XiaoMi-AI文件搜索系统
World File Search SystemLeaky
TAG-72–使用 225Ac 标记的 DOTAylated-huCC49 抗体进行卵巢癌的靶向 α 放射性核素治疗
放射免疫疗法是一种使用放射性标记抗体的方法，在临床上用几种 β 发射放射性核素治疗卵巢癌，但收效甚微。另外，使用 α 发射体的放射免疫疗法具有在较短距离内沉积更高能量的优势，但被认为不适合治疗实体瘤，因为实体瘤的抗体渗透范围仅限于血管系统周围的几个细胞直径。然而，高能 α 发射体沉积在典型的渗漏性肿瘤血管系统附近的肿瘤标志物上，可能在肿瘤血管水平上产生很大的抗肿瘤作用，而它们在正常组织中的渗透性降低有望降低脱靶毒性。方法：为了评估这一概念，用 α 发射体 225 Ac 标记 DOTAylated-huCC49，以靶向卵巢癌小鼠模型中的肿瘤相关糖蛋白 72 阳性异种移植瘤。结果：225 Ac 标记的 DOTAylated-huCC49 放射免疫疗法以剂量依赖性方式显著减缓肿瘤生长（1.85、3.7 和 7.4 kBq），与未治疗对照组相比，7.4 kBq 剂量使生存期延长了 3 倍以上。此外，与未治疗对照组相比，多治疗方案（1.85 kBq，随后 5 周剂量 0.70 kBq，总计 5.4 kBq）使生存期延长了近 3 倍，且没有显著的脱靶毒性。结论：这些结果确立了抗体靶向 α 放射性核素治疗卵巢癌的潜力，该疗法可推广至其他实体肿瘤的 α 放射性免疫疗法。
迈向抗泄漏后量子 CCA 安全公钥
摘要。与任何加密算法一样，后量子 CCA 安全公钥加密方案的部署可能伴随着需要防范侧信道攻击。对于现有的未考虑泄漏的后量子方案，最近的结果表明，这些保护的成本可能会使其实施成本增加几个数量级。在本文中，我们描述了一种专门为此目的量身定制的新设计，即 POLKA。它利用各种要素来实现高效的侧信道保护实现，例如：(i) 刚性属性（直观地意味着去随机化加密和解密是注入函数）以避免 Fujisaki-Okamoto 变换非常容易泄漏的重新加密步骤，(ii) 通过合并虚拟密文实现解密的随机化，消除对手对中间计算的控制并使这些计算变得短暂，(iii) 密钥同态计算可以屏蔽侧信道攻击，其开销与共享数量呈线性关系，(iv) 困难的物理学习问题可以讨论一些关键的未屏蔽操作的安全性。此外，我们使用显式拒绝机制（对无效密文返回错误符号）来避免隐式拒绝造成的额外泄漏。因此，POLKA 的所有操作都可以以比最先进的设计更便宜的方式防止泄漏，从而为量子安全和抗泄漏的方案开辟了道路。
抗体结合纳米粒子用于化疗药物的靶向输送
摘要 纳米技术为将化疗药物精确递送至癌细胞提供了有效的方法，从而提高了疗效并减少了脱靶副作用。纳米级化疗药物的靶向递送通过两种不同的方法实现，即利用渗漏的肿瘤血管（EPR效应）和用各种肿瘤归巢肽、适体、寡核苷酸和单克隆抗体（mAb）对纳米粒子（NPs）进行表面改性。由于具有更高的结合亲和力和特异性，mAb 在检测选择性癌症生物标志物以及治疗各种类型的癌症方面受到了广泛关注。抗体偶联纳米粒子（ACNPs）是一种有效的靶向治疗方法，可高效地将化疗药物特异性地递送到目标癌细胞。ACNPs 结合了 NPs 和 mAb 的优点，可在肿瘤部位提供高药物负荷，具有更好的选择性和递送效率。 NP 表面的 mAb 识别靶细胞上表达的特定受体，并以受控方式释放化疗药物。适当设计和合成的 ACNP 对充分实现其治疗效益至关重要。在血流中，ACNP 会立即与生物分子相互作用，并形成蛋白质冠。蛋白质冠的形成会触发免疫反应并影响纳米制剂的靶向能力。在这篇综述中，我们提供了最近的研究结果，重点介绍了几种抗体结合方法，例如吸附、共价结合和生物素-亲和素相互作用。本综述还概述了蛋白质冠的多种作用以及 ACNP 在癌症治疗中的治疗诊断应用。
