XiaoMi-AI文件搜索系统
World File Search Systembackground
DTI-Voodoo：通过交互网络和基于本体的背景知识进行机器学习，预测药物-靶标相互作用
动机：计算机模拟药物-靶标相互作用 (DTI) 预测对于药物发现和药物再利用非常重要。预测 DTI 的方法可以间接地自上而下进行，使用药物的表型效应来识别潜在的药物靶标，也可以直接自下而上地使用分子信息直接预测结合潜力。这两种方法都可以与有关相互作用网络的信息相结合。结果：我们开发了 DTI-Voodoo 作为一种计算方法，将分子特征和本体编码的药物表型效应与蛋白质-蛋白质相互作用网络相结合，并使用图卷积神经网络来预测 DTI。我们证明药物效应特征可以利用相互作用网络中的信息，而分子特征则不能。DTI-Voodoo 旨在预测给定蛋白质的候选药物；我们使用这种公式来表明常见的 DTI 数据集包含内在偏差，对 DTI 预测方法的性能评估和比较有重大影响。使用经过修改的评估方案，我们证明 DTI-Voodoo 比最先进的 DTI 预测方法有显著改进。可用性：DTI-Voodoo 源代码和重现结果所需的数据可在 https://github.com/THinnerichs/DTI-VOODOO 免费获取。联系方式：tilman.hinnerichs@kaust.edu.sa 补充信息：补充数据可在 https://github.com/THinnerichs/DTI-VOODOO 获得。
性别-新冠-疫苗-sage-背景论文.pdf
COVID-19 大流行再次揭示了性别在塑造感染风险、疾病易感性和不健康经历方面的重要性 (1) 。性别与年龄、种族和族裔以及其他健康状况等变量之间存在重要的相互作用，这些变量会导致 COVID-19 接触、感染、发病率和死亡率以及其他结果的不同风险 (2, 3)。在制定 COVID-19 疫苗和免疫规划时，需要认真考虑这些方面。性别不仅影响疫苗的安全性、功效和效果，而且还会影响疫苗的接受度、可及性和吸收，并最终影响成功建立疫苗诱导的社区免疫力和结束大流行 (4) 。全球、国家和行业的投资和政策决策过程也并非性别中立。性别问题往往被忽视，女性领导力需要在科学和政策制定过程中得到更好的体现。
公司背景：AI Arrive 是一家人工智能公司，其愿景是创建 AI 产品，以加速研究并增强我们对人类疾病的了解。CloseBy 是一个健康生活平台，它汇总不同的社区数据，以帮助个人在搬迁到特定区域时做出明智的决定。我们的使命很简单，就是使数据孤岛民主化，并呈现一个整体的画面，帮助个人做出更明智的决定。团队规模：4-5 名学生地点：远程，客户/团队会议将使用 Zoom 举行。项目摘要：AI Arrive 希望使用开源数据集（例如人口普查、空气质量开放数据、CDC 社会脆弱性指数、Zillow 住房和租金价格以及 python news-fetch）开发一个健康生活平台。目标是构建 ETL 提取系统和聚合开源社区数据和新闻文章的数据模型。另一个目标是使用 d3.js 和/或其他可视化工具开发视觉效果以在地图上显示数据。所有知识产权将归 AI Arrive 所有。关键技能/技术：开发 ETL 管道、使用数据库和使用 d3.js 进行可视化的背景将有助于完成这个项目。团队可以向客户寻求指导。学生福利：
公司背景：AI Arrive 是一家人工智能公司，其愿景是创建 AI 产品，以加速研究并增强我们对人类疾病的了解。CloseBy 是一个健康生活平台，它汇总不同的社区数据，以帮助个人在搬迁到特定区域时做出明智的决定。我们的使命很简单，就是使数据孤岛民主化，并呈现一个整体的画面，帮助个人做出更明智的决定。团队规模：4-5 名学生地点：远程，客户/团队会议将使用 Zoom 举行。项目摘要：AI Arrive 希望使用开源数据集（例如人口普查、空气质量开放数据、CDC 社会脆弱性指数、Zillow 住房和租金价格以及 python news-fetch）开发一个健康生活平台。目标是构建 ETL 提取系统和聚合开源社区数据和新闻文章的数据模型。另一个目标是使用 d3.js 和/或其他可视化工具开发视觉效果以在地图上显示数据。所有知识产权将归 AI Arrive 所有。关键技能/技术：开发 ETL 管道、使用数据库和使用 d3.js 进行可视化的背景将有助于完成这个项目。团队可以向客户寻求指导。学生福利：
通过减少核背景荧光
