XiaoMi-AI文件搜索系统
World File Search SystemPrioritization
低收入国家和发展中国家的气候变化优先级
缺乏对气候变化的重视对LIDC是有意义的。缓解气候变化是一项全球努力，迄今为止，最富有的经济体并没有做到这一点，尽管是人均气候变化的最大贡献者。鉴于LIDC对气候变化的人均贡献可忽略不计，而且在不久的将来他们将不会成为主要贡献者这一事实 - LIDC可以将注意力直接引起注意。第二，开发和POV的减少是LIDC的出色弹性策略。贫穷的社区比富裕社区更容易受到CLI伴侣的改变。假设气候变化将继续进行，而不管LIDC的MITI GATION和适应努力，其影响力有限；对于这些国家而言，专注于将其流行式化为摆脱贫困，发展韧性的基础设施，治理和经济，而不是分配其Dwin Dling资源来抗击气候变化。
疫苗优先排序的经济框架 - Eric Budish
∗ R ⃝ 符号表示作者姓名经过认证的随机顺序，如 Ray R ⃝ Robson (2018) 所述。作者感谢 Susan Athey、P´eter Bir´o、Matthew Cortland、Glenn Ellison、Ezekiel Emanuel、Simon Finster、Drew Fu- denberg、Navid Ghaffarzadegan、Gregg Gonsalves、Anup Malani、Paul Milgrom、Romans Pancs、Parag Pathak、Canice Prendergast、Hazhir Rahmandad、Alvin Roth、Tayfun S¨onmez、Alex Tabarrok、Nikhil Vellodi、Robert Wilson、编辑 (Robert Barro)、多位审稿人以及众多研讨会和会议听众的深刻对话和评论，并感谢 Xiaoyun Qiu 提供的出色研究协助。Akbarpour、Dworczak 和 Kominers 衷心感谢华盛顿公平增长中心的支持。 Akbarpour 非常感谢 Alfred P. Sloan 奖学金的支持。Dworczak 非常感谢欧盟在 ERC 启动基金 IMD-101040122 下提供的支持。但本文表达的观点和意见仅代表作者本人，并不一定反映欧盟或欧洲研究理事会的观点和意见。欧盟和授权机构均不对此负责。本文摘要发表于第 23 届 ACM 经济与计算会议论文集。
战略探索：抢占先机和优先排序
本文分析了一种战略探索模型，其中竞争者独立探索一组替代方案。该模型以多玩家多臂老虎机问题为特征，捕捉了抢占（秘密探索对手未来将探索的替代方案）与优先排序（探索最有前途的替代方案）之间的战略权衡。我们的研究结果解释了战略权衡如何影响均衡行为和结果，例如超级大国之间的技术竞赛和企业之间的研发竞争。我们表明，参与者在同一组替代方案上竞争，导致从头到尾重复探索，并且在更有前途的替代方案耗尽之前，他们会探索先验前景较差的替代方案。该模型还预测，竞争会诱导参与者过早实施不可靠的技术，即使他们应该等待技术成熟。即使替代方案同样有前景，协调探索也是不可能的，但如果期限很短，它可能会经过抢占式竞争阶段后达到平衡。由于探索能力不对称，弱势一方会进行广泛的探索而非深入的探索——与强势一方一样探索尽可能多的替代方案，但从未充分探索过任何一种。
使用基于区间直觉模糊超软集相关系数的 TOPSIS 法对热能存储技术进行优先排序
1 浙江师范大学数学科学学院，金华 321004，中国 2 阿卜杜勒阿齐兹国王大学数学系，吉达 21589，沙特阿拉伯 3 南佛罗里达大学数学与统计学系，佛罗里达州坦帕 33620-5700，美国 4 西北大学数学与统计科学学院，Mafikeng 校区，Private Bag X2046，Mmabatho 2735，南非 5 管理与技术大学数学系，拉合尔 54770，巴基斯坦 6 卡西姆大学科学与艺术学院数学系，Al-Badaya 51951，沙特阿拉伯 7 开罗大学统计研究生院运筹学与管理研究系，吉萨 12613，埃及 * 通信地址：wma3@usf.edu （W.-XM）；ag.alanazi@qu.edu.sa（AMA）
NSRD建议审查和优先级别和标准
