XiaoMi-AI文件搜索系统
World File Search Systemcolon
合并的定量结核病生物标志物模型，用于促阳性和菌落形成单元，以支持结核病药物开发
生物标志物是生物过程的量化特征。在结核分枝杆菌中，用于临床药物开发中使用的常见生物标志物是痰液样品的菌落成型单元（CFU）和时间阳性（TTP）。该分析旨在开发用于CFU和TTP生物标志物的合并定量结核病生物标志物模型，用于评估早期杀菌活性研究中的药物效率。每日CFU和TTP观察结果在83例不同的利福平单一疗法治疗（10 - 40 mg/kg）研究7天后，从HighRif1研究中进行了7天，包括在此分析中。使用CFU和TTP数据同时使用CFU和TTP数据同时确定在三个细菌子阶段的药物暴露 - 响应关系，采用了与利福平药代动力学模型相关的多脉冲结核病模型，该模型与利福平药代动力学模型相关。CFU，并通过TTP模型的事实方法预测了TTP，该方法通过将MTP模型中所有细菌子群传递到一个细菌TTP模型，将其与MTP模型链接到MTP模型。最终模型很好地预测了非线性CFU-TTP关系。合并的定量结核病生物标志物模型提供了一种有效的方法，用于评估早期杀菌活性研究中CFU和TTP数据所告知的药物效率，并描述了随着时间的推移CFU和TTP之间的关系。
流失收益：调查殖民地流失如何帮助英国经济保持繁荣
1750 24.5 32.8 15.7 27 1800 19.7 33.3 14.7 32.3 1830 17.6 29.8 13.3 39.5 1880 2.8 12.5 5.6 79.1 1913 1.4 3.6 2.5 92.5 1938 2.4 3.1 1.7 92.8
通过磷蛋白质组的时间序列分析阐明基于网络的结肠癌耐药性
1哥伦比亚大学欧文大学系统生物学系，美国纽约，美国2耶鲁癌症生物学研究所，耶鲁大学，西黑文，美国康涅狄格州西黑文，美国3现在的地址：美国纽约州塔里敦，美国4 J.P. Sulzberger哥伦比亚哥伦比亚哥伦比亚哥伦比亚哥伦比亚大学Irving Medical Scoriest，New York ny ny ny ny trokinia ny ne n Y Y Y Y Y Y Y Y Y Y Y Y Y YE，美国4 J.P.美国纽约州6耶鲁大学医学院，美国康涅狄格州纽黑文市药理学系7哥伦比亚大学欧文大学医学中心，纽约，纽约，纽约，美国8赫伯特·欧文·欧文综合癌症中心，哥伦比亚大学欧文大学纽约，纽约，纽约，纽约州，美国9号，美国9号哥伦比亚分子生物学，哥伦比亚大学医学中心。哥伦比亚大学欧文医学中心，纽约，美国纽约†同等贡献
第 34 章 APC 的故事：源自息肉的结肠癌
第 34 章 APC 的故事 – 源自息肉的结肠癌 230127be 抗癌药物：发现和寻求治愈方法的故事 Kurt W. Kohn，医学博士，哲学博士 美国国立癌症研究所发展治疗分部名誉科学家 马里兰州贝塞斯达 kohnk@nih.gov 第 34 章 APC 的故事：源自息肉的结肠癌。 上一章讨论了一种由单个基因 RB 突变引起的癌症——视网膜母细胞瘤。这是一个独特的案例，因为绝大多数癌症都是在不同基因发生一系列突变后才发生的。一个典型的例子是结直肠癌，尤其是源自身体左侧降结肠和直肠息肉的常见癌症。这些恶性肿瘤发展相对较慢，通常需要约 10 年的时间，在此期间它们会经历一系列突变或其他基因变化，从而有时间在恶性癌症出现之前通过结肠镜检查切除息肉（图 34.1）。升结肠中也会发生类似的突变过程，特别是第 25 章中讨论的 DNA 错配修复基因突变。但在这里，我们关注的是降结肠和直肠息肉中发展的癌症。导致结直肠息肉癌症的多步骤突变过程。结直肠癌是全球发病率或死亡率第三高的癌症，其中最常见的是降结肠癌或直肠癌。这些癌症的主要特征是染色体不稳定性，当有丝分裂不能均等地划分染色体或染色体重复或删除时就会出现这种情况。这与升结肠癌形成鲜明对比，升结肠癌的特点是微卫星不稳定性（第 25 章）。染色体不稳定的一个标志是 APC（腺瘤性结肠息肉）基因的功能丧失，导致 Wnt 通路失活（后面部分讨论），这是结肠息肉癌变的第一步（图 34.2）。在 APC 之后，在癌变过程中序列中其他经常受损的基因是 KRAS（第 18 章）、SMAD2 和 4。
研究文章 用于分析结肠内窥镜图像以检测与肠易激综合征相关的变化的人工智能模型
IBS 不被认为是一种器质性疾病，通常在下消化道内镜检查中没有异常，尽管最近有报道称 IBS 患者出现生物膜形成、菌群失调和组织学微炎症。在本研究中，我们调查了人工智能 (AI) 结直肠图像模型是否可以识别与 IBS 相关的微小内镜变化，这些变化通常无法被人类调查者检测到。研究对象根据电子病历确定，分为 IBS（I 组；n = 11）、以便秘为主的 IBS（IBS-C；C 组；n = 12）和以腹泻为主的 IBS（IBS-D；D 组；n = 12）。研究对象没有其他疾病。获取了 IBS 患者和无症状健康受试者（N 组；n = 88）的结肠镜检查图像。使用Google Cloud Platform AutoML Vision（单标签分类）构建AI图像模型，计算敏感度、特异度、预测值和AUC。为N组、I组、C组和D组分别随机选择了2479、382、538和484张图像。区分N组和I组的模型的AUC为0.95。I组检测的敏感度、特异度、阳性预测值和阴性预测值分别为30.8%、97.6%、66.7%和90.2%。区分N组、C组和D组的模型的总体AUC为0.83；N组的敏感度、特异度和阳性预测值分别为87.5%、46.2%和79.9%。使用图像 AI 模型，IBS 的结肠镜检查图像可以在 AUC 0.95 处与健康受试者区分开来。需要进行前瞻性研究以进一步验证这种外部验证模型在其他机构是否具有类似的诊断能力，以及是否可以用它来确定治疗效果。
