XiaoMi-AI文件搜索系统
World File Search SystemQian
Zhu, Ping, Gong, Shuangshuang, Deng, Mingqiang, Xia, Bin, Yang, Yazheng, Tang, Jiakang, Qian, Guangren, Yu, Fang, Goonetilleke, Ashan- tha , & Li, Xia
注意：请注意，本文件可能不是作品的记录版本（即已发布的版本）。作者手稿版本（提交同行评审或同行评审后接受出版）可以通过缺少出版商品牌和/或排版外观来识别。如果有任何疑问，请参考已发布的来源。
Yuemei Zhao, Kang Wang, Weitao Li, Huan Zhang, Zhiyu Qian, Yangyang Liu, “ Laser speckle contrast imaging system using nanosecond pulse laser source,
许多疾病，如心血管疾病、动脉粥样硬化、糖尿病、慢性静脉功能不全等，都会引起血流的功能性和形态性改变。1,2血流的动态监测在生命科学研究、药物评价、临床诊断、临床应用以及手术指导等方面有重要的价值。目前，一些针对活体动物组织特别是血管的有效测量方法正在研究，如磁共振灌注成像、正电子发射断层扫描（PET）、X射线血管造影、荧光血管造影、激光多普勒血流仪等。但这些血流成像技术都存在一定的局限性。3-5例如，磁共振灌注成像和PET多用于整体成像，空间和时间分辨率不高，成本较高；荧光血管造影和X射线血管造影不能提供血流的功能性信息，并且需要注射造影剂。多普勒流量计只能提供单点监测，不能提供完整的二维（2-D）血流速度图。6 – 9 与其他成像技术相比，激光散斑对比成像（LSCI）可以以较低的成本提供二维全速血流分布。
引用发布版本（APA）：Gue，Y.，Correa，E.，Thompson，J.L。P.，Homma，S.，Qian，M。，＆Lip，G。Y. H.（2023）。机器学习预测
背景：由于共有的病理生理机制，心房纯正和心力衰竭通常是共存的。迅速识别出患有发展心房效果风险的心力衰竭的患者，将使临床医生有机会实施适当的监测策略和及时治疗，从而降低了心房质量对患者健康的影响。方法：将四种与逻辑回归和聚类分析结合使用的机器学习模型在事后将华法林和阿司匹林的患者级数据应用于心力衰竭和窦性心律（WARCEF）试验的患者，以识别患有心力衰竭患者心房智能的因素。结果：逻辑回归表明，与报告其他婚姻状况的白人患者相比，白人离婚的患者的房间意识风险高1.75倍。相比之下，类似的分析表明，独自生活的非白人患者的风险比不单独生活的患者高2.58倍。机器学习分析还确定了“婚姻状况”和“单独生活”为房屋效果的相关预测指标。除了以前公认的因素外，机器学习算法和聚类分析鉴定了2个不同的群集，即白色和非白人种族。这应该提醒社会因素对健康的影响。结论：机器学习的使用可用于识别新型心脏风险因素。2023作者。由Elsevier Inc.出版我们的分析表明，“社会因素”（例如独自生活）可能会不成比例地增加心力衰竭的不足代表性的非白人患者群体中心房效果的风险，强调需要进行更多的研究，重点是多种疗法群体的层次化，以便更好地揭示出差异化的杂物性。这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）
香港基因组研究所和阿斯利康对基因组科学的交流观点，并探索与
为患者的好处加速临床试验（香港，2024年9月23日），香港基因组研究所（HKGI）今天与全球生物制药公司阿斯利康（AZ）（AZ）举行了一次交流会议，讨论了最新的基因组医学技术，以及在治疗研究和开发方面的进步（R＆D）。在提供患者福利的原则的指导下，HKGI和AZ同意探索潜在的研究合作，以加快新药和疗法的临床试验。这些努力有望促进医疗创新并增强当地的医疗保健服务，最终使整个社会受益。