XiaoMi-AI文件搜索系统
World File Search Systemaccurate
一个快速准确的1维模型，用于动态模拟和优化分层的热量存储
Alix Untrau，Sabine Sochard，FrédéricMarias，Jean-Michel Reneaume，Galo A.C.le roux等人。一种快速准确的1维模型，用于动态模拟和优化分层的热量存储。应用能量，2023，333，pp.120614。10.1016/j.apenergy.2022.120614。hal-03947326
利用抗 CRISPR 蛋白的高精度结构预测重新思考蛋白质药物设计
贡献分析主要由 HP、YP 和 HS 进行具体来说，AlphaFold 分析由 HP 领导，基因分析由 YP 进行，结构和功能分析由 HS 进行该研究由 HS 构思，所有作者都参与了手稿的撰写。
tysserand-fast and from-div>的空间网络的准确重建
摘要：网络提供了一个强大的框架来分析空间OMICS实验。但是，我们缺少集成几种方法来轻松重建网络以与专用库进行进一步分析的工具。在附加过程中，选择适当的方法和参数可能具有挑战性。我们提出了python库Tysserand，以从空间解决的OMICS实验中重建空间网络。它是一种通用工具，生物信息学界可以添加新方法来重建网络，选择适当的参数，清洁结果网络和管道数据到其他库。可用性和实现：带有Jupyter笔记本的Tysserand软件和教程，可在https://github.com/verapancaldilab/tysserand上获得。联系人：Alexis.coullomb@inserm.fr或vera.pancaldi@inserm.fr补充信息：补充数据可在Bioinformatics Online上获得。
在非洲植物生命树上积累的系统发育多样性的一半以上，即使在当前的生物多样性危机下也可能侵蚀，即使受到威胁的物种并不是进化上的独特
通过挖掘现代数据库来寻找具有特定功能的蛋白质，可能会导致从医学和生物技术到Material Science的广泛领域的重大进步。当前可用的算法可以根据其序列或结构来挖掘蛋白质。然而，许多蛋白质的活性，例如酶和药物靶标，是由活性位点残基及其周围环境而不是蛋白质的整体结构或序列决定的。在这里，我们提出了ActSeek（一个由计算机视觉启发的快速程序），该程序搜索具有类似种子蛋白质的活性位点的蛋白质的结构数据库。ActSeek实施从Alphafold数据库中使用所需的活动站点环境开采Proinins。通过发现可用于生产可生物降解的塑料或降解塑料的酶以及对常见药物分子的潜在非目标，可以证明ActSeek为世界上最紧迫的挑战找到创新解决方案的潜力。
一种精确且快速校准的语音神经假体
作者的经济利益：Stavisky、Henderson 和 Willett 是斯坦福大学所拥有的知识产权的发明人，这些知识产权已授权给 Blackrock Neurotech 和 Neuralink Corp。Wairagkar、Stavisky 和 Brandman 拥有与加州大学校董会拥有的语音 BCI 相关的专利申请。Stavisky 是 wispr.ai 的顾问，并获得了股权。Brandman 是 Paradromics Inc. 的外科顾问。Henderson 是 Neuralink Corp 的顾问，在 Enspire DBS 的医学顾问委员会任职，也是 Maplight Therapeutics 的股东。MGH 转化研究中心与 Neuralink、Synchron、Axoft、Precision Neuro 和 Reach Neuro 签订了临床研究支持协议，LRH 为其提供咨询意见。麻省总医院 (MGB) 正在召集可植入脑机接口协作社区 (iBCI-CC)；向 MGB 提供的慈善捐赠协议，包括迄今为止从 Paradromics、Synchron、Precision Neuro、Neuralink 和 Blackrock Neurotech 获得的捐赠，都支持 iBCI-CC，LRH 为其提供了帮助。Glasser 是 Sora Neuroscience、Manifest Technologies 和 Turing Medical 的顾问。
