XiaoMi-AI文件搜索系统
World File Search SystemP300
p300/CBP 抑制剂 A485 可在体外使银屑病成纤维细胞基因表达正常化，并在体内减少银屑病样皮肤炎症
银屑病是一种慢性炎症性皮肤病，经常在同一位置复发，这表明病变皮肤细胞可能存在表观遗传学变化。在这项研究中，我们发现从银屑病皮肤病变中分离的成纤维细胞即使在培养几次后仍保留了异常表型。转录组分析显示银屑病成纤维细胞中几种基因上调，包括纤维连接蛋白的额外结构域 A 剪接变体和 ITGA4。小分子表观遗传修饰药物的表型文库筛选显示，选择性 CBP/p300 抑制剂能够挽救银屑病成纤维细胞表型，降低纤维连接蛋白的额外结构域 A 剪接变体和 ITGA4 的表达水平。在咪喹莫特诱发的银屑病样皮肤炎症小鼠模型中，使用强效 CBP/p300 阻断剂 A485 进行全身治疗可显著减少皮肤炎症、免疫细胞募集和炎症细胞因子产生。我们的研究结果表明，表观遗传重编程可能代表一种治疗和/或预防银屑病复发的新方法。
使用事件相关的潜在p300响应对BCI进行研究
1简介日本有近10,000例肌萎缩性侧索硬化症患者。 ALS患者的体育锻炼困难。因此，正在对大脑计算机接口（BCI）进行研究，该脑电波使用脑电波来与他人和计算机操作进行沟通。有一种使用P300的BCI方法。 p300是外部视觉和听觉刺激引起的一种潜力，在刺激后300毫秒至500毫秒内出现。通过捕获所选对象的P300，您可以选择目标并输入文本。 p300-播种机是使用p300拼写字符的系统。与字母数字字符排列的矩阵的每一行或列都以伪随机为基础点亮，以使所有字符在有限的时间内发光相同的次数。通过检测光刺激引起的P300，用户可以识别他们想要拼写的角色。使用非侵入装置测量脑波。这次，我们将报告p300-Speller实验的结果和P300的检测。 2在P300串联实验中进行的2个实验，捕获了与事件相关的电势，它是由用户打算的字符的照明引起的。这次，将字母数字字符放在6x6矩阵中，字母为蓝色，刺激为绿色。这是因为有报道说，与使灰色文本发光白色的常规方法相比，右脑的视觉皮层有所增加[1]。 图1显示了实验中使用的p300销售器。平均刺激时间和刺激间隔均为173.7 ms。一种尝试是眨眼每行30次，并要求对象计算指示字符（目标）点亮的次。 EPOC+用于测量脑波。采样频率为128Hz。 3预处理在实验中获得的脑波对每个试验进行带通滤波器（1.0至15.0Hz）。接下来，为了消除闪烁的噪声，在25μV的上限和下限为-25μV的情况下进行剪辑。此后，将基线设置为刺激力矩之前约102 ms（13点），从刺激时刻开始，将基线平均值从波形中减去1秒（128点）。 脑波中有很多噪音，很难用单个波形区分p300。因此，加法平均方法用于清楚提取对刺激的反应。添加和平均的波形数量越大，p300更容易区分，但是确定歧视和用户所需的时间将承受负担。因此，有必要确定p300的平均额外算术数量。图2显示了目标为O时T8通道的五个波形的平均值（第3行，第三列）。在刺激后250 ms的行属性的行和柱中可以看到电峰。这被认为是P300。 4。歧视方法分类目标和非目标字符（非目标）。作为BCI的CNN，已经提出了使用可分离卷积的“ EEGNET” [2]。深度
主动推理作为基于 P300 的 BCI 的统一、通用和自适应框架
摘要。目的。适应性是脑机接口 (BCI) 领域的一大挑战。这需要机器能够最佳地表达有关用户意图及其自身行为的推理。适应性可以在多个维度上进行，因此需要一个通用且灵活的框架。方法。我们采用最全面的大脑 (自适应) 功能计算方法之一：主动推理 (AI) 框架。它需要一个与机器交互的用户的显式 (概率) 模型，这里涉及 P300 拼写任务。这采用离散输入输出状态空间模型的形式，建立机器的 (i) 观察值（例如 P300 或错误电位）、(ii) 表示（用户拼写或暂停的意图）和 (iii) 操作（闪烁、拼写或关闭应用程序）之间的联系。主要结果。使用来自 18 名受试者的真实 EEG 数据进行模拟，结果表明 AI 能够显著提高比特率 (17%)，优于最先进的方法，例如动态停止。意义重大。由于其灵活性，该模型不仅能够实现最佳（动态）停止，还能实现最佳闪烁（即主动采样）、自动纠错以及在用户不再看屏幕时关闭。重要的是，这种方法使机器能够灵活地在所有这些可能的操作之间进行仲裁。我们将 AI 展示为一个统一的通用框架，用于在给定的 BCI 环境中实现灵活的交互。
