XiaoMi-AI文件搜索系统
World File Search SystemLu
引用SU Q，Wang R，Luo Y，Tang Q和Wang K（2024）降低脂质药物靶基因与勃起功能障碍和雄性repret
勃起功能障碍（ED）被定义为阴茎持续无法实现和/或保持勃起的性生活，是泌尿科中最常见的疾病之一（1）。尽管Ed不会对生命构成威胁，但它对社会构成了重大的安全隐患。 它不仅会影响患者的身心健康，而且会给性伴侣带来极大的困扰，从而导致患者及其伴侣的生活质量下降，家庭中的不和谐，更认真地，工作生产力的下降，家庭暴力的提高以及医疗负担的增加。 与心血管危险因素高度相关，例如高脂血症，糖尿病和血压异常。 先前的研究发现，ED和心血管疾病的发病机理基本上是相同的，均以血管内皮功能障碍为中心，最终导致血管性动脉粥样硬化（2-4）。 因此，ED和心血管疾病具有共同的危险因素。 脂质，包括总胆固醇（TC），甘油三酸酯（TG），低密度脂蛋白（LDL）和高密度脂蛋白（HDL），在此过程中起着至关重要的作用。 烟酸，他汀类药物，纤维和新型脂质降低药物通常用于治疗高脂血症（5-8）。 有临床证据表明，降脂药物疗法可以显着改善由高脂血症引起的有机ED患者的勃起功能（9，10）。 几个荟萃分析也显示了相似的结论（11，12）。 近年来，药物靶标MR分析已成为有效的工具。尽管Ed不会对生命构成威胁，但它对社会构成了重大的安全隐患。它不仅会影响患者的身心健康，而且会给性伴侣带来极大的困扰，从而导致患者及其伴侣的生活质量下降，家庭中的不和谐，更认真地，工作生产力的下降，家庭暴力的提高以及医疗负担的增加。与心血管危险因素高度相关，例如高脂血症，糖尿病和血压异常。 先前的研究发现，ED和心血管疾病的发病机理基本上是相同的，均以血管内皮功能障碍为中心，最终导致血管性动脉粥样硬化（2-4）。 因此，ED和心血管疾病具有共同的危险因素。 脂质，包括总胆固醇（TC），甘油三酸酯（TG），低密度脂蛋白（LDL）和高密度脂蛋白（HDL），在此过程中起着至关重要的作用。 烟酸，他汀类药物，纤维和新型脂质降低药物通常用于治疗高脂血症（5-8）。 有临床证据表明，降脂药物疗法可以显着改善由高脂血症引起的有机ED患者的勃起功能（9，10）。 几个荟萃分析也显示了相似的结论（11，12）。 近年来，药物靶标MR分析已成为有效的工具。与心血管危险因素高度相关，例如高脂血症，糖尿病和血压异常。先前的研究发现，ED和心血管疾病的发病机理基本上是相同的，均以血管内皮功能障碍为中心，最终导致血管性动脉粥样硬化（2-4）。因此，ED和心血管疾病具有共同的危险因素。脂质，包括总胆固醇（TC），甘油三酸酯（TG），低密度脂蛋白（LDL）和高密度脂蛋白（HDL），在此过程中起着至关重要的作用。烟酸，他汀类药物，纤维和新型脂质降低药物通常用于治疗高脂血症（5-8）。有临床证据表明，降脂药物疗法可以显着改善由高脂血症引起的有机ED患者的勃起功能（9，10）。几个荟萃分析也显示了相似的结论（11，12）。近年来，药物靶标MR分析已成为有效的工具。但是，一些学者发现，高脂血症的患者在使用降低脂质药物期间可能会降低睾丸激素水平，这反过来又可能导致ED发生。此外，一些研究表明他汀类药物可能通过影响自主神经功能或心理因素而间接导致ED的发生（13）。随机对照试验（RCT）是确定药物效率和不良反应的标准方法。但是，目前缺乏降脂药物和ED之间的大规模随机对照试验。降低脂质药物对ED和性激素水平的发生的影响尚不清楚，需要进一步探索。随着全基因组关联研究（GWAS）的日益普及，门德尔随机化（MR）可能是用于解决问题的RCT研究的有效替代方法。由于遗传变异（等位基因）是在减数分裂过程中随机分配的，因此MR研究的参与者根据等位基因的存在“随机”。这类似于随机对照试验，该试验将参与者随机分配到实验治疗组或对照组（14、15）。因此，MR分析的优点是，与其他研究方法相比，MR分析不易受到混杂因素的影响。它用于推断针对蛋白质编码基因，拮抗剂，激动剂或抑制剂对疾病风险的药物的影响（16）。该工具对破译药物治疗的潜力和促进药物开发非常有帮助。
