与植物相关的微生物已显示可帮助植物应对干旱。但是,基本机制知之甚少,并且关于哪种微生物分类单元和功能主要涉及的不确定性。我们在新热带雨林和识别的叶面微生物中探讨了这些问题,这些生物可能在树木的干旱耐受性中发挥作用。我们的目标是(i)测试新热带树中的干旱耐受性特征与其叶面真菌和细菌群落的多样性和组成之间的关系,以及(ii)与干旱耐受性特征相关的叶片微生物分类或负相关。我们的结果表明,叶真菌群落而不是细菌群落的组成与干旱耐受性有关。我们识别27
注意力控制理论认为,高测试焦虑 (HTA) 个体的注意力控制能力受损。然而,通过工作记忆训练,有可能提高这类人的注意力控制能力。本研究调查了 20 天的工作记忆训练(使用情绪中性刺激)是否能提高 HTA 个体的注意力控制能力。在测试相关压力情况下,使用 Flanker 和 Go/Nogo 实验任务测量注意力控制的前后结果,并收集脑电图数据。结果仅显示,HTA 个体在进行中性工作记忆训练后(即结果后与结果前)的 Nogo alpha 功率显著下降。然而,我们未能提供证据证明中性工作记忆训练对 Flanker 和 Go/Nogo 任务中任务表现的提高具有有益的转移效应。因此,本研究表明,在执行 Go/Nogo 任务时,中性工作记忆训练与重要的神经生理相关因素明显相关,但转移效应相当有限。
图形匹配,也称为网络对齐,是识别两个图表之间的双向反射,从而最大程度地提高了公共边数的数量。当两个图彼此完全同构时,此问题将减少到经典的图形同构问题,其中最著名的算法在准杂音时间时间中运行[1]。通常,图形匹配是二次分配问题[7]的实例,该实例已知可以解决甚至近似[38]。是由现实世界应用(例如社交网络去匿名化[45]和计算生物学[51])以及了解平均计算复杂性的需求,最近的研究集中在统计模型下的理论基础和有效的算法。这些模型假设这两个图是在隐藏的顶点对应关系下随机生成的,其中有相关的边缘,其中规范模型是以下相关的随机图模型。对于任何整数n,用u = u n表示为1≤i=j≤n的无序对(i,j)集。
摘要 — 尽管目前已有研究,但运动想象 (MI) 任务中产生的事件相关去同步 (ERD) 的变异性与 MI-BCI 性能之间的关系仍未得到很好的理解。事实上,之前的许多研究表明,ERD 模式在受试者之间和受试者内存在很大的变异性,但仍然难以理解这种变异的起源。缺乏对大脑运动模式变异性的了解限制了提高 BCI 性能的可能性,BCI 的性能平均仍然很差。我们认为,更好地了解 BCI 使用过程中 ERD 的变异性对于开发有效的接口至关重要。事实上,大多数研究都忽视了对 MI 期间试验间 ERD 及其整个实验会话期间的变异性的分析,这些研究主要集中于识别跨试验平均甚至跨参与者的 ERD 模式。在本研究中,我们计划分析大型 MI-BCI 数据库(n=75 名受试者),并研究右手和左手 MIs 任务(即 ERD)背后的大脑运动模式的个体间/个体内变异性与 BCI 性能之间的关系。我们的研究表明,尽管 ERD 幅度和基线功率与 BCI 性能相关,但 ERD 幅度或基线功率的变异性却无关。索引术语 — 运动意象;脑机接口;脑电图;变异性
* 电子邮件:camille.benaroch@inria.fr 简介:运动想象 (MI) 任务调节 EEG 活动,尤其是在 α 和 β 频带 (8-30 Hz) 中。在 BCI 校准期间,通常使用数据驱动方法来选择这些频带中的特征,而很少考虑由此产生的人类表现。这种方法能达到最佳性能吗?为了回答这个问题,本研究调查了机器学习选择的特定受试者频带的特征(平均频率 (FB-Mean) 和长度 (FB-Length))与在线 BCI 用户表现之间的关系。
