XiaoMi-AI文件搜索系统
World File Search SystemInteractions
基于药代动力学的草药 - 药物互动
摘要简介/目标。草药一直是整个人类历史上至关重要的可再生医学来源，因为大部分全球人口仍然取决于它们的健康益处。草药补充剂的日益普及引起了人们对与其他药物原位的总体安全性和潜在互动的明显关注。目的是刺激对草药 - 药物相互作用的未来研究，以及了解这种相互作用的后果的相互作用机制。方法。该审查是通过使用Google Scholar，Science Direct，Mendeley，Scopus和PubMed的数据库进行系统搜索进行的。用英语编写的出版物被使用。据报道，许多草药产品与已知的东正教药物相互作用。抑制诱导机制触发链反应，通常导致药物生物利用度，毒性或不良副作用降低。据报道，一些草药植物构成结合了CYP2C9，CYP2C19，CYP2E1和CYP3A1，以及许多其他暂时或不可逆地结合了CYP3A1。结论。这项研究是通过重申常规和定期向医生和患者提供固有危险（例如降低疗效和与Herb-Drug相互作用（HDI）相关的毒性增加）的不完善性结束的结论。草药使用者应定期建议适当使用草药补充剂，以避免在共同给药期间或联合疗法中发生不良药物相互作用的风险。在HDI中可以观察到协同作用和拮抗作用，因此需要进一步的临床前和临床经验研究来强调HDI的机制和程度。关键字：草药 - 药物相互作用，酶，药代动力学互动，传统医学，细胞色素P450通讯作者：Mary O. Ologe电子邮件：FunMiologe@yahoo.com
气候变化，范围变化和多养相互作用
气候变化是对生物多样性和生态系统功能的最严重威胁之一。当前的温度变化速率主要由化石燃料的人类组合驱动，远远超过至少10，000年（较低的PleistoCene）和更长的时间（IPCC，2014年）。最后一次重大的气候变化事件引起了巨大的灭绝，导致许多大型四足动物突然灭亡，包括诸如羊毛猛mm，羊毛犀牛，毛s，牛皮龙，巨型麋鹿，巨型麋鹿，saber齿的虎和dire虎[1]等特征物种[1]。在先前的气候变化事件时，景观之间的主要差异之一是当前的景观是，生物圈现在由单个物种Homo Sapiens Sapiens主导，该物种已深刻改变并简化了许多陆地和水生生态系统。因此，除了气候变化外，自然生态系统还因其他人类引起的变化而改变了，包括森林砍伐，富营养化，过度收获，非本地物种的引入和各种类型的污染。因此，物种和种群受到多种压力源的挑战，使他们更难适应气候制度的快速变化。人们可以强烈认为我们不再生活在全新世，而是在人类世[2,3]。
JRDB-Social：一个多方面的机器人数据集，用于理解社会群体内人类互动的上下文和动态
了解人类的社会行为对于综合愿景和机器人技术至关重要。微观的观察（例如，分裂行动）不足，需要采取一种全面的方法来考虑个人行为，组内动态和社会群体层次，以彻底理解。要解决数据集限制，本文引入了JRDB-Social，JRDB的扩展[2]。旨在填补跨室内和室外社会环境的人类理解的空白，JRDB-Social提供了三个层次的注释：个体属性，组内侵入和社会群体环境。该数据集旨在增强我们对机器人应用的人类社会动态的理解。利用最近的尖端多模式大型语言模型，我们评估了我们的基准，以表达其破译社会人类行为的能力。
利用简单的交互进行复杂的学习
细胞自动机 (CA) 是数学的一个分支，它探索控制自主单元（称为细胞）行为的简单规则如何导致复杂的突发模式。计算领域的先驱约翰·冯·诺依曼在 CA 的发展中发挥了重要作用。尽管冯·诺依曼以现代计算机的基础架构（“冯·诺依曼架构”）而闻名，但他晚年对 CA 着迷不已。他死后出版的著作《计算机与大脑》深入探讨了他对简单、分散的规则如何产生类似于生物过程的智能行为的思考。
肿瘤微环境相互作用引导图形学习，从全切片病理图像进行人类癌症生存分析
深度学习技术的最新进展为协助病理学家从全切片病理图像（WSI）中预测患者的生存期带来了可能性。然而，大多数流行的方法仅适用于WSI中特定或随机选择的肿瘤区域中的采样斑块，这对于捕捉肿瘤与其周围微环境成分之间复杂相互作用的能力非常有限。事实上，肿瘤在异质性肿瘤微环境（TME）中得到支持和培育，详细分析TME及其与肿瘤的相关性对于深入分析癌症发展的机制具有重要意义。在本文中，我们考虑了肿瘤与其两个主要TME成分（即淋巴细胞和基质纤维化）之间的空间相互作用，并提出了一种用于人类癌症预后预测的肿瘤微环境相互作用引导图学习（TMEGL）算法。具体来说，我们首先选择不同类型的块作为节点来为每个 WSI 构建图。然后，提出了一种新颖的 TME 邻域组织引导图嵌入算法来学习可以保留其拓扑结构信息的节点表示。最后，应用门控图注意网络来捕获肿瘤与不同 TME 组件之间与生存相关的交集以进行临床结果预测。我们在来自癌症基因组图谱 (TCGA) 的三个癌症队列上测试了 TMEGL，实验结果表明 TMEGL 不仅优于现有的基于 WSI 的生存分析模型，而且对生存预测具有良好的可解释能力。
