XiaoMi-AI文件搜索系统
World File Search SystemLI
Xiao，PhD-步骤
分子运动（动力素）工程I研究了分子电机的机制，例如驱动蛋白和动力蛋白。 动力素为细胞分裂提供了能力。 因此，动力蛋白是开发MEW癌症药物的有希望的靶标。 我开发了一系列软件来研究和设计分子电机。 我的工作表明，分子电动机和微管之间的静电相互作用对于分子电动机的运动起着重要作用。 此外，我已经确定了影响其功能的驱动蛋白的关键残基。 利用我的研究实验室中开发的计算方法，我们成功地设计了一个运动蛋白来修改其运动特性。 随后通过与我的同事合作进行的协作实验来验证这些工程运动素。 计算建模和实验验证之间的这种协同作用突出了我们研究和工程蛋白的方法的潜力。 病毒式衣壳组件巨型病毒为自组装和超分子组件的调节提供了独特而重要的研究前沿。 在我的研究中，我开创了计算方法的开发和应用，以探测病毒式衣壳的基本构建块（称为胶囊体）之间的复杂相互作用。 通过这些努力，我的研究已经深入了解了管理病毒式衣壳组装的机制。 delphi开发分子运动（动力素）工程I研究了分子电机的机制，例如驱动蛋白和动力蛋白。动力素为细胞分裂提供了能力。因此，动力蛋白是开发MEW癌症药物的有希望的靶标。我开发了一系列软件来研究和设计分子电机。我的工作表明，分子电动机和微管之间的静电相互作用对于分子电动机的运动起着重要作用。此外，我已经确定了影响其功能的驱动蛋白的关键残基。利用我的研究实验室中开发的计算方法，我们成功地设计了一个运动蛋白来修改其运动特性。随后通过与我的同事合作进行的协作实验来验证这些工程运动素。计算建模和实验验证之间的这种协同作用突出了我们研究和工程蛋白的方法的潜力。病毒式衣壳组件巨型病毒为自组装和超分子组件的调节提供了独特而重要的研究前沿。在我的研究中，我开创了计算方法的开发和应用，以探测病毒式衣壳的基本构建块（称为胶囊体）之间的复杂相互作用。通过这些努力，我的研究已经深入了解了管理病毒式衣壳组装的机制。delphi开发我的研究中开发的计算工具不仅阐明了巨型病毒组装的复杂过程，而且为研究生物分子结构中更复杂的过程提供了基础。
介绍iko permascreed li：
是平整表面不平坦还是产生排水量，Iko Permascreed Li经过精心设计，以满足现代建筑项目的需求，使其成为效率和生态意识设计的明智选择。•较低体现的碳，Iko Permascreed Li有助于实现客户的可持续性目标。•全球变暖潜力的减少每吨高达73.44千克（第三方EPD认证）•独立认证的EPD，展示了该产品的环境影响降低，有助于减少范围3排放。•零含水量，增强其环保型概况。•快速设置公式，安装后仅一小时就可以行走。•简化的工作流消除了其他交易的延迟，从而提高了整体现场效率。•无需启动，简化应用程序，因为它直接与基于沥青的防水系统键合。•柔性厚度，适用于10mm – 40mm层（多个层的选项）。•与传统的沙子和水泥丝网相比，体重减轻。•优化的排水量符合BS6229：2018标准。•不透水，消除了与吸水和汇集有关的风险。•耐用且持久，设计为60多年的使用寿命。
jing li，博士-CDN
Jing Li博士是赖斯大学Isaac Hilton实验室的研究科学家。 她致力于开发和应用新的尖端CRISPR/CAS的表观基因组编辑工具。 她对使用这些新技术的人类疾病的病理特别感兴趣。 在这次演讲中，她将描述一种新的基因调节和表观基因组编辑工具，这些工具利用活体细胞核中的生物分子凝结。Jing Li博士是赖斯大学Isaac Hilton实验室的研究科学家。她致力于开发和应用新的尖端CRISPR/CAS的表观基因组编辑工具。她对使用这些新技术的人类疾病的病理特别感兴趣。在这次演讲中，她将描述一种新的基因调节和表观基因组编辑工具，这些工具利用活体细胞核中的生物分子凝结。
引用：Li，Y.，Li，K.，Liu，X.，Li，X.，Zhang，Li，Rene，B.，Sun，T。＆Grattan，K。T. V.（2022）。联合So