Emmanuelt Le Chatelier 1 *, Trine Nielsen 2 *, Junjie Qin 3 *, Edi Prifti 1 *, Falk Hildebrand 4.5, Gwen Falony 4.5, Mathieu Almeida 1, Manimozhiyan Arumugam 2,3,6, Jean-Michel Batto 1, Sanannedo 1, Sanannedo 1, Sanannedo 1, San-Kennedo 1,Sannedo 1; 3.7,Kristoffer Burgdorf 2,Niels Grarup 2,TorbenJørgensen8,9,10,Ivan Brandslund 11.12,HenrikBjørnNielsen13,Agnieszka S. Juncker 13 G. Zoetendal 14, Søren Brunak 13, Karine Cle´ment 15,16,17, Joeiter Dor´e 1.18, Michiel Kleerebezem 14, Karsten Kristiansen 19, Pierre Renault 18, Thomas Sicheritz-Pontan 15,16,21, Jeroen Raes 4.5, Torben Hansen 2.22, Metahit Consortium {, Peer Bork 6,Jun Wang 3,19,23,24,25,S。DuskoEhrlich 1&Oluf Pedersen 2,26,27,28
诵读困难是一种神经发育障碍,其特征是阅读和/或拼写学习障碍(国际诵读困难协会,里昂等人,2003 年)。许多关于诵读困难的研究集中在语音处理缺陷(Griffiths 和 Snowling,2001 年;Pennington,2006 年;Vellutino 等人,2004 年),即处理单词的基本声音。尽管在这方面取得了很大进展,但对诵读困难的个体差异和其他认知过程(如语义处理)的研究较少。现有的阅读计算模型强调阅读是正字法、语音和语义处理系统动态交互的副产品。例如,并行分布式处理模型(Seidenberg 和 McClelland,1989 年)强调了这些系统的动态产品的重要性。朗读的双路径级联模型(Coltheart 等,2001)描述了三条阅读路径:非词汇阅读路径(通过字素到音素规则系统)、词汇非语义路径(通过正字法/音位输入词典)和词汇语义路径(通过语义系统)。
背景:肝细胞癌(HCC)是一种常见的恶性肿瘤,预后较差。微小浓度维持3(MCM3)蛋白被上调,但是生物学功能,分子机制以及与MCM3在HCC中的肿瘤免疫的关系仍然很少了解。方法:根据TCGA,GEO和LIHC数据库分析了MCM3在HCC中的表达水平和预后作用,以及40个成对的组织样品。我们对这些DEG进行了基因和基因组(KEGG)和基因本体(GO)分析的京都百科全书,以探索MCM3对HCC生物学行为的潜在影响。此外,还采用了流式细胞仪,CCK-8,EDU,菌落形成和裸鼠异种移植模型来研究MCM3的生物学功能。此外,通过计时器2.0,ACLBI和TCGA数据库分析了免疫细胞浸润,标记和与检查点相关的基因。结果:在这项研究中,我们研究了MCM3在HCC中的表达和功能。MCM3在包括HCC在内的多种肿瘤中高度表达,高MCM3表达与各种临床病理学参数呈正相关,并作为HCC总体存活率较差的预后不良的独立因素。同时,免疫特征分析表明,高MCM3表达与HCC中的免疫细胞浸润和免疫检查点有关。我们的功能富集分析表明,MCM3主要参与细胞周期和细胞代谢相关途径。此外,在体外和体内实验进一步证实,MCM3可以通过调节细胞周期进程来促进HCC的增殖。结论:我们的结果表明,MCM3在HCC中被上调,并且可能成为HCC患者诊断和治疗的生物标志物。
摘要最近,电子设备的开发以细胞外记录许多神经元的同时电动活动一直在开放,为接口和解码神经元活动打开了新的可能性。在这项工作中,我们测试了如何使用EDOT电聚合剂来调整制造材料,可以优化此类设备的电池 /电极界面。我们的结果表明,与金电极相比,检测到的神经元更高的信噪比,更好的生物相容性和更高数量的神经元。然后,使用具有2D神经元培养物与荧光光学成像结合的增强记录,我们检查了可以仅通过细胞外特征估算记录神经元的位置的程度。我们的结果表明,假设神经元以单脚骨的形式行为,可以用大约数十微米的精度估算位置。