由HKGI首席执行官Lo Su-Vui博士主持，会议由AZ的高级代表和研究人员由AZ领导的代表团由SlavéPetrovski博士领导，基因组研究中心副总裁，Lifeng Tian博士，Lifenge tian博士，基因组研究中心研究中心，Qiiaoxiao Qiian Qian Qian Qian Qian Qian Qian Qian Qian Qian Qian Qian Qian Qian，Intriver Antival Intartral Interary stratival in Strategry＆Rattrial＆rtative in Cartitation in Cartitional of drative。在HKGI的邀请下，卫生局的代表和吸引HKSAR政府战略企业办公室的代表也出席了会议。在会议上，HKGI的首席医疗兼科学官Brian Chung博士概述了香港基因组项目（HKGP）的背景和进步。作为该领域的第一个大规模整个基因组测序项目，HKGP迄今已成功招募了近40,000名参与者，这有助于建立一个主要由中国南部人口组成的基因组数据库。dr Chung还引入了由HKGI团队启动的各种遗传学和多媒体研究，例如关于药物基因组学和代谢组学的研发，这些研究在识别疾病的原因，绘制遗传途径并为患者开发精确治疗方面起着至关重要的作用。 对于亚利桑那州的团队，奴隶彼得罗夫斯基博士通过利用大规模的OMICS研究来提出企业集团对促进基因组医学和驱动公司范围内基因组学倡议的愿景。 Lifeng Tian博士还分享了AZ在香港的研发重点，并渴望通过先进的数据科学催化药物发现，表达了该团队对与HKGI在多组学研究的最前沿建立战略合作的兴趣。 在访问期间，AZ团队还参观了HKGI的基因组实验室，该实验室配备了一站式整个基因组测序管道，该实验室将无缝涵盖所有涉及的复杂程序，从样本收集和测序到基因组策展和报告发行。 HKGI的Lo Su-Vui博士说：“我们很高兴有机会在专业级别与AZ团队互动。 临床试验在实现基因组医学的潜力方面起着关键作用，在这种潜力中，可靠和有效的数据是成功的关键。 经过三年多的努力，我们成功开始构建一个基因组数据库，该数据库不仅主要由中国南部组成，而且还将临床数据与基因组信息相结合，涵盖了20多种遗传疾病，罕见疾病和常见病例。dr Chung还引入了由HKGI团队启动的各种遗传学和多媒体研究，例如关于药物基因组学和代谢组学的研发，这些研究在识别疾病的原因，绘制遗传途径并为患者开发精确治疗方面起着至关重要的作用。对于亚利桑那州的团队，奴隶彼得罗夫斯基博士通过利用大规模的OMICS研究来提出企业集团对促进基因组医学和驱动公司范围内基因组学倡议的愿景。Lifeng Tian博士还分享了AZ在香港的研发重点，并渴望通过先进的数据科学催化药物发现，表达了该团队对与HKGI在多组学研究的最前沿建立战略合作的兴趣。在访问期间，AZ团队还参观了HKGI的基因组实验室，该实验室配备了一站式整个基因组测序管道，该实验室将无缝涵盖所有涉及的复杂程序，从样本收集和测序到基因组策展和报告发行。HKGI的Lo Su-Vui博士说：“我们很高兴有机会在专业级别与AZ团队互动。临床试验在实现基因组医学的潜力方面起着关键作用，在这种潜力中，可靠和有效的数据是成功的关键。经过三年多的努力，我们成功开始构建一个基因组数据库，该数据库不仅主要由中国南部组成，而且还将临床数据与基因组信息相结合，涵盖了20多种遗传疾病，罕见疾病和常见病例。
已发表版本的引用（APA）：Zhang, D., Hansen, C., De Frène, F., Kærgaard, S.P., Qian, W., & Chen, K. (2023)。自动贴标和在线
基于脑电图 (EEG) 的脑机接口 (BCI) 允许用户使用脑信号来控制外部仪器，而运动意图检测 BCI 可以帮助失去运动功能的患者康复。现有该领域的研究大多依赖于基于线索的数据收集，这种方法便于样本标记，但会引入来自线索刺激的噪音；此外，它需要大量的用户培训，并且不能反映真实的使用场景。相比之下，自定步调的 BCI 可以通过支持用户按照自己的主动性和步调进行运动来克服基于线索的方法的局限性，但它们在标记方面存在不足。因此，在本研究中，我们提出了一种自动标记方法，可以交叉引用肌电图 (EMG) 信号以进行 EEG 标记，而无需人工干预。