XiaoMi-AI文件搜索系统
World File Search Systemcovering
横跨陆地节肢动物的分散，生命史和热壁细分市场的一致协变
建立肽序列与原纤维形成之间的基本关系对于理解蛋白质错误折叠过程和指导生物材料设计至关重要。在这里，我们将全原子分子动力学（MD）模拟与人工intel-ligence（AI）相结合，以研究短肽序列排列的细微变化如何影响其形成原纤维的倾向。我们的结果表明，疏水残基的分布和电荷簇的分布很小，可以显着影响成核速率和跨β结构的稳定性。为了快速扩展此分析，我们开发了一个主动学习 - 增强的框架 - 用于分子动力学的机器学习（ML4MD），从而根据MD衍生的聚合数据迭代地完善了其预测。ML4MD有效筛选了许多肽排列，并指导发现先前未识别的原纤维式序列，从而在接收器操作特征（ROC）曲线（AUC）下达到0.939的接收器下方。总体而言，ML4MD通过将详细的原子模拟与快速和高敏锐的ML预测整合在一起，简化了淀粉样蛋白样肽的合理设计。
在巴西发现和交付新一代关键矿物项目
►本演讲包括某些前瞻性语句。前瞻性陈述包括对未来收益或财务状况或绩效的指示，指导或前景，包括从生产目标中得出的预测财务信息。前瞻性陈述是预测，并且受风险，不确定性和假设的约束，这些陈述超出了半人值金属的控制。这些风险，不确定性和假设包括各个国家和地区的商品价格，货币波动，经济和金融市场状况，环境风险以及立法，财政或监管发展，政治风险，项目延迟或进步，批准和成本估算。实际值，结果或事件可能与本介绍中表示或暗示的值大不相同。鉴于这些不确定性，警告读者不要过分依赖前瞻性陈述。本演示文稿中的任何前瞻性陈述仅在本演讲的发行日期。遵守适用法律和ASX上市规则的任何持续义务，Centaurus Metals不承担任何义务，以更新或修改本演示文稿中的任何信息或任何前瞻性陈述，或任何此类前瞻性陈述所基于的事件，条件或情况中的任何更改。
在巴西发现和交付新一代关键矿物项目
►本演讲包括某些前瞻性语句。前瞻性陈述包括对未来收益或财务状况或绩效的指示，指导或前景，包括从生产目标中得出的预测财务信息。前瞻性陈述是预测，并且受风险，不确定性和假设的约束，这些陈述超出了半人值金属的控制。这些风险，不确定性和假设包括各个国家和地区的商品价格，货币波动，经济和金融市场状况，环境风险以及立法，财政或监管发展，政治风险，项目延迟或进步，批准和成本估算。实际值，结果或事件可能与本介绍中表示或暗示的值大不相同。鉴于这些不确定性，警告读者不要过分依赖前瞻性陈述。本演示文稿中的任何前瞻性陈述仅在本演讲的发行日期。遵守适用法律和ASX上市规则的任何持续义务，Centaurus Metals不承担任何义务，以更新或修改本演示文稿中的任何信息或任何前瞻性陈述，或任何此类前瞻性陈述所基于的事件，条件或情况中的任何更改。
与反事实>的大规模视力语言模型中的偏见
随着大型语言模型（LLM）的出现，具有越来越令人印象深刻的范围，已经提出了许多大型视觉模型（LVLM），以使LLM具有视觉输入。这样的模型在输入显示和文本提示下生成了文本，从而实现了各种用例，例如视觉问答和多模式聊天。虽然先前的研究检查了LLMS产生的文本中所包含的社会偏见，但该主题在LVLM中得到了相对尚未探索的。检查LVLMS中的社会偏见尤其具有挑战性，这是因为在文本和视觉方式中所包含的信息所产生的偏见的混乱贡献。为了解决这个挑战性问题，我们对不同的LVLM产生的文本进行了大规模研究，该文本在反事实上对输入图像进行了更改，从而从流行模型中提出了超过5700万个响应。我们的多维偏见评估框架表明，图像中描述的种族，性别和身体特征等社会属性可能会显着影响有毒内容，能力相关词，有害的立体类型以及个人的数值等级的产生。
发现神经元中的新型转录增强子...
