基于运动图像(MI)的大脑计算机界面(BCI)应用旨在分析大脑如何与脑电图(EEG)信号与外部环境相互作用。尽管当前的模型取得了令人鼓舞的结果,但从EEG信号中开发了MI的准确分类仍然是一个重大挑战。在本文中,我们设计了一个名为(ORDWT_AR)的MI分类模型,该模型利用过度完整的理性扩张小波变换(ORDWT)以及自动回归(AR)模型。首先,使用滑动窗口方法将脑电图分割为间隔。然后,每个脑电图通过ORDWT传递以分析EEG信号。因此,从每个段获得了一系列停止频段。然后,将AR与ORDWT集成,以从每个EEG间隔中提取代表性特征。选定的功能被发送到多种分类模型中,包括加权K-Nearest邻居(WKNN),决策树(DTREE)和Boosted树(BST)。使用四个基准EEG数据库评估所提出的模型,其中三个是从脑部计算机界面(BCI)竞争III中收集的,一个是从CHB-MIT中收集的。结果表明,提出的模型ORDWT_AR与WKNN分类器相结合的三个BCI竞赛III数据集的平均分类精度为99.8%,CHB-MIT数据集的平均分类精度为99.7%。获得的结果表明,所提出的方案是对脑电图信号进行分类并具有出色结果的有前途的工具。提议的模型可以支持专家帮助残疾人与环境互动并提高生活质量。
基于PA-TN5插入模式的TIP-SEQ的峰值呼叫参数的合理设计可提高预测能力。Thomas Roberts(0009-0006-6244-8670),Hiranyamaya Dash(0009-0005-5514-505X),TeemuK.E.Rönkkö(0000-0003-4865-4815)我们每个人都应隶属于: - 伦敦帝国学院的脑科学系,迈克尔·乌伦·枢纽爵士,伦敦怀特城校园,W12 0BZ,英国 - 英国伦敦伦敦帝国学院,英国伦敦伦敦帝国学院,Teemu K.E.Rönkkö,伦敦帝国学院。 Ø,丹麦 *贡献同样抽象的表观基因组分析提供了对控制基因表达的调节机制的见解。在基本水平上,这些机制由结合DNA或修饰染色质的蛋白质确定。Chip-Seq和Cut&Tag等技术在绘制此类蛋白质的结合位点遍布基因组。最近的进步导致了Tip-Seq的发展,Tip-Seq是一种高度敏感的方法,旨在增加每个样品的唯一读数数量。它的设计结果在新的库功能中,尚未通过比较分析探索。通过对生物信息学工具和参数的广泛评估,我们开发了一条分析管道,该管道非常适合TIP-SEQ数据,包括线性重复数据删除,阅读优先级和读取转换。在https://github.com/neurogenomics/peak_calling_tutorial.git上可以在GitHub上获得优化峰通话的教程。使用转录因子结合曲线(TFS),我们表明我们的优化管道大大降低了峰宽度至50%以下,更精确地将峰顶与已知基序保持一致。我们的方法论进步大大提高了TIP-SEQ数据质量,并且周到的分析参数的设计广泛适用于所有基于PA-TN5的分析测定法。
Axl 酪氨酸激酶在各种癌细胞系中的高水平表达使其成为开发抗癌药物的有吸引力的靶标。在本研究中,我们根据不同的分子对接方案对 ATP 竞争性 Axl 激酶抑制剂进行了几组计算机筛选。在母体结构修改后,根据其对靶蛋白的最高亲和力确定了最佳类药物候选物。根据研究中应用的三种分子对接算法,我们发现我们新设计的化合物 R5(R428 专利类似物的衍生物)是最有前途的 Axl 激酶抑制剂。分子对接结果与使用 MM-PBSA/GBSA 隐式溶剂化模型的分子动力学模拟一致,证实了 R5 对蛋白质受体的高亲和力。此外,针对其他激酶的选择性测试也揭示了 R5 对 ABL1 和 Tyro3 激酶的高亲和力,强调了其在治疗恶性肿瘤方面的巨大潜力。
尽管最近两种疟疾疫苗获得许可,但随着世界致力于消灭疟疾,对改进疫苗免疫原的需求仍然迫切。恶性疟原虫入侵红细胞是寄生虫生命周期中必不可少的步骤,先于疾病症状和寄生虫传播。针对 PfRH5 蛋白的抗体在预防红细胞入侵方面非常有效,最有效的生长抑制抗体与单个表位结合。在这里,我们使用基于 Rosetta 的蛋白质设计来生产一种集中的合成免疫原,该表位呈现在一个小的支架上。结构生物学和生物物理学被用来证明免疫原被正确折叠并以至少纳摩尔亲和力结合中和单克隆抗体。在免疫大鼠中,免疫原诱导的 PfRH5 靶向抗体抑制寄生虫生长的浓度比通过 PfRH5 免疫诱导的抗体低一千倍。最后,我们表明,用目标免疫原进行初免并用 PfRH5 进行加强可实现抗体质量和数量之间的最佳平衡,并诱导最有效的生长抑制反应。这种合理设计的疫苗免疫原现在可用作未来疟疾疫苗的一部分,单独使用或与其他免疫原联合使用。
沙利度胺及其衍生物是强效的癌症治疗药物,也是最容易理解的分子胶降解剂 (MGD) 之一。这些药物选择性地重新编程 E3 泛素连接酶 cereblon (CRBN),使靶蛋白被泛素-蛋白酶体系统降解。MGD 在 E3 连接酶表面产生新的识别界面,参与诱导的蛋白质-蛋白质与新底物的相互作用。对其作用机制的分子洞察为通过特定的识别基序 G 环与大量靶标进行接触提供了令人兴奋的机会。我们的分析表明,目前基于 CRBN 的 MGD 原则上可以识别人类蛋白质组中超过 2,500 种包含 G 环的蛋白质。我们回顾了在调整 CRBN 与其 MGD 诱导的新底物之间的特异性方面的最新进展,并推断出一组控制这些相互作用的简单规则。我们得出结论,合理的 MGD 设计工作将能够选择性降解更多的蛋白质,从而将这种治疗方式扩展到更多的疾病领域。
