XiaoMi-AI文件搜索系统
World File Search SystemZeng
微生物组与创伤应激后不良神经精神后遗症发展之间的关联
推荐引文 推荐引文 Zeamer，Abigail L.；萨利夫，玛丽·克莱尔；安新明;博杜安，弗朗西斯卡·L.；豪斯，史黛西·L.；史蒂文斯，詹妮弗·S.；曾东林；内兰，托马斯·C.；克利福德，加里·D.；林斯塔特，莎拉·D.；劳赫，斯科特·L.；斯托罗，艾伦·B.；莱万多夫斯基，克里斯托弗；穆西，保罗一世；亨德利，菲利斯·L.；谢赫，索菲亚；琼斯，克里斯托弗·W.；潘克斯，布列塔尼·E.；斯沃，罗伯特·A.；劳伦·A·胡达克；帕斯夸尔，何塞·L.；马克·J·西蒙；哈里斯，艾丽卡；皮尔逊，克莱尔；峰，大卫A.；商人，罗兰·C.；多迈尔，罗伯特·M.；拉斯列夫，尼尔斯·K.；奥尼尔，布莱恩·J.；塞尔戈特，宝琳娜； Sanchez, Leon D.；Bruce, Steven E.；Kessler, Ronald C.；Koenen, Karestan C.；McLean, Samuel A.；Bucci, Vanni；以及 Haran, John P.，《微生物组与创伤应激暴露后不良创伤后神经精神后遗症发展之间的关系》（2023 年）。爱因斯坦健康论文。论文 25。https://jdc.jefferson.edu/einsteinfp/25
水稻 CDP-DAG 合酶的基因组编辑赋予了其对多种病原菌的抗性
✉ 通讯和材料索取请发送至 Pamela C. Ronald 或 Guotian Li。pcronald@ucdavis.edu；li4@mail.hzau.edu.cn。作者贡献 GL、GS、PS 和 PCR 设计了实验。GL 和 RJ 筛选并分析了 rbl1 突变体的基因组数据。GS、PS、XK、XH、YL、YW、QG、XC 和 LZ 进行了植物感染试验。GS、XK、XH 和 YW 进行了 DAB、ROS、水杨酸、亚细胞定位、RT-qPCR 和 GUS 组织化学分析。LY 和 ZQ 进行了生物信息学分析。GS、JG、LF、LG、JCM、YB 和 QL 进行了脂质组学分析。YZ 和 YW 进行了 rbl1 的化学补充分析。 GS、QS、QG、Q. Zhou 和 T.-YC 进行了酵母突变体互补分析。JZ 和 KX 生成了 CRISPR 构建体。XK、XH、YL、W. Zhou、W. Zhang、Q. Zeng 和 ZK 筛选了编辑后的品系。GS、YW、RH 和 JX 进行了田间试验和农艺性状分析。GL 和 GS 起草了手稿，GL、GS、PS、LF、LZ、LG、KX、JCM、QL、YB、ZK 和 PCR 修改了手稿。所有作者都阅读并批准了最终手稿。
C9orf72 ALS/FTD二肽重复蛋白水平通过抑制PKA或增强蛋白质降解的小分子降低对扩散：全面的多模式对象级图像编辑器
基于扩散的生成模型在合成和操纵图像具有巨大的图像方面表现出了令人鼓舞的结果，其中文本到图像模型及其后续作品在学术界和行业中都具有很大的影响。编辑真实图像时，用户通常希望对不同元素具有直观而精确的控制（即对象）组成图像，并不断地操纵它们。我们可以根据图像中的单个观察的控制级别对现有的图像编辑方法进行分类。一条工作涉及使用文本提示来操纵图像[2，15，24，27]。由于很难与文本同时描述多个对象的形状和外观，因此在对象级别上对细粒度控制的能力有限。同时，迅速的工程使操纵任务乏味且耗时。另一项工作线使用低级调理信号，例如Hu等人。[18]，Patashnik等。[34]，Zeng等。[58]，草图[50]，图像[5，47，54]编辑图像。但是，其中大多数作品要么属于迅速的工程陷阱，要么无法独立操纵多个对象。与以前的作品不同，我们的目标是独立控制组成图像的多个对象的正确条件，即对象级编辑。我们表明，我们可以在对象级编辑框架下制定各种图像编辑任务，从而实现全面的编辑功能。
使用顺序转化策略