如果我们知道白质通路从哪里开始、在哪里结束以及在哪里不去，那么通过扩散 MRI 纤维束成像得到的脑连接在解剖学上可以非常准确
1. 范德堡大学成像科学研究所，范德堡大学，美国田纳西州纳什维尔 2. 范德堡大学医学中心放射学和放射科学系，美国田纳西州纳什维尔 3. 法国波尔多大学 CEA 法国国家科学研究院神经退行性疾病研究所 - UMR 5293 神经功能图像组 4. 加拿大舍布鲁克大学舍布鲁克连接成像实验室 (SCIL) 5. 范德堡大学电气工程与计算机科学系，美国田纳西州纳什维尔 6. 亨利 M. 杰克逊基金会，美国马里兰州贝塞斯达 7. 美国马里兰州贝塞斯达国家生物医学成像和生物工程研究所 8. 美国田纳西州纳什维尔范德堡大学医学中心生物医学工程系 * Kurt G Schilling 电子邮件： kurt.g.schilling.1@vumc.org
深度学习的智能服装，以对日常生活中的睡眠条件进行准确而多功能的监控
睡眠障碍很普遍，并且会影响数百万的健康和生产力。传统的睡眠监控系统是复杂的，每天使用不便。我们的研究介绍了一种智能服装，该服装集成了应变传感器阵列和深度学习，以便在舒适的环境中准确监视睡眠方式。这种耐用，伪像 - 弹性和定位 - 免费诊断E-纺织品可以以高准确性和适应性为六个健康，副健康和不健康的睡眠状态分类，从而使其比现有的可穿戴技术取得了重大进步。凭借这些独特的功能，提出的解决方案标志着睡眠医学和消费者健康方面的一步，通过提供对睡眠健康的持续不感知的监测，最终改善对睡眠障碍的理解和管理。
基于知识的机制模型可准确预测 EGFR 突变肺腺癌中吉非替尼的病情进展
肺腺癌 (LUAD) 与晚期低存活率相关。尽管靶向疗法的发展已经改善了具有已识别的特定基因改变（例如表皮生长因子受体基因 (EGFR) 上的激活突变）的 LUAD 患者的预后，但肿瘤耐药性的出现最终会发生在所有患者中，这推动了新疗法的开发。在本文中，我们提出了 In Silico EGFR 突变型 LUAD (ISELA) 模型，该模型将 LUAD 患者的个体特征（包括肿瘤遗传异质性）与第一代 EGFR 酪氨酸激酶抑制剂吉非替尼作用下的肿瘤大小演变和肿瘤随时间的进展联系起来。该转化机制模型收集了有关 LUAD 的广泛知识，并在多个尺度上进行了校准，包括体外、人肿瘤异种移植小鼠和人类，重现了 90% 以上的已识别实验数据。此外，该模型的覆盖率为 98.5%，负对数秩检验为 99.4%，准确重现了 Lux-Lung 7 临床试验中的进展时间，该试验在校准中未使用，因此支持该模型具有较高的预测价值。这种基于知识的机制模型可以成为开发针对 EGFR 突变 LUAD 的新疗法的宝贵工具，为生成合成对照组奠定基础。
gianthunter：精准检测巨型病毒
结果：在这项研究中，我们介绍了 GiantHunter，这是一种基于强化学习的工具，用于从宏基因组数据中识别 NCLDV。通过采用蒙特卡洛树搜索策略，GiantHunter 动态选择代表性的非 NCLDV 序列作为负训练数据，使模型能够建立稳健的决策边界。对严格设计的实验进行基准测试表明，GiantHunter 在保持竞争灵敏度的同时实现了高精度，与第二佳方法相比，F1 分数提高了 10%，计算成本降低了 90%。为了证明其实际效用，我们将 GiantHunter 应用于从长江沿岸的六个城市收集的 60 个宏基因组数据集，这些城市位于三峡大坝的上游和下游。结果显示，NCLDV 多样性的显著差异与大坝的距离有关，这可能是由于大坝导致的流速降低所致。这些发现凸显了 GiantHunter 有潜力促进我们对 NCLDV 及其在不同环境中的生态作用的理解。
集成，准确且负担得起的孤立电压传感
新的隔离电压传感放大器和调节器的新投资组合旨在通过降低的解决方案尺寸和成本来提高准确性，并使用集成的电阻分隔线，固定增益单端单端输出或比率单端单端输出选项。