生活质量。脑成像的最新进展提高了诊断的准确性，但该技术昂贵且不可广泛。
一种个性化识别重要的方法...
抽象的目的是开发有效和个性化的干预措施，必须确定影响个人幸福感的最关键的过程或心理逻辑驱动因素。某些过程可能会普遍有益于在许多情况下的幸福感，而另一些过程可能只能在特定情况下对某些人有益。方法，我们在三个数据集（N1 = 44; n2 = 37; n3 = 141）中进行了三项密集的每日日记研究，每个研究都有50多个人体内测量场合。我们旨在研究三种不同的过程度量和各种结果之间人体关联强度的个体差异。我们利用了一种独特的印度算法，称为i-arimax（自动式综合移动平均平均），以确定个体内部和结果之间关系强度（beta）的强度（beta）（“ i”）。然后将所有计算的BETA进行元分析，并将个体视为“研究”。结果结果表明，个体之间的过程结果链接差异很大，超过了在研究的荟萃分析中通常看到的同性基因。尽管有几个过程显示出群体级的效应，但在单独考虑时，没有发现普遍有益的过程。例如，涉及社会行为的过程（例如自信）并未证明与孤独感的任何群体级别的联系，但仍然具有从正面到负面变化的显着个人级别效应。使用I-ARIMAX的讨论可能有助于减少复杂的人内分析的候选变量数量。此外，I-arimax beta的大小和模式可能在指导个性化干预措施中很有用。