XiaoMi-AI文件搜索系统
World File Search SystemRSTUDIO
氢吸附计算计算的科学计量分析
快速工业化促使经济增长和人口增加，但也导致了重大的环境问题和能源短缺。要有效地应对这些挑战并朝着碳中性能源框架迈进，检查清洁能源选择并减少对化石燃料的依赖至关重要。在这些替代方案中，由于其能量密度和环境亲和力（既丰富又可再生），氢气作为领先的候选者脱颖而出。本研究对根据国家和作者身份进行了详细概述了有关氢吸附和存储的年度科学活动。该研究旨在评估该领域的演变，其主题转变以及全球合作的动态。目前的研究是在2000年至2022年的数据库Web网络网络网络中进行的，使用了与氢吸附，存储和密度功能理论相关的一组预定的关键字集。用RSTUDIO的BiblioMetrix软件包分析了检索到的数据，以评估出版趋势，三个不同时期的研究进化和全球协作网络。当前的研究重点是确定总共2183个文档，后来根据其与氢存储主题相关的评估和组织。在本工作中，评估了881篇文章的资格，通过学位和Pagerank指标确定了60项关键研究，研究的演变在整个三个关键阶段都深入研究。该研究探讨了国家之间的全球合作网络，并确定了该领域的有影响力的作者和领先期刊。所确定的三个不同时期是：初始阶段（2000-2008），其标志着离子液体和氢存储的基本工作。中级阶段（2009-2015）见证了科学生产的增加，以关注金属有机框架的基本原理和方法论。当前阶段（2016-2022）的特征是最佳生产力，突出了对纳米管和电催化剂的创新研究，这些研究促进了有效产生氢的生产。通过鉴定关键趋势，这项研究突出了正在重塑氢存储景观的新型材料和技术的出现。这样的进步指向未来研究和创新的潜在方向，从而在可持续能源解决方案的发展中发挥了至关重要的作用。这项文献计量学研究对定义氢吸附和储存研究领域的不断发展的趋势，贡献和协作动力学有很大的见解。
应用机器学习算法在南非反复基于成人人群的调查中预测HIV测试：多
背景：HIV测试是艾滋病毒预防的基石，也是实现联合国联合国艾滋病毒/艾滋病联合计划（UNAIDS）到2030年终止艾滋病的目标的关键步骤。尽管有相关的调查数据，但使用机器学习（ML）来分析和预测南非成年人的HIV测试方面仍然存在研究差距。需要进一步的研究来弥合这一知识差距并为改善HIV测试的基于证据的干预措施提供信息。目的：本研究旨在通过在南非反复基于成人人群的调查中应用监督的ML算法来确定HIV检测的一致预测指标。方法：将对多波横断面调查数据进行回顾性分析，以确定18岁及以上的南非成年人对HIV测试的预测因子。将在南非国家艾滋病毒患病率，发病率，行为和传播调查（SABSSM）调查的五个周期中应用一种监督的ML技术。人类科学研究委员会（HSRC）于2002，2005，2008，2012和2017进行了SABSSM调查。可用的SABSSM数据集将导入Rstudio（版本4.3.2； Potit Software，PBC），以清洁和删除异常值。将进行卡方检验，以选择HIV测试的重要预测指标。每个数据集将分为80％的培训和20％的测试样本。逻辑回归，支持向量机，随机森林和决策树。将使用一种交叉验证技术将训练样本划分为K折，包括验证集，并且将对每个折叠进行训练。模型的表现将在验证集上使用评估指标进行评估，例如精度，精度，回忆，F 1 -SCOOR，曲线接收器操作特性下的面积和混淆矩阵。结果：SABSSM数据集是HSRC数据库上可用的打开访问数据集。伦理学的批准是从约翰内斯堡大学研究与伦理委员会于2024年4月23日获得的（REC-2725-2024）。HSRC于2024年8月20日授予作者访问所有五个SABSSM数据集。探索数据集以识别可能影响HIV测试吸收的自变量。这项研究的结果将确定一致的变量，预测20年中南非成年人口的艾滋病毒测试吸收。此外，本研究将评估和比较4种不同ML算法的性能指标，最佳模型将用于开发HIV测试预测模型。
BIOM 611：设计和分析的统计方法...
