XiaoMi-AI文件搜索系统
World File Search Systemcharacterize
利用人工智能表征肾脏肿瘤
我们正处于第四次工业革命时代，其特点是信息和通信技术的融合。在第四次工业革命的要素中，人工智能（AI）是最大的组成部分，是指机器模仿和执行人类认知任务的计算能力。这些发展已经影响到我们生活的许多方面，例如购物、音乐、艺术、自动驾驶和医疗领域。人工智能可以在不带个人感情的情况下提供一致的结果，节省时间和金钱，并通过自动化减少人力劳动。机器学习使用算法来分析数据，从数据中学习，并根据所学内容做出明智的决策。深度学习是一种创建人工神经网络的技术，该神经网络可以自行学习，并通过将算法组织成层来做出智能决策。可以通过堆叠多个数学建模的人工神经元来创建人工神经网络。深度学习中的“深度”一词并不意味着您获得了任何深刻的见解。相反，它只是代表了在连续层中学习的概念，通过这些层，可靠性会增加。训练有素的人工神经网络可以快速而强大地执行复杂的数据处理。深度学习的成功归功于克服现有神经网络局限性的算法的发展，以及图形处理单元和大数据等硬件的改进。如今，人工智能已应用于医学和医疗保健领域，以改善临床决策。肾细胞癌 (RCC) 是一种异质性肿瘤，其每种亚型都有相关的生物学行为、临床病程和对治疗的反应。近来，基于人工智能的肾肿瘤表征应用和研究显著增加，显示出诊断、预后和预测的准确性。
人Dickkopf-3（DKK-3）在发育，免疫调节和癌症中的多面作用
对诱导的，特定于频率的神经活动的经典分析通常在试验中平均带限制功率。 最近，已广泛理解的是，在个别试验中，β频段活性是作为瞬态爆发而不是振幅调节的振荡而发生的。 大多数Beta爆发研究将它们视为单一，并具有刻板印象的波形。 但是，我们表明爆发形状各不相同。 使用爆发产生的生物物理模型，我们证明了波形可变性是通过产生β爆发的突触驱动器的可变性来预测的。 然后，我们使用一种新颖的自适应爆发检测算法来识别基于操纵杆的到达任务中记录的人类MEG传感器数据的爆发，并应用主成分分析以爆发波形来定义一组维度或图案，以最能解释波形方差。 最后，我们证明了特定范围的波形图案的突发，生物物理模型未完全解释的波形基序，差异化有助于运动相关的β动力学。 感觉运动β爆发不是均匀的事件，并且可能反映了不同的计算过程。对诱导的，特定于频率的神经活动的经典分析通常在试验中平均带限制功率。最近，已广泛理解的是，在个别试验中，β频段活性是作为瞬态爆发而不是振幅调节的振荡而发生的。大多数Beta爆发研究将它们视为单一，并具有刻板印象的波形。但是，我们表明爆发形状各不相同。使用爆发产生的生物物理模型，我们证明了波形可变性是通过产生β爆发的突触驱动器的可变性来预测的。然后，我们使用一种新颖的自适应爆发检测算法来识别基于操纵杆的到达任务中记录的人类MEG传感器数据的爆发，并应用主成分分析以爆发波形来定义一组维度或图案，以最能解释波形方差。最后，我们证明了特定范围的波形图案的突发，生物物理模型未完全解释的波形基序，差异化有助于运动相关的β动力学。感觉运动β爆发不是均匀的事件，并且可能反映了不同的计算过程。
广泛的大脑网络的快速相互作用是语义认知的特征
语言理解需要快速检索和整合上下文适当的概念（“语义认知”）。当前的语义认知神经生物学模型受到单态神经影像和病变方法的空间和时间限制的限制。鉴于必须协调以准确理解语言的处理步骤的快速序列，这是一个主要障碍。通过使用融合的功能磁共振成像和人类的脑电图分析（n = 26名成年人； 15个女性），我们阐明了一种实时语义认知的时间和空间特定的神经生物学模型。我们发现，语言构成背景下的语义认知得到了在毫秒过程中广泛的神经网络之间的权衡。纳入适用性和时间特征以及行为度量，为以下进展提供了收敛的证据：海马/前时间/前时间语音语义检索网络（在句子最终词后的300毫秒达到峰值）；额叶主题语义网络（; 400 ms）;海马内存更新网络（; 500 ms）;下部的语义句法重新评估网络（; 600 ms）；默认模式网络的节点与概念上的共同关系（； 750 ms）。此外，在典型的成年人中，这些网络之间的中介关系可显着预测语言理解能力。这些发现为检查语音和语言障碍的检查提供了一个概念和方法学框架，对其他认知领域的认知过程和临床人群的表征具有其他影响。
开发高通量管道以单细胞分辨率表征小胶质细胞的形态状态
我们感谢 Ciernia 实验室和 Pavlidis 实验室成员在整个项目过程中的实验室会议上提供的周到反馈和建议。我们还要感谢 Wai Hang (Tom) Cheng，他的帮助对于学习如何在 Axioscan 幻灯片扫描仪上成像以及开始进行小胶质细胞形态分析至关重要；Nicholas Michelson，他的帮助对于在 ImageJ 中排除 MicrogliaMorphology 各种特征的代码故障非常有帮助；以及 Dylan Terstege，他在发布之前慷慨地提供了用于 FASTMAP 对齐 Allen Brain Atlas 的材料。我们还要感谢 Brian MacVicar 博士与我们分享他实验室的 Cx3cr1- GFP 小鼠，我们将其用于 2xLPS 体内实验。我们感谢通过 Dynamic Brain 提供的资源
