XiaoMi-AI文件搜索系统
World File Search SystemSeung
发现一种新型强效 EGFR 抑制剂，可对抗 NSCLC 中的 EGFR 激活突变和靶向耐药性 Eun Ji Lee 1、Seung Yeon Oh 1、You Wo
摘要 ◥ 目的：表皮生长因子受体 (EGFR) 酪氨酸激酶抑制剂 (TKI) 是 EGFR 突变非小细胞肺癌 (NSCLC) 的标准一线疗法。尽管通过最佳 EGFR-TKI 治疗（包括第三代 EGFR-TKI 奥希替尼）可获得持续的临床益处，但不可避免地会产生耐药性。目前，奥希替尼进展后尚无可用的针对性治疗选择。在这里，我们使用反映各种临床情况的患者来源的临床前模型评估了新型第四代 EGFR-TKI BI-4732 的临床前疗效。实验设计：使用具有多种 EGFR 突变的患者来源的细胞/类器官/异种移植模型评估 BI-4732 的抗肿瘤活性。在脑转移小鼠模型中评估了 BI-4732 的颅内抗肿瘤活性。
Seungchan Kim 博士
1996 – 1997 研究助理，Blackland 研究中心，德克萨斯州坦普尔 1997 – 1998 研究助理，CAMDI 实验室/德克萨斯应用技术中心，TEES，德克萨斯州大学城 1999 – 2001 研究助理，CAMDI 实验室，电气工程，德克萨斯 A&M 大学，德克萨斯州大学城 2000 年 5 月 2 日 – 19 日 访问学者，TICSP/芬兰坦佩雷理工大学 2001 年 6 月 – 8 月 TEES 研究工程师，电气工程，德克萨斯 A&M 大学，德克萨斯州大学城 2001 年 9 月 – 2003 年 3 月 访问研究员，NIH/NHGRI/CGB，马里兰州贝塞斯达 2003 年 4 月 – 2011 年 4 月 研究员，计算生物学部，转化基因组学研究所，亚利桑那州菲尼克斯亚利桑那州立大学计算机科学与工程系，亚利桑那州坦佩 2006 年 9 月 – 2009 年 12 月 亚利桑那州立大学生物医学信息学系附属教员，亚利桑那州坦佩 2008 年 7 月 – 2016 年 12 月 梅奥诊所癌症中心兼职教员，亚利桑那州斯科茨代尔 2011 年 5 月 – 2016 年 12 月 副教授，转化基因组学研究所综合癌症基因组学部，亚利桑那州菲尼克斯 2011 年 5 月 – 2016 年 12 月 亚利桑那州立大学生物设计研究所进化医学和信息学中心主要教员，亚利桑那州坦佩 2016 年 12 月 – 2020 年 12 月 兼职教员，转化基因组学研究所，亚利桑那州菲尼克斯 2016 年 12 月 – 至今 电气和计算机工程系首席科学家和执行教授 普莱里维尤农工大学计算系统生物学中心主任
引用这篇文章：Byeonghwi Lim，Min-Jae Jang，Seung-Mi Oh，Jin Gu No，Jungjae Lee，Sang Eun Kim，Sun A. Ock，Ik Jin Yun，Junseok Kim，Junseok Kim，Hyun Keun C
大韩民国春 - 安大学的动物科学技术系； b动物生物技术部，美国韩国旺朱共和国RDA国家动物科学研究所； C konkuk大学医学中心，康库克大学医学院康库克大学医学中心，大韩民国康库克大学医学院； D大韩民国首尔Konkuk大学医学院Konkuk大学医学中心胸腔和心血管手术系；康库克大学医学中心Konkuk大学医学中心病理学系E，大韩民国首尔； f大韩民国安妮·哈利姆大学圣心医院Hallym大学医学院实验室医学系；韩国共和国Seongnam Genia Inc.的灵长类动物器官移植中心
参考：Lee Jae Seung，Morita Yuri，Kawai Yusuke K.，Covaci Adrian，Kubota Akira。
参考：Lee Jae Seung，Morita Yuri，Kawai Yusuke K.，Covaci Adrian，Kubota Akira。 doi）：https：//doi.org/10.1016/j.chemosphere.2019.125738引用此参考：https：//hdl.handle.net/10067/10067/1666212121215151515151162165165141
![通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。](/simg/d/dd5abf0752fcc9f891dc4a96743f916f96f28350.png)
通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。
通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。
在CERH 2的超导状态中，现场引起的过渡为2 Elena Hassinger＃，Javier Landaeta，Seunghyun Khim，Manuel Brando，Christop