此外，考虑到只有少数研究专注于评估用于在线使用的 BCI 系统，并且其中大多数没有报告在线系统的细节，我们开发并详细介绍了一个伪在线评估套件，以促进在线 BCI 研究。我们收集了 10 名参与者的自定步调运动 EEG 数据，这些参与者进行张开和闭合手部动作，以进行训练和评估。结果表明，与基线标记方法相比，自动标记方法可以很好地处理噪声数据。我们还探索了用于在线自定步调运动检测的流行机器学习模型。结果证明了我们的在线管道的能力，并且由于在线 BCI 系统的特定设置，性能良好的离线模型并不一定能转化为性能良好的在线模型。我们提出的自动标记方法、在线评估套件和数据集向现实世界的自定步调 BCI 系统迈出了坚实的一步。© 2023 作者。由 Elsevier BV 出版这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
已发表版本的引用（APA）：Zhang, D., Hansen, C., De Frène, F., Kærgaard, S.P., Qian, W., & Chen, K. (2023)。自动贴标和在线
基于脑电图 (EEG) 的脑机接口 (BCI) 允许用户使用脑信号来控制外部仪器，而运动意图检测 BCI 可以帮助失去运动功能的患者康复。现有该领域的研究大多依赖于基于线索的数据收集，这种方法便于样本标记，但会引入来自线索刺激的噪音；此外，它需要大量的用户培训，并且不能反映真实的使用场景。相比之下，自定步调的 BCI 可以通过支持用户按照自己的主动性和步调进行运动来克服基于线索的方法的局限性，但它们在标记方面存在不足。因此，在本研究中，我们提出了一种自动标记方法，可以交叉引用肌电图 (EMG) 信号以进行 EEG 标记，而无需人工干预。此外，考虑到只有少数研究专注于评估用于在线使用的 BCI 系统，并且其中大多数没有报告在线系统的细节，我们开发并详细介绍了一个伪在线评估套件，以促进在线 BCI 研究。我们收集了 10 名参与者的自定步调运动脑电图数据，这些参与者进行张开和闭合手部动作，以进行训练和评估。结果表明，与基线标记方法相比，自动标记方法可以很好地处理噪声数据。我们还探索了用于在线自定步调运动检测的流行机器学习模型。结果证明了我们的在线管道的能力，并且由于在线 BCI 系统的特定设置，性能良好的离线模型并不一定能转化为性能良好的在线模型。我们提出的自动标记方法、在线评估套件和数据集向现实世界的自定步调 BCI 系统迈出了坚实的一步。© 2023 作者。由 Elsevier BV 出版这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
P2X7受体在神经退行性疾病中的作用和治疗靶标
体育活动是一种重要的生活方式，对身体健康有积极影响。通过积极参与体育活动，我们可以改善心血管健康，增强肌肉力量，增加代谢功能并获得许多其他好处。体育活动对心血管系统有益。有氧运动，例如跑步，游泳和骑自行车，可改善心脏功能和血液循环，并降低心血管疾病的风险（Carmody和Bisanz，2023； Van Hul和Cani，2023年）。中度有氧运动降低血压，改善血脂水平并增加心脏的耐力。骨骼健康：体育活动对于骨骼健康至关重要。重力负载的活动，例如跑步，跳跃和举重，促进了骨密度的增加并降低了骨质疏松症的风险（Campbell等，2021； Lulla等，2022）。此外，体育锻炼有助于改善平衡和协调，减少跌倒和断裂的风险。体育锻炼会增强肌肉力量和灵活性。通过力量训练，例如举重和体操，可以增加肌肉质量，可以提高代谢率，并且可以改善身体形状（Arnoriaga-Rodríguez等人，2021年）。同时，拉伸会增加肌肉的灵活性和运动范围，减少肌肉和关节不适。其他好处：体育活动与许多其他好处有关。它可以帮助控制体重并降低糖尿病和某些癌症等慢性疾病的风险。此外，体育活动可提高睡眠质量，提高能量水平并促进大脑功能和认知性能（Liu等，2019）。近年来，肠道微生物组的体育活动关联一直是研究的广泛关注。肠道微生物组是生活在人类肠道中的微生物群落，并包含大量的微生物，例如细菌，真菌和病毒。