XiaoMi-AI文件搜索系统
World File Search SystemPredic
药品短缺：呼吁采取行动
迫切需要投资于预警能力，以发出药品供应链威胁和脆弱性信号。近期和持续的肿瘤药物短缺清楚地表明，虽然存在可以帮助预测上游药品供应链风险的数据信号，但这些数据并没有以能够产生可操作见解的方式整合起来，以防止或缓解药品短缺。负责向患者提供医疗产品的美国政府机构和私营部门利益相关者（包括制造商、批发商和医院）需要可操作的见解，以帮助预测和预测供应链脆弱性及其原因，以免导致药品短缺。需要整合已有数据（例如单位数量、供应链结构、设施质量管理成熟度、公司财务状况、流行病学和其他需求驱动因素），以防止药品短缺或减轻其影响。此外，重要的是，预警系统可以帮助防止响应市场信号（例如 FDA 表格 483 出版物）而进行保护性采购。这种可见性需要提供给所有相关的药品供应链利益相关者。此外，虽然可见性可以帮助主动通知利益相关者并允许快速实施缓解策略，但这种可见性并不能解决短缺的根本原因。
将药物-药物相似性添加到药物-靶标相互作用预测方法中是否会显著提高其效率？
摘要 预测药物-靶标相互作用 (DTI) 已成为一个重要的生物信息学问题，因为它是药物重新定位的关键和初步阶段之一。因此，科学家们正在尝试开发更准确的计算方法来预测药物-靶标相互作用。这些方法通常基于机器学习或推荐系统，并使用生物和化学信息来提高预测的准确性。在这些方法的背景下，有一个假设，即具有相似化学结构的药物具有相似的靶标。因此，药物之间的相似性作为化学信息被添加到计算方法中以改进预测结果。这里出现的问题是这种说法是否真的正确？如果是这样，应该使用什么方法来计算药物-药物化学结构的相似性？我们是否会从我们使用的任何 DTI 预测方法中获得同样的改进？在这里，我们研究了通过将药物-药物化学结构相似性添加到问题中可以实现的改进量。为此，我们考虑了不同类型的真实化学相似性、随机药物相似性、四个黄金标准数据集和四种最先进的方法。我们的结果表明，数据的类型和大小、用于预测相互作用的方法以及用于计算药物间化学相似性的算法都很重要，不能轻易地说增加药物相似性可以显著改善结果。因此，我们的结果可以为想要改进机器学习方法的科学家提供一份清单。
使用描述符 obta 进行高精度材料特性预测的实验设计
摘要 在材料科学中，可控和不可控描述符均可用于表征材料。可控描述符的例子包括元素组成和制造过程；相反，不可控描述符由表征特定样品的实验数据生成，例如原始光谱数据或比重。在本研究中，我们考虑一种实验设计来获得一个高精度预测模型，其中材料的不可控描述符是特征，其材料属性是标签。一般而言，由于不可控描述符与材料属性更密切相关，因此基于它们的预测将更准确。本研究中实验设计的目标不是改善材料属性本身，而是预测其属性。为了实现这种设计，我们选择合适的可控描述符来合成候选材料，当相应的不可控描述符和材料属性添加到训练数据中时，预测精度会提高。我们提出了两种实验设计方法，一种基于贝叶斯优化，另一种基于不确定性抽样。使用记录了可控和不可控描述符以及机械性能的聚合物数据库，我们确认我们的方法可以选择合适的候选材料来训练一个高精度预测模型，其中材料性能由不可控描述符预测。我们提出的方法可以应用于材料开发，其中不可控描述符比获得目标材料性能更容易通过实验获得；它也将有助于提取材料结构和性能之间的关系。
使用俄勒冈州的机载激光扫描数据对森林燃料和结构属性进行区域建模
摘要：机载激光扫描 (ALS) 采集在美国西部提供零碎覆盖，因为采集工作由各个项目区域的当地管理人员组织。在本研究中，我们分析了有助于制定区域战略的不同因素，以使用已完成的 ALS 数据采集信息并快速开发新 ALS 项目区域中多种森林属性的地图。这项研究位于美国俄勒冈州，分析了森林结构属性之间的差异：(1) 合成（即未校准）和校准预测，(2) 参数线性和半参数模型，以及 (3) 使用针对现场测量区域内的点云计算的预测因子开发的模型，即“点云预测因子”，以及使用从预栅格化层中提取的预测因子开发的模型，即“栅格化预测因子”。所考虑的森林结构属性包括地上生物量、倒地木质生物量、冠层容重、冠层高度、冠层基高和冠层燃料负荷。我们的研究结果表明，如果不进行校准，半参数模型的表现优于参数模型。但是，校准在减少参数模型偏差方面效果显著，但对半参数模型的影响很小，并且一旦进行校准，参数模型和半参数模型之间的差异对于所有响应都可以忽略不计。此外，发现使用点云预测器的模型和使用栅格化预测器的模型之间的差异很小。我们得出结论，应用半参数模型和栅格化预测器的方法是合理的，它代表了最简单的工作流程并导致最快速的结果，即使不进行校准，准确性或精度的损失也很小。