神经精神疾病越来越普遍。鉴于其复杂且多因素的发病机理，迫切需要有效且有针对性的疗法可以改善患者的生活质量。全基因组关联研究（GWASS）已经确定了各种遗传改变，这些改变有助于神经精神疾病的发展和发展，从轻度阅读障碍到更严重的疾病，例如精神分裂症。虽然成千上万的单核苷酸多态性（SNP）（SNP）与DNA中的单个核苷酸位置发生了变化 - 与神经系统疾病有关，但大多数位于基因组的非编码区域。尽管这些非编码区未编码蛋白质，但它们包含调节元素，例如增强子序列，在控制基因表达中起着至关重要的作用。增强子可以在长距离内调节基因活性，并且通常特定于细胞类型和发育阶段。尽管其重要性，但增强子的特征仍然很差，并且尚未完全了解其在神经系统发展和疾病中的精确功能。在一项新的研究中，奇巴大学高级学术研究与医学研究院医学研究所Masahito教授以及Karolinska Institutet，Sweden，Sweden和PelinSahlénnewlobleInstutter from fromniwleart Institute froment from Technology的Karolinska Institutet的Huddinge（MedH）的Juha Kere和Peter Swoboda教授以及彼得罗斯卡研究所（Karolinska Institutet）的彼得·斯沃博达（Peter Swoboda）博士。他们还研究了与神经元疾病有关的假定增强子与GWAS识别的基因座之间的关联。他们进行了一系列高级分析，以使用Luhmes细胞来识别和表征参与神经元分化的增强子，Luhmes细胞是源自人类胎儿中脑多巴胺能神经元的细胞系。该研究的主要作者Yoshihara博士很快就会发表在EMBO报告中，他说：“阐明与疾病相关的变体影响基因调节的方式可以揭示以前统一的参与神经元疾病的分子途径，并揭示了用于药物开发的新型治疗靶标。”研究人员使用了luhmes神经元前体细胞，这些细胞可以分化为与人脑衍生神经元具有高转录相似性的功能性神经元。他们采用了基因表达（CAGE）和天然伸长转录本（净）键的CAP分析，以识别和量化基因组宽水水平的启动子和增强子的活性。这些技术与靶向的染色体构象捕获（Capture Hi-C/HICAP）相结合，这是一种将远处增强子与其靶基因联系起来的高级测序方法。该分析确定了47,350个主动推定增强剂，其中65.6％是新颖的，并且证明了与帕金森氏病，精神分裂症，双相情感障碍和主要抑郁症相关的SNP富集。最后，他们在培养细胞中进行了体外测定，以验证启动子增强子相互作用。使用CRISPR-CAS9系统进行基因组编辑，他们激活了与神经元分化和疾病有关的基因的增强子和启动子。与他们的分析一致，增强子的激活导致靶基因的表达水平显着升高。
通过基于字符串压缩∗
可以使用不保留文本结构的模型或使用保留文本结构的模型来表示文本数据集。我们的差异是，根据数据集的性质，可以使用一个模型来保留文本结构的优势，而不是该模型的模型，而Viceversa则可以使用。关键是根据数据集本身确定表示术数据集的最佳方法。在这项工作中，我们建议通过基于字符串压缩组合文本失真和算法聚类来研究此问题。具体来说，作者先前开发的一种失真技术逐渐破坏文本结构。之后，基于字符串组合的聚类算法用于分析失真对文本中包含的信息的影响。在文本数据集和人工生成的数据集上进行了几项实验。结果表明，在强大的结构数据集中，随着文本结构被严格破坏，聚类结果恶化。此外，他们表明，使用一个可以选择左字节符号大小的压缩机有助于确定数据集的性质。最后，结果与基于多维投影的方法形成鲜明对比，并获得了类似的结论。
利用交叉注意力网络发现成对相互作用来预测药物-靶标亲和力 S. Falahati a、F. Zamani* a、MA Khodamoradi b