Field-induced transition within the superconducting state of CeRh 2 As 2 Elena Hassinger # , Javier Landaeta, Seunghyun Khim, Manuel Brando, Christoph Geibel, Daniel Hafner, Robert Küchler, Ulrike Stockert, Jacintha Banda, Raul Cardoso-Gil, Andrew P. Mackenzie In this report I want to highlight the discovery of two-phase CERH 2 AS 2中的非常规的超导性。使用热力学探针，我们确定其高场相的超导临界场高达14 t，在过渡温度为0.26 k的材料中很有意义。此外，C轴场在两个不同的超导相之间驱动过渡。尽管CERH 2 AS 2是全球中心对称的事实，但我们表明，CE站点的局部反转对称性破坏使Rashba旋转轨道耦合在基础物理学中起关键作用。更详细的分析表明，从低场状态到偶数和奇数之间的过渡与一个状态之间的过渡有关。
卵巢癌中 LHRH-R 靶向溶解肽的增强免疫治疗 Mark Seungwook Kim 1 , Shaolin Ma 1,2 , Anca Chelariu-Raicu 1,3 , Carola L
摘要 ◥ 在这里，我们研究了 EP-100 [促黄体激素释放激素 (LHRH) 配体与溶解肽连接] 的作用，以提高免疫检查点阻断的有效性。LHRH-R 阳性小鼠卵巢癌细胞 (ID8、IG10、IF5 和 2C12) 对 EP-100 敏感，并通过 LHRH-R 在低微摩尔水平下被特异性杀死。EP-100 提高了小鼠卵巢癌细胞的 PD-L1 水平。体内同源小鼠模型 (ID8 和 IG10) 表明单药 EP-100 可减少肿瘤体积、肿瘤重量和腹水量。EP-100 与抗 PD-L1 抗体联合使用时，肿瘤和腹水体积减少最多。免疫分析表明，肿瘤和腹水中 CD8+T 细胞、自然杀伤细胞、树突状细胞和巨噬细胞的数量显著增加
药物再利用筛选显示 FDA 批准的药物对 SARS-Cov-2 有效 Mark Dittmar 1,6 , Jae Seung Lee 1,6 , Kanupriya Whig 2,6 , Elisha Segris
药物再利用筛选显示 FDA 批准的抗 SARS-Cov-2 药物 Mark Dittmar 1,6、Jae Seung Lee 1,6、Kanupriya Whig 2,6、Elisha Segrist 1、Minghua Li 1、Kellie Jurado 3、Kirandeep Samby 4、Holly Ramage 3,5,7、David Schultz 2,7 和 Sara Cherry 1,2,3,7,8 1 宾夕法尼亚大学病理学和实验室医学系 2 宾夕法尼亚大学生物化学和生物物理系 3 宾夕法尼亚大学微生物学系 4 疟疾药物研发基金会 5 托马斯·杰斐逊大学微生物学系 6 这些作者贡献相同 7 通讯作者：HR、DS 或 SC 8 主要联系人：SC 摘要：迫切需要抗病毒药物来治疗新出现的 SARS-CoV-2。为了确定新的候选药物，我们筛选了一个约 3,000 种药物的再利用库。在 Vero 细胞中筛选发现的抗病毒药物很少，而在人类 Huh7.5 细胞中筛选验证了 23 种不同的抗病毒药物。将我们的研究扩展到肺上皮细胞，我们发现 SARS-CoV-2 在这些细胞中使用的药物敏感性和进入途径存在重大差异。进入肺上皮 Calu- 3 细胞与 pH 无关，需要 TMPRSS2，而进入 Vero 和 Huh7.5 细胞需要低 pH 值并由酸依赖性内体蛋白酶触发。此外，我们发现 9 种药物在肺细胞中具有抗病毒作用，其中 7 种已在人体中测试过，3 种已获得 FDA 批准，包括环孢菌素，我们发现它的抗病毒活性靶点是环丝氨酸而不是钙调磷酸酶。这些抗病毒药物揭示了重要的宿主靶点，并有可能快速在临床上实施。简介冠状病毒代表一大类与医学相关的病毒，历史上与普通感冒有关。然而，近年来，冠状病毒家族的成员已从动物宿主进入人类并引起了新的疾病 (1)。首先，严重急性呼吸道综合征 (SARS-CoV) 于 2003 年在中国出现，随后是 2012 年的中东呼吸综合征 (MERS-CoV) (2, 3)。虽然 SARS 最终被根除，但 MERS 继续在中东引起感染。从 2019 年 12 月开始一直持续到 2020 年 1 月，一种新的呼吸道病毒正在中国武汉传播。快速测序工作揭示了一种与 SARS 密切相关的冠状病毒，被命名为 SARS-CoV-2 (4)。不幸的是，这种病毒传染性极强，已在世界各地迅速传播。鉴定广谱 SARS-CoV-2 抗病毒药物对于临床治疗 SARS-CoV-2 感染至关重要。寻找候选抗病毒药物的一个潜在途径是部署对相关病毒有活性的药物。先前的研究发现，针对埃博拉病毒 RNA 依赖性 RNA 聚合酶开发的抗病毒药物瑞德西韦在体外也对 SARS-CoV-2 有活性，临床试验结果令人鼓舞 (5-7)。氯喹、及其衍生物（包括羟氯喹）被批准用于治疗疟疾，许多体外研究发现这些药物对冠状病毒（包括 SARS-CoV-2）也有效（8, 9）。这导致早期采用这些药物治疗 COVID-19（