尽管甲状腺癌 (TC) 的总体预后良好,但低分化癌 (PDTC) 和间变性癌 (ATC,最致命的人类恶性肿瘤之一) 代表着重大的临床挑战。我们已经证明,活性 T172 磷酸化 CDK4 的存在预示着对 CDK4/6 抑制药物 (CDK4/6i) 包括 palbociclib 的敏感性。这里,在所有分化良好的 TC (n=29)、19/20 PDTC、16/23 ATC 和 18/21 TC 细胞系(包括 11 个 ATC 衍生的细胞系)中检测到了 CDK4 磷酸化。缺乏 CDK4 磷酸化的细胞系对 CDK4/6i 不敏感。RNA 测序和免疫组织化学显示,没有磷酸化 CDK4 的肿瘤和细胞系呈现出非常高的 p16 CDKN2A 水平,这与增殖活性有关。在这 7 个肿瘤中,有 5 个未发现 RB1 突变。p16/KI67 免疫组织化学和先前开发的 11 基因特征识别出可能不敏感的肿瘤,这些肿瘤缺乏 CDK4 磷酸化。在细胞系中,哌柏西利与达拉非尼/曲美替尼协同作用,完全且不可逆地抑制了增殖。联合用药可预防哌柏西利诱导的耐药机制,最显著的是 Cyclin E1-CDK2 激活和磷酸化 CDK4 复合物的矛盾稳定。我们的研究支持评估 CDK4/6i 用于 ATC/PDTC 治疗,包括与 MEK/BRAF 抑制剂联合使用。
人工智能是一种基于软件的程序,可帮助公司提高生产力。因此,获得更多的营销知识和其他组织知识对于提高企业绩效非常重要。因此,人工智能在企业多个部门的使用日益增多。因此,人工智能的基础设施成本高昂,但使用人工智能可以提高企业组织的绩效水平。除此之外,人工智能的使用有助于提高企业的知识生产能力。除此之外,人工智能的使用还有助于企业了解 B2B 营销流程,从而帮助企业改进其商品和产品。此外,通过使用人工智能程序的设施,企业可以轻松了解市场的需求。因此,企业可以根据市场需求改进产品。因此,根据市场需求改进服务有助于企业增加客户数量。因此,增加客户数量可以提高公司的销售率。此外,本研究的目的是分析人工智能框架及其对公司业务绩效的影响。人工智能的使用不仅影响国际公司,而且国内市场的公司也受到该软件程序的影响。除此之外,研究人员还使用了辅助方法收集有关研究主题的真实、客观和准确的数据。除此之外,研究人员还使用定性方法分析了本研究中收集的所有数据。版权所有 2021 Elsevier Ltd。保留所有权利。选择和同行评审由 2021 年国际应用研究与工程会议科学委员会负责
Surajit Bag、Shivam Gupta、Ajay Kumar、Uthayasankar Sivarajah。用于知识创造和 B2B 营销理性决策的集成人工智能框架,可提高公司绩效。工业营销管理,2021 年,92,178-189 页。�10.1016/j.indmarman.2020.12.001�。�hal-03188195�
摘要:电子封装领域迫切需要具有树脂基体的高性能复合材料,因为它们具有低介电常数、出色的耐高温性、优异的耐腐蚀性、重量轻和易于成型等特点。在本文中,为了改变邻苯二甲腈的介电性能,制备了空心玻璃微球 (HGM) 填充的氟化邻苯二甲腈 (PBDP) 复合材料,其填料含量范围为 0 至 35.0 vol.%。扫描电子显微镜 (SEM) 观察表明改性 HGM 颗粒均匀分散在基质中。PBDP/27.5HGM-NH 2 复合材料在 12 GHz 时表现出 1.85 的低介电常数。含有硅烷化 HGM 填料的复合材料的 5% 热重温度 (T5) (481-486 ◦ C) 高于最低封装材料要求 (450 ◦ C)。此外,PBDP/HGM-NH 2 复合材料的耐热指数 (T HRI) 高达 268 ◦ C。PBDP/HGM-NH 2 复合材料的储能模量在 400 ◦ C 时显著增加至 1283 MPa,与 PBDP 邻苯二甲腈树脂 (857 MPa) 相比增加了 50%。本复合材料的优异介电性能和热性能可为电子封装和能源系统热管理的全面应用铺平道路。
本作品是作为美国政府机构赞助工作的记录而编写的。美国政府及其任何机构、其任何雇员、其任何承包商、分包商或其雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或任何第三方的使用或此类使用的结果做任何明示或暗示的保证,也不承担任何法律责任或义务,也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务,并不一定构成或暗示美国政府或其任何机构、其承包商或分包商对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构、其承包商或分包商的观点和意见。