发光杂志
Yb 3+ /Er 3+ 共掺杂上转换材料广泛用于发光强度比 (LIR) 测温，其中 Er 3+ 掺杂离子的绿色发光跃迁 ( 2 H 11/2 → 4 I 15/2 和 4 S 3/2 → 4 I 15/2 ) 的相对强度比随温度而变化。在本文中，我们报告了从 2 H 9/2 能级到中间 4 I 13/2 能级的额外跃迁的影响，该跃迁与通常用于 LIR 测温的绿色发光重叠。2 H 9/2 → 4 I 13/2 发射与 4 S 3/2 → 4 I 15/2 发射大量重叠，并且对泵浦功率更敏感。为了获得准确的温度读数，需要仔细选择用于积分 2 H 11/2 → 4 I 15/2 和 4 S 3/2 → 4 I 15/2 发光的波长间隔。
2023 年度报告 Luminar Technologies, Inc.
本 10-K 表年度报告（本“10-K 表”）除历史信息外，还包含前瞻性陈述。这些前瞻性陈述包含在本 10-K 表中，包括标题为“业务”、“风险因素”、“管理层对财务状况和经营成果的讨论和分析”的章节以及本 10-K 表的其他章节中，包括有关产品计划、未来增长、销售估计/订单数量、市场机会、战略举措、行业定位、客户获取和保留、收入增长以及未来任何健康流行病和疫情对我们业务的预期影响的陈述。在某些情况下，您可以通过前瞻性词语识别这些陈述，例如“展望”、“相信”、“预期”、“未来”、“潜在”、“持续”、“可能”、“将”、“应该”、“可能”、“寻求”、“大约”、“预测”、“打算”、“计划”、“估计”、“预期”或这些词语的否定形式或其他类似词语或短语，但没有这些词语并不意味着陈述不是前瞻性的。这些前瞻性陈述受关于我们的风险、不确定性和假设的影响，可能包括对我们未来财务业绩、预期增长战略和业务预期趋势的预测。
卢卡斯资产定价模型
亚里士多德 [ 公元前 350 年 ] 列出了人类常见推理错误，其中一条比较微妙的谬误是“合成谬误”，推理者认为，如果一个命题对整体的每个元素都成立，那么它对整体也一定成立。卢卡斯模型提供了一个反例。从任何个体（原子）行为者的角度来看，决定多储蓄一单位确实会带来更多的未来资源，数量为 R t +1 。但从整个社会的角度来看，如果每个人都决定做同样的事情（多储蓄一单位），那么在 t + 1 时期对总资源就不会产生任何影响。换句话说，对任何个体行为者来说，“资本边际产量”似乎都是 R t +1 ，但对整个社会来说，资本边际产量为零。认为整个社会的回报必须与个人可获得的回报相同这一命题是错误的，因为它隐含地假设普遍的储蓄意愿不会产生一般均衡效应（或者更广泛地说，一个人做出的决定与另一个人的决定之间没有相互作用）。卢卡斯模型提供了一个反例，如果每个人的偏好都发生变化（例如，每个人的 ϑ 都下降），未来资产的价格就会受到影响——事实上，它受到的影响足以抵消对未来股息所有权增加的渴望（因为资产的供应量是固定的，需求必须与预先存在的供应量相协调）。亚里士多德是个聪明人！
引用本文：Thomas KF Chiu、Benjamin Luke Moorhouse、Ching Sing Chai 和 Murod Ismailov (2023)：教师支持和学生学习动机
摘要 随着人工智能 (AI) 技术的进步，它将不可避免地给课堂实践带来许多变化。然而，教育领域的人工智能研究与教学观点或教学方法的联系较弱，特别是在 K-12 教育领域。人工智能技术可能使有上进心和先进的学生受益。需要了解教师在课堂上使用人工智能技术调解和支持学生学习方面所起的作用。本研究使用自我决定理论作为支撑框架，调查教师支持如何调节学生专业知识对需求满足和使用人工智能技术学习的内在动机的影响。这项实验研究涉及 123 名 10 年级学生，并在实验中使用聊天机器人作为基于人工智能的技术。分析表明，使用聊天机器人学习的内在动机和能力取决于教师支持和学生专业知识（即自我调节学习和数字素养），教师支持更好地满足了关联性需求，而不太满足自主性需求。研究结果完善了我们对自我决定理论应用的理解，并扩展了人工智能应用和教学实践的教学和设计考虑。