•单元2将单元1的方法推广到使用两个样品研究设计。•第3单元通过考虑多个组之间的平均值和比例差异以及定量变量之间的关联结束。详细考虑了包括双向ANOVA的方差分析（ANOVA）。在多次比较的上下文中，推断可重复性的问题用于激发调整多个比较的方法。相关性和回归模型。统计方法将使用免费的软件包RCMDR实现。RCMDR是菜单驱动的前端。最初，我们仅使用菜单驱动的选项；随着课程的发展，学生将学习如何下载和使用各种R软件包，并创建简单的R代码。提供了一些R代码，但是在这一点上，我们预计使用R或RSTUDIO会并行指令。学生在R编码方面的熟练程度不是BIOM 611的目标； R只是实现统计方法的工具。BIOM 611不建议使用中等至强定量/计算背景的学生使用。指导性问题。每周都涉及一本关于演讲中涵盖的材料的介绍以及与阅读特别相关的一系列问题。提供了画布测验。测验应在演讲前，特别是在星期二上午10:59，迟到的提交将获得0。您有2个机会进行测验，并且在第一次提交后，您可以看到得分，但没有答案。TurningPoint移动应用需要使用启用Web的设备。参加讲座：通过投票软件参加讲座是本课程所需的一部分。我将转弯技术投票软件（转向点移动）用于教室的民意调查学生。建议将此设备用于头等舱，并在第一堂课之后要求使用此设备。从第2周开始，投票将进行评分。需要对BIOM 611的订阅，可以从书店购买。一旦注册的转弯技术将您的帐户与画布联系起来。每学期的费用约为18美元。请访问www.turningtechnologies.com/student-info，以获取特定的注册说明。今年我们还在引入一些课堂练习。这些可能是纸面的，也可以是画布测验的形式。请带上笔记本电脑。分级主要基于善意的努力。有时会使用少量惩罚来进行错误的问题，以帮助学生自我认同难度的领域。
合作与职业论坛
SUSANNA AVAGYAN +16505469317 • savagyan@stanford.edu 摘要我是斯坦福大学的生物医学数据科学研究生和研究助理，专攻精准医疗的 AI/ML 方法。我精通 R 和 Python，处理批量、单细胞、空间基因组和临床数据。之前，我是亚美尼亚生物信息学研究所与莱比锡大学合作的 Binder 实验室的初级组长。我的行业经验包括在伦敦的 Vivan Therapeutics 担任数据科学家。我曾为《自然精神分裂症》和《转化癌症研究》上的出版物做出贡献，目前正在《细胞》上修订工作。我通过管理学术计划、专业研讨会和研究指导计划展示了领导能力。经验 斯坦福医学院，纽曼实验室 斯坦福，加利福尼亚州 研究助理，研发 2023 年至今 • 开发了 CytoTRACE 2 工具的 R 和 Python 包 - CytoTRACE 2 是一种根据单细胞 RNA 测序数据预测绝对发育潜力的计算方法。 • 带头对该工具进行针对其他算法（ML、Monocle3、scVelo 等）的基准测试 • 为该工具构建了一个基于 R Shiny 的交互式 Web 应用程序，允许运行预测并可视化/探索内置和用户提供的数据集的结果。 VIVAN THERAPEUTICS 英国伦敦（远程） 数据科学家，研发 2022-2023 • 开发了一个概念验证 ML 模型，根据肿瘤基因变异创建结直肠癌患者亚型，并在动物模型中进行设计并用于优化治疗药物组合。 • 为实验室实验建立了一个统计评估框架，以估计测试药物组合对特定基因型的治疗效果。 • 负责数据科学团队的战略规划、目标设定、任务管理和招聘。 教育 斯坦福医学院，斯坦福，加利福尼亚州 硕士，生物医学数据科学 2023 年至今 预计毕业时间：2025 年 6 月 亚美尼亚美国大学，亚美尼亚埃里温 学士，数据科学（生物信息学轨道） 2018-2022 • 顶点：结直肠癌的分子亚型：个性化诊断的前沿 出版物 • 使用可解释的深度学习绘制健康和疾病中的单细胞发育潜力（2024 年）。正在为 Cell 修订，发表在 biorxiv 上。 • 健康、精神分裂症、躁郁症和重度抑郁症中基因表达的时间变化（2024 年）。发表在《自然精神分裂症》上。 • 用于发现微观组织切片中基因表达景观的空间转录组学浏览器 (2024)。发表于 CIMB。• 使用基于多组学和临床结果数据的 ML/DL 方法对癌症进行亚型分类 (2023)。发表于转化癌症研究技能和语言编程语言：Python | R | SQL | Bash 脚本软件：GitHub | RStudio | Jupyter | BioRender | Jira | Trello | Microsoft Office 软件包：机器学习 | 深度学习 | 统计分析 | 生物信息学分析 | Web 应用生物信息学命令行工具：sra-tools | STAR | kallisto | velocyto | 等云和集群计算：Google Cloud | AWS | sherlock 软技能：领导力 | 项目管理 | 公开演讲语言：英语 | 亚美尼亚语 | 俄语