ATP1A1是黑色素瘤治疗的有前途的新靶标，其生理配体Bufalin可以抑制其恢复靶向治疗疗法
摘要尽管在治疗转移性黑色素瘤方面取得了进步，但许多患者对靶向疗法表现出抗性。我们的研究重点是ATP1A1，这是一种与癌症发展相关的钠泵亚基。我们旨在评估黑色素瘤患者的ATP1A1预后价值，并检查其配体Bufalin，体外和体内黑色素瘤细胞系的影响。高ATP1A1表达（IHC）与黑色素瘤患者的总体存活率降低相关。 对BRAF抑制剂的抗性与患者活检（IHC，QPCR）和细胞系（Western blot，QPCR）的ATP1A1水平升高有关。 此外，基于癌症基因组图集（TCGA）数据库和Verfaillie增殖基因签名分析的数据，高的ATP1A1 mRNA表达与分化/色素沉着标记正相关。 bufalin在小窝（接近连接测定法）中特异性靶向ATP1A1，并影响SRC磷酸化（Western blot），从而破坏了多个信号通路（磷酸激酶阵列）。 在体外，Bufalin在ATP1A1（siRNA实验）上作用于ATP1A1（siRNA实验），并在体内使用裸小鼠异种移植模型通过连续的Bufalin通过渗透泵递送，从而诱导黑色素瘤细胞系凋亡。 总而言之，我们的研究表明，ATP1A1可以作为患者生存的预后标志物，也可以作为对BRAF抑制剂治疗的反应的预性标记。 通过靶向ATP1A1，Bufalin抑制细胞增殖，体外诱导凋亡，并有效抑制小鼠的肿瘤发育。高ATP1A1表达（IHC）与黑色素瘤患者的总体存活率降低相关。对BRAF抑制剂的抗性与患者活检（IHC，QPCR）和细胞系（Western blot，QPCR）的ATP1A1水平升高有关。此外，基于癌症基因组图集（TCGA）数据库和Verfaillie增殖基因签名分析的数据，高的ATP1A1 mRNA表达与分化/色素沉着标记正相关。bufalin在小窝（接近连接测定法）中特异性靶向ATP1A1，并影响SRC磷酸化（Western blot），从而破坏了多个信号通路（磷酸激酶阵列）。在体外，Bufalin在ATP1A1（siRNA实验）上作用于ATP1A1（siRNA实验），并在体内使用裸小鼠异种移植模型通过连续的Bufalin通过渗透泵递送，从而诱导黑色素瘤细胞系凋亡。总而言之，我们的研究表明，ATP1A1可以作为患者生存的预后标志物，也可以作为对BRAF抑制剂治疗的反应的预性标记。通过靶向ATP1A1，Bufalin抑制细胞增殖，体外诱导凋亡，并有效抑制小鼠的肿瘤发育。因此，我们的发现强烈支持ATP1A1作为一个有前途的治疗靶标，Bufalin是破坏其肿瘤促进活性的潜在药物。
人工智能，医学图像和精度医学：进步和观点人工智能，医学成像和精确度量
总结，适用于医学形象以开发和加强个性化医学的人工智能（AI）的作用被描述为不断改进的过程，一系列机遇和巨大超越的专业挑战。 div>这项工作描述了AI相对于图像，数据制备，图像协调，器官和伤害的自动分割，其标记，放射学变量的提取以及预测临床模型的发展。 div>与这些解决方案在临床实践中的整合相关的方面，以提高护理过程，诊断和治疗最个人，高效和精确的患者的精度和效率。 div>诸如Primage和Chaimeleon之类的项目强调了AI的变革潜力以及跨学科合作的基本作用，以实现这种潜力，基于连续的多专业协作，以解决伴随这些进步的道德，监管，技术和临床挑战。 div>
个性化的患者偏好预测因素，用于替代医疗保健的判断：技术上FEA
摘要在为无行为能力的患者做出替代判断时，代理人经常努力猜测患者有能力会想要什么。代理人也可能因（唯一）做出这种决定的责任而感到痛苦。为了解决此类问题，已经提出了一种患者偏好预测因子（PPP），该预测因素将使用算法从人群级别的数据中推断出单个患者的治疗偏好，以了解具有相似人口统计学特征的人的已知偏好。然而，批评家们已经表明，即使这种PPP平均比人类替代者更准确，在识别患者偏好方面，拟议的算法仍然无法尊重患者（以前的）自主权，因为它会借鉴“错误的”数据：对于个人而言，这些数据不适合个人的数据，因此他们不适合他们的挑战，并且他们的实际原因是他们的实际原因，或者是实际的，或者是实际上的，或者是实际上的，或者是实际的，或者是实际的，或者是实际的，或者是实际上所依据的，或者是实际的原因。在船上受到这样的批评，我们在这里提出了一种新方法：个性化的患者偏好预测因子（P4）。P4基于机器学习的最新进展，该技术允许包括大型语言模型在内的技术更便宜，更有效地“微调”在特定于人的数据上。与PPP不同，P4将能够从实际上特定于其特定的材料（例如先前的治疗决策）中推断出单个患者的偏好。因此，我们认为，除了在个体水平上比以前提出的PPP更准确，P4的谓词还将更直接地反映每个患者自身的原因和价值观。在本文中，我们回顾了人工智能研究中的最新发现，这些发现表明P4在技术上是可行的，并认为，如果它是开发和适当部署的，则应缓解一些基于自主的主要关注原始PPP的批评者的关注。然后，我们考虑对我们的提案的各种异议，并提供一些暂定的答复。