他们在人类健康和免疫功能中起着重要作用（Aron- Wisnewsky等，2020）。作为一种生活方式，体育锻炼对肠道微生物组的组成和功能有积极的影响。研究表明，体育活动促进了肠道微生物组的多样性。多样性是指微生物组中不同物种的微生物的数量和比例（Barton等，2017； Carbajo-Pescador等，2018）。通过运动，我们可以通过增加有益细菌的数量并减少有害细菌的生长来改善肠道环境。有益细菌的增加有助于维持肠道的平衡状态，增强免疫系统功能并降低炎症性疾病的风险（De等，2021）。此外，体育活动增加了肠道微生物组的代谢活性。研究发现，运动可以改变肠道微生物组的代谢产物，例如短链脂肪酸（SCFA）。SCFA是通过肠道微生物组发酵饮食纤维生产的，对于肠道健康至关重要。它们为肠道细胞提供能量，维持肠粘膜屏障的完整性（Fiuza-Luces等，2018），并具有抗炎和抗肿瘤作用。体育活动可以增加运动后肠道微生物组产生的SCFA量，从而进一步促进肠道健康（Cheng等，2022）。
Shenglong Xu：课程vitae
[ 5 ] Xuan Zhang, Limei Wang, Jacob Helwig, Youzhi Luo, Cong Fu, Yaochen Xie, Meng Liu, Yuchao Lin, Zhao Xu, Keqiang Yan, Keir Adams, Maurice Weiler, Xiner Li, Tianfan Fu, Yucheng Wang, Haiyang Yu, YuQing Xie, Xiang Fu, Alex Strasser, Shenglong Xu , Yi Liu, Yuanqi Du, Alexandra Saxton, Hongyi Ling, Hannah Lawrence, Hannes Stärk, Shurui Gui, Carl Edwards, Nicholas Gao, Adriana Ladera, Tailin Wu, Elyssa F. Hofgard, Aria Mansouri Tehrani, Rui Wang, Ameya Daigavane, Montgomery Bohde, Jerry Kurtin, Qian Huang, Tuong Phung, Minkai Xu, Chaitanya K. Joshi, Simon V. Mathis, Kamyar Azizzadenesheli, Ada Fang, Alán Aspuru-Guzik, Erik Bekkers, Michael Bronstein, Marinka Zitnik, Anima Anandkumar, Stefano Ermon，PietroLiò，Rose Yu，StephanGünnemann，Jure Leskovec，Heng JI，Jimeng Sun，Regina Barzilay，Tommi Jaakkola，Connor W. Coley，Coley，Coley，Xiaoning Qian，Xiaofeng Qian，Xiaofeng Qian，Tess Smidt和Shuiiwang Ji。“量子，原子和连续体系中科学的人工智能”。Arxiv预印型ARXIV：2307。08423（2023）。
神经类固醇的多方面动作
Alfaxalone Covey Lab（Tesic等，2020）Ganaxolone Covevey Lab（Hogenkamp等，1997）3α5βPCCovevee Lab（Mennerick等，2001）CDNC24 COVEN COVEY LAB（TESIC等，2020）ECN COVEY LAB（TODOROV LAB） B372 Covey Lab（Han等，1996）MQ34 Covey Lab（Qian等，2014）MQ35 Covey Lab（Qian等，2014）MQ2221 Covey Lab（Ziolkowski et al。，2020） https://www.rdkit.org/ chemdraw 22.2.0 GraphPad Prism 10.4.0数据库药物重新利用中心
