1。Owais Ahmad Bhat,Rohitashw Kumar,Mukesh Kumar和Yasir Altaf(2015),“开发了印度克什米尔山谷的19个DAL集水区的微流域的确定性径流预测模型”,《土壤和水保护新系列》。印度土壤保护协会。1月至3月,14(1),19-3。 ISSN 0022–457X。 2。 Yasir Altaf,Manzoor Ahangar,Mohammad Fahimuddin,(2016年)。 “西喜马拉雅地区Lidder Basin的未来气候变化”。 第7卷,第3页。第334-353页国际水文学科学技术杂志,Inderscience Publishers .ISSN 2042-7816。 3。 Yasir Altaf,Rohitashw Kumar,Rubina Mir和Owais Ahmad Bhat,(2016年),印度卡什米尔河谷温带地区的藏红花(Crocus sativus)的新兴趋势的评估。 土壤和水保护杂志新系列。 印度土壤保护协会。 10月至12月15日(4),345-348。 ISSN 0022–457X。 4。 Altaf Y,Ahmad AM,Mohd F(2017)印度Lidder Basin地区的基于MLR的统计降低温度和降水量。 环境污染气候变化1:109。 5。 Yasir Altaf,Manzoor Ahangar,Mohammad Fahimuddin,(2017年)。 “对高海拔流域气候变化的水文反应”。 Inderscience Publishers 6。 Yasir Altaf,Manzoor Ahangar,Mohammad Fahimuddin,(2018年)。 “喜马拉雅河印度河盆地高空流域的水平衡研究:基于物理学的分布式水文模型的应用。”1月至3月,14(1),19-3。ISSN 0022–457X。2。Yasir Altaf,Manzoor Ahangar,Mohammad Fahimuddin,(2016年)。 “西喜马拉雅地区Lidder Basin的未来气候变化”。 第7卷,第3页。第334-353页国际水文学科学技术杂志,Inderscience Publishers .ISSN 2042-7816。 3。 Yasir Altaf,Rohitashw Kumar,Rubina Mir和Owais Ahmad Bhat,(2016年),印度卡什米尔河谷温带地区的藏红花(Crocus sativus)的新兴趋势的评估。 土壤和水保护杂志新系列。 印度土壤保护协会。 10月至12月15日(4),345-348。 ISSN 0022–457X。 4。 Altaf Y,Ahmad AM,Mohd F(2017)印度Lidder Basin地区的基于MLR的统计降低温度和降水量。 环境污染气候变化1:109。 5。 Yasir Altaf,Manzoor Ahangar,Mohammad Fahimuddin,(2017年)。 “对高海拔流域气候变化的水文反应”。 Inderscience Publishers 6。 Yasir Altaf,Manzoor Ahangar,Mohammad Fahimuddin,(2018年)。 “喜马拉雅河印度河盆地高空流域的水平衡研究:基于物理学的分布式水文模型的应用。”Yasir Altaf,Manzoor Ahangar,Mohammad Fahimuddin,(2016年)。“西喜马拉雅地区Lidder Basin的未来气候变化”。第7卷,第3页。第334-353页国际水文学科学技术杂志,Inderscience Publishers .ISSN 2042-7816。3。Yasir Altaf,Rohitashw Kumar,Rubina Mir和Owais Ahmad Bhat,(2016年),印度卡什米尔河谷温带地区的藏红花(Crocus sativus)的新兴趋势的评估。土壤和水保护杂志新系列。印度土壤保护协会。10月至12月15日(4),345-348。ISSN 0022–457X。4。Altaf Y,Ahmad AM,Mohd F(2017)印度Lidder Basin地区的基于MLR的统计降低温度和降水量。 环境污染气候变化1:109。 5。 Yasir Altaf,Manzoor Ahangar,Mohammad Fahimuddin,(2017年)。 “对高海拔流域气候变化的水文反应”。 Inderscience Publishers 6。 Yasir Altaf,Manzoor Ahangar,Mohammad Fahimuddin,(2018年)。 “喜马拉雅河印度河盆地高空流域的水平衡研究:基于物理学的分布式水文模型的应用。”Altaf Y,Ahmad AM,Mohd F(2017)印度Lidder Basin地区的基于MLR的统计降低温度和降水量。环境污染气候变化1:109。5。