医疗领域细胞支架的革命 - UCL Discovery
2004 年，静电纺丝因其在生物和医学科学中的实用性而被重新构想和研究，即直接将生物聚合物与细胞混合，并将该细胞悬浮液暴露于静电纺丝中。这些研究表明，尽管施加了数千伏的电压，但被静电纺丝的带有生物聚合物的细胞并没有受到从分子水平向上的任何损伤。后来人们发现，伴随的施加电流通常为纳安培。因此，从另一个角度看，在医学和临床科学中，有一种这样的电场驱动方法，即电穿孔，据报道，这种方法的电压为几百伏，电流为几十毫安，会损伤和杀死细胞。电穿孔中的电流是使细胞膜可渗透所必需的，从而使基因构建体能够进入细胞。不幸的是，在此过程中，大多数细胞无法修复其渗漏的膜，因此死亡。这是大多数遗传学家学会忍受的权衡，因此产生了低存活率的转染细胞群。2006 年，直接电纺细胞的能力被创造出来，现在被称为“细胞电纺”。迄今为止，细胞电纺已被探索用于处理 600 多种不同类型的细胞，从原核到真核、哺乳动物和其他细胞类型，包括干细胞和整个受精胚胎。
受大脑启发的具有脉冲神经元的多层感知器
近年来，多层感知器 (MLP) 成为计算机视觉任务领域的研究热点。由于没有归纳偏差，MLP 在特征提取方面表现良好并取得了惊人的效果。然而，由于其结构简单，其性能高度依赖于局部特征通信机制。为了进一步提高 MLP 的性能，我们引入了脑启发神经网络的信息通信机制。脉冲神经网络 (SNN) 是最著名的脑启发神经网络，在处理稀疏数据方面取得了巨大成功。SNN 中的泄漏积分和触发 (LIF) 神经元用于在不同时间步骤之间进行通信。在本文中，我们将 LIF 神经元的机制合并到 MLP 模型中，以在不增加 FLOP 的情况下实现更好的准确率。我们提出了一种全精度 LIF 操作来在块之间进行通信，包括不同方向的水平 LIF 和垂直 LIF。我们还建议使用组 LIF 来提取更好的局部特征。借助 LIF 模块，我们的 SNN-MLP 模型在 ImageNet 数据集上分别仅使用 4.4G、8.5G 和 15.2G FLOP 就实现了 81.9%、83.3% 和 83.5% 的 top-1 准确率，据我们所知，这是最先进的结果。源代码将在 https://gitee.com/mindspore/models/tree/master/research/cv/snn mlp 上提供。
ArciTect™ Cas9-eGFP 核酸酶
ArciTect™ Cas9-eGFP 核酸酶是一种融合蛋白，由增强型绿色荧光蛋白 (eGFP) 和来自化脓性链球菌的野生型 Cas9 重组蛋白组成；它包含一个 C 端连接的 eGFP 分子。ArciTect™ Cas9-eGFP 核酸酶需要与向导 RNA（例如 ArciTect™ sgRNA（目录号 #200-0013）或由 ArciTect™ tracrRNA（目录号 #76016）和 ArciTect™ crRNA（目录号 #76010）组成的双链）结合，以形成核糖核蛋白 (RNP) 复合物。该 RNP 复合物在基因组中的位点特定位置产生双链断裂。 ArciTect™ Cas9-eGFP 核酸酶还在 N 端含有核定位信号，确保 RNP 复合物转位至细胞核，从而提高基因组编辑的效率。由于 RNP 复合物在转染后完全发挥作用，因此在转位至细胞核后可立即发挥作用。RNP 复合物在 48 小时内降解，为基因组编辑提供了充足的时间，同时减少了 RNP 复合物持续存在可能导致的脱靶效应。使用 RNP 系统还可以避免生成稳定的 Cas9 表达细胞系的繁琐过程，从而节省时间并降低由于可诱导表达系统泄漏而导致脱靶效应的风险。化脓性链球菌 Cas9 使用原间隔区相邻基序 (PAM) 序列 NGG（其中 N 可以是任何核苷酸）。如果靶序列下游没有基因组 PAM 位点，酶就不会裂解。
潜在平衡：任意的统一学习理论...