人工智能立场：跨越人机交互的未知领域？
摘要。尽管即使是非常先进的人工系统也无法满足人类成为社会互动适当参与者所需的苛刻条件，但我们认为并非所有人机交互 (HMI) 都可以适当地简化为单纯的工具使用。通过批评标准意向性主体解释的过于苛刻的条件，我们建议采用一种最小方法，将最小主体归因于某些人工系统，从而提出将采取最小联合行动作为社会 HMI 的案例。在分析此类 HMI 时，我们利用了丹尼特的立场认识论，并认为出于多种原因，采取意向性立场或设计立场可能会产生误导，因此我们建议引入一种能够捕捉社会 HMI 的新立场——人工智能立场。
面向情感 XAI：通过面部情感分析来理解可解释的人机交互
随着机器学习方法越来越多地用于增强人类决策能力，可解释人工智能 (XAI) 研究探索了将系统行为传达给人类的方法。然而，这些方法往往无法解释人类在与解释互动时的情感反应。面部情感分析研究人类面部的情绪表达，是了解用户如何参与解释的一个有前途的视角。因此，在这项工作中，我们的目标是 (1) 确定人们与 XAI 界面交互时哪些面部情感特征会很明显，以及 (2) 开发一个多任务特征嵌入，将面部情感信号与参与者对解释的使用联系起来。我们的分析和结果表明，当参与者未能有效地使用解释时，面部 AU1 和 AU4 以及唤醒的发生和值会增加。这表明面部情感分析应该纳入 XAI，以根据个人的互动风格个性化解释，并根据执行任务的难度调整解释。
对发病机理和宿主相互作用的见解
效应蛋白在锈菌病原体与小麦宿主之间的相互作用中起着至关重要的作用。高通量“ OMICS”数据的可用性已经改变了该领域的游戏规则，可以识别和比较各种锈病和菌株的效应子。这项研究采用了高通量的“ OMICS”数据来探索多种锈菌真菌的共享效应方面，包括三种小麦锈菌，puccinia triticina，puccinia striiformis和puccinia graminis，以及puccinia sorghi（玉米锈）和梅拉姆普斯罗拉·洛里奇（Melampsora lurici-Poppoplar），这项研究采用了全面的生物信息学管道来预测每个锈病的候选效应蛋白（CSEP），评估其亚细胞定位，基于其序列相似性群集相似的效应子，并筛选其表达谱以评估病原体中潜在的作用。这项研究揭示了构成每个物种蛋白质组的4％的不同效应子，其定位预测表明宿主细胞内的靶向多样。效应子序列的聚类导致鉴定1,027个效应子部落和2,186个单线，而格拉米尼菌则表现出最高数量的单线，这表明进化加速和适应以逃避宿主防御。保护分析表明，在三种小麦锈菌中共享了30个共同的部落，其中许多人也发现了triticina和graminis之间。表达谱分析显示早期感染期间的差异表达，表明在发病机理中作用。这项研究强调了锈菌的分子多样性和适应性策略，为疾病管理提供了见解。关键字 - 比较分析 - 抗病性 - 效应蛋白 - 发病机理 - 植物病原体相互作用 - 锈菌 - 小麦简介
神经免疫相互作用和免疫肿瘤学
神经系统是肿瘤微环境的重要组成部分，驱动肿瘤发生和肿瘤进展。肿瘤微环境中的神经元提示（例如，神经递质和神经肽）会导致免疫细胞的表型变化，例如增加衰竭和抑制效应细胞，从而促进免疫逃避和癌症的进展。在本评论中讨论了两种通过肿瘤相关神经的免疫调节：通过神经元刺激（即通过神经传递）调节和检查点介导的神经元免疫调节。后者通过在肿瘤内神经和神经胶质细胞的膜上的免疫检查点的表达发生。在这里，我们总结了有关肿瘤环境中神经免疫回路的新发现，同时强调了新的和负担得起的抗癌治疗方法的潜在靶标。
植物环境相互作用（C003095）
本课程构成了成功完成课程“植物生理学”（生物化学和生物技术学学士学位）和“植物分子生物学”（第3次生物化学和生物技术学士学位）后获得的知识和能力。它构成了课程“植物生长和开发”和“植物工厂”的基础。该课程的目的是在植物的内部和外部交流网络中获得深刻的见识。This course contributes to following program competences: Ma.WE.BB.1.1, 1.2, 1.3, 1.4, 1.5 Ma.WE.BB.2.1, 2.2, 2.3, 2.4, 2.5, 2.6 Ma.WE.BB.3.1, 3.2, 3.3, 3.4, 3.5, 3.6 Ma.WE.BB.4.1, 4.2, 4.3, 4.4 Ma.WE.BB.5.1 ma.we.bb.6.1，6.2 ma.we.bb.7.res1，7.Res2