Yasir Altaf,Manzoor Ahangar,Mohammad Fahimuddin,(2017年)。“对高海拔流域气候变化的水文反应”。Inderscience Publishers 6。Yasir Altaf,Manzoor Ahangar,Mohammad Fahimuddin,(2018年)。“喜马拉雅河印度河盆地高空流域的水平衡研究:基于物理学的分布式水文模型的应用。”国际水文学科学技术杂志,知识分子出版商。7。Yasir Altaf,Manzoor Ahangar教授和Mohammad Fahimuddin博士(2019)使用耦合模型在Lidder River Basin中建模融雪径流,国际河流流域管理杂志,DOI:10.1080/15715124.2019.1634082。8。Yasir Altaf,Manzoor Ahanger,Mohammad Fahimuddin,(2016年),《自然资源管理:生态观点》。 MLR的统计降低了印度利地盆地地区温度和降水量。 vol.1。印度生态学会的诉讼,国际会议,克什米尔农业科学与技术大学(SKUAST),印度,2016年2月18日至20日。ISBN-978-93-5254-337-3。 9。 Yasir Altaf,Manzoor Ahangar,Mohammad Fahimuddin,(2017年),使用耦合模型在Lidder River Basin中对融雪径流进行建模。 由维也纳大学和NIH Roorkee组织的大河流地位和未来的国际会议,并在印度栖息地中心举行-Newdelhi。 (2017年4月18日至21日)。 10。 Yasiraltaf,Shakeel Ahmad Bhat,Shafat Khan等人(2017年),《克什米尔河谷生产藏红花的不同灌溉系统的绩效评估》。 由Skuast-K组织的藏红花生产和生产力的全国会议(2017年8月7日至8日)。Yasir Altaf,Manzoor Ahanger,Mohammad Fahimuddin,(2016年),《自然资源管理:生态观点》。MLR的统计降低了印度利地盆地地区温度和降水量。vol.1。印度生态学会的诉讼,国际会议,克什米尔农业科学与技术大学(SKUAST),印度,2016年2月18日至20日。ISBN-978-93-5254-337-3。9。Yasir Altaf,Manzoor Ahangar,Mohammad Fahimuddin,(2017年),使用耦合模型在Lidder River Basin中对融雪径流进行建模。由维也纳大学和NIH Roorkee组织的大河流地位和未来的国际会议,并在印度栖息地中心举行-Newdelhi。 (2017年4月18日至21日)。 10。 Yasiraltaf,Shakeel Ahmad Bhat,Shafat Khan等人(2017年),《克什米尔河谷生产藏红花的不同灌溉系统的绩效评估》。 由Skuast-K组织的藏红花生产和生产力的全国会议(2017年8月7日至8日)。由维也纳大学和NIH Roorkee组织的大河流地位和未来的国际会议,并在印度栖息地中心举行-Newdelhi。(2017年4月18日至21日)。10。Yasiraltaf,Shakeel Ahmad Bhat,Shafat Khan等人(2017年),《克什米尔河谷生产藏红花的不同灌溉系统的绩效评估》。由Skuast-K组织的藏红花生产和生产力的全国会议(2017年8月7日至8日)。
结果:共分析了 248 名患者。平均年龄为 67.5 ± 6.31 岁。156 例(62.9%)、26 例(10.5%)和 66 例(26.6%)患有轻度、中度和重度 TBI。总死亡率为 9.7%,出院、第 30 天和第 90 天的中位(IQR)GOS 评分分别为 4(2);p<0.001。90 天后的 GOS 结果有显著差异 χ2(2) = 136.76 p<0.001。MLR 后,多发性创伤显著相关,调整后 OR 11.04(2.503–48.711);p < 0.002 和 TBI 严重程度:中度 TBI,调整后 OR 71.44(13.028–391.782); p < 0.001 和严重 TBI,Adj OR 2533.51 (213.050–30127.644); p<0.001 导致不良结果。然而,只有 TBI 严重程度:中度 TBI,Adj. OR 19.48 (1.899–199.094); p=0.012 和严重 TBI,Adj OR 26.42 (2.864–243.722); p=0.004 与死亡率相关。
COVID-19 预测模型受到高度欢迎,并且对于当局做出明智的决策必不可少。过去使用的传统模型由于程序缺陷而无法可靠地估计死亡率。遗传算法与人工神经网络 (GA-ANN) 相结合是一种合适的混合 AI 策略,可以通过解决这种困难的 COVID-19 现象来更正确地预测。遗传算法用于同时优化所有 ANN 参数。在这项工作中,GA-ANN 和 ANN 模型是通过应用印度患病、康复和死亡人员的历史每日数据来执行的。通过将设计的混合 GA-ANN 模型与标准 ANN 和 MLR 方法进行比较来验证其性能。确定 GA-ANN 模型优于 ANN 模型。与之前用于预测印度死亡率的模型相比,假设的混合 GA-ANN 模型最为有效。由于该混合 AI (GA-ANN) 模型性能更佳且易于实施,因此建议使用该模型进行预测。