在CBP突变体癌症中发现和表征具有有效抗肿瘤活性的P300选择性降解器
（a）通过A549细胞中的p300或CBP测量的降解的选择性。化合物1：ABSDC 50 = 3.2nm，dmax = 90％;化合物2：ABSDC 50 = 1.2nm，DMAX = 87％。（b）孵育6H后通过蛋白质印迹的剂量反应显示H1299细胞中P300的选择性。（c）全局蛋白质组学说明了H1299细胞的选择性。（d）p300的降解取决于UPS系统，这是通过对Neddylation抑制剂（MLN-4924，1μM），Creblon（CC-220，1μM）或蛋白酶体（MG-132，1μm）进行预处理所证明的。（E）通过Hibit测定法测量的p300降解的动力学。
通过数据平衡技术控制家庭电器控制的基于p300的大脑 - 计算机界面
摘要：基于P300的大脑 - 计算机界面（BCIS）中使用的奇数范式本质上构成了目标刺激和非目标刺激之间的数据不平衡问题。数据不平衡会导致过度解决问题，从而导致分类性能差。本研究的目的是通过通过抽样技术解决此数据不平衡问题来提高BCI性能。将采样技术应用于控制门锁的15个受试者的BCI数据，15个受试者是电灯，14名受试者是蓝牙扬声器。我们探索了两类采样技术：过采样和不足采样。过采样技术，包括随机过度采样，合成少数族裔过采样技术（SMOTE），边界效果，支持矢量机（SVM）SMOTE和自适应合成抽样，用于增加目标刺激类别的样品数量。不足的采样技术，包括随机不足采样，邻里清洁规则，Tomek的链接和加权式采样袋，用于降低非目标刺激的班级大小。通过SVM分类器对过度或不足的数据进行了分类。总体而言，某些过采样技术改善了BCI性能，而不足采样技术通常会降低性能。尤其是，使用边界效果产生了所有三种电器的最高精度（87.27％）和信息传输率（8.82 bpm）。此外，边缘效果会提高性能，尤其是对于表现不佳的人。进一步的分析表明，边界效果通过在目标类别中产生更多的支持向量并扩大边缘来改善SVM。然而，边界效果与应用SVM加权正规化参数的方法之间的准确性没有差异。我们的结果表明，尽管过采样提高了基于P300的BCI的性能，但它不仅是过采样技术的效果，而且是解决数据不平衡问题的效果。
使用脑机接口进行基于 P300 的身份验证的数据处理和机器学习技术的评估
摘要 — 脑机接口 (BCI) 用于各种应用场景，允许大脑和计算机之间直接通信。具体而言，脑电图 (EEG) 是获取由外部刺激引起的诱发电位的最常用技术之一，因为 P300 电位是从已知图像中引出的。机器学习 (ML) 和 P300 电位的结合对于验证受试者很有前景，因为每个人在面对特定刺激时产生的脑电波都是独一无二的。然而，现有的身份验证解决方案并未广泛探索 P300 电位，并且在分析最合适的处理和基于 ML 的分类技术时会失败。因此，这项工作提出了 i) 使用 P300 电位验证 BCI 用户的框架；ii) 在十个受试者身上验证该框架，创建采用非侵入性基于 EEG 的 BCI 的实验场景； iii) 框架性能评估，定义两个实验（二元和多类 ML 分类）和三个测试配置，逐步分析不同处理技术的性能以及使用时期或统计值进行分类之间的差异。该框架在两个实验中的最佳分类器都实现了接近 100% f1 分数的性能，突出了其在准确验证用户方面的有效性，并证明了使用 P300 电位进行基于 EEG 的身份验证的可行性。
