XiaoMi-AI文件搜索系统
World File Search SystemMOLM
优化光合光子通量密度和轻质质量，以最大程度地提高毛豆在营养生长阶段的效果
与温室或田野中的常规农作物种植相比，具有人造光的植物工厂（PFAL）在高效利用可用于耕种的空间，能源和资源方面具有优势。然而，据报道，很少有关于改善PFAL空间使用功效（SUE）在植物大豆毛豆生产中的空间使用功效（SUE）的研究。因此，开发一种以最小空间和能源需求的高生产率的环境控制方法是高优先级。这项研究的目的是（1）确定最佳的光合光子通量密度（PPFD）和光质量，以增强在营养生长阶段的雌芳族的SUE，并且（2）检查PPFD，光质量的影响，光质量及其对植物阶段的Edamame植物生长的相互作用。sue定义为在生长期间每立方体培养的农作物生物量。，我们检查了三种PPFD处理（300、500和700μmolM -2 S -1），共有三种色温LED灯（3,000、5,000和6,500 K），总共进行了九种处理。结果表明，在相同的轻质处理下，较高的PPFD导致所有器官的新鲜和干重，较高的茎长和较低的特定叶片面积。在同一PPFD处理下，蓝色（400–499 nm）与红色（600–699 nm）光子通量密度的高比例增加了植物的高度，但降低了预计的叶片面积。与300μmolM -2 s -1相比，分别在700μmolm -2 s -1中分别以3,000、5,000和6,500 K的形式增加了213、163和92％，分别为3,000、5,000和6,500 K。与3,000 K处理相比，在5,000和6,500 K处理中，SUE在700μmolM -2 S - 1中分别增加了34和23％。总而言之，在PFAL中，在营养生长阶段增加了700μmolm -2 s -1 ppfd和5,000 K色温的组合是增加毛虫的起诉。
使用基于结构的药物发现方法
摘要：我们使用了一种基于结构的药物发现方法来鉴定人二二氢烷脱氢酶（DHODH）的新型抑制剂，这是治疗癌症，自身免疫性和炎症性疾病的治疗靶标。在急性髓细胞性白血病的情况下，先前发现的Dhodh抑制剂尚未在此临床应用中取得成功。因此，对于可以用作当前护理标准的替代品的新抑制剂仍然非常需要。我们的目标是识别Dhodh的新型抑制剂。，我们在该项目的最早阶段实施了预滤步骤，以省略痛苦和违规者。在数据集中具有更高潜力的口服吸毒性的富集化合物。在Glide SP对接得分的指导下，我们发现了Chembridge Express-Pick库中20种结构独特的化合物，它们用IC 50抑制Dhodh，DhoDH值在91 nm和2.7μm之间，其中10种这些化合物中的10种化合物降低了Molm-13的Molm-13细胞稳定性，用IC 50降低了2.3和2.3和50.6μm。50.6μm。50.6μm。50.6μm。50.6μm.。在生化特征期间，Dhodh比已知的Dhodh抑制剂Teriflunomide（IC 50，Dhodh = 130 nm）更有效，并为未来的命中率优化工作提供了有希望的脚手架。化合物17（IC 50，Molm-13 =2.3μm）在降低MOLM-13细胞系的存活方面最为成功，与我们的其他命中相比。发现的化合物代表了新型Dhodh抑制剂开发和优化的出色起点。2这种分化障碍 - 在多种突变事件中达到顶点，使AML成为高度异质性疾病。■引言急性髓样白血病（AML）是一种毁灭性的癌症，可能影响任何年龄段，但最高的发病率是65岁以上的人。尽管在过去30年中进行了预后改善，但超过一半的年轻患者和约90％的老年患者仍死于这种疾病。1在健康的患者中，髓样细胞从自我更新祖细胞转变为以较低的增殖率的终极分化细胞，以限制细胞的寿命。AML的标志是这种正常成熟过程的破坏，该过程导致白血病细胞在增殖的未分化阶段停止。3在几乎所有AML病例中，都必须使用治疗范例的组合。即使采用涉及细胞毒性化学疗法的积极方法，实现持久的缓解也是一个挑战。4现有治疗范围取决于年龄的范围；通常为60岁以下的AML患者获得35-40％的治疗，但在60岁以上的成年人中，它仅为5-15％。5因此，需要新的治疗途径，具有新型的作用机理，从当前用作现有标准的护理机理。Sykes及其同事的先前工作确定二氢甲酸脱氢酶（Dhodh）是一种有吸引力的治疗
竞争均衡中的福利最大化
我们从多智能体强化学习 (MARL) 的角度研究了一个双层经济系统，我们称之为马尔可夫交换经济 (MEE)。MEE 涉及一个中央计划者和一组自利的智能体。智能体的目标是形成竞争均衡 (CE)，其中每个智能体在每一步都短视地最大化自己的效用。中央计划者的目标是操纵系统以最大化社会福利，社会福利被定义为所有智能体效用的总和。在效用函数和系统动态都未知的环境中，我们建议通过 MARL 的在线和离线变体从数据中找到社会最优策略和 CE。具体而言，我们首先设计一个专门针对 MEE 的新型次优度量，这样最小化这样的度量就可以为计划者和智能体证明全局最优策略。其次，在线设置中，我们提出了一种称为 MOLM 的算法，该算法将探索的乐观原则与子博弈 CE 寻求相结合。我们的算法可以轻松结合用于处理大状态空间的一般函数逼近工具，并实现次线性遗憾。最后，我们根据悲观原则将算法调整为离线设置，并建立次优性的上限。