XiaoMi-AI文件搜索系统
World File Search SystemMLL
靶向MYC与表观遗传调节剂结合使用，在MLLR白血病中诱导协同的抗白血病作用，并同时提高免疫力
mll重排（MLL R）白血病与预后不良和对常规疗法的反应有限有关。此外，化学疗法会导致严重的侧面影响，并严重受到免疫系统的损害。因此，必须识别新型治疗策略。最近，我们通过使用簇状的定期插入的短篇小学重复序列（CRISPR）/cas9在CD34 +细胞中诱导CD34 +细胞中的染色体重排，开发了人类MLL RR白血病模型。该MLL R模型的真实性模仿患者白血病细胞，可用作新型治疗策略的平台。我们模型的 RNA测序揭示了MYC是促进造成发生的最重要的关键驱动因素之一。 然而，在临床试验中，BRD4抑制剂JQ-1导致间接阻断MYC途径仅显示适度的活动。 我们和其他人以前报道说，靶向MAT2A或PRMT5的表观遗传药物促进了MLL R细胞中的细胞死亡。 因此，我们将这些药物与JQ-1结合使用，从而增强了抗白血病效应。 更重要的是，我们发现T，NK和INKT细胞的激活，免疫调节细胞因子的释放以及抑制剂治疗后PD-1/PD-L1轴的下调导致细胞毒性提高。 总而言之，MYC和MAT2A或PRMT5的抑制作用驱动了MLL RL白血病的强大协同抗白血病活性。 此外，在组合抑制剂治疗后同时激活免疫系统，从而进一步提高了治疗效率。RNA测序揭示了MYC是促进造成发生的最重要的关键驱动因素之一。然而，在临床试验中，BRD4抑制剂JQ-1导致间接阻断MYC途径仅显示适度的活动。我们和其他人以前报道说，靶向MAT2A或PRMT5的表观遗传药物促进了MLL R细胞中的细胞死亡。因此，我们将这些药物与JQ-1结合使用，从而增强了抗白血病效应。更重要的是，我们发现T，NK和INKT细胞的激活，免疫调节细胞因子的释放以及抑制剂治疗后PD-1/PD-L1轴的下调导致细胞毒性提高。总而言之，MYC和MAT2A或PRMT5的抑制作用驱动了MLL RL白血病的强大协同抗白血病活性。此外，在组合抑制剂治疗后同时激活免疫系统，从而进一步提高了治疗效率。
发现 NOTCH1 是治疗 MLL 重排白血病的有希望的靶点
摘要：MLL 重排 (MLL r) 是导致预后不良的急性白血病的原因。因此，迫切需要新的治疗方法。NOTCH1 通路在包括急性白血病在内的许多癌症的发病机制中起着关键作用。使用 CRISPR/Cas9 MLL-AF4/-AF9 易位模型，新开发的毒性副作用较小的 NOTCH1 抑制剂 CAD204520 使我们能够揭示 NOTCH1 作为 MLL r 白血病的致病驱动因素和潜在治疗靶点的影响。我们的 MLL r 模型和 MLL r 细胞系的 RNA 测序 (RNA-seq) 和 RT-qPCR 显示 NOTCH1 通路过表达和激活。令人惊讶的是，我们证实了白血病患者中这种表达水平升高。我们还证明 CAD204520 治疗 MLL r 细胞可显着降低 NOTCH1 及其靶基因以及 NOTCH1 受体表达。类似阿糖胞苷治疗未观察到这种现象，表明小分子具有特异性。因此，使用 CAD204520 治疗导致剂量依赖性增殖和活力降低、细胞凋亡增加，并通过下调 MLL 和 NOTCH1 靶基因诱导细胞周期停滞。总之，我们的研究结果揭示了 NOTCH1 通路在 MLL 或白血病中的致癌相关性。抑制该通路可产生特定的抗白血病作用，并为进一步在临床环境中进行评估铺平了道路。
mllm-sul：在流量方案中的语义场景理解和本地化的多模式大语言模型
摘要 - 多模式大语言模型（MLLM）在许多自动驾驶任务中都表现出令人满意的效果。在本文中，MLLM可用于解决联合语义场景的理解和风险本地化任务，而仅依靠前视图像。在拟议的MLLM-SUL框架中，双分支视觉编码器首先旨在从两种分辨率中提取特征，并且丰富的视觉信息有助于语言模型，以准确描述不同尺寸的风险对象。然后，对于语言生成，美洲驼模型进行了微调，以预测场景描述，其中包含驾驶场景的类型，风险对象的动作以及驱动意图和自我车辆的建议和建议。最终，基于变压器的网络结合了回归令牌，以定位风险对象。在现有的戏剧 - 罗利人数据集和扩展的戏剧-SRIS数据集上进行了广泛的实验表明，我们的方法是有效的，超过了许多基于图像的最新和基于视频的方法。具体来说，我们的方法在现场理解任务中获得了80.1％的BLEU-1分数和298.5％的苹果酒得分，而本地化任务的精度为59.6％。代码和数据集可在https://github.com/fjq-tongji/mllm-sul上找到。