人工智能在结肠镜检查中的现状和未来影响
摘要 事实证明，胃肠内窥镜是开发人工智能 (AI) 系统的理想环境，该系统可以帮助内窥镜医师完成日常活动中的许多任务。结肠镜检查期间的病变检测 (计算机辅助检测，CADe) 和病变表征 (计算机辅助表征，CADx) 是人工智能在胃肠病学中的临床应用，迄今为止已发表的证据最多。事实上，它们是唯一由不同公司开发了多个系统、目前市场上有售且可用于临床实践的应用。CADe 和 CADx 除了充满希望和炒作外，还存在潜在的缺点、局限性和危险，必须了解、研究和研究这些机器的最佳用途，旨在领先一步，避免可能滥用这些机器，这些机器永远是临床医生的助手，而不是替代品。结肠镜检查的人工智能革命即将到来，但潜在的用途是无限的，目前只有一小部分得到了研究。未来的应用可以设计成确保结肠镜检查质量参数的各个方面，并真正实现实践标准化，无论在何种环境下进行该程序。在本综述中，我们介绍了结肠镜检查中人工智能应用的现有临床证据，并概述了未来的发展方向。
人工智能及其对（去）殖民化数据的潜力
数据治理仍然是原住民社区持续关注的问题。几乎所有关于原住民的数据方面（从共享的内容到共享的位置）都是外部（即非原住民）控制的，这往往使原住民在主流叙事中不可见。长期以来，这种抹杀导致了对原住民的不准确且通常是刻板的描绘，这些描绘歪曲了原住民的特征，为压迫原住民辩护，并最终剥夺了他们的正义。本文探讨了人工智能（“AI”）是否会成为原住民的“革命”或“新殖民者”——答案最终取决于人工智能开发人员将哪些叙事嵌入到他们的技术中。如果不刻意以土著人民为中心，没有来自土著人民的准确数据，这项新兴技术只会延续殖民叙事并加剧现有的差距。因此，土著数据——无论是故事、工具、价值观还是习俗——必须指导并作为 21 世纪数据治理和人工智能发展的基础，以促进土著人民的公平和正义。
市场的白人至上：英美殖民主义、白人至上主义和自由市场言论
摘要 基于蓬勃发展的种族市场文献，我研究了市场在色盲种族主义中的作用。我认为“市场”是日常政治思维中一种有用的修辞机制，它再现了白人至上主义。为了证明这一点，我研究了白人至上主义者和早期美国政治经济学家托马斯·罗德里克·杜的作品。通过关注他的政治经济学讲座，我发现新兴的市场研究让杜能够将美国种族秩序描述为产生社会利益的自然法则的产物。我认为，他支持奴隶制的论证之所以有效，是因为它对市场历史的想象不平衡，而这种想象过分代表了白人的经历。我使用非色盲史学，放大了美洲原住民和被奴役的美国黑人的不同经历，并挑战了白人定居者的理想化，从而揭示了杜支持奴隶制言论背后的假设。转向二十一世纪的儿童播客，我揭示了“市场”是如何重新配置相同的修辞策略的，其中白人的经历被过度代表和理想化，最终再现了白人至上的物质结果：维持和加深种族财富差距。
“固体”植物与“液体”蚂蚁菌落
信息处理是生物学的重要组成部分，可以协调生物内过程，例如开发，环境适应和有机体间交流。尽管在具有专门脑组织的动物中，大量信息处理以集中式的方式发生，但大多数生物计算分布在多个实体上，例如组织中的细胞，根系中的根或群体中的蚂蚁。物理背景，称为实施例，也影响生物计算的性质。虽然植物和蚂蚁菌落都执行分布计算，但在植物中，单位占据固定位置，而单个蚂蚁则四处移动。这种区别，固体与液体大脑计算，塑造了计算的性质。在这里，我们比较了植物和蚂蚁菌落中的信息处理，强调了相似性和差异的起源和利用差异。我们以讨论这种体现的观点如何为植物认知的辩论提供了讨论。
回结肠靶向 JAK 抑制剂：一种更安全、更有效的炎症性肠病治疗方法
1 Intract Pharma Ltd.，伦敦生物科学创新中心，2 Royal College Street，伦敦 NW1 0NH，英国 2 Merck & Co.，Inc.，126 East Lincoln Avenue，PO Box 2000，Rahway，新泽西州 07065，美国 3 UCL 伦敦大学学院药学院，29-39 Brunswick Square，伦敦 WC1N 1AX，英国 4 Karuna Therapeutics，Inc.，99 High St Floor 26，波士顿，马萨诸塞州 02110，美国 5 Treeline Biosciences，500 Arsenal Street，Suite 201，沃特敦，马萨诸塞州 02472，美国 6 90TEN，Battersea Studios，80 Silverthorne Road，伦敦 SW8 3HE，英国 7 中山大学药学院（深圳），广州 510275，中国 8 Kallyope，430 East 29 街，10 楼，纽约，NY 10016，美国 * 通讯地址：laxminarayan.hegde@merck.com (LGH)；hongshi_yu@merck.com (HY) † 这些作者对这项工作的贡献相同。