物理计算元素的响应时间是有限的，神经元也不例外。在皮质网络的分层模型中，每层都引入了响应滞后。物理动力学系统的这种固有属性导致刺激的处理延迟，并导致网络输出和启发性信号之间的时机不匹配，因此不仅会推断，而且还可以学习。我们引入了潜在平衡，这是一个慢速组件网络中推断和学习的新框架，通过利用生物神经元的能力来避免这些问题，以相对于其内存潜力进行输出。该原理可以独立于网络深度，可以实现准稳定推断，并避免需要分阶段可塑性或计算昂贵的网络松弛阶段。我们从依赖网络的广义位置和动量的前瞻性能量函数中共同得出脱离神经元和突触动力学。所得模型可以解释为具有连续时间，泄漏的神经元动力学和连续的局部局部可塑性的深层皮质网络中误差反向传播的误差。我们展示了对标准基准数据集的成功学习，并使用完全连接和连接的体系结构来实现竞争性能，并展示了如何将我们的原理应用于皮质微电路的详细模型。此外，我们研究了模型对时空底物缺陷的鲁棒性，以证明其在体内或在硅中的物理实现的可行性。§
用于超高动态范围基因扰动的化学诱导 CRISPR/Cas9 电路
CRISPR/Cas9 技术为疾病建模和了解基因与表型之间的联系提供了独特的能力。在培养细胞中，化学介导的 Cas9 活性控制可以限制脱靶效应，并实现对必需基因的机制研究。然而，广泛使用的 Tet-On 系统通常显示“泄漏”的 Cas9 表达，导致意外编辑，以及诱导时活性较弱。泄漏在 Cas9 核酸酶活性的背景下可能是一个明显的问题，这可能导致 DNA 损伤的累积和靶细胞基因组的降解。为了克服这些缺陷，我们建立了转基因平台，以最大限度地减少 Cas9 在关闭状态下的功能，同时最大限度地提高和不损害开启状态下的基因编辑效率。通过结合条件性不稳定和 Cas9 抑制，我们开发了一种一体化（一个或多个向导 RNA 和 Cas9）超紧密、Tet 诱导系统，在各种细胞系和靶标中具有出色的动态范围（开启状态与关闭状态）。作为 Tet 介导诱导的替代方案，我们创建了一个 branaplam 调节的剪接开关模块，用于低基线和强大的 Cas9 活性控制。最后，对于需要避免 DNA 损伤的情况，我们构建了一个双重控制、Tet 诱导的 CRISPRi 模块，用于紧密和有效的转录沉默。这套升级的诱导型 CRISPR 系统可广泛应用于多种细胞类型和实验条件。
基于Core -Shell cspbbr3@graphDiyne纳米晶体的光学调制双模式磁带阵列，用于完全回忆性神经形态计算硬件
在人工智能（AI）和物联网（IoT）时代，包括图像，声音，气味和伤害在内的大量感官数据是从外部环境中感知的，对以数据为中心任务的处理速度和能源效率施加了关键要求。1 - 3，尽管已经做出了巨大的努力来提高von Neumann计算机的计算能力和效率，但物理分离的处理和内存单元之间的恒定数据不可避免地会消耗巨大的能量并诱导计算潜伏期。4 - 9另外，基于人工神经网络（ANN）的人脑启发的神经形态计算已经证明了其在AI和机器学习等数据密集应用中的巨大优势。必须开发ANN的硬件实施，即人工突触和神经元，以模仿生物突触和神经元的生理活性。近年来，已经提出了各种神经形态设备，10 - 13，由于其简单的结构，高积分密度，高运行速度，低能量消耗和模拟行为，两个末端的内置构件被认为是最有希望的候选者。1,2,7,8,14 - 17尤其是，最近具有挥发性阈值转换（TS）行为的新型扩散的回忆录已证明它们在泄漏的整合和火灾（LIF）神经元中的潜力，5,7,18,19,19
证据网络：快速，摊销，神经贝叶斯模型比较的简单损失
抽象证据网络可以在最先进的方法时启用贝叶斯模型比较（例如嵌套采样）失败，即使可能性或先验是棘手或未知的可能性。贝叶斯模型比较，即贝叶斯因素或证据比率的计算可以作为优化问题。尽管贝叶斯对最佳分类的解释是众所周知的，但在这里，我们更改了透视和当前类别的损失函数，这些损失功能会导致快速，摊销的神经估计器，这些神经估计器直接估计贝叶斯因子的方便功能。这种减轻与估计单个模型概率相关的数值不准确性。我们介绍了泄漏的奇偶校验功率（L-pop）变换，从而导致了新型的“ L-pop-timpential”损失函数。我们探讨了不同模型中数据概率的神经密度估计，这表明与证据网络相比，它的准确和可扩展性不那么准确和可扩展性。多个现实世界和综合示例说明，证据网络明确地独立于参数空间的维度，并与后验概率密度函数的复杂性温和地缩小。这种简单而强大的方法对模型推理任务具有广泛的影响。作为证据网络在现实世界数据中的应用，我们计算了两个模型的贝叶斯因子，该模型具有暗能量调查的重力镜头数据。我们简要讨论了我们的方法在隐式推理设置中的其他相关的模型比较和评估问题。