MLLMS的密集连接器-NIPS论文-Neurips 2024
我们是否充分利用多模式大语模型（MLLM）中视觉编码器的潜力？MLLM最近在多模式理解中的出色表现引起了学术界和行业的广泛关注。在当前的MLLM大鼠种族中，重点似乎主要是语言方面。我们目睹了较大和更高质量的指导数据集的兴起，以及大型LLM的参与。然而，很少关注的注意力指向MLLM使用的视觉信号，通常被认为是冷冻视觉编码器提取的最终高级特征。在本文中，我们介绍了密集的连接器 - 一种简单，有效且插件的视觉语言连接器，通过利用多层视觉特征来显着增强现有MLLM，并以最少的额外计算开销。在此基础上，我们还提出了有效的密集连接器，该连接器的性能与Llava-V1.5相当，只有25％的视觉令牌。此外，我们的模型仅在图像上进行了训练，还展示了视频理解中出色的零拍功能。各种视觉编码器，图像分辨率，训练数据集量表，不同尺寸的LLM（2.7b→70b）以及MLLM的不同架构（e。g。，llava-v1.5，llava-next和mini-gemini）验证了我们方法的多功能性和可扩展性，从而在19个图像和视频基准中实现了最先进的性能。我们希望这项工作将提供宝贵的经验，并成为未来MLLM开发的基本模块。代码可在https://github.com/hjyao00/denseconnector上找到。
使用多模式大语言模型（MLLM）进行运输中的对象检测：全面的审查和经验测试
本研究旨在全面审查和经验评估多模式大语模型（MLLM）和大型视觉模型（VLM）在运输系统的对象检测中的应用。在第一个折叠中，我们提供了有关MLLM在运输应用中的潜在好处的背景，并在先前的研究中对当前的MLLM技术进行了全面审查。我们强调了它们在各种运输方案中对象检测中的有效性和局限性。第二倍涉及在运输应用程序和未来方向中概述端到端对象检测的概述。在此基础上，我们提出了对三个现实世界传输问题测试MLLM的经验分析，其中包括对象检测任务，即道路安全属性提取，安全至关重要的事件检测和热图像的视觉推理。我们的发现提供了对MLLM性能的详细评估，揭示了优势和改进领域。最后，我们讨论了MLLM在增强运输中对象检测方面的实际限制和挑战，从而为该关键领域的未来研究和发展提供了路线图。
DetToolChain：释放 MLLM 检测能力的全新提示范式
摘要。我们提出了一种新颖的提示范式 DetToolChain，以释放多模态大型语言模型 (MLLM)（例如 GPT-4V 和 Gemini）的零样本物体检测能力。我们的方法包括一个受高精度检测先验启发的检测提示工具包和一个用于实现这些提示的新思路链。具体来说，工具包中的提示旨在引导 MLLM 关注区域信息（例如放大）、根据测量标准读取坐标（例如叠加尺子和圆规）以及从上下文信息中进行推断（例如叠加场景图）。基于这些工具，新的检测思路链可以自动将任务分解为简单的子任务，诊断预测并规划渐进式框细化。我们的框架的有效性在一系列检测任务中得到了证明，尤其是在困难情况下。与现有的最先进方法相比，使用我们的 DetToolChain 的 GPT-4V 可将最先进对象检测器的 AP 50 在 MS COCO Novel 类集（用于开放词汇检测）上提高 21.5%，在 RefCOCO val 集（用于零样本指称表达理解）上提高 24.23%，在 D-cube 描述对象检测 FULL 设置上提高 14.5% AP。代码将在接受后发布。
先天性畸形和与整合酶抑制剂在妊娠中使用相关的先兆子痫：单中心分析。涉及MLLT10融合的结构变异与小儿急性髓样白血病的不良结局有关。