在活细胞中基因组基因局的标签为研究基因组空间组织和基因相互作用提供了视觉证据。CRISPR/DCAS9（群集定期间隔短的短倾向重复序列/停用CAS9）通过DCAS9/SGRNA/荧光蛋白复合物与靶基因组基因座中重复序列的结合来标记基因基因。但是，核中存在许多荧光蛋白通常会引起高背景荧光读数。本研究旨在通过重新设计由DCAS9-Suntag-NLS（目标模块）和SCFV-SFGFP-NLS（信号模块）组成的当前CRISPR/DCAS9- SUNTAG标签系统来限制进入核的荧光模块的数量。我们删除了信号模块的核位置序列（NLS），并将EGFP的两个副本插入信号模块中。核的荧光强度与细胞质的荧光强度（N/C比）降低了71％，信号与背景（S/B比）的比率增加了1.6倍。该系统可以稳定地标记随机选择的基因组基因局基因局基因组基因座，少于9个重复序列。
搬迁沙田污水处理厂往岩洞的实时大数据人工智能环境影响评估 (AIEIA) 执行摘要 搬迁沙田污水处理厂往岩洞（本项目）的环境影响评估中，位于沙田马场和周边河道的彭福公园鹭鸟林被列为环境指标之一。目前，香港对鸟类生态栖息地的监测主要以人为观察为主，而人为观察的时间间隔有限。由于繁殖季节环境变化微妙，人为不易分辨鸟类行为的细微变化。渠务署藉此机会与香港科技大学合作，通过在项目下对彭福公园鹭鸟林进行先导观察，探索将最先进的绿色人工智能 (AI) 技术融入环境监测。观察是明智行动的第一步。完整的阵列数据收集系统 (ADCS) 和实时数据提取管道架构经过全面设计，可实现模块化，并可成功部署在各种结构中，确保在所有环境中可靠运行。ADCS 具有多种优势，可满足户外环境长期监测的需求：(i) 自动连续录制；(ii) 高分辨率视频；(iii) 高帧率视频；(iv) 巨大的本地数据存储；(v) 保护恶劣环境（例如极端天气条件）。采用一种新的视频压缩标准高效视频编码 (H.265) 来处理、存储和传输高分辨率视频，同时保持视频质量。在户外环境中实现数据采集自动化之后，实施了 AI 算法，以从长达数月的数据中检测鸟类。本研究重点是检测大白鹭和小白鹭，即研究地点的主要鸟类。AI 算法开发的主要挑战是缺乏香港鸟类的标记数据集。为了解决这个问题，我们利用 3D 建模制作了大白鹭和小白鹭的合成鸟类数据集。在虚拟图像的开发过程中，我们应用了姿势和身体大小等显著特征的大量变化，这反过来又迫使模型专注于专家用来区分鸟类物种的细粒度鸟类特征，例如颈部和头部。经过训练的 AI 模型能够在不同背景下以高预测分数区分和定位鸟类物种，平均准确率达到 87.65%。我们的人工智能 ADCS 解决方案比传统的人工观察具有多种潜在优势，能够在不同的天气条件下为不同物种的鸟类计数、行为研究、空间偏好以及种间和种内相互作用提供密集的表面。这项研究的结果和发现有利于未来规划环境监测工作以及项目下的工作阶段，以尽量减少对彭福公园鹭鸟林的潜在环境影响。
搬迁沙田污水处理厂往岩洞的实时大数据人工智能环境影响评估 (AIEIA) 执行摘要 搬迁沙田污水处理厂往岩洞（本项目）的环境影响评估中，位于沙田马场和周边河道的彭福公园鹭鸟林被列为环境指标之一。目前，香港对鸟类生态栖息地的监测主要以人为观察为主，而人为观察的时间间隔有限。由于繁殖季节环境变化微妙，人为不易分辨鸟类行为的细微变化。渠务署藉此机会与香港科技大学合作，通过在项目下对彭福公园鹭鸟林进行先导观察，探索将最先进的绿色人工智能 (AI) 技术融入环境监测。观察是明智行动的第一步。完整的阵列数据收集系统 (ADCS) 和实时数据提取管道架构经过全面设计，可实现模块化，并可成功部署在各种结构中，确保在所有环境中可靠运行。ADCS 具有多种优势，可满足户外环境长期监测的需求：(i) 自动连续录制；(ii) 高分辨率视频；(iii) 高帧率视频；(iv) 巨大的本地数据存储；(v) 保护恶劣环境（例如极端天气条件）。采用一种新的视频压缩标准高效视频编码 (H.265) 来处理、存储和传输高分辨率视频，同时保持视频质量。在户外环境中实现数据采集自动化之后，实施了 AI 算法，以从长达数月的数据中检测鸟类。本研究重点是检测大白鹭和小白鹭，即研究地点的主要鸟类。AI 算法开发的主要挑战是缺乏香港鸟类的标记数据集。为了解决这个问题，我们利用 3D 建模制作了大白鹭和小白鹭的合成鸟类数据集。在虚拟图像的开发过程中，我们应用了姿势和身体大小等显著特征的大量变化，这反过来又迫使模型专注于专家用来区分鸟类物种的细粒度鸟类特征，例如颈部和头部。经过训练的 AI 模型能够在不同背景下以高预测分数区分和定位鸟类物种，平均准确率达到 87.65%。我们的人工智能 ADCS 解决方案比传统的人工观察具有多种潜在优势，能够在不同的天气条件下为不同物种的鸟类计数、行为研究、空间偏好以及种间和种内相互作用提供密集的表面。这项研究的结果和发现有利于未来规划环境监测工作以及项目下的工作阶段，以尽量减少对彭福公园鹭鸟林的潜在环境影响。
NuSTAR 测量 3–20 keV 能带的宇宙 X 射线背景
