XiaoMi-AI文件搜索系统
World File Search Systemcomputational
基于计算遗传学和转录组学研究的一项提名慢性疼痛治疗的药物重新利用候选者
对基因表达作用相反作用的药物，慢性疼痛表现出负相连通性评分。签名映射得分通常显示出乙状结肠分布，其中一部分测试药物对基因表达的疾病表达强烈或相反的影响，分别对应于高度正面或负相关得分。
基于计算遗传学和转录组学研究的一项提名慢性疼痛治疗的药物重新利用候选者
对基因表达作用相反作用的药物，慢性疼痛表现出负相连通性评分。签名映射得分通常显示出乙状结肠分布，其中一部分测试药物对基因表达的疾病表达强烈或相反的影响，分别对应于高度正面或负相关得分。
社论：使用计算建模改善干细胞移植递送
干细胞移植已成为再生医学的基石，因为它能够分化为各种细胞类型及其在免疫调节，治疗免疫学疾病和血液学恶性肿瘤中的潜在应用（1）。在各种干细胞类型中，多能胚胎干细胞（ESC）和多能干细胞（ASC）的分化潜力进行了广泛的研究。ESC具有较高的多能性，使它们能够在人体中产生任何细胞类型。然而，围绕其使用的伦理问题导致人们更加关注替代来源，例如诱导的多能干细胞（IPSC）和ASC，包括间质干细胞（MSC），神经干细胞（NSC）和血肿干细胞（HSC）。MSC通过调节T，B，天然杀伤（NK）和树突状细胞来显示免疫调节作用，使其成为自身免疫和炎症性疾病的有前途的工具（2，3）。来自人类脐带血的HSC已广泛用于造血和免疫相关疾病的移植疗法中（4）。HSC移植（HSCT）取得成功，取决于归宿，迁移，植入，自我更新和分化。这些复杂的过程受生长因子，细胞因子和利基相互作用的调节。尽管HSCT具有治疗潜力，但诸如移植物抗宿主病（GVHD），移植排斥和可变的患者结局等挑战持续存在。正在探索诸如免疫耐受性诱导和遗传的策略以及治疗修饰，以增强干细胞的存活和整合（5-8）。正在探索诸如免疫耐受性诱导和遗传的策略以及治疗修饰，以增强干细胞的存活和整合（5-8）。最近的进步表明，将计算模型与免疫数据集成为改善干细胞移植的新途径（9）。机器学习模型可以鉴定重新生成医学中涉及自我更新和谱系规范的关键转录因子和基因网络（10，11）。这些方法还促进了健康干细胞和癌症干细胞（CSC）的比较，这有助于开发恶性肿瘤的靶向疗法（12，13）。免疫学研究主题的前沿，“使用计算建模改善干细胞移植交付”典范这种跨学科方法，并在一系列编译的文章中汇集了开创性的研究，从而贡献了独特的
整体预测策略的新趋势：粗网格计算流体动力学的不确定性定量
工业和地球物理流体的抽象数值模拟通常无法求解确切的Navier-Stokes方程。因此，它们会通过强烈的本地错误。对于某些应用程序（例如耦合模型和测量结果），需要准确量化这些错误，而整体预测是实现此目标的一种方式。本文回顾了朝着这个方向提出的不同的处理。通过谎言运输对位置不确定性和随机对流的模型特别关注。此外，本文引入了一种新的基于能量预算的随机亚网格方案，以及在不确定性下进行参数化模型的新方法。最后，提出了新的整体预测模拟。将新随机参数化的技能与位置不确定性下的动力学和随机初始条件方法的动力学进行了比较。
使用计算系统生物学方法
Anna Niarakis 1.2 *†，Ostaszewski 3，Alexander Mazein 3，11，Carsten 11，Tobias 12，Felicia Burtcher L. Bhanwar Lal Lal Lal Puni 22，Aure´lien 2，4,5,6，4,5,6，Miguel Ponce-De-De-Leon 25约翰·A·3（John A.
开发计算思维：一个未插入的问题...