引用 Larue F、Rouan L、Pot D、Rami J-F、Luquet D 和 Beurier G (2024) 使用神经网络将遗传标记和作物模型参数链接到 e
需要开发适应不断变化的生产情景的植物品种，特别是在气候变化的情况下，这要求作物满足日益复杂和多样化的需求，这对育种者来说是一个巨大的挑战。在此背景下，追求赋予所需作物特性和适应性的性状组合比以往任何时候都更加重要，因此有必要加强多标准或多性状育种（Moeinizade 等人，2020 年）。利用分布在基因组中的完整核苷酸多样性来预测数量性状的育种值（基因组预测，GP，Meuwissen 等人，2001 年）已证明其在育种计划中的有效性。事实证明，这种方法有助于提高遗传增益率并降低成本（Hickey 等人，2017 年）。然而，为了应对气候变化和更明确的环境目标种群（Chapman 等人，2000 年），对多环境（ME）育种的需求日益增长，这需要采用基因组预测方法来解释基因型和环境（GxE）之间相互作用的出现（Rincent 等人，2017 年）。先前的研究试图在基因组选择（GS）中解决 GxE。例如，Burgueño 等人(2012) 开发了多环境统计模型。然而，这些模型仅考虑线性和非因果环境效应，从而降低了预测准确性的可能增益，尤其是对于复杂的综合性状或与校准集有显着差异的环境（Rogers and Holland，2022）。Heslot 等人。另一方面，（2014 年）使用作物生长模型 (CGM) 来推导环境协变量。与标准 GS 模型相比，在 GS 框架内加入环境协变量可提高预测准确性并降低未观察环境中的预测变异性。整合作物模型以解决 GxE，如 Heslot 等人的研究所示。(2014) ，强调了这种方法在所述育种环境中的实用性。尽管如此，考虑大量协变量会显著增加问题的复杂性，使得建模变得极具挑战性（Larkin 等人，2019 年）。
引文 Pepe G, Coco R, Corica D, Luppino G, Morabito LA, Lugarà C, Abbate T, Zirilli G, Aversa T, Stagi S 和 Wasniewska M (2024) 内分泌失调
雷特综合征 (RTT；OMIM ID 312750) 是一种严重的神经发育障碍，几乎只发生在女性身上，主要发生在 6 个月大的婴儿身上 ( 1 )。每 15,000 名新生儿中就有 1 名患有此病 ( 2 )。它是继唐氏综合征之后导致女孩智力障碍的第二大遗传病因 ( 3 )。在 90 – 95% 的病例中，甲基-CpG 结合蛋白 2 基因突变是导致大多数典型 RTT 和较小比例非典型 RTT 的原因。另一方面，具有 Rett 表型的患者会同时患有由细胞周期蛋白依赖性蛋白激酶样 5 基因 ( CDKL5 ) 突变引起的早发性癫痫 ( 4 )。另一种称为 FOXG1 的基因与非典型 RTT 或 RTT 样表型有关，并且可能表现出保留的功能和特定的临床特征 ( 5 )。 1999 年，首次描述了甲基-CpG 结合蛋白 2 ( MeCP2 ) 基因突变。MeCP2 基因编码甲基-CpG 结合蛋白 2 ( MeCP2 )，该蛋白与基因的长期沉默有关，并在所有组织中表达 ( 6 )。MeCP2 基因突变主要导致功能丧失，是 RTT（一种影响 X 染色体的疾病）的主要原因 ( 7 )。由于大约 95% 的突变是新生的，因此产前检测和/或 Rett 综合征的遗传咨询通常无济于事。MeCP2 在大脑功能和神经元发育中起着关键作用，无论是在神经元分化开始时还是之后 ( 8 )。RTT 患者一开始看起来都很“健康”。然而，从 6 到 18 个月大的时候，这些儿童会经历早期发育里程碑的退化，运动技能、眼神交流、言语和运动控制能力下降，头部生长减速，并出现明显的重复性、无目的的手部运动 (9)。