在药物发现中，药物-靶标亲和力 (DTA) 被视为至关重要的一步，因为它有助于在开发过程中识别最有前途的候选药物。由于必须考虑药物和靶分子的结构和功能，以及它们复杂而非线性的相互作用，DTA 预测是一项具有挑战性的任务。本研究的目的是提出一种新颖的 DTA 预测框架，该框架利用图神经网络 (GNN) 的交叉注意网络 (CAN) 的优势。然而，使用 GNN 表示图会保留其 3D 结构信息。现有的基于注意力的方法并未充分利用它们。我们的框架使用 CAN 通过分析药物分子的不同部分如何与蛋白质的特定区域相互作用来捕获药物-靶标对的更准确表示。我们在顺序架构中使用 GIN 和 GAT 来捕获药物图分子的局部和全局结构信息。我们在两个基准数据集 Davis 和 KIBA 上评估了所提出方法的性能。其性能令人鼓舞，在均方误差 (MSE) 和一致性指数 (CI) 方面优于许多最先进的方法。具体来说，对于 Davis 数据集，我们实现了 0.222 的 MSE 和 0.901 的 CI，而对于 KIBA，我们获得了 0.144 的 MSE 和 0.883 的 CI。我们的方法提高了相互作用分析的可解释性和特异性，为药物发现过程提供了更深入的见解，并为预测的 DTA 提供了有价值的解释。我们的研究代码可在以下网址获取：https://github.com/fsonya88/CAN-DTA。
发现 NOTCH1 是治疗 MLL 重排白血病的有希望的靶点
摘要：MLL 重排 (MLL r) 是导致预后不良的急性白血病的原因。因此，迫切需要新的治疗方法。NOTCH1 通路在包括急性白血病在内的许多癌症的发病机制中起着关键作用。使用 CRISPR/Cas9 MLL-AF4/-AF9 易位模型，新开发的毒性副作用较小的 NOTCH1 抑制剂 CAD204520 使我们能够揭示 NOTCH1 作为 MLL r 白血病的致病驱动因素和潜在治疗靶点的影响。我们的 MLL r 模型和 MLL r 细胞系的 RNA 测序 (RNA-seq) 和 RT-qPCR 显示 NOTCH1 通路过表达和激活。令人惊讶的是，我们证实了白血病患者中这种表达水平升高。我们还证明 CAD204520 治疗 MLL r 细胞可显着降低 NOTCH1 及其靶基因以及 NOTCH1 受体表达。类似阿糖胞苷治疗未观察到这种现象，表明小分子具有特异性。因此，使用 CAD204520 治疗导致剂量依赖性增殖和活力降低、细胞凋亡增加，并通过下调 MLL 和 NOTCH1 靶基因诱导细胞周期停滞。总之，我们的研究结果揭示了 NOTCH1 通路在 MLL 或白血病中的致癌相关性。抑制该通路可产生特定的抗白血病作用，并为进一步在临床环境中进行评估铺平了道路。
发现黑盒优化的表示
黑盒优化中解决方案的编码是一种微妙的、手工平衡，既要考虑表达能力和领域知识，又要考虑探索各种解决方案和确保这些解决方案有用。我们的主要见解是，这个过程可以通过使用质量多样性算法（此处为 MAP-Elites）生成高性能解决方案的数据集，然后从该数据集中学习生成模型（此处为变分自动编码器）的表示来实现自动化。我们的第二个见解是，这种表示可用于将质量多样性优化扩展到更高维度，但前提是我们要仔细混合使用学习到的表示生成的解决方案和使用传统变分算子生成的解决方案。我们通过学习一千个关节平面臂的逆运动学的低维编码来展示这些能力。结果表明，学习到的表示使得能够以比标准 MAP-Elites 少几个数量级的评估来解决高维问题，并且一旦解决，生成的编码可用于快速优化新颖但相似的任务。所提出的技术不仅可以将质量多样性算法扩展到高维，而且表明黑盒优化编码可以自动学习，而不是手动设计。
海报：在自动驾驶系统中发现传感器 - 融合 - 视力攻击
摘要 - 结合了LiDAR和相机等备用器的多数传感器融合（MSF），它引起了人们的关注，以此作为对Lidar Spoofiff的对策，威胁着自动驾驶系统的安全性。但是，当前无国界医生实施的有效性尚未在实际的自主驾驶系统中彻底列出。在这项研究中，我们提出了一个初始框架，旨在基于开源自动驾驶软件AutoWare Universe和Awsim Simulator探索MSF的潜在漏洞。通过使用此框架进行的实验，我们证明了自动保健宇宙中的MSF实现也可能导致整个系统的危险状态，即使摄像机丢失了镜头点云，摄像机可以正确检测对象。此漏洞之所以出现，是因为相机信息仅限于点云聚集中的补充作用。我们的发现表明，自动保健宇宙中的MSF实施缺乏针对LiDAR SPOOFIFG FIFG攻击的能力，由于其结构上的限制。该框架可在以下网址获得：https：// gi thub.com/keio-csg/multi-sensor-defense-analysis-platform。