1。根据能源部（DOE）核安全研究与开发（NSR＆D）计划运营计划（称为运营计划），DOE NSR＆D计划每年实施流程，以识别，优先级和资助NSR＆D项目。这些项目旨在证明在支持安全的核设施设计，建设和/或操作方面有可能获得范围范围的利益。本文所述的过程旨在制定优先且经过审查的提案清单，这些建议将被考虑由环境，健康，安全与安全办公室（EHSS）核安全办公室（EHSS-30）提供的资金，以及潜在受益的计划办公室的考虑。NSR＆D计划将向EHSS-30管理层提供优先的NSR＆D建议清单，并根据对更广泛的DOE核安全社区的潜在利益进行考虑。EHSS-30管理评估提供了有关追求NSR＆D活动的优势或缺点的更多见解。ehss-30管理层可能会建议对NSR＆D委员会在决策过程中将考虑的项目进行更改。
优先考虑激酶作为治疗疟疾的潜在药物靶点
疟疾是一种由疟原虫引起的热带疾病，通过受感染的按蚊叮咬传播。蛋白激酶 (PK) 在疟疾病原体的生命周期中起着关键作用，使这些蛋白质成为抗疟药物研发活动的有吸引力的靶标。作为了解寄生虫信号传导功能的努力的一部分，我们报告了对八种疟原虫 PK 的生物信息学流程分析的结果。到目前为止，还没有进行过 P. malariae 和 P. ovale 激酶组组装。我们对预测的激酶进行了分类、整理和注释，以更新迄今为止发表的 P. falciparum、P. vivax、P. yoelii、P. berghei、P. chabaudi 和 P. knowlesi 激酶组，并首次报告了 P. malariae 和 P. ovale 的激酶组。总体而言，在所有疟原虫属激酶组中鉴定出 76 至 97 种 PK。大多数激酶被分配到九个主要激酶组中的七个：AGC、CAMK、CMGC、CK1、STE、TKL、OTHER；以及疟原虫特异性组 FIKK。约 30% 的激酶已深入分类为组、科和亚科级别，只有约 10% 仍未分类。此外，更新和比较间日疟原虫和恶性疟原虫的激酶组可以优先选择激酶作为潜在的药物靶标，可用于探索发现抗疟新药。通过这种综合方法，我们选出了 37 种蛋白激酶作为潜在靶点，并鉴定出对无性疟原虫 (3D7 和 Dd2 菌株) 阶段具有中等体外活性的试验化合物，这些化合物可作为未来寻找有效抗疟药物的起点。2022 作者。由 Elsevier BV 代表计算和结构生物技术研究网络出版。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章 ( http://creative- commons.org/licenses/by-nc-nd/4.0/ )。
优先考虑十一-十九种白血病抑制剂作为治疗急性髓系白血病的潜在候选药物
图 4. 72 小时 ENL 抑制剂处理后，(a) MOLM-13 (b) MV4-11 (c) Jurkat 和 (d) HEK293T 细胞的存活率。(e) 72 小时抑制剂 13 处理后，MOLM-13、MV4-11、Jurkat 和 HEK293T 细胞的细胞存活率比较。(f) MOLM-13 (g) MV4-11 和 (h) Jurkat 细胞在 10 µM ENL 抑制剂作用下的增殖。(i) 在指定温度下，用 10 μM (+) 或 DMSO (-) 中的 13 处理的 MOLM-13 (顶部) 和 MV4-11 (底部) 细胞中的 CETSA。β-肌动蛋白用作上样对照。用 13 或 DMSO 阴性对照处理的 (j) MOLM-13 和 (k) MV4-11 细胞中 HOXA9、MEIS1、MYB 和 MYC 基因表达的 qRT-PCR 分析。 *P < 0.05，**P < 0.01，***P < 0.001，****P < 0.0001。不显著 (ns) P > 0.05。
通过整合来自 1 的遗传和蛋白质组学数据来确定神经退行性疾病药物靶点的优先级
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65
StarGazer：使用 Streamlit 进行药物靶标优先级排序和数字药物重新定位的混合智能平台
1 数据科学与人工智能、生物制药研发、阿斯利康、英国剑桥、2 乔治城大学、美国华盛顿特区、3 生物识别、肿瘤学研发、阿斯利康、波兰华沙、4 发现微生物组、生物制药研发、阿斯利康、美国马里兰州盖瑟斯堡、5 早期呼吸和免疫学、生物制药研发、阿斯利康、美国马里兰州盖瑟斯堡、6 研究数据与分析、研发 IT、阿斯利康、英国剑桥、7 发现科学、生物制药研发、阿斯利康、英国剑桥、8 数据科学与人工智能、生物制药研发、阿斯利康、美国马里兰州盖瑟斯堡、9 生物识别与信息科学、生物制药研发，阿斯利康，瑞典默恩达尔，10 神经科学，生物制药研发，阿斯利康，英国剑桥