XiaoMi-AI文件搜索系统
World File Search SystemWenli
Wenli Zhang，博士 - 常春藤商学院
● Predicting Consultation Success in Online Health Platforms Using Dynamic Knowledge Networks and Multimodal Data Fusion, University of Arizona, 2024 ● Predicting Consultation Success in Online Health Platforms Using Dynamic Knowledge Graphs and Multimodal Data Fusion, Summer Workshop on AI for Business (SWAIB), Shanghai, China, 2024 ● Achieving Equitable Access to Medical Laboratory Tests through Optimal Sparse Decision Tree, IISE Annual Conference & EXPO，加拿大蒙特利尔，2024●使用多模式和多通道多通道的多渠道综合语音术数据，IISE年度会议和博览会，加拿大蒙特利尔，2024年，患者辍学的预测：一种多模式的动态知识和文本矿业，IC Science，IC Scorial，IC Scorial，IC Science，IC Science，IC Scorial，IC Scorial，IC Sciencal，Arona social IC， Real-Time Signals with Wavelet-Transform-based Convolutional Neural Network, in: Proceedings of the 54 th Hawaii International Conference on System Sciences (HICSS), Hawaii, USA, 2023 ● Depression Detection in Social Media Using Time-and-knowledge-aware LSTM and Depression Diagnosis-related Entity Extraction, FoRMLA - Front Range of Machine Learning Alliance Seminar Series, University of Colorado, 2022 ● ICU Mortality预测：我们可以做得更好吗？一个基于机器学习和随机信号分析技术的新模型，爱荷华州立大学，2021●域●领域适应从大型社交媒体数据集中提取信号的域名，爱荷华州立大学，2018年，对哮喘的风险因素的全面分析：基于机器学习和机器学习和大型异构数据源的疾病，及其在jossection和sysport of Systems of Systems的疾病和分析的信息， Management, UT Dallas, 2018 ● A Machine Learning Approach for Understanding Population-Level Health Effects of E-Cigarettes, Conference on Health IT and Analytics (CHITA), 2017 ● Are Electronic Nicotine Delivery Systems (ENDS) a Safe Substitute for Cigarettes Among Asthma Patients: A Social Media Based Analysis, INFORMS Annual Meeting, Houston, Texas, USA, 2017 ● Domain Adaptation for Signal Extraction from Large Social Media Datasets, the INFORMS Conference on Information Systems and Technology (CIST), Houston, Texas, USA, 2017 ● Are Electronic Cigarettes a Safer Substitute for Cigarettes for Asthma Patients, Workshop on Information Technologies and Systems (WITS), Seoul, South Korea, 2017 ● A Comprehensive Analysis of Risk Factors for Asthma: Based on Machine Learning and Large Heterogeneous Data Sources, Iowa State University, 2017 ● Extracting Signals from Social Media for Chronic Disease监视，国际数字健康会议（DigitalHealth'16），蒙特利尔，加拿大魁北克，2016年●社交媒体上有关电子烟的关键对话趋势和模式，信息会议，田纳西州纳什维尔，田纳西州，2016年，2016年
引用本文：Wenlin Hao，Qinghua Luo，Inge Tomic，Wenqiang Quan，Tobias Hartmann，Michael D.Menger，Klaus Fassbender＆Yang Liu（2024）Modul
摘要肠道细菌调节阿尔茨海默氏病（AD）患者和动物模型的脑病理学；但是，基本机制尚不清楚。在这项研究中，用或不敲除IL-17A基因的3个月大的APP-转基因雌性小鼠用抗生素 - 供应剂TED或正常饮用水进行了2个月的治疗。抗生素处理几乎消除了所有肠道细菌，从而导致脾和肠道中表达IL-17A的CD4阳性T淋巴细胞的降低，并减少脑组织中细菌DNA的降低。肠道细菌的耗竭抑制了脑组织和小胶质细胞中的炎症激活，降低了大脑Aβ水平，并促进了APP-转基因小鼠大脑中ARC基因的转录，所有这些小鼠的影响都被IL-17A的不足消除了。可能是调节Aβ病理学的机制，肠道细菌的耗竭抑制了β-分泌酶活性，并增加了大脑或血脑屏障中ABCB1和LRP1的表达，这也因缺乏IL-17A而逆转。有趣的是，App-转基因小鼠和IL-17A敲除小鼠之间的杂交实验进一步表明，IL-17A的缺乏已经增加了血液脑屏障的ABCB1和LRP1表达。因此，肠道细菌的耗竭可通过IL-17A涉及的信号通路来减弱应用转基因小鼠的炎症激活和淀粉样病理学。我们的研究有助于更好地理解AD病理生理学中肠道轴，并突出了IL-17A抑制作用或肠道细菌的特异性消耗的其他猿潜力，从而刺激IL-17A表达T细胞的发展。
Wenliang Li - Kevin Li
kevinwli@outlook.com www.kevinwli.net 6 Handyside St, London N1C 4UZ, UK 我对寻找人工智能和生物智能体背后的一般智能原理很感兴趣。我致力于生成模型、近似推理和密度估计，特别关注时间序列数据和训练灵活/深度模型。此外，我喜欢揭示现有方法的失败模式。许多灵感来自认知神经科学。 专业经历 2022 年至今 Google DeepMind 研究科学家，通用人工智能 开发最先进的序列预测和不确定性量化模型 理解和解释大规模图像和语言模型 2021 年至今 伦敦大学学院 威康信托神经影像中心荣誉研究员 教育 2015-2021 伦敦大学学院盖茨比计算神经科学部