摘要 我们利用核光谱望远镜阵列 ( NuSTAR ) 望远镜测量了 3–20 keV 能量范围内的宇宙 X 射线背景 (CXB) 强度。我们的方法是通过望远镜的侧孔对 NuSTAR 探测器上的 CXB 信号进行空间调制。基于 NuSTAR 对选定河外星系场的观测（总曝光量为 7 Ms），我们估算出 CXB 3–20 keV 通量为 2.8 × 10 − 11 erg s − 1 cm − 2 deg − 2 ，比 HEAO-1 测得的值高 ∼ 8%，与 INTEGRAL 测量值一致。推断出的 3–20 keV 能带内的 CXB 光谱形状与 Gruber 等人的正则模型一致。我们证明了 NuSTAR 测量的空间调制 CXB 信号不受系统噪声污染，并且受光子统计限制。测量到的不同天空方向之间 CXB 强度的相对散射与宇宙方差相一致，这为使用 NuSTAR 研究整个天空的 CXB 各向异性开辟了新的可能性。
Walsh, JE、WL Chapman、F. Fetterer 和 S. Stewart。2019. 网格化月度海冰范围和浓度，1850 年以后，版本 2。美国科罗拉多州博尔德。NSIDC：国家冰雪数据中心。doi：https://dx.doi.org/10.7265/jj4s-tq79。目录网格化月度海冰范围和浓度...................................................................................................................... 1 1850 年以后，版本 2 ......................................................................................................................... 1 1 摘要 ............................................................................................................................................................. 3 2 这些数据的应用 ............................................................................................................................. 3 3 产品开发背景 ............................................................................................................................. 4 4 数据文件：格式和说明 ............................................................................................................. 6
1 摘要 气候模型和再分析通常需要覆盖很长一段时间（大约一个世纪）的网格化泛北极海冰数据集。然而，卫星时代之前的基于观测的数据集在信息内容和格式上是异构的，因此难以用于长期数据记录。在这里，历史来源的观测是自 1850 年开始的每月网格化海冰浓度产品的基础。历史观测有多种形式：船舶观测、海军海洋学家的汇编、国家冰服务机构的分析等。1979 年，这些来源让位于单一来源：卫星被动微波数据的浓度。网格化每月海冰范围和浓度，1850 年以后建立在早期的数据产品（Chapman 和 Walsh 1991）的基础上，增加了历史来源，改进了用于合并来自不同来源的数据的技术，并向前和向后扩展了记录。数据以月度海冰浓度的形式在 netCDF4 文件中提供。这些字段代表单个月中日，而不是月平均值。数据位于四分之一度纬度乘以四分之一度经度的网格上，覆盖北半球 30 度以北。除了浓度变量外，相应的源变量还指示 18 个可能源中的每一个的使用位置。逗号分隔变量文件中的区域和北极范围的冰范围和面积时间序列以及其他辅助文件也包括在内。
