XiaoMi-AI文件搜索系统
World File Search SystemPYPI
HERBS：啮齿动物脑空间的组织学电子数据注册
过去十年，啮齿动物的记录技术取得了巨大进步，使用户可以同时从多个大脑区域采样数千个神经元。这促使人们需要数字工具包来帮助整理解剖数据，但是，现有工具要么功能有限，要么要求用户精通编码才能使用它们。为了解决这个问题，我们创建了 HERBS，这是一种针对啮齿动物用户的综合新工具，它通过用户友好的图形用户界面提供广泛的功能。在实验之前，HERBS 可用于规划植入电极、靶向病毒注射或示踪剂的坐标。实验后，用户可以注册记录电极位置（例如 Neuropixels、四极体）、病毒表达或其他解剖特征，并以 2D 或 3D 形式可视化结果。此外，HERBS 可以描绘组织切片中多次注射的表达并获得单个细胞计数。 HERBS 中的区域划分基于来自 Sprague Dawley 大鼠脑 Waxholm 空间图集或 Allen 小鼠脑图集的带注释的 3D 体积。HERBS 允许用户滚动浏览数字脑图集，并提供自定义角度切片，并支持将组织切片自由转换为图集切片。此外，HERBS 还允许用户使用来自单个动物的组织重建 3D 脑网格。HERBS 是一个多平台开源 Python 包，可在 PyPI 和 GitHub 上获取。
系统发育学：一种用于处理和分析系统基因组数据
动机：生物学过程中的各种学科并分析了多个序列比对（MSA）和系统基因树，以评估其信息含量，推断进化事件和过程并预测基因功能。但是，由于缺乏统一的工具包，MSA和树木的自动处理仍然是一个挑战。为了填补这一差距，我们介绍了Phykit，这是一种使用30个处理MSA和树木的函数的工具包，包括但不限于估计突变率，序列组成偏见的评估，计算分子时钟的违规程度以及与下属的分子抗体（内部分支）（较低的支撑）。结果：为了证明Phykit的实用性，我们详细介绍了三种用例：（1）总结MSA和系统发育树中的信息内容，以诊断出序列或树数据的潜在偏见； （2）评估基因 - 基因的共同变异，以鉴定基因之间的功能关系，包括新颖的关系，以及（3）标志性的系统发育树中缺乏分辨率事件或多构象，这些事件暗示了快速辐射事件或缺乏数据。我们预计，植物会对处理，检查和得出生物学意义有用。可用性和实施：phykit在GitHub（https://github.com/jlsteenwyk/phykit），pypi（https：//pypi.org/project/phykit/）和Anaconda Cloud（https：//pro）云（https：//p：org/project/phykit/）和Anaconda Cloud（https：httpps：htttps：/带有广泛文档和用户教程的Cense（https://jlsteenwyk.com/phykit）。联系人：jacob.steenwyk@vanderbilt.edu或antonis.rokas@vanderbilt.edu补充信息：补充数据可从Bioinformatics Online获得。
啮齿动物脑空间中的组织学电子数据注册
啮齿动物的抽象记录技术在过去十年中取得了巨大进步，使用户可以同时从多个大脑区域进行样品采样数千个神经元。这促使需要数字工具套件来帮助策划解剖数据，但是，现有工具要么提供有限的功能，要么要求用户熟练地编码使用它们。为了解决这个问题，我们创建了草药（在啮齿动物大脑空间中的组织学E-DATA注册），这是一种适用于啮齿动物用户的新工具，可通过用户友好的图形用户界面提供广泛的功能。在实验之前，可以使用草药计划植入电极，靶向病毒注射或示踪剂的坐标。实验后，用户可以注册记录电极位置（例如神经偶像和四极管），病毒表达或其他解剖特征，并以2D或3D的形式可视化结果。Additionally, HERBS can delineate labeling from multiple injec- tions across tissue sections and obtain individual cell counts.Regional delineations in HERBS are based either on annotated 3D volumes from the Waxholm Space Atlas of the Sprague Dawley Rat Brain or the Allen Mouse Brain Atlas, though HERBS can work with compatible volume atlases from any species users wish to install.草药允许用户滚动浏览数字大脑地图集，并在卷中提供定制的角度切片，并支持组织截面的自由转变为Atlas Slices。此外，草药允许用户与单个动物的组织重建3D脑网格。草药是一种多平台开源Python软件包，可在PYPI和GitHub上使用，并且与Windows，MacOS和Linux操作系统兼容。
我们对拥抱脸有什么了解？对定性主张的系统文献综述和定量验证
