XiaoMi-AI文件搜索系统
World File Search SystemIntera
交互式计算的概念和工具
通过电子邮件或当面交流的一些话对我的帮助比对话者想象的要大。我正在考虑阅读 Colin Klein、Edward Lee、Liesbeth De Mol、Marc Pouzet 和 Nick Wiggershaus 的建议和意见。由于这篇论文的动机主要来自分析哲学家和计算机科学家提出的问题，我非常感谢我在 Jean Nicod 学院的巴黎高等师范学院接受的培训，以及我有机会在罗格斯大学进行为期一年的访问。我特别要感谢 Liz Camp、Carolina Flores、Michael Murez 和 François Recanati。我还要感谢 Benjamin Icard、Pierre Trefouret、Frédéric Fogacci 和 Wendy Carrara 的想法和建议，帮助我思考论文发表后的下一个冒险。
miR-21 与 PPAR- 在透明肾细胞癌中的双重负反馈相互作用
1 里尔大学，法国国立科学研究院，法国国家健康与医学研究院，里尔临床医学院，UMR9020-U1277—CANTHER—癌症异质性可塑性和治疗耐药性，F-59000 里尔，法国；marine.goujon@univ-lille.fr (MG)；justine.woszczyk@gmail.com (JW)；kelliii@hotmail.fr (KG)；thomas.sw@hotmail.fr (TS)；sandy.fellah@univ-lille.fr (SF)；jeanbaptiste.gibier@chru-lille.fr (J.-BG)；isabelle.vanseuningen@inserm.fr (IVS)；romain.larrue@univ-lille.fr (RL)；christelle.cauffiez@univ-lille.fr (CC)；viviane.gnemmi@chru-lille.fr (VG)； sebastien.aubert@chru-lille.fr (SA); nicolas.pottier@univ-lille.fr (NP) 2 CHU Lille, Service d'Anatomo-Pathologie, F-59000 Lille, France 3 CHU Lille, Service de Toxicologie et Génopathies, F-59000 Lille, France * 通讯地址：michael.perrais@inserm.fr；电话：+33-3-20-29-88-62 † 这些作者对这项工作做出了同样的贡献。
蛋白质 - 聚糖相互作用的原子级机器学习糖生物学中的蛋白质 - 聚糖相互作用和跨性识别
糖生物学中的跨性识别是生物学上常规蛋白质与生物聚糖的对映异构体之间的相互作用（例如，L蛋白与L-己糖结合的L蛋白质与L-Hexoses结合）与生命王国的生物体中的相互作用。通过对称性，它还描述了手性镜面蛋白与正常D-聚糖的相互作用。跨性识别的知识对于理解现有生命形式与人造镜像形式的潜在相互作用至关重要，但是目前已知的蛋白质 - 聚糖相互作用规则不足。为了构建一种学习这种相互作用的方法，我们构建了机器学习模型，以预测代表原子图的蛋白质和聚糖之间的结合强度，而不是单糖。基于聚糖的基于原子Q -gram和Morgan指纹（MF）表示，可以训练ML模型，以预测所有天然聚糖的聚糖，糖化化合物和对映异构体的凝集素结合特性。对此训练的关键是将不同的数据合并 - 某些数据与来自Glycan微阵列的相对荧光单元（RFU），而来自ITC的K d值的其他数据则是在特定的凝集素浓度下使用通用的“分数结合”参数F。MCNET是一个完全连接的神经网络体系结构，将MF和浓度（C）作为输入，并返回147个凝集素的F。MCNET的性能与Glynet模型相媲美，并且通过代理与其他最新的最先进的模型来预测蛋白质 - 聚糖相互作用的强度。MCNET有效预测了糖化化合物与甘叶蛋白1、3和7的结合。糖化化合物）。从基于单糖的描述中脱离，使MCNET可以预测跨性识别。我们使用液态聚糖阵列来验证一些预测，例如L-甘露糖与D-Mannose结合凝集素，纯化的CONA和DC-SIGN显示在细胞上的DC-SIGN以及L-MAN与半乳糖糖结合的凝集素的弱结合。MCNET的原子级输入使得从生活和非聚糖结构的所有王国中的各种聚糖中结合蛋白质 - 聚糖数据是可能的（例如，通用分数结合参数使得可以统一不同的定量观测值（K D / IC 50，RFU，色谱保留时间等）。我们认为，这种方法将有助于从不同的糖生物学数据集中合并知识，并预测与当前ML模型无法获得的不常见/不自然的聚糖的蛋白质相互作用。
使用 MQTT 实现 Cobot 的多模式交互
摘要：为了提高效率，人机和人机交互必须以多模态的理念进行设计。为了允许在多种不同的设备（计算机、智能手机、平板电脑等）上使用多种交互模式，例如使用语音、触摸、注视跟踪，并集成可能的连接对象，必须在系统的不同部分之间建立有效且安全的通信方式。当使用协作机器人 (cobot) 共享同一空间并在执行任务期间非常靠近人类时，这一点就更为重要。本研究介绍了使用 MQTT 协议的协作机器人在虚拟（Webots）和现实世界（ESP 微控制器、Arduino、IOT2040）中的多模态交互领域的研究工作。我们展示了如何高效地使用 MQTT，为系统的多个实体提供通用的发布/订阅机制，以便与连接的对象（如 LED 和传送带）、机械臂（如 Ned Niryo）或移动机器人进行交互。我们将 MQTT 的使用与之前几项研究工作中使用的 Firebase 实时数据库的使用进行了比较。我们展示了协作机器人和人类如何共同完成“挑选-等待-选择-放置”任务，以及这在通信和人体工程学规则方面意味着什么，包括健康或工业问题（残疾人和远程操作）。
金属离子稳定寡聚二肽的相互作用...