Wenxin Zhang，1,2,8,10 Rui Wang，1,2,10 Dali Kong，1,2,10 Fangnan Peng，1,2,10 Mei Chen，1,10 Wenjie Zeng，1,2 Francesca Gioume，3 Sheng He，3 Sheng He，1 Hui Zhang，4 Zhang，4 Zhen Zhen Wang，1 khen wang，1,9 khe，khen khian khian khian khian stunk khe k ky khe，khe，khe ky，ky， 1,6,7 Fabio Fornara，3和Daisuke Miki 1,11， * 1上海植物压力生物学中心，CAS CAS CAS卓越分子植物科学中心，中国科学院，上海200032，中国2，中国科学院，中国科学院，中国，中国33中，中国科学院33.上海师范大学，上海，200234年，生命科学，中国5研究生科学研究生院，米雅基仙台，米雅基980-8577，日本6 6高级生物技术学院和生命科学学院，科学技术大学科学与技术大学，科学与技术大学，科学技术大学，中国518055中心，高级生物学。北京100081，中国8现在的地址：高级跨学科研究学院，北京北京大学北京大学北京大学生命科学中心，中国北京100871，中国9目前的地址：当前的地址：阿纳伊州农业大学，阿纳伊州农业大学，HEFEI 230036，HEFEI 230036，HEFEI 230036，HEFEIS NEE SUPER ESHORIAN ES EMALINE 11次贡献了11次主持人。 https://doi.org/10.1016/j.crmeth.2022.100389Wenxin Zhang，1,2,8,10 Rui Wang，1,2,10 Dali Kong，1,2,10 Fangnan Peng，1,2,10 Mei Chen，1,10 Wenjie Zeng，1,2 Francesca Gioume，3 Sheng He，3 Sheng He，1 Hui Zhang，4 Zhang，4 Zhen Zhen Wang，1 khen wang，1,9 khe，khen khian khian khian khian stunk khe k ky khe，khe，khe ky，ky， 1,6,7 Fabio Fornara，3和Daisuke Miki 1,11， * 1上海植物压力生物学中心，CAS CAS CAS卓越分子植物科学中心，中国科学院，上海200032，中国2，中国科学院，中国科学院，中国，中国33中，中国科学院33.上海师范大学，上海，200234年，生命科学，中国5研究生科学研究生院，米雅基仙台，米雅基980-8577，日本6 6高级生物技术学院和生命科学学院，科学技术大学科学与技术大学，科学与技术大学，科学技术大学，中国518055中心，高级生物学。北京100081，中国8现在的地址：高级跨学科研究学院，北京北京大学北京大学北京大学生命科学中心，中国北京100871，中国9目前的地址：当前的地址：阿纳伊州农业大学，阿纳伊州农业大学，HEFEI 230036，HEFEI 230036，HEFEI 230036，HEFEIS NEE SUPER ESHORIAN ES EMALINE 11次贡献了11次主持人。 https://doi.org/10.1016/j.crmeth.2022.100389
金属氢化物的能量存储和转换材料
能量储能和转换材料对于新的可再生清洁能源的开发和利用至关重要（Li等，2016）。氢作为一种理想的能源载体，可以运输，可储藏和可转换，有可能成为解决能源安全，资源可用性和环境兼容性的解决方案（Martin等，2020）。在环境条件下的体积密度极低（0.0899 kg m-3），以安全，有效和经济方式存储氢是一个基于氢的经济发展的巨大挑战（Schlapbach和Züttel，2001年）。与加压气体或液化氢相比，将氢存储在金属氢化物中具有确定的优势，在重量和体积密度，安全性，安全性和能量效率方面，用于移动和固定应用（Wu，2008; He et al。，2019; Ouyang等，202020202020年）。由美国能源部（DOE）制定的标准用于轻型燃料电池车的机载氢存储，包括6.5 wt％的系统重力密度和50 kg H 2 m-3的体积密度，以及其他严格的特性以及其他严格的特性，例如操作温度（<85°C），<85°C），扩展的自行车生活，快速生命，快速的Kinet，安全性，安全性，安全性，和成本。Therefore, in the last decade tremendous efforts have been devoted to the research and development of light metal hydrides, including MgH 2 , alanates, borohydrides, amides/imides, which hold sufficiently high hydrogen capacity ( Orimo et al., 2007; Hansen et al., 2016; Yu et al., 2017; Liu et al., 2018; Schneemann et al., 2018; Zhou等人，2019年；ding等。