机器学习可解释性方法来描述癫痫中的脑网络动态
摘要 机器学习 (ML) 算法在广泛的生物医学应用中的快速应用凸显了信任问题以及对 ML 算法生成的结果缺乏理解。最近的研究集中于开发可解释的 ML 模型并制定透明度和道德使用指南，确保机器学习以负责任的方式融入医疗保健领域。在本研究中，我们证明了 ML 可解释性方法的有效性，可为癫痫症（一种影响全球超过 6000 万人的严重神经系统疾病）的大脑网络相互作用动态提供重要见解。使用来自 16 名患者的高分辨率颅内脑电图 (EEG) 记录，我们开发了高精度 ML 模型，将这些大脑活动记录分为癫痫发作或非癫痫发作类别，然后执行一项更复杂的任务，即描绘出癫痫发作发展到大脑不同部位的不同阶段，作为一项多类别分类任务。我们对高精度 ML 模型应用了三种不同类型的可解释性方法，以了解不同类别的大脑交互模式（包括多焦点交互）的相对贡献，这些模式在区分大脑的不同状态方面发挥着重要作用。本研究结果首次证明，事后可解释性方法使我们能够理解 ML 算法生成给定结果集的原因以及输入值的变化如何影响 ML 算法的准确性。特别是，我们在本研究中表明，可解释性方法可用于识别对癫痫发作事件有重大影响的大脑区域和交互模式。本研究结果强调了在异常脑网络研究和更广泛的生物医学研究领域中集成实施 ML 算法和可解释性方法的重要性。
通过全基因组检测鉴定 rAAV 在体内整合到人类基因组 DNA 中的情况
。CC-BY-NC 4.0 国际许可下可用（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2023 年 8 月 24 日发布。；https://doi.org/10.1101/2023.08.22.554338 doi：bioRxiv 预印本
内源性大麻素降解酶抑制剂作为潜在的抗精神病药：药物化学的观点
Yong Jian Wang，Claire Valotteau，Adrien Aimard，Lorenzo Villanueva，Dorota Kostrz等人。CombimberiningDNA支架和声学力光谱，以表征单个蛋白质键。 Bio-物理期刊，2023，122（12），pp.2518-2530。 10.1016/j.bpj.2023.05.004。 hal-04165173Yong Jian Wang，Claire Valotteau，Adrien Aimard，Lorenzo Villanueva，Dorota Kostrz等人。CombimberiningDNA支架和声学力光谱，以表征单个蛋白质键。Bio-物理期刊，2023，122（12），pp.2518-2530。10.1016/j.bpj.2023.05.004。hal-04165173
整合地球化学和地球物理数据来描述和绘制红土风化层：巴西亚马逊地区的一个例子
摘要 在亚马逊等热带地区，尽管红土覆盖层蕴藏着经济价值的矿物，并且与剥蚀和风化层景观研究有着密切的关系，但尚未得到妥善的测绘。为了整合风化层制图工具，我们整合了地球化学和地球物理数据（航空伽马射线光谱和磁力测量）。生成并应用了区域指数（包括风化强度指数 WII、红土指数 LI 和风化层指数 MI），从而可以识别风化层特性。WII 突出显示了位于海拔 149 至 300 米和 500 至 627 米之间的风化程度较高的区域，这些区域分别与下夷平面和上夷平面相关。LI 批准了 WII，并强调了 Th/K 和 U/K 比值较高的区域，这些区域与红土硬壳有关。LI 和 MI 之间的相关性表明，红土硬壳与镁质和长英质基质有关，尤其是在海拔 300 米以下，这证实了地球化学数据。所有这些结果都导致将以前被认为是沉积物的区域重新解释为与氧化土和红土硬壳相关的残留物，这使我们能够提出，风化层测绘技术和模型生成（风化强度和红土指数）具有良好的可靠性。
新的数值介质尺度的一域方法求解器，用于自由流体/多孔培养基相互作用
抽象的DNA损伤是化学试剂引起的最重要作用之一。我们使用末端脱氧核苷酸转移酶DUTP Nick End标记（TUNEL）测定法（TUNEL）分析对DNA片段化的比较分析，通常用于检测细胞凋亡。我们的方法结合了分离的细胞结构中的细胞遗传学技术和研究，从培养基中恢复，目的是比较三个不同细胞系的DNA片段化，甚至超出了遵守底物的细胞之外。因此，我们检测到单个染色体，整个核和其他细胞结构上的任何碎裂点。细胞暴露于单一和联合处理中的白藜芦醇（RSV）和阿霉素（DOXO）。对照和处理的星形胶质细胞在凝结的核和分离结构中显示DNA损伤。CACO-2细胞仅在Doxo处理后才显示出碎片的DNA，而对照组显示出碎片的染色体，指示复制细胞中的DNA损伤。MDA-MB-231细胞在RSV处理之后表现出核凝结和DNA片段化，并且与分离的结构有关。该模型被证明执行了基因组不稳定性（GI）的分级。星形胶质细胞显示GI的混合水平。CACO-2细胞显示出碎片的中期染色体，证明了DNA大坝被传输到子细胞可能是由于缺乏DNA修复机制所致。相反，MDA – MB-231细胞显示出很少或没有碎片的中期，表明可能激活DNA修复机制。通过应用这种替代方法的TUNEL测试方法，我们获得了可以更具体地表征DNA碎片的数据，以适用于在各个领域的合适应用。