随着从头开始发展深度学习（DL）模型的规模和成本继续上升，工程师越来越多地转向将开源预培训模型（PTMS）作为一种具有成本效益的替代品[30]。PTM注册机构通过提供包括预培训的权重，配置和文档的软件包来促进开源模型的重复使用[28]。拥抱面已成为PROMENT PTM注册表，与NPM和PYPI等传统软件注册机构的普及相当[28]。了解PTM注册表的特征，例如拥抱面孔是支持在这种新兴环境下有效和有效的软件重用的关键。先前的研究在将PTM注册机构与传统软件包注册表进行比较方面取得了长足的进步，并提出了诸如碳排放，模型选择和漏洞之类的问题[14，28，32]。但是，没有系统的文献综述描述了当前知识的状态。此类评论通过提供研究议程来推进该领域。我们的研究以三种方式做出了贡献。首先，我们对PTM注册表的知识进行了首次系统评价。第二，我们提出了现有定性见解的定量指标，从而对现有关于PTM注册表的现有索赔进行了更强大的验证。最后，我们通过定量分析来验证或挑战以前的定性见解。如图1所示，我们的方法有两个部分。首先，我们进行了系统的文献综述（SLR），以提取有关拥抱面孔的现有知识（索赔）。第二，我们确定未量化和量化较低的索赔，并使用现有数据集提供指标和测量。我们的SLR提取了关于拥抱面的12个不同主张，其中4个缺乏大规模的定量证据。定义指标后，我们以大规模的方式支持其中2个；和
我们对拥抱脸有什么了解？对定性主张的系统文献综述和定量验证
随着从头开始发展深度学习（DL）模型的规模和成本继续上升，工程师越来越多地转向将开源预培训模型（PTMS）作为一种具有成本效益的替代品[30]。PTM注册机构通过提供包括预培训的权重，配置和文档的软件包来促进开源模型的重复使用[28]。拥抱面已成为PROMENT PTM注册表，与NPM和PYPI等传统软件注册机构的普及相当[28]。了解PTM注册表的特征，例如拥抱面孔是支持在这种新兴环境下有效和有效的软件重用的关键。先前的研究在将PTM注册机构与传统软件包注册表进行比较方面取得了长足的进步，并提出了诸如碳排放，模型选择和漏洞之类的问题[14，28，32]。但是，没有系统的文献综述描述了当前知识的状态。此类评论通过提供研究议程来推进该领域。我们的研究以三种方式做出了贡献。首先，我们对PTM注册表的知识进行了首次系统评价。第二，我们提出了现有定性见解的定量指标，从而对现有关于PTM注册表的现有索赔进行了更强大的验证。最后，我们通过定量分析来验证或挑战以前的定性见解。如图1所示，我们的方法有两个部分。首先，我们进行了系统的文献综述（SLR），以提取有关拥抱面孔的现有知识（索赔）。第二，我们确定未量化和量化较低的索赔，并使用现有数据集提供指标和测量。我们的SLR提取了关于拥抱面的12个不同主张，其中4个缺乏大规模的定量证据。定义指标后，我们以大规模的方式支持其中2个；和
大脑神经影像上下文任务的机器学习
人类神经科学使用磁共振成像（MRI）来了解大脑的结构和功能并表征某些神经系统和精神疾病。最近已经建立了大型成像队列，其中包括一千个（人类连接项目，Abide，Adni，Imagen，Eu-Aims，1000brains，abcd），向十万个人（Enigma Consortium，UK BiobAbank）。这种同类群是研究流行病学研究（UK Biobank）中许多脑部病理（精神病，成瘾，神经退行性疾病）或危险因素的影响所必需的。相应的数据通常可公开可用。除了这些大型研究外，还获得了较小的数据集，并且在认知神经科学的背景下，越来越频繁地公开（https://openneuro.org）。所有这些研究的数据分析需要医学图像处理工具，而且越来越多的统计分析和学习工具。大脑成像社区已经开发了标准，即大脑成像数据结构（BIDS）（1），以组织数据并促进大规模的统计分析。在此框架中，思维对神经影像学中的统计学习产生了许多贡献，对监督学习，基于模拟的推论和协方差模型估计的兴趣非常兴趣。这些贡献的一部分是通过NiLearn库（http://nilearn.github.io）传播的（2）。niLearn是神经科学生态系统中的关键开源库，它依赖于科学的Python stack（Numpy，Scikit-Learn，Matplotlib）。它非常成功（PYPI上下载50 K）。Nilearn由来自几个国家的许多人贡献，请参见https://github.com/nilearn/nilearn/graphs/contributors。它遵循软件开发方面的最佳实践（详尽的自动化测试，CI，完整的API文档以及叙事文档，API同质性，合理的依赖性，有关技术选择的公开讨论等）该开发由Coredev团队管理，有9个每月开会的成员。开发人员社区非常活跃，因为它在神经频道（Neurostars）等公共渠道上提供了反馈，在GitHub界面上打开问题并提取请求。最后，Mind正在将大量资源投资于临床合作。Specifically, Mind is engaged in a collaborative initiative with the Assistance Publique - Hopitaux de Paris (AP-HP), Institut Pasteur, Sainte Anne, Stanford University and Neurospin, to address clinical scenarios such as brain tumor surgeries, analysis of stroke-induced lesions ( 3 ; 4 ), understand the relationship between brain structure and cognition, or the use of ultra-high field MRI.