Zeng等。Zeng等。这本特殊的基于金属氢化物的能量储能和转化材料的重点是轻质金属氢化物的合成，催化剂开发和纳米结构（MGH 2，ALH 3，NAALH 4和LIBH 4）作为氢存储介质。对这一特刊的八项贡献强调，金属氢化物是有希望的高密度氢存储的候选者。催化剂证明有效地减少了基于MG的材料中氢气和解吸的反应能屏障。报告了Co-Ni纳米催化剂的催化活性，具有不同的组成和形态，用于MGH 2的氢储存反应。CO部分替换Ni引起了形态学从球形到板的变化，发现对催化活性的影响较小，这可能是由于表面接触降低所致。prepared Ni and TiO 2 co-anchored on reduced graphene oxide [(Ni- TiO 2 )@rGO], which showed superior catalytic effects on the hydrogen desorption, as evidenced by the release of 1.47 wt% H 2 by MgH 2 within 120 min at 225 ◦ C. Wang and Deng ameliorated the performance of MgH 2 by using a core-shell Co@N-rich carbon (CoNC) based催化剂。在他们的工作中，MGH 2-5 wt％conco复合材料在325°C中释放了高达H 2的6.58 wt％。
人工智能生物信息学：组学和组间研究工具的开发和应用
半个世纪以来，生物信息学和计算生物学提供了工具和数据分析方法，因此组学时代的开始对研究人员来说代表了一个新的挑战，它从信息学、数学和统计学领域汇聚到生物信息学领域。在大多数情况下，所提供的解决方案似乎难以供生物医学领域的研究人员使用。这种情况尤其发生在将数据科学和人工智能 (AI) 领域的复杂方法应用于生物医学数据时 (Lisboa 等人，2000 年)。机器学习、统计学习和软计算方法（例如深度神经网络或遗传算法）也已成为生物世界中使用的术语，但对其潜力的理解并不完整（Pavel 等人，2016 年；Lin 和 Lane，2017 年；Zeng 和 Lumley，2018 年）。近年来，组学、多组学和组间实验为生物学研究迈出了新的一步，为个性化医疗打开了窗口，例如用于诊断（Riemenschneider 等人，2016 年）。医学大数据时代即将到来，代表着又向前迈出了一步。考虑到这一点，我们的研究主题介绍了生物和医学领域人工智能的新发展，以及它们在组学和组学间方法的高通量数据分析中的应用（Facchiano 等人）。
评估巴西和英国气候模型模拟的南美季风特征的代表
在南美洲大陆的很大一部分是季风状的降水体制度，在澳大利亚夏季（12月，1月和2月，DJF）期间，潮湿的季节和澳大利亚冬季（JJA 6月，7月和8月）的旱季（Jones and Carvalho，2002年）。就科学和社会利益而言，季风是该地区最重要的气候现象之一。大多数南美洲人口都生活在直接受其季风气候特征影响的地区。几项活动可能会受到潮湿季节内发生的负降水异常的影响。例如，可以减少农业生产，可以停止河流的导航，水力发电的产生可能会受到损害，而灌木丛的火灾除了航空运输和公共健康外还可以传播并影响生物多样性（Marengo等，2008; Zeng等，2008; Marengo et al。； Marengo等，2011; Espinoza; Espinoza et al。同样，阳性沉淀异常可能导致严重的洪水事件（Marengo和Espinoza，2016； Barichivich等，2018）。因此，很快气候变化直接影响了南美人口的生计。因此，对南美季风的气候特征有深入的了解，包括大气循环的各个方面，以及它们在气候模型中的代表性，后者用于模拟过去的气候条件并预测未来条件。此知识对于提供社会可信信息以帮助建立韧性和可持续的未来很重要。
用于报告和检测 3D 身体情绪姿势的移动应用程序