https://doi.org/10.26434/chemrxiv-2025-vcwq2 orcid：https：//orcid.org/000000-0001-5564-0679 consect consect consect notect content contem许可证：CC BY-NC-ND 4.0
与抗逆转录病毒药物的相互作用
药效学：药效学描述的是药物与人体受体作用之间的关系，受受体数量和亲和力、药物浓度和遗传因素的影响。此外，基因多态性会影响特定药物的受体数量和受体亲和力的表达和可用性。药代动力学：药代动力学是指药物在体内的吸收、分布、代谢和排泄，通常受各种生物、生理和化学因素的影响。[1] 药代动力学研究确定了特定药物的稳态浓度，同时考虑了剂量、生物利用度和清除率，以及可能改变共同给药全身浓度的药物相互作用。[1] 在抗逆转录病毒药物和其他药物的吸收、代谢或消除阶段，可能会发生药代动力学相互作用。表 1。
alphafold2预测蛋白在结构兼容性混淆中是否相互作用
表1-用IPTM分数作为预测变量获得的AUC值和不同的AlphaFold2选项。AUC值之间的差异在不同的MSA配对和回收模式（在最后一行中）或由不同网络生成的模型（在每个列中）获得的最佳模型之间的差异在统计学上没有统计学意义。
机器学习异质催化的原子间潜力
尽管现代催化行业的发展很快，但催化剂设计仍主要基于反复试验的实验手段。结果，催化剂开发和商业化的时间表可能需要10到20年。[1]理解催化中所述的微观机制被认为是催化行业的重要方面，即缩短开发新的异质催化剂的时间范围，其中在催化过程中涉及多个阶段。为促进催化剂，原子建模的结构 - 特性关系的理解，例如，基于力场的依赖计算和经典分子动力学（MD）模拟，已广泛用于探索催化机制和新型异构催化剂的催化机制和设计。在许多情况下，催化过程的原子建模取决于构成催化系统的多体系统的大量能量和力评估。需要考虑明确溶剂的效果，或者需要对纳米颗粒催化剂的尺寸依赖性特性进行建模时，问题就会变得更加复杂，这可以使基于密度功能理论（DFT）基于模拟的模拟可行。[2]因此，我们看到了MLIP在催化研究中的相对较高的应用，例如用于研究催化剂的吸附性能，结构预测和动力学。[3–5]
HCI 研究人员如何描述他们的软件工具？多模式交互工具概要调查的见解
[1] Abdullah X. Ali、Meredith Ringel Morris 和 Jacob O. Wobbrock。2019 年。Crowdlicit：一种用于开展分布式最终用户诱导和识别研究的系统。2019 年 CHI 计算机系统人为因素会议论文集。ACM，美国纽约州纽约，1-12。https://doi.org/10.1145/3290605.3300485 [2] Khalil J. Anderson、Theodore Dubiel、Kenji Tanaka、Marcelo Worsley、Cody Poultney 和 Steve Brenneman。2019 年。化学舱：一种用于课堂的多模式实时回顾工具。2019 年国际多模式交互会议（ICMI '19）论文集。 ACM，纽约，纽约州，美国，506–507。https://doi.org/10.1145/3340555.3358662 [3] Muhammad Zeeshan Baig 和 Manolya Kavakli。2020 年。多模态系统：分类、方法和挑战。arXiv：2006.03813 [cs.HC]
rnalys：用于转录组数据分析的交互式Web应用程序和
1。Afgan E，Baker D，Batut B，Van Den Beek M，Bouvier D，čechM等。 可访问，可重现和协作生物医学分析的银河平台：2018年更新。 核酸res。 2018; 46：W537–44。Afgan E，Baker D，Batut B，Van Den Beek M，Bouvier D，čechM等。可访问，可重现和协作生物医学分析的银河平台：2018年更新。核酸res。2018; 46：W537–44。2018; 46：W537–44。