计算机科学领域正在迅速发展，对技术进步至关重要。为了跟上这一进步，许多国家都改革了通识教育课程，包括算法元素和计算思维，尤其是在数学方面。本研究旨在阐明计算思维的特征，并评估在数学教育的背景下，在发展学生的计算思维技能方面，未插入问题的方法的潜力。我们的初步发现表明，未插入的解决问题的方法有效地促进了学生的计算思维能力。根据我们的研究结果，我们建议一致的努力将算法和计算思维集成到各种学校学科，尤其是数学学科。
切碎：符号对齐使快速和敏感的CRISPR脱离目标检测
我们提出了一个完全计算的工作流，用于使用自然蛋白质的主链片段从头设计，而无需访问迭代实验优化。最佳设计的KEMP消除酶表现出> 140个来自任何天然蛋白质，高稳定性（> 85℃）和前所未有的催化效率（12,700 m -1 S -1）的突变，超过了以前的计算设计。我们发现，在活性部位内部和外部的突变都会有助于高观察到的活性和稳定性。在所有先前的KEMP消除酶设计中使用的芳族残基的突变将效率提高到> 10 5 m -1 s -1。我们的方法解决了设计方法的临界局限性，在复杂折叠中产生稳定，高效率，新的酶，并通过有限的实验努力对生物催化基础的基础知识进行测试假设。
全局PM2.5暴露和不平等
在计算机科学和人工智能不断发展的景观中，模糊图理论和拓扑指数的整合为决策过程提供了强大的框架。模糊图，其特征是它们处理不确定性和不精确的能力，扩展了传统的图形概念，从而使复杂网络的更细微的表示。本研究探讨了模糊拓扑指数在梯子和网格图中的应用，这些阶梯和网格图是网络理论中的基础结构。梯子图，类似于梯子的梯级，以及代表网状结构的网格图，通过模糊图理论的镜头进行分析，以提取有意义的见解，有助于决策。模糊拓扑指数与这些图形结构的融合为评估网络鲁棒性，优化路线和增强整体系统可靠性提供了强大的工具。本文深入研究了传统拓扑指数的探索，例如randić索引以及模糊的拓扑指数和模糊的Zagreb索引，专门用于梯子和网格图。我们通过机器学习技术分析上述图表，并提供全面的统计分析。我们发现梯子和模糊阶梯图之间以及网格和模糊的网格图之间存在很强的相关性。我们的发现表明，如果已知梯形图和网格图中的拓扑索引的值，那么我们可以准确地预测梯形图和网格图的模糊拓扑索引的值。使用机器学习技术对清晰和模糊图中的拓扑指数进行分析是一种创新的方法，不仅可以节省时间，而且还提供了更全面，更精确的评估。
揭示计算（生物）材料建模的前景
在此观点交流中，我们简要概述了计算（生物）材料研究的现状，并讨论了该社区中日益发现的四个挑战的可能解决方案：（i）希望开发一个统一的框架来测试新开发方法的实施一致性和物理准确性，（ii）选择一种标准格式，可以处理模拟数据的多样性，同时简化数据存储、数据交换和数据复制，（iii）如何处理海量数据的生成、存储和分析，以及（iv）高效“核心”引擎的好处。表达的观点是计算利益相关者在 Lorentz 中心研讨会上讨论的结果，该研讨会的标题为“多尺度建模研讨会”，旨在（i）改进计算结果的验证、报告和可重复性，（ii）改进模拟包和分析工具之间的数据迁移，（iii）在非专家中推广使用粗粒度和多尺度计算工具，并向扩展的用户社区开放这些现代计算发展。
计算图像美学的进展与挑战
摘要 计算图像美学旨在设计算法方法来执行美学决策，就像人类一样。在过去的十五年里，由于大量带注释的数据集和深度学习方法的出现，计算美学经历了前所未有的发展，影响了从图像增强到推荐和检索等多媒体领域的许多应用。在本章中，我们首先概述了几个世纪以来美学的几种解释，并提出了一组适合计算美学方法分类的维度。然后，我们通过对最流行的数据集、基于手工特征的早期方法和使用深度神经网络的现代方法进行批判性分析，介绍了过去十年计算美学的进展。在本章的最后一部分，我们讨论了计算美学质量评估中的一些开放性挑战：处理分数的内在主观性，并提供可解释的美学预测。特别是，在本章中，我们强调了数据收集在计算美学中的重要性。