XiaoMi-AI文件搜索系统
World File Search Systembg
通过机器学习驱动的基因表达谱识别髓母细胞瘤的分子亚群
1 伊朗德黑兰国家遗传工程和生物技术研究所工业和环境生物技术研究所生物过程工程系 2 伊朗德黑兰大学科学学院生物技术系 3 法国巴黎巴黎萨克雷大学 4* 美国加利福尼亚州欧文市加利福尼亚大学神经病学系 92612 * 通讯作者：Babak Khorsand Khorsand.babak@uci.edu 美国加利福尼亚州欧文市加利福尼亚大学神经病学系 电话：949.678.8869 利益冲突：无 摘要背景：髓母细胞瘤 (MB) 是儿童中最常见的恶性脑肿瘤，其亚群之间具有显著的分子异质性。准确分类对于个性化治疗策略和预后评估至关重要。程序：本研究利用机器学习 (ML) 技术分析了 70 个儿童髓母细胞瘤样本的 RNA 测序数据。采用五种分类器——K 近邻 (KNN)、决策树 (DT)、支持向量机 (SVM)、随机森林 (RF) 和朴素贝叶斯 (NB)——根据基因表达谱预测分子亚群。特征选择确定了不同大小的基因子集（750、75 和 25 个基因），以优化分类准确性。结果：使用完整基因组进行的初步分析缺乏判别力。然而，减少的特征集显著提高了聚类和分类性能，尤其是对于第 3 组和第 4 组亚群。 RF、KNN 和 SVM 分类器始终优于 DT 和 NB 分类器，在许多情况下，尤其是在第 3 组和第 4 组中，分类准确率超过 90%。结论：本研究强调了 ML 算法在使用基因表达数据对髓母细胞瘤亚组进行分类方面的有效性。特征选择技术的整合大大提高了模型性能，为髓母细胞瘤管理中增强个性化方法铺平了道路。关键词：髓母细胞瘤、基因表达谱、机器学习、癌症病理学、儿科。缩写表
SUS GAUSSIAN分布及其...
我们证明存在一个通用常数c> 0，因此对于每个d∈N，r d上的每个cen subgaussian分布d，每个偶数偶数p∈N，d variate polyenmial（cp）p/ 2·p/ 2·v v v∥p 2 - e x〜d -e x〜d〜d〜d v，x〜v，x〜v，x〜v，x〜v，x〜v，x〜是平方polynoms of Square polynoms of Square polynoms sum s sum s sum sarear polynoms s。这表明每个次高斯分布都是SOS信誉的次高斯 - 这种条件可为各种高维统计任务提供有效的学习算法。作为直接的推色，我们在计算上有效算法，并为以下任务提供几乎最佳的保证，当给定任意次高斯分布的样品时，我们可以遵守均值估计，可列表的均值均值估计，均值分离的均值混合模型，可靠的均值估计，可靠的估计量，强大的估计，可强大的估计，估算强大的估计，估算。我们的证明是对Talagrand的通用链接/主要措施定理的必要利用。
使用亚目标模型的目标空间计划
本文使用背面计划研究了一种新的基于模型的强化学习方法：混合（近似）动态编程更新和无模型更新，类似于DYNA架构。带有学习模型的背景计划通常比无模型的替代方案（例如Double DQN）差，即使前者使用的记忆和计算更大。基本问题是，学到的模拟可能是不准确的，并且经常会产生无效的状态，尤其是在迭代许多步骤时。在本文中，我们通过将背景计划限制为一组（摘要）子目标，并仅学习本地，子观念模型来避免这种限制。这种目标空间计划（GSP）方法在计算上更有效，自然地包含了时间抽象，以进行更快的长途径计划，并避免完全学习过渡动态。我们表明，我们的GSP算法可以从抽象空间中传播价值，以帮助各种基础学习者在不同的域中更快地学习显着的速度。关键字：基于模型的增强学习，时间抽象，计划
使用
我们研究统计亚组公平性审核分类的问题。Kearns等。 [20]表明，审核组合子组的公平性与不可知论的学习一样困难。 基本上所有关于纠正歧视子组的统计量度的工作都假定了该问题的甲骨文，尽管没有有效的算法已知。 如果我们假设数据分布是高斯，甚至仅仅是对数 - concave，则最近的工作线发现了半个空格的有效的不可知论学习算法。 不幸的是，Kearns等人的减少。 是根据弱的，distribution free-freem学习而提出的，因此没有建立对诸如对数 - concave分布之类的家庭的联系。 在这项工作中，我们在审核高斯分布方面给出积极和负面的结果：在积极方面，我们提出了一种替代方法来利用这些进步的不可知论学习，从而获得了第一个多项式时间近似方案（PTA），以审核非审计的非整合统计学概念，我们显示出均超过统计学的特征：高斯。 在负面，我们在加密假设下，没有多项式时间算法可以保证一般半空间亚组的任何非平凡的审计，即使在高斯特征分布下也可以保证。Kearns等。[20]表明，审核组合子组的公平性与不可知论的学习一样困难。