随着时间的推移，通常会出现一系列神经系统问题，包括焦虑、呼吸问题（呼吸节律失常）和癫痫发作 (10)。RTT 的临床表型高度多变，可分为两大类：典型 (经典) RTT 和非典型 (变异) RTT。典型 RTT 的诊断标准需要一段时间的退化，然后恢复或稳定，并满足所有主要标准（失去有目的的手部技能、失去口语、步态异常和刻板的手部动作）(3)。进一步的表现可以包括自闭症特征、间歇性呼吸异常、自主神经系统功能障碍、心脏异常和睡眠障碍。除了典型或经典的 RTT 外，一些患者可能表现出许多（但不是全部） RTT 临床特征，因此存在“变异型”或“非典型型” RTT（11）。这些包括三种主要变异型：保留言语、早发性癫痫和先天性变异（12）。曲奈肽是目前 FDA 自 2023 年以来批准的唯一一种 RTT 疾病改良疗法，是一种潜在的有效且安全的治疗机会（13）。不同的药物，包括醋酸格拉替雷和右美沙芬，已在小规模临床试验中进行了研究，但效果不显著 ( 14 )。基因疗法目前正处于药物开发阶段，可能带来新的治愈机会 ( 15 )。最初，RTT 被认为是一种纯粹的神经系统病理，但近年来，它已成为一种复杂且
原始发表论文的引用（记录版本）：Lu, H., Xiao, L., Liao, W. et al (2024). Cell factory design with advanced metastatic mo
合成生物学和人工智能 (AI) 的进步为现代生物技术提供了新的机遇。高性能细胞工厂是工业生物技术的支柱，最终决定了生物基产品在与石油基产品的激烈竞争中是成功还是失败。迄今为止，合成生物学面临的最大挑战之一是以一致和高效的方式创建高性能细胞工厂。作为所谓的白盒模型，已经开发了许多代谢网络模型并将其用于计算菌株设计。此外，近年来，人工智能驱动的菌株工程取得了巨大进展。这两种方法都有优点和缺点。因此，人工智能与代谢模型的深度整合对于构建具有更高滴度、产量和生产率的优质细胞工厂至关重要。本综述总结了最新的先进代谢模型和人工智能在计算菌株设计中的详细应用。此外，还讨论了人工智能和代谢模型深度整合的方法。预计由人工智能驱动的先进机械代谢模型将为未来几年高效构建强大的工业底盘菌株铺平道路。
拉伯克社区健康需求评估 (CHNA)
致谢 1 目录 2 执行摘要 4 简介 7 MAPP 流程 8 县级健康排名模型 9 使命和愿景 11 数据收集方法 12 利益相关者访谈 13 社区调查 17 调查传单 17 大学焦点小组和调查 18 社区状况评估 20 关于拉伯克 20 保险覆盖范围 24 死亡率 29 以前的 CHNA 30 社区环境评估 31 大学城 33 州际公路 27 34 社区合作伙伴评估 39 社区参与结果 40 拉伯克公共卫生工作人员研讨会 40 与拉伯克卫生委员会的会议 41 关键线人访谈 42 思想交流（社区倾听会议） 44 社区状况评估调查 46 大学生团体和调查 53 来自大学焦点小组 67 学生对拉伯克公共卫生的建议 71 关键信息提供者的声音和思想交流 75 医疗保健的可及性 75 心理健康、药物滥用和无家可归 76 性传播感染 (STI) 和青少年怀孕 79 健康问题 84 肥胖和糖尿病 84 心脏病 84
建议引用这项工作：AgustínA。Irizarry-Rivera，Marcel J. Castro-Sitiriche，Lionel Orama-Exclusa，Eduardo A. Lugo-Hernández，“分发 div>
尽管需求减少归因于许多因素：能源效率，改变能源需求模式和分布式太阳能光伏发电，但我们发现需求减少与辐照度曲线密切相关。由于减少需求的时间范围很短，我们的分析滚动窗口为一年，我们提出了以下假设：由于加速采用了分布式太阳能光伏系统，我们看到需求减少。但是，仅净计量太阳能光伏系统并不能说明还原的幅度。我们目前正在完善我们的计算，以估计非NET计量分布式太阳能光伏生成。