肺癌多基因风险评分（PR）对个人水平不确定性对风险分层的影响
抽象背景尽管多基因风险评分（PRS）已成为预测全基因组关联研究（GWAS），肺癌PR的个体准确性以及其对后续临床应用的影响程度的有前途的工具。Methods Lung cancer PRSs and confidence/credible interval (CI) were constructed using two statistical approaches for each individual: (1) the weighted sum of 16 GWAS-derived significant SNP loci and the CI through the bootstrap‑ ping method (PRS-16-CV) and (2) LDpred2 and the CI through posteriors sampling (PRS-Bayes), among 17,166 lung cancer cases and来自国际肺癌财团的欧洲血统的12,894个对照。根据自己的PRS平均/PRS CI与人口水平阈值之间的关系，将个体分为不同的遗传风险亚组。在两种方法的平均标准偏差（S.D.）PRS-16-CV和更大的S.D. 为0.12。 为PRS-Bayes的0.88。 使用PRS-16-CV，只有25.0％的PRS估计值最低的PRS点估计值，而最高十分位数中只有16.8％的人分别以最低和最高的十分位数完全包含其整个95％CI，而PRS-Bayes则无法找到任何合格的人。 使用两个PRS估计量，只有19％的个体一致地确定为具有高遗传风险（> 90％）。 在PRS-16-CV CI鉴定的个体中始终观察到具有较高AUC的风险预测性能，并且最好的风险性能是最好的为0.12。为PRS-Bayes的0.88。使用PRS-16-CV，只有25.0％的PRS估计值最低的PRS点估计值，而最高十分位数中只有16.8％的人分别以最低和最高的十分位数完全包含其整个95％CI，而PRS-Bayes则无法找到任何合格的人。使用两个PRS估计量，只有19％的个体一致地确定为具有高遗传风险（> 90％）。在PRS-16-CV CI鉴定的个体中始终观察到具有较高AUC的风险预测性能，并且最好的风险性能是最好的在考虑CI时，观察到最高的PRS百分位数与最低的相对风险增加（OR = 2.73，95％CI：2.12–3.50：2.12–3.50，p -value = 4.13×10 -15）与使用PRS -16 -CV的平均值相比）。
血清素再摄取抑制剂可增加前路颈椎间盘切除术和融合术中的假关节发生率
研究设计：回顾性队列。目的：确定（1）血清素再摄取抑制剂对前路颈椎减压融合术 (ACDF) 后假关节发生率的影响，以及（2）确定服用血清素再摄取抑制剂的患者报告的结果指标。文献概述：最近的文献表明，选择性血清素再摄取抑制剂 (SSRI) 可能通过下调成骨细胞分化来抑制骨折愈合。脊柱融合补充富含成骨细胞的物质可增强脊柱融合，因此 SSRI 可能有害。方法：ACDF 术后 1 年动态颈椎 X 光片患者分为血清素再摄取抑制剂处方组（SSRI、血清素-去甲肾上腺素再摄取抑制剂 [SNRI] 或三环类抗抑郁药 [TCA]）和无处方组（非典型抗抑郁药或无抗抑郁药）。假关节定义为动态 X 光片上棘突间运动≥1 mm。控制 Logistic 回归模型的混杂因素，分析假关节发生率。Alpha 设置为 p 值 <0.05。结果：在符合纳入标准的 523 名患者中，137 名 (26.2%) 被处方了 SSRI、SNRI 或 TCA。被处方这些药物的患者更有可能患上假关节 (p=0.008)，但不太可能因假关节而接受翻修手术 (p=0.219)。此外，这些患者术后 1 年心理成分总结 (MCS)-12 (p=0.015) 和颈部残疾指数 (NDI) (p=0.006) 较差。多元逻辑回归分析显示，SSRI/SNRI/TCA 的使用（优势比 [OR]，1.82；95% 置信区间 [CI]，1.11–2.99；p=0.018）和结构长度（OR，1.91；95% CI，1.50–2.44；p<0.001）是假关节的预测因素。单变量分析显示，SSRI/SNRI/TCA 处方是邻近节段疾病导致的翻修手术的预测因素（OR，2.51；p=0.035），但在多元逻辑回归分析显示并非如此（OR，2.24；p=0.10）。结论：服用抑制血清素再摄取的抗抑郁药的患者术后结果评分（包括 NDI 和 MCS-12）较差的风险增加，这可能是由于他们潜在的抑郁症状。这可能增加他们接受邻近节段手术的可能性。此外，接受 ACDF 的患者术前使用血清素再摄取抑制剂可以预测放射学假关节，但不能预测假关节修复。
