XiaoMi-AI文件搜索系统
World File Search SystemPair
观察Picsemend Light诱导的聚合物中的自旋跃迁
摘要。在2010年，弗里曼（Freeman），斯科特（Scott）和特斯克（Teske）出版了一本著名的分类单元，汇编了配对友好型椭圆形曲线的最著名家族。从那时起，研究工作主要从对配对友好曲线的产生转变为算法的改进或对安全插曲的评估，以抵制对离散对数问题的最新攻击。因此，很少有新家庭被发现。然而，在某些新应用中（例如Snarks）中，需要对质量顺序的曲线进行配对曲线，重新激发了对配对友好友好曲线的产生的兴趣，希望能找到类似于Barreeto和Naehrig发现的家庭的兴趣。在Kachisa，Schaefer和Scott的工作中建立了建设，我们表明，环形磁场的二次扩展的某些特定要素会产生与小参数配对曲线的家族。通过在这些元素之间进行详尽的搜索，我们发现了嵌入度k = 20，k = 22和k = 28的曲线的新家族。我们提供了我们技术的开源SageMath实施。我们从新家庭获得加密大小的曲线，并在某些新曲线上提供了概念验证的sagemath实现。关键字：椭圆曲线，基于配对的密码
来自标准模型中配对的动态分散功能加密
摘要。动态分散功能加密（DDFE）。（加密20）表示（多客户）功能加密的强大概括。它允许用户动态加入并贡献私人输入，以单独控制联合功能，而无需信任的权威。最近，Shi和Vanjani（PKC'23）提出了用于掩盖功能内部产品（FH-IP）的第一个多客户功能加密方案，而无需依赖随机的甲壳。毫无意义地，他们的构建仍然需要一个值得信赖的关键权威，因此，打开了一个问题，即标准模型中是否可以存在全面的FH-IP-DDFE。在这项工作中，我们通过引入可更新的伪零共享来回答这个问题，这是一个新颖的概念，它提供了在标准模型中构建安全DDFE计划所需的关键功能和安全性。我们的第二个贡献是一种新颖的证明策略，它在将FH-IP的任何功能加密方案转换为FH-IP-DDFE时可以保持自适应安全性。一起，这两种技术实现了FH-IP-DDFE的模块化构造，该模块化是可抵抗标准模型中自适应消息和关键查询的安全性。此外，我们的伪零共享方案具有很高的用途，可以在标准模型中获得属性加权总和的第一个DDFE，并补充了Agrawal等人最近基于ROM的结构。（加密23）。
gimap：计算配对CRISPR目标的遗传相互作用
描述有助于在复杂的遗传实验中找到有意义的模式。第一个GIMAP从配对的CRISPR（群集的定期间隔短壁画重复序列）中获取数据，该屏幕已预处理到计数配对GRNA的计数表（指南ribonucleic Acid）读取。当残疾基因或成对的基因或对时，IN-POT数据将具有细胞计数的细胞计数。“ GIMAP”套件的输出是遗传互动得分，它是观察到的CRISPR评分与被指出的CRISPR评分之间的距离。预期的CRISPR分数是我们对两个无关基因的CRISPR values的期望。越远，观察到的CRISPR得分是从其表达的得分中，我们越怀疑遗传相互作用。这项包装中的工作基于弗雷德·哈钦森癌症Center（2021）的Alice Berger实验室的原始研究。
在微流体设备中的不同大小的配对细胞，用于免疫突触监测
细胞命运多样性，因此是免疫功能的调节。3,6癌症，先天和适应性免疫反应在与恶性细胞作斗争中强烈合作。在自适应免疫系统中，表达细胞表面CD8的细胞毒性T细胞（分化8）是抗癌免疫反应中最有效的效应子，并形成了当前成功的癌症免疫疗法的主链。7尽管如此，T淋巴细胞的功能失调的免疫反应可能导致癌症的进展。8研究双向细胞 - T淋巴细胞与癌细胞之间的细胞相互作用将揭示癌细胞（I）抗药性的基本机制以及（ii）T淋巴细胞活性对恶性细胞的功能障碍。癌细胞和免疫效应子的异质性及其相互作用是恶性疾病的标志。 在血液系统恶性肿瘤中，与急性髓细胞性白血病（AML）一样，免疫生物学甚至更复杂，因为白血病细胞具有正常造血祖细胞的某些免疫学特征，并且在骨骨髓元素或循环血液等各种环境中可能发生相互作用。 9因此，AML是突出研究重要性的理想模型。 事件的精细而动态的监视（例如 ，钙动员）在IS形成过程中突出了统治细胞命运的关键机制。 是形成将导致事件从T淋巴细胞和白血病细胞之间的初始接触开始，并在数小时内延伸。 这些事件包括癌细胞和免疫效应子的异质性及其相互作用是恶性疾病的标志。在血液系统恶性肿瘤中，与急性髓细胞性白血病（AML）一样，免疫生物学甚至更复杂，因为白血病细胞具有正常造血祖细胞的某些免疫学特征，并且在骨骨髓元素或循环血液等各种环境中可能发生相互作用。9因此，AML是突出研究重要性的理想模型。事件的精细而动态的监视（例如，钙动员）在IS形成过程中突出了统治细胞命运的关键机制。是形成将导致事件从T淋巴细胞和白血病细胞之间的初始接触开始，并在数小时内延伸。这些事件包括