研究目的。对现代文献中可用的数据进行系统分析,探讨使用人工智能(AI)构建包括人体在内的复杂系统的数学模型的可能性。材料和方法。该综述包括过去 10 年在 Pubmed 上发表的有关该主题的国内外文章的数据。结果。机器学习算法有助于识别系统内人类难以或无法检测到的关键变量和关系。本文研究了各种类型的数学模型:解释性和预测性,解释了选择和标准化组成模型的变量以及模型中系数符号的重要性和目的。结论。描述性模型和预测模型是两种常见的机器学习模型。它们之间的主要区别在于其使用的目的。了解这些差异对于临床研究人员和分析师在选择最合适的模型类型进行研究或在决策过程中实施时非常重要。关键词:人工智能、机器学习、诊断、解释和预后模型、医学研究、多元逻辑回归、MLR
4。参加了MLR理工学院在2023年4月24日至29日组织的“大数据应用和安全挑战中的机器学习”的一周FDP。5。参加了由Nitttr,Chandigarh在10/10/2022至14/10/2022期间组织的一周在线FDP。6。参加了为期一周的在线FDP,该FDP在Nitttr,Chandigarh在01/08/2022至05/08/2022期间由Nitttr组织的“ MATLAB科学和工程老师”。7。参加了为期一周的在线FDP,介绍了“智能系统和机器的最新趋势和挑战(RTCISM)”由Amity工程技术学院(ASET),Amity University Patna组织,20122年1月8日至05/08/2022。8。参加了一周的在线FDP,介绍了Bhimavaram工程与技术研究所和Blackbuck Engineers Pvt Ltd的“人工智能新兴趋势”。9。在2022年5月16日至20日,参加了CBIT组织的“网络安全”的STTP。10。参加了一个40小时的在线计划“
2023/24 年南非大部分电力来自煤炭(占系统总需求的 82.8%),可再生能源占 8.8%。南非系统无法满足 2.2% 的电力需求(主要是年初的负荷削减)。该数据为截至 2024 年第三季度 (第 3 季度) 末的最新一年的数据。核能进口风能太阳能 PVCSPHydro柴油与天然气其他抽水蓄能泵负荷未服务的能源煤炭 174.9(82.8%)3.8(1.8%)8.0(3.8%)10.6(5.0%)11.3(5.3%)5.2(2.4%)1.3(0.6%)1.1(0.5%)0.2(0.1%)4.7(2.2%)4.7(2.2%)211.4(100.0%)系统需求 (包括出口)电力生产 [TWh] -5.7(-2.6%)可再生和可持续能源研究中心 (CRSES) | 斯泰伦博斯大学来源:根据 Fraunhofer ISE 2021 和 CSIR 2023 设计; Eskom 2024。注:截至 2024 年第三季度 (Q3) 末的 1 年数据。未供应能源 = 手动减载 (MLR)(减载)+ 可中断负荷供应 (ILS) + 中断供应 (IOS)。南非年度能源结构
28 [2003] 1 AC 32,第 9 段 29 同上,第 43 段 30 同上,第 61 至 63 段 31 例如 Morgan,上议院败诉案件:Fairchild v Glenhaven Funeral Services (2003) 66(2) MLR 277–284;Stapleton,事实原因和后果责任范围,L.Q.R. 2003,119 (7 月),第 399 页;Stevens,侵权行为与权利 (2007 年第二版,2012 年重印) 第 148-149 页;J. Morgan 在 R. Goldberg (eds.)《因果关系观点》(2011) 中; Goudkamp,《Fairchild 的保险法遗产》LMCLQ 2015,4(11 月),443-451 32 宪政与私法(剑桥 Freshfields 法律讲座,2015 年 1 月 28 日),如 Lord Sumption 在 Zurich Insurance PLC UK Branch v International Energy Group Ltd [2016] AC 509,第 128 段中所述 33 [2006] 2 A.C. 572 34 Sienkiewicz v Greif (UK) Ltd [2011] 2 AC 229,35 Durham v BAI (Run Off) Ltd [2012] 1 WLR 867