Berindan -Neagoe Ioana
发明专利1。基于抗肿瘤的诱发病毒载体的生物系统，用于恢复恶性细胞中肿瘤基因TP 53的正常基因型：Chira S，Neagoe I S，Gulei D无请求RO20190000642，RO134900-A2--A2--A2--A2---A2---A2---2021-2021-201-21-21-2021-2044-29 2> 9. 9。„基于质粒DNA重组的纳米颗粒系统，用于预防用冠状病毒SARS-COV-2ˮ，Sergiu Chira，Ioana Cornelia Cornelia stanca Neagoe和Cosmin-Andrei Andrei Cismaru osim A00296/28.05.05.05.202020202020202020-25360（ioaana Cornelia cornelia cornelia cornelia cornelia cornelia cornelia cornelia cornelia cornelia cornelia cornelia cornelia cornelia cornelia chira）。通过确定两个microRNA分子，即HSA-I-1-3p and HSA- Mir-6785-5p in Blood Samples, While Using Artificial Intelligence in Form of Decision Trees, Patent Number (S): RO132683-A2,-A2016- 00984: FLARES A, Fersigan M, Neagoe I, Braicu C, PETRIC R, DERWENT PRIMARY ACCESSION NUMBER: 2019-29111T 4.基于抗肿瘤杂化病毒载体的生物系统，以恢复恶性细胞 - ioaana cornelia stanca neagoe和diana gulei中肿瘤抑制基因的正常基因型。OSIM注册编号A000642/10.10.2019 5.被诱导三阴性肿瘤细胞凋亡的多个目标，专利号：RO130401-A2，发明家：S）：Braicu C，Braicu C，BraiCu C，Pileczki V，Pileczki V，Pileczki v，pileczki v，pileczki v，pileczki v，pileczki v，pileczki v，Neagoe i s，irimie a，irimie a，derwent a，derwent a，derwent a，derwent a，derwent a，数字4.44。通过功能基因组研究预测宫颈癌无线电化学疗法的反应的方法 - 作者：肿瘤学院”I.Chiricuţă ”Cluj-Napoca (representatives: Bălăcescu Ovidiu Daniel and Bălăcescu Loredana); and the University of Medicine and Pharmacy“ Iuliu Haţieganu ”Cluj-Napoca (representatives: Irimie Alexandru, Berindan-Neagoe Ioana) OSIM registration number: A/10036/2011/patent no.基于对血管生成机制涉及的一组基因的研究，用于检测前列腺癌的非侵蚀方法 - 作者：Bălăcescuovidiu，Neagoe ioaana，bălăcesculoredana patent no：RO 127528A2，RO 127528A2，2012年-H48364 [47] AR/A a/im a/a/a/a/recistration。基于人工智能作者的非侵入性方法诊断乳腺癌临床决策的智能支持系统：医学与药房大学“ IuliuHaţieganu” Cluj-Napoca（代表：Irimie Alexandru，Berindan neneagoe Ioaana）；肿瘤学院“ IonChiricuţ届教授” Cluj-Napoca（代表：Bălăcescuovidiu