基本上所有关于纠正歧视子组的统计量度的工作都假定了该问题的甲骨文，尽管没有有效的算法已知。如果我们假设数据分布是高斯，甚至仅仅是对数 - concave，则最近的工作线发现了半个空格的有效的不可知论学习算法。不幸的是，Kearns等人的减少。是根据弱的，distribution free-freem学习而提出的，因此没有建立对诸如对数 - concave分布之类的家庭的联系。在这项工作中，我们在审核高斯分布方面给出积极和负面的结果：在积极方面，我们提出了一种替代方法来利用这些进步的不可知论学习，从而获得了第一个多项式时间近似方案（PTA），以审核非审计的非整合统计学概念，我们显示出均超过统计学的特征：高斯。在负面，我们在加密假设下，没有多项式时间算法可以保证一般半空间亚组的任何非平凡的审计，即使在高斯特征分布下也可以保证。
种植的随机子图问题的低度安全
摘要。植入了Abram等人的随机子图检测猜想。（TCC 2023）断言一对图P H，G Q的伪随机性，其中G是N个顶点上的Erd˝os-r´enyi随机图，H是k个位于k个位置上G的随机诱导的G graph。假设划分这两个分布的硬度（有两个泄漏的顶点），Abram等人。构造通信 - 效果，计算安全（1）2派对私人同时消息（PSM）和（2）禁止图形结构的秘密共享。我们证明了检测到种植的随机子图的低度硬度，一直到kďn 1´Ωp 1 q。对Abram等人的改善。对Kďn 1 {2´Ωp 1 q的分析。te硬度延伸至常数r的r均匀超图。我们的分析在区分程度上很紧，其优势和泄漏的vertices数量。Extending the constructions of Abram et al, we apply the conjecture towards (1) communication- optimal multiparty PSM protocols for random functions and (2) bit secret sharing with share size p 1 ` ε q log n for any ε ą 0 in which arbitrary minimal coalitions of up to r parties can reconstruct and secrecy holds against all unqualified subsets of up to ℓ “ o p ε log n q 1 {p r´1 Q派对
PB全球技术与医疗保健基金（PBGTHF）
•适用于公共互助Berhad的首次个人投资者。•您的请求必须提交给公共银行Berhad分支机构办公室，您在收到投资申请表和公共Mutual Berhad付款之日起6个工作日内购买了单位。•退款将在行使此权利之日起7个工作日内支付。•持有的每个单位的退款将是一个单位价格的总和（即在行使冷却权的行动时购买或市场价格的当天的原始价格，以较低者为准），并在购买单位时征收的销售费用（以及任何适用的税款和/或职责（如果有），如果有的话，则为任何适用的税款和/或职责。•经理的工作人员和在马来西亚证券委员会批准的机构注册的人员（SC）中交易单位信托基金无权享有冷却权。
研究文章未能交配会增强对行为的投资，这些行为可能会促进交配奖励，并损害通过A来自...
抽象背景选择性生物标志物可能会改善接受免疫检查点抑制剂治疗治疗的复发或转移性头颈鳞状细胞癌（R/M HNSCC）患者的预后。我们研究了三种独立的生物标志物，以与一线Durvalumab单疗法或Durvalumab或Durvalumab以及Extremimimab与ExtremeMimen相比的随机，III期Kestrel研究（NCT02551159）相关性：中性粒细胞与淋巴细胞比（NLR）。分析了在Kestrel研究患者的肿瘤或血液样本中，分析了PD-L1，BTMB和NLR的肿瘤或血液样本。与PD-L1（肿瘤细胞[TC]≥50％/免疫细胞≥50％/免疫细胞≥25％或TC≥25％）的预先指定的临界值进行了评估。进行了临时分析。PD-L1的预先指定或探索性截止值不丰富Durvalumab单一疗法或Dur-Valumab加上tremelimenab与Extreme的ORR或OS。在BTMB≥16mut/mb亚组中，Durvalumab单疗疗法和Durvalumab的OS危险比（95％置信区间）和Extremab与Extreme的分别为0.90（0.48-1.72）和0.69（0.69（0.39-1.25）。 Durvalumab加上TremelimumAb的完整响应率为8.6％，极端响应率为4.3％（≥16mut/mb亚组）。 在预先指定或探索性的NLR截止值下，杜瓦卢马布单一疗法或杜瓦卢马布（Durvalumab）的OS没有改善。分别为0.90（0.48-1.72）和0.69（0.69（0.39-1.25）。Durvalumab加上TremelimumAb的完整响应率为8.6％，极端响应率为4.3％（≥16mut/mb亚组）。在预先指定或探索性的NLR截止值下，杜瓦卢马布单一疗法或杜瓦卢马布（Durvalumab）的OS没有改善。结论BTMB证明了选择R/M HNSCC患者的潜在效用，这些患者受益于有或没有tremelimenab的杜瓦卢马布，而不是极端。试验注册临床.gov标识符NCT02551159。