1血液学/肿瘤学的科，病童医院，加拿大多伦多多伦多大学； 2临床研究部，华盛顿州西雅图市弗雷德·哈钦森癌症中心； 3密歇根州大急流城范·安德尔研究所的表观遗传学中心；加利福尼亚州蒙罗维亚市的4个儿童肿瘤学小组； 5明尼阿波利斯明尼苏达州明尼苏达大学医学中心实验室医学系； 6田纳西州孟菲斯的圣裘德儿童研究医院病理学系； 7西雅图儿童医院血液肿瘤学系，华盛顿州西雅图，华盛顿州； 8阿肯色州儿童研究所，阿肯色州小石城，血液肿瘤科儿科科学系； 9 Sanford Burnham Prebys医学发现研究所，加利福尼亚州拉霍亚； 10 Nemours癌症和血液疾病中心和DE威尔明顿的Alfred I. Dupont儿童医院； 11血液学，肿瘤学和骨髓移植，密苏里州堪萨斯城的儿童慈悲医院和诊所；宾夕法尼亚州费城费城的12个儿童医院； 13南加州大学洛杉矶分校转化基因组学系，加利福尼亚州
基于人类基因组编辑的 MLL::AF4 B 细胞 ALL 模型重现了关键的细胞和分子白血病致病特征
Clara Bueno（西班牙Josep Carreras Leukemia研究所）Raul Torres-Ruíz（西班牙CNIO）Talia Velasco-Hernandez（Spain） Eno（西班牙医学院生物医学学院的Josep Carreras Leukemia研究所）弗吉尼亚·罗德里格斯·科尔特斯（Josep Carreras Leukemia Research Institute，eritxell vinyoles） Ea Vegar-García（西班牙西班牙Sant JoandeDéu研究生血液学实验室）Sandra Rodriguez-Perales（西班牙CNIO）JoséSegovia（生物医学创新单位Oscar Quintana-Bustamante（CIEMAT/CIBERER/IIS-FJD，西班牙） Anindita Roy（牛津大学，英国） Claus Meyer（DCAL，法兰克福歌德大学药物生物学研究所，德国） Rolf Marschalek（法兰克福歌德大学，德国） Alastair Smith（韦瑟罗尔分子医学研究所，英国） Thomas Milne（牛津大学，英国） Mario Fraga（罕见疾病生物医学研究中心 (CIBERER)，西班牙） Juan Ramón Tejedor（罕见疾病生物医学研究中心 (CIBERER)，西班牙） Pablo Menéndez（加泰罗尼亚高等研究院 (ICREA)，西班牙）
优质教学框架助力 MLL 蓬勃发展
简介 所有多语言学习者 (MLL) 1 来到我们的课堂时都拥有丰富的文化、语言和智力资源，以及接受高质量教育的权利。我们的教育系统有责任通过综合内容和语言教学、丰富的机会以及全人教学和学习方法支持 MLL 培养这些优势。在现有框架下，RIDE 旨在建立高质量核心教学 2 的关键组成部分，并提供资源支持在罗德岛实施。现在比以往任何时候都更需要这种支持。从 2010 年到 2020 年，罗德岛的 MLL 学生人数翻了一番，无论是学生人数还是占 K-12 总人口的比例，而且这一人口结构只会继续增长。2020 年，11% 的罗德岛公立学校学生被指定为当前 MLL，这意味着他们有资格获得语言服务以访问基础教育计划。共同所有权 许多从业者认为，MLL 的教学是英语对外汉语 (ESOL) 教师和双语 / 双语 (BDL) 教师的责任。然而，这种观点是错误的，并导致了我们的 MLL 的严重不公平结果。事实上，MLL 通常有多位正式教师和多位学校和学区领导，他们直接影响着 MLL 的教育经历。所有教育工作者都对 MLL 教学负有共同所有权 — — 从教师和建筑管理员到学区人员、州管理员、项目提供者、助理专业人员和其他学校工作人员。为了培养协作和共同所有权的文化，罗德岛教育部 (RIDE) 于 2020 年召集了利益相关者，制定了罗德岛的 MLL 成功蓝图。在制定 MLL 成功蓝图的过程中，教育系统各个层面的利益相关者，包括家长、学生和社区倡导者，都围绕一个共同的愿景走到了一起。这一愿景反映了罗德岛社区的希望——我们渴望并致力于在全州的 MLL 教育中实现的目标：MLL 成功的愿景