基于P300的自适应脑计算机界面用于注意训练：随机对照试验的协议
背景：认知缺陷和疾病的人数，例如中风，痴呆或注意力缺陷/多动障碍，由于老龄化或注意力缺陷/多动症障碍而增加。使用脑部计算机界面的神经反馈训练正在成为一种易于使用和无创的认知训练和康复的手段。使用基于p300的脑部计算机界面的神经反馈训练的新型应用，以前已经显示出可以提高健康成年人注意力的潜力。目的：本研究旨在使用迭代学习控制加速注意力训练，以优化自适应P300拼写任务中的任务难度。此外，我们希望使用P300拼写器进行注意训练的先前研究的结果，作为基准比较。此外，将培训期间任务难度个性化的有效性与非个人化任务难度进行比较。
使用 EMOTIV EEG 耳机为 BCI 平台 DIY 混合 SSVEP-P300 LED 刺激
本文讨论了一种完全可定制的板载芯片 (COB) LED 设计，可同时诱发两种大脑反应（稳态视觉诱发电位 (SSVEP) 和瞬态诱发电位 P300）。考虑到脑机接口 (BCI) 中可能的不同模式，SSVEP 被广泛接受，因为它需要的脑电图 (EEG) 电极数量较少且训练时间最短。这项工作的目的是制作一个混合 BCI 硬件平台，以精确诱发 SSVEP 和 P300，同时减少疲劳并提高分类性能。该系统包括四个独立的径向绿色视觉刺激，由 32 位微控制器平台单独控制以诱发 SSVEP，以及四个以随机间隔闪烁以生成 P300 事件的红色 LED。该系统还可以记录可用于分类的 P300 事件时间戳，以提高准确性和可靠性。通过控制乐高机器人向四个方向移动，测试了混合刺激的实时分类准确性。2020 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可证开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
糖尿病及其心血管并发症
摘要：研究表明，糖尿病会加速血管衰老，而血管衰老与慢性炎症和氧化应激有关，而这两者都与内皮功能障碍的发展有关。这种情况代表了将糖尿病与相关心血管 (CV) 并发症联系起来的最初变化。最近，有人假设乙酰转移酶 p300 可能有助于建立早期血管衰老表型，在导致内皮功能障碍的糖尿病相关炎症和氧化应激中发挥相关作用。具体而言，p300 可以通过表观遗传机制和转录因子乙酰化来调节血管炎症。事实上，它通过与活化 B 细胞 p65 亚基 (NF- κ B p65) 的核因子 κ 轻链增强子相互作用或诱导其乙酰化来调节炎症途径，表明 p300 作为 NF- κ B p65 和转录机制之间的桥梁发挥着至关重要的作用。此外，p300 介导的表观遗传修饰可能位于炎症细胞因子激活的上游，它们可能通过影响活性氧 (ROS) 的产生来诱导氧化应激。由于多项体外和体内研究揭示了乙酰转移酶抑制剂的潜在用途，因此更好地了解 p300 在糖尿病血管功能障碍中的作用机制可能有助于找到与糖尿病相关的心血管疾病临床管理的新策略。
大脑指纹识别 - ijrpr
脑指纹是一种基于计算机技术的测谎仪，它使用脑电波来确定个人大脑中的隐藏信息。当个人的大脑看到某些单词、图像或阶段时，大脑会给出脑电波反应，这有助于确定个人是否拥有所需的信息。它是由劳伦斯·法威尔发明的。他假设大脑对已知信息和未知信息的反应不同。法威尔最初使用 P300，后来发现了 P300 MERMER，从而提高了准确性。2001 年，美国中西部洛瓦州法院首次裁定脑指纹技术。脑指纹是通过脑电图 (EEG) P300 MERMER 测量的。我们需要明白，脑指纹与情绪、精神压力或谎言无关。它只显示所需的信息是否存储在个人的大脑中。当 BF 在向个人展示文字、图像或任何调查相关实体时遇到 P300 MERMER 脑波模式时，它会得出结论，认为个人拥有关于该实体的某些信息。大脑指纹计算机的结果是“找到信息”或“未找到信息”。