响应生物技术诱导的宿主抗性
使用CRISPR/CAS9技术对种系的遗传编辑使改变牲畜特征成为可能，包括产生对病毒疾病的抗性。但是，病毒适应能力可能会在这项工作中带来主要障碍。最近，通过使用CRISPR/CAS9基因组编辑在ALV-J受体NHE1中删除单个氨基酸W38来开发对抗禽类病毒亚组J（ALV-J）抗性的鸡。这种耐药性在体外和体内都得到了巩固。在所有测试的ALV-J菌株中，W38 - / - 鸡肉胚胎成纤维细胞的体外耐药性已显示。 为了研究ALV-J进一步适应的能力，我们使用了基于逆转录病毒的测定法来选择适应的ALV-J变体。 我们假设在包膜蛋白质蛋白内会发生克服细胞抗性的自适应突变。 根据这个假设，我们分离了和测序的数量适应性病毒变体，并在其包膜基因中发现了八个独立的单核苷酸取代。 确认这些替代的适应能力，我们将其引入原始逆转录病毒记者。 在W38 - / - 胚胎胚胎成纤维细胞中有效复制的所有八种变体在体外，w38 - / - 鸡对肿瘤诱导的两个变体都敏感。 重要的是，具有更广泛修饰的受体等位基因对病毒保持抗性。 我们得出的结论是，需要更复杂的编辑来获得稳健的抵抗力。在所有测试的ALV-J菌株中，W38 - / - 鸡肉胚胎成纤维细胞的体外耐药性已显示。为了研究ALV-J进一步适应的能力，我们使用了基于逆转录病毒的测定法来选择适应的ALV-J变体。我们假设在包膜蛋白质蛋白内会发生克服细胞抗性的自适应突变。根据这个假设，我们分离了和测序的数量适应性病毒变体，并在其包膜基因中发现了八个独立的单核苷酸取代。确认这些替代的适应能力，我们将其引入原始逆转录病毒记者。在W38 - / - 胚胎胚胎成纤维细胞中有效复制的所有八种变体在体外，w38 - / - 鸡对肿瘤诱导的两个变体都敏感。重要的是，具有更广泛修饰的受体等位基因对病毒保持抗性。我们得出的结论是，需要更复杂的编辑来获得稳健的抵抗力。这些结果证明了牲畜基因组工程对抗病毒抗性的重要策略，并说明通过适应性病毒变体可以克服次要受体修饰引起的抗性抗性。
禽白血病病毒 J 亚群对生物技术诱导的宿主抗性的快速适应性进化
使用 CRISPR/Cas9 技术对生殖系进行基因编辑，可以改变牲畜性状，包括产生对病毒性疾病的抗性。然而，病毒的适应性可能是这一努力的主要障碍。最近，通过使用 CRISPR/Cas9 基因组编辑删除 ALV-J 受体 NHE1 中的单个氨基酸 W38，开发出了对禽白血病病毒亚群 J (ALV-J) 具有抗性的鸡。这种抗性在体外和体内均得到了证实。体外显示 W38 -/- 鸡胚胎成纤维细胞对所有测试的 ALV-J 菌株具有抗性。为了研究 ALV-J 进一步适应的能力，我们使用了基于逆转录病毒报告基因的检测来选择适应的 ALV-J 变体。我们假设克服细胞抗性的适应性突变会发生在包膜蛋白中。根据这一假设，我们分离并测序了大量适应的病毒变体，并在它们的包膜基因中发现了八个独立的单核苷酸替换。为了确认这些替换的适应能力，我们将它们引入原始的逆转录病毒报告基因中。所有八个变体在体外都能在 W38 -/- 鸡胚胎成纤维细胞中有效复制，而在体内，W38 -/- 鸡对其中两个变体诱导的肿瘤敏感。重要的是，具有更广泛修改的受体等位基因仍然对病毒具有抵抗力。这些结果证明了牲畜基因组工程中实现抗病毒抗性的重要策略，并说明由较小受体修改引起的细胞抗性可以通过适应的病毒变体来克服。我们得出结论，需要更复杂的编辑才能获得强大的抵抗力。
使用亚型和分期推断算法确定 4291 名精神分裂症患者的神经结构亚群
机器学习可用于根据精神障碍的共同生物学基础来定义精神疾病的亚型。在这里，我们分析了来自 ENIGMA、非 ENIGMA 队列和公共数据集的 41 个国际队列中 4,222 名精神分裂症患者和 7038 名健康受试者的横断面大脑图像。使用亚型和阶段推断 (SuStaIn) 算法，我们通过绘制精神分裂症中灰质变化的空间和时间“轨迹”来识别两个不同的神经结构亚型。亚型 1 的特征是早期皮质为主的损失和纹状体扩大，而亚型 2 显示海马、纹状体和其他皮质下区域早期皮质下为主的损失。我们确认了这两种神经结构亚型在欧洲、北美和东亚等不同样本地点的可重复性。这种基于成像的分类法有可能识别具有共同神经生物学属性的个体，从而表明基于生物因素重新定义现有疾病结构的可行性。