使用三种靶向检测方法对晚期非小细胞肺癌患者样本的循环游离 DNA 进行常规分子筛查配对比较
1 克劳德·伯纳德里昂第一大学制药与生物科学研究所 (ISPB)，69373 里昂，法国 2 里昂南医院生物化学与分子生物学系，里昂民间临终关怀院，69495 Pierre-Bénite，法国 3 里昂癌症学创新中心 (CICLY) EA 3738，里昂南医学与助产学院，克劳德·伯纳德里昂第一大学，69921 Oullins，法国 4 里昂民间临终关怀院癌症研究所循环癌症 (CIRCAN) 计划，69495 Pierre-Bénite，法国 5 里昂南医学与助产学院，克劳德·伯纳德里昂第一大学，69921 Oullins，法国 6 里昂南肺病学系急性呼吸道疾病与胸部肿瘤学Hospital, Hospices Civils de Lyon, 69495 Pierre-Bénite, France 7 细胞和分子放射生物学实验室 UMR CNRS5822/IP2I，南里昂医学与医学学院，Claude Bernard University Lyon I, 69921 Oullins, France 8 生物信息学系，Hospices Civils de Lyon, 69008 Lyon, France 9 INOVOTION, 38700 拉特龙什, 法国 * 通讯地址: lea.payen-gay@chu-lyon.fr
利用交叉注意力网络发现成对相互作用来预测药物-靶标亲和力 S. Falahati a、F. Zamani* a、MA Khodamoradi b
在药物发现中，药物-靶标亲和力 (DTA) 被视为至关重要的一步，因为它有助于在开发过程中识别最有前途的候选药物。由于必须考虑药物和靶分子的结构和功能，以及它们复杂而非线性的相互作用，DTA 预测是一项具有挑战性的任务。本研究的目的是提出一种新颖的 DTA 预测框架，该框架利用图神经网络 (GNN) 的交叉注意网络 (CAN) 的优势。然而，使用 GNN 表示图会保留其 3D 结构信息。现有的基于注意力的方法并未充分利用它们。我们的框架使用 CAN 通过分析药物分子的不同部分如何与蛋白质的特定区域相互作用来捕获药物-靶标对的更准确表示。我们在顺序架构中使用 GIN 和 GAT 来捕获药物图分子的局部和全局结构信息。我们在两个基准数据集 Davis 和 KIBA 上评估了所提出方法的性能。其性能令人鼓舞，在均方误差 (MSE) 和一致性指数 (CI) 方面优于许多最先进的方法。具体来说，对于 Davis 数据集，我们实现了 0.222 的 MSE 和 0.901 的 CI，而对于 KIBA，我们获得了 0.144 的 MSE 和 0.883 的 CI。我们的方法提高了相互作用分析的可解释性和特异性，为药物发现过程提供了更深入的见解，并为预测的 DTA 提供了有价值的解释。我们的研究代码可在以下网址获取：https://github.com/fsonya88/CAN-DTA。
与不同配对的Weyl超导体的对称性
我们检查了Bogoliubov-de Gennes Hamiltonian及其对称性对称性，用于分时交换对称性破碎的三维Weyl超导体。在消失的配对电位的极限中，我们指定该哈密顿量在两组持续对称性下是不变的，即u（1）量规对称性和u（1）轴向对称性。尽管Bardeen-Cooper-Schrie Q er类型的配对会自发打破这两个对称性，但我们表明，Fulde-Ferrell-Larkin-ovchinnikov型配对的fulde-ferrell-ferrell-ferrell-larkin-ovchinnikov型配对会自发地破坏u（1）的对称性（然后通过众所周知的超级量表模式恢复了超级质量验证模式）。因此，在前一种情况下，系统中需要两种NAMBU-GOLDSTONE模式来恢复损坏的对称性。我们表明这两种模式之一是出现的伪标量相模式。我们还证明了这种相位模式会导致伪 - 甲壳虫效应。