摘要：这次简短交流的目的是，劳动力市场已经变得非常难以预测，很难预测五年、十年甚至更长时间后会是什么样子。新的工作出现了，而其他工作则消失了。所有这些都发生在人工智能（AI）发挥越来越重要作用的背景下，我们很难想象没有它我们的生活会是什么样子，尤其是因为机器人如今拯救了生命。技术已经成为一种必需品，许多工作因机器人技术而发生了变化，我们必须随之发展和适应，尽管由于新型冠状病毒大流行在全球范围内蔓延，劳动力市场的限制和变异带来了新的规则。主要思想反映了奇点假说所反映的可能性，因为新的智能技术可能会改变我们人类的生活，消除一些工作，改变其他工作并创造全新的工作类别，但只要我们知道机会就在我们身边，我们就需要积极主动地提供未来的技能。关键词：劳动力市场；未来工作；Covid-19影响；人工智能；技能；奇点假说。引用方式：Briciu, V.-A. 和 Briciu, A. (2020)。COVID-19 对劳动力市场的影响以及人工智能的未来前景。BRAIN。人工智能和神经科学的广泛研究，11 (2Sup1)，21-28。https://doi.org/10.18662/brain/11.2Sup1/90
摘要：这次简短交流的目的是，劳动力市场已经变得非常难以预测，很难预测五年、十年甚至更长时间后会是什么样子。新的工作出现了，而其他工作则消失了。所有这些都发生在人工智能（AI）发挥越来越重要作用的背景下，我们很难想象没有它我们的生活会是什么样子，尤其是因为机器人如今拯救了生命。技术已经成为一种必需品，许多工作因机器人技术而发生了变化，我们必须随之发展和适应，尽管由于新型冠状病毒大流行在全球范围内蔓延，劳动力市场的限制和变异带来了新的规则。主要思想反映了奇点假说所反映的可能性，因为新的智能技术可能会改变我们人类的生活，消除一些工作，改变其他工作并创造全新的工作类别，但只要我们知道机会就在我们身边，我们就需要积极主动地提供未来的技能。关键词：劳动力市场；未来工作；Covid-19影响；人工智能；技能；奇点假说。引用方式：Briciu, V.-A. 和 Briciu, A. (2020)。COVID-19 对劳动力市场的影响以及人工智能的未来前景。BRAIN。人工智能和神经科学的广泛研究，11 (2Sup1)，21-28。https://doi.org/10.18662/brain/11.2Sup1/90
毒力表型是由病原体倍性和遗传背景相互作用产生的
图 1 白色念珠菌遗传背景对健康宿主适应性有不同的影响。 （a）未感染（仅暴露于大肠杆菌食物源，灰色）或感染不同白色念珠菌菌株（图例中所示）的健康野生型线虫宿主种群的生存曲线。误差线表示±SE。每个处理中分析的宿主数量（n）如表 S1 所示。使用生存曲线的成对比较和 Log-rank（Mantel-Cox）检验来检验统计学显着性。星号表示与未感染对照相比具有统计学显着性（* 表示 p < .05；**** 表示 p < .0001）。具有相同字母的白色念珠菌处理没有显著差异，而具有不同字母的处理在统计学上存在差异。 (b) 宿主谱系生长的箱线图，以 7 天内产生的单个创始宿主的 F1 和 F2 后代的总种群大小表示。方框表示 25 到 75 分位数，平均值表示为一条线。误差线是标准化的数据范围，圆圈表示异常值。未感染对照处理的平均值和 95% 置信区间分别用灰色虚线和阴影灰色方框表示。使用单因素方差分析检验统计显著性。星号表示与未感染对照相比的统计差异（* 表示 p < .05；*** 表示 p < .001）。事后 Dunn 多重比较检验表明，字母相同的白色念珠菌处理没有显著差异，而字母不同的处理有统计学差异。 （c）感染白色念珠菌的宿主成年期第 1-3 天（正常繁殖时间）产生的（d）宿主幼虫总数和宿主幼虫百分比。数据和统计分析与（b）相同。（e）二倍体（dip）和四倍体（tet）白色念珠菌菌株在第 7 天的宿主存活率（彩色符号表示特定的白色念珠菌遗传背景）。使用 Wilcoxon 配对符号秩检验检验统计学意义，并标明 p 值。（f）感染白色念珠菌二倍体和四倍体菌株的宿主的谱系生长、（g）幼虫数量和（h）繁殖时间。数据和统计分析与（e）相同
基因编辑 CRISPR/Cas9 系统在 β-乳球蛋白基因敲除的背景下生产低过敏性牛奶的奶牛
BLG 是牛奶中的主要过敏原，约 3% 的婴儿和幼儿对牛奶过敏 [1]，而全脂牛奶制成的辅食可能会引发严重疾病 [2]。从牛奶中去除 BLG 可降低其致敏性，并提高其作为幼儿食品的潜力。迄今为止，降低牛奶混合物致敏性的主要方法是深度变性蛋白质。实际上，我们谈论的是肽的混合物，但这可能导致形成新的致敏表位。一种现代替代方法是创建具有 BLG 基因敲除的动物的方法[3,4]。在工业化奶牛品种上进行此类工作尤其重要，因为它可以让您创造特定特征，而不会影响其他具有经济意义的特征和生产力。此前，人们结合了转基因、基因敲除和 SCNT，以及 TALEN 和原核微注射。所有这些都显示出足够的有效性。 Crispr/Cas9 基因编辑技术的快速发展 [5, 6] 使我们能够在用于生产的牛品种中有效引入 BLG 基因突变。在本文中，我们介绍了开发和创建用于引入双链