自动情绪检测正在成为自然人机交互的基石（Alonso-Mart´ın et al., 2013），并且通常集成到人机多模态通信系统中。许多作者研究了情绪的表达和检测（详情见（Zeng et al., 2009）的综述）。大多数视觉情绪检测方法都侧重于面部表情（Gunes and Hung, 2016）。然而，情绪也可以通过肢体语言来表达和感知（De Gelder, 2006）。可以通过考虑表情的运动或相应身体姿势的一些静态视图来分析情绪肢体语言。Saneiro 等人（2014）开发了一种用情绪标记身体动作的系统，所提供的信息可用于数据挖掘技术。此外，Garber-Barron 和 Si（2012）发现，变化后的身体姿势比静止的身体姿势更能代表情绪的自动检测。一些作者提出了将二维 (2D) 静态图像分类为一组情绪状态的自动技术 (Schindler 等人，2008 年；De Silva 和 Bianchi-Berthouze，2004 年)，在情感计算领域开启了一条具有挑战性的研究路线。现有的从身体姿势自动检测情绪的机制主要使用计算机视觉技术，其中从图像 (参见 (De Silva 和 Bianchi-Berthouze，2004) 中的示例) 或视频 (例如 (Garber-Barron 和 Si，2012)) 中提取相关信息。此视觉信息
通过长短期记忆循环深度神经网络提高基于脑电图的情绪识别的准确性
人们已经采用了多种方法来辨别人类的情绪，包括分析语音模式和语调（ Moriyama 和 Ozawa，2003；Zeng 等人，2009）。然而，值得注意的是，这种身体状态很容易被操纵或模仿（ Schuller 和 Schuller，2021）。面部表情及其变化通常用于情绪识别；然而，这些表情可以被个人有意修改，这对准确辨别他们的真实情绪提出了挑战（ Aryanmehr 等人，2018； Dzedzickis 等人，2020； Harouni 等人，2022）。 EEG（脑电图）是一种通过测量大脑内集体神经活动产生的电压变化来监测大脑活动的技术（San-Segundo 等人，2019 年；Dehghani 等人，2020 年、2022 年、2023 年；Sadjadi 等人，2021 年；Mosayebi 等人，2022 年）。脑电图是大脑活动和功能的反映，具有多种应用，包括但不限于情绪识别（Dehghani 等人，2011a、b、2013；Ebrahimzadeh 和 Alavi，2013；Nikravan 等人，2016；Soroush 等人，2017、2018a、b、2019a、b、2020；Bagherzadeh 等人，2018；Alom 等人，2019；Ebrahimzadeh 等人，2019a、b、c、2021、2022、2023；Bagheri 和 Power，2020；Karimi 等人，2022；Rehman 等人，2022；Yousefi 等人，2022， 2023 年）。
深度信念网络的定量通用近似范围
深度信念网络（DBN）是通过堆叠受限的Boltzmann机器（RBMS，（Smolensky，1986）获得的一类生成概率模型。有关RBMS和DBNS的简要介绍，我们将读者推荐给调查文章（Fischer＆Igel，2012; 2014; Mont´ufar，2016; Ghojogh等，2021）。Since their introduction, see (Hinton et al., 2006; Hinton & Salakhutdinov, 2006), DBNs have been successfully applied to a variety of prob- lems in the domains of natural language processing (Hin- ton, 2009; Jiang et al., 2018), bioinformatics (Wang & Zeng, 2013; Liang et al., 2014; Cao et al., 2016; Luo等，2019），财务市场（Shen等，2015）和计算机视觉（Abdel-Zaher＆Eldeib，2016; Kamada＆Ichimura，2016; 2019; Huang等，2019）。但是，我们对这些模型的理论理解是有限的。 近似近似概率分布的能力（通常称为通用近似属性）仍然是具有实值可见单元的DBN的一个开放问题，更不用说对隐藏神经元数量的近似误差进行定量理解。 作为两个实值概率密度函数之间接近度的量度，通常考虑L Q-距离或Kullback-Leibler差异。但是，我们对这些模型的理论理解是有限的。近似近似概率分布的能力（通常称为通用近似属性）仍然是具有实值可见单元的DBN的一个开放问题，更不用说对隐藏神经元数量的近似误差进行定量理解。作为两个实值概率密度函数之间接近度的量度，通常考虑L Q-距离或Kullback-Leibler差异。