BRCA2 减数分裂域缺失揭示的通过张紧 DNA 束缚模型进行染色体配对
1 荷兰鹿特丹伊拉斯姆斯大学医学中心发育生物学系，邮编 3000 CA • 2 荷兰鹿特丹伊拉斯姆斯大学医学中心 Oncode 研究所，邮编 3000 CA • 3 荷兰鹿特丹伊拉斯姆斯大学医学中心伊拉斯姆斯 MC 癌症研究所分子遗传学系，邮编 3000 CA • 4 细胞整合生物学研究所 (I2BC)、CEA、CNRS、Uni Paris-Sud、Uni Paris-Saclay、法国吉夫河畔伊维特 • 5 荷兰鹿特丹伊拉斯姆斯大学医学中心细胞生物学系，邮编 3000 CA • 6 意大利罗马第二大学医学院生物医学与预防系 • 7 荷兰鹿特丹伊拉斯姆斯大学医学中心放射治疗系，邮编 3000 CA • 8 荷兰鹿特丹伊拉斯姆斯大学医学中心血管外科系， 3000 CA，鹿特丹，荷兰
OcuPair，一种新型光交联树枝状聚合物-透明质酸水凝胶
目录/示意图：示意图显示 OcuPair 粘性水凝胶制剂装入最终输送装置并应用于活体兔角膜损伤模型的全层角膜伤口上，然后原位交联形成密封伤口的透明水凝胶绷带。部分图片使用 Servier Medical Art（http://smart.servier.com/）中的图片绘制，根据 Creative Commons Attribution 4.0 Unported License（https://creativecommons.org/licenses/by/4.0/）获得许可。
没有随机传递性的成对比较
成对比较数据在统计学和机器学习中受到了广泛关注，并在各个领域有着广泛的应用。这类数据通常来自锦标赛，其中每个成对比较结果都来自两个选手或队伍之间的比赛，或来自众包环境，其中个人负责比较两个项目，例如图像、电影或产品。具体而言，著名的瑟斯顿 (Thurstone, 1927) 和布拉德利-特里 (BT; Bradley and Terry, 1952) 模型为该领域奠定了基石，随后进行了许多扩展，包括 Shah 等人 (2016a) 提出的参数序数模型，拓宽了参数模型的类别。Oliveira 等人 (2018) 放宽了已知链接函数的假设，并提出了允许链接函数属于广泛函数家族的模型。非参数方法也已出现，例如 Shah 和 Wainwright (2018) 中基于 Borda 计数算法介绍的工作，以及 Chatterjee (2015) 和 Chatterjee 和 Mukherjee (2019) 研究的非参数 Bradley-Terry 模型。此外，还开发了用于众包环境的成对比较模型，如 Chen 等人 (2013) 和 Chen 等人 (2016) 等所讨论的。成对比较模型已获得广泛的应用，包括排名聚合（Chen and Suh，2015；Chen 等人，2019；Heckel 等人，2019；Chen 等人，2022b）、预测比赛 / 锦标赛（Cattelan 等人，2013；Tsokos 等人，2019；Macr`ı Demartino 等人，2024）、测试博彩市场的效率（McHale and Morton，2011；Ly´ocsa and V`yrost，2018；Ramirez 等人，2023）以及基于人工评估改进大型语言模型（Christiano 等人，2017；Ouyang 等人，2022；Zhu 等人，2023）。虽然上述模型对该领域做出了重大贡献，但它们依赖于随机传递性的假设，这意味着球员/球队/项目之间存在严格的排名。然而，这种假设可能不切实际，特别是在涉及多种技能或策略的环境中，不传递性自然会出现。尽管它具有实际重要性，但对允许不传递性的模型的研究仍然有限。一些值得注意的例外包括 Chen 和 Joachims (2016) 和 Spearing 等人 (2023) 的工作，他们通过引入额外参数来描述不传递性以及基于 Bradley-Terry 概率指定绝对优势的参数，扩展了 Bradley-Terry 模型。Spearing 等人 (2023) 提出了一种在完整贝叶斯框架下进行参数估计的马尔可夫链蒙特卡罗算法。然而，他们的贝叶斯程序计算量大，对于涉及许多球员或相对较高潜在维度的高维设置不切实际。 Chen 和 Joachims (2016) 将参数视为固定量，并通过优化正则化目标函数来估计它们。然而，它们的目标函数是非凸的，并且它们的模型高度过度