准确的充电状态（SOC）和健康状况（SOH）估计对于确保电池系统的安全可靠操作至关重要。考虑到SOC和SOH之间的固有耦合，在电池随时间变化的现实应用中，联合估计框架是优选的。然而，它面临着一些挑战，例如关键参数的有限测量值，例如应变和温度分布，难以提取合适的建模特征以及源于测量和模型引起的不确定性。为了应对这些挑战，本文首先使用纤维bragg光栅（FBG）传感器通过将它们连接到细胞表面上以捕获由于电池充电/放电操作而捕获多点应变和温度变化信号来获得更多相关的相关信号。然后开发了用于SOC和容量联合估计的混合机器学习框架（SOH的关键指标），该框架使用了卷积神经网络与高斯过程回归方法相结合的状态估计的均值和差异信息，并通过自动从富含测量的FBG传感器中提取有用的特征来提高共同估计的估计准确性。测试结果证明，通过更新容量估计并利用FBG测量值，可以显着提高SOC估计的准确性和可靠性，可实现高达85.58％的误差降低和减少42.7％的估计标准偏差。
引用：Ding, X.、Li, Y.、Li, D.、Li, L. 和 Liu, X. (2020)。使用机器学习方法区分甲基苯丙胺依赖患者
Brink, W. (2004)。可卡因渴求的两个新神经生理指标：诱发脑电位和提示调节的惊吓反射。《精神药理学杂志》，18，544–552。https://doi.org/10.1177/02698 81104047282 Friedrichs, F.，& Igel, C. (2005)。多个 SVM 参数的进化调整。神经计算，64，107–117。https://doi.org/10.1016/j. neucom.2004.11.022 Healey, JA，& Picard, RW (2005)。使用生理传感器检测现实世界驾驶任务中的压力。 IEEE 智能交通系统学报，6（2），156–166。https://doi. org/10.1109/TITS.2005.848368 Hearst, MA、Dumais, ST、Osman, E.、Platt, J. 和 Scholkopf, B.
一组Li
在这项研究中，研究了电动汽车的机上充电器，并提出并模拟了双向板载充电器的设计。充电器的目标将在未来建立，以在乌普萨拉大学的测试设置中使用。充电器由两个阶段组成：功率因数校正（PFC）转换器，该转换器将AC电压和电流从网格侧转换为DC，同时保持统一功率因数，而双向降压转换器，该转换器调节电池的充电电流和放电电流。该模型是使用MATLAB/SIMULINK构建的，并且使用D-Q同步参考框架来实现PFC转换器的电流控制器，而双向降压电流控制器是使用DC脉冲宽度调制构建的。使用MATLAB单输入和单个输出工具（Sisotool）调整比例和积分增益。研究了转换器的拓扑，结构和相应的数学模型，并对充电器进行了模拟并测试充电模式。在所有操作模式下，监视电池电压，电流和状态，以评估降压控制器的性能，并通过测量AC侧的电流和电压来测试PFC控制器和过滤器的功能。在各种电池电压和电流组中映射充电和放电效率，以确定充电器在不同操作条件下的性能。充电器在充电和放电模式和建议的未来工作中表现出了出色的性能，以提高双向充电系统的效率和性能。
李白晨等人2023.pdf
这项超高场 7 T fMRI 研究探讨了是否存在一个大脑区域核心网络来服务于身体感知的不同方面。参与者观看了猴子和人类面部、身体和物体的自然视频，以及用于控制低级特征的马赛克乱码视频。进行了基于独立成分分析 (ICA) 的网络分析，以在体素和网络级别发现身体和物种的调节。在身体区域中，中额回和杏仁核的物种选择性最高。两个大型网络对身体具有高度选择性，分别由侧枕叶皮层和右侧颞上沟 (STS) 主导。右侧 STS 网络表现出较高的物种选择性，其显著的人体诱导节点连接集中在纹外体区 (EBA)、STS、颞顶交界处 (TPJ)、运动前皮层和下额回 (IFG) 周围。这里发现的人体特定网络可以作为人体的大脑范围的内部模型，作为依赖身体描述的各种过程的入口点，作为其更具体的分类、动作或表情识别功能的一部分。
生物信息学博士后助理 - 李实验室
生物信息学博士后副助理德州理工大学健康科学中心被评为美国前100名医学院（根据美国新闻，第19位）。得克萨斯理工大学是美国第二大连续校园（1,900英亩），也是德克萨斯州唯一在同一校园内拥有本科和研究生大学，法学院和医学院的R1大学。实验室描述：LI生物信息学和基因组学实验室（dllab.org）正在寻求基因组FASTQ数据分析和管道开发的博士后助理，以加入我们的新实验室，并计划新的基因组医学中心。我们提供大型内部原始测序数据集（例如，基因组，转录组，甲基组。），最先进的HPC资源以及强大的指导和支持团队。示例工作包括病毒整合（基因组RES，PMID 30872350）；转座元素（生物信息学，PMID 30895294）。我们完全致力于支持受训者的职业发展。薪水具有竞争力，并且与经验和生产力相称。职责：