Mixed lymphocyte reaction (MLR): CFSE-labelled PBMCs were co-cultured with different amount of research-grade GMP equivalent of vididencel (DCOne mDC) in the presence of AZA (5 µM) and/or VEN (5 µM) for 6 days and dilution of CFSE was analyzed as a measure of T cell proliferation using a flow cytometer.摄取测定:在AZA和/或VEN的情况下,在37°C下,将VPD450标记的PBMC与CFSE标记的Vididencel共培养3-4小时。使用流式细胞仪评估了PBMC中CFSE/VPD450-阳性人群的百分比。小鼠模型:用1x10 5人CD34+细胞接种雌性NSGS小鼠。允许植入和人类免疫细胞发育为12周的成熟期。随后,皮下植入了白血病细胞系DCONE DCONE LUC,并通过重量和嵌合物随机分配动物,并分配给以下组:未处理的对照,Vididencel(0.2x10 6; QWX2),AZA/Ven(AZA 1 mg/kg和Ven 50 mg/kg/kg/kg,qdx5)和vid+ aza+ az5和combista和combincination and aza/ven(aza/ven)和combinancian/combincination。监测肿瘤进展和治疗反应,以测量肿瘤体积。肿瘤进展和治疗反应,以测量肿瘤体积。
背景:自体 CAR T 细胞疗法彻底改变了血液系统恶性肿瘤的治疗。然而,使用患者的 T 细胞进行制造限制了这些疗法的广泛使用。使用健康供体 T 细胞制造的现成同种异体 CAR T 细胞可能通过提供产品的一致性、即时可用性和可扩展制造的便利性来解决这些限制。然而,对同种异体 CAR T 细胞的临床反应可能受到免疫排斥的限制。以删除 β2-微球蛋白为中心的免疫“隐身”策略避免了 CD8 T 细胞的排斥,但可能引起强烈的 NK 细胞反应性。此外,CAR T 细胞活化后诱导 HLA II 类表达可能会增加 CD4 T 细胞排斥的风险。我们之前表明,RFX5(HLA I/II 类基因的转录调节因子)的失活可有效抵抗 T 细胞排斥并降低 NK 细胞同种异体反应性。在这里,我们描述了一种额外的抗排斥策略,即失活 CD58 和 ICAM-1,它们是同种反应性 T/NK 细胞有效识别和溶解所需的免疫突触的关键组成部分。同种异体 CAR T 细胞中任一基因的敲除均降低了同种异体反应性,并与 RFX5 KO 结合使用可带来更大的生存益处。方法:使用 CRISPR/Cas9 技术敲除 RFX5、B2M、CD58、ICAM-1 和/或 TRAC。在使用同种异体 T 细胞、NK 细胞或 PBMC 的混合淋巴细胞反应 (MLR) 测定中评估了具有隐形修饰的细胞的生存率。在连续刺激测定中评估了 CAR T 细胞的细胞毒性。结果:靶向删除 RFX5、CD58 和 ICAM-1 的 CAR T 细胞表现出增强的生存率,而未经修饰的 CAR T 细胞很快被 HLA 不匹配的 T 细胞消灭(p<0.0001)。 CD58 KO 与 RFX5 KO 的组合增强了 MLR 测定中的逃避(p<0.0001),而未隐藏的对照和 B2M KO 细胞分别被同种异体 T 细胞和 NK 细胞消除。CD58 KO 和 ICAM-1 KO CAR T 细胞中的 HLA 分子表达不受影响,因此不会引发同种异体 NK 细胞反应性。重要的是,CD58 或 ICAM-1 的失活不会影响细胞毒活性或引发 IL-2 独立的 CAR T 细胞生长。结论:靶向删除 CD58 或 ICAM-1 可有效降低同种异体 CAR T 细胞的 T 细胞排斥,而不会触发 NK 细胞排斥或影响效应功能,并与 RFX5 KO 协同作用。现成的免疫逃避 CAR T 细胞具有抵抗排斥和实现改善治疗反应的潜力。
摘要——从大脑活动进行运动学解码有助于开发康复或增强功率的脑机接口设备。从非侵入性脑电图 (EEG) 记录的低频信号与用于运动轨迹解码 (MTD) 的神经运动相关性相关。在本通讯中,研究了从运动前 delta 波段 (0.5-3 Hz) EEG 解码运动运动轨迹的能力,适用于健康参与者。具体来说,提出了两个基于深度学习的神经解码器,称为 PreMovNet-I 和 PreMovNet-II,它们利用运动前 EEG 数据中存在的运动相关神经信息。为此,使用了运动开始前具有不同时间滞后的 150 毫秒、200 毫秒、250 毫秒、300 毫秒和 350 毫秒的 EEG 数据段。使用 EEG 为抓握和举起任务 (WAY-EEG-GAL 数据集) 呈现 MTD,并将各种滞后作为神经解码器的输入。将所提出的解码器的性能与最先进的多变量线性回归 (mLR) 模型进行比较。使用皮尔逊相关系数和手部轨迹作为性能指标。结果证明了使用运动前 EEG 数据解码 3D 手部运动学的可行性,从而能够更好地控制基于 BCI 的外部设备,例如外骨骼/外骨骼。