XiaoMi-AI文件搜索系统
World File Search Systemcurated
1001G+项目：拟南芥长阅读基因组组件的精选集合，以推进植物研究
*用于跑步：Nordborg。†其他字母列表：Carlos C. Alonso-Blanc 3，Fritschi Catri 2，Grigoreva 5， Kersey 10，康沃尔郡亚历山大5，Quichao Lian Magnus Nordborg 5，Ferdinand A. Rabbanal 2，Rebecca Schandry 2，路易莎·塞斯代尔2，塞巴斯蒂安边境
BGMDB：一个将肠道菌群失调与脑部疾病联系起来的精选数据库
肠道微生物群通过调节生理稳态和影响各种疾病的发病机制，在人类健康中发挥着关键作用。最近的研究强调了神经递质与多种脑部疾病的发展和治疗之间的密切关系，神经递质是肠道和大脑之间的通讯介质。尽管取得了这些进展，但在大量生物医学文献中，肠道微生物群与脑部疾病之间错综复杂的相互作用仍未得到充分探索。目前明显缺乏一个专注于肠道微生物群与脑部疾病关联的结构化数据库。我们来介绍一下 BGMDB（脑部疾病肠道微生物群数据库），这是一个精心策划的数据库，旨在提供实验支持的肠道微生物群与脑部疾病之间的联系。BGMDB 的当前版本广泛涵盖了 1,419 个关联，涉及 609 种肠道微生物群和 43 种脑部疾病，包括 184 个特定的关联三元组，将脑部疾病、神经递质和肠道微生物群与六种神经递质联系起来。值得注意的是，BGMDB 整合了 gutMGene 数据库中与肠道微生物群相关的基因数据。引入了脑区和疾病微生物网络，以研究脑部疾病和脑区变化之间潜在的共同遗传关系。BGMDB 中的每个条目都提供了对特定关联的详细见解，包括所涉及的特定脑部疾病、所涉及的肠道微生物群、神经递质以及相关文献参考支持的关系的简明描述。为了方便访问特定脑部疾病的相关信息，BGMDB 提供了增强的图形查询选项，以解决各种生物学相关的查询。此外，用户友好的界面允许用户方便地浏览、检索和下载条目。BGMDB 是研究与人类脑部疾病相关的微生物的宝贵资源。通过 http://43.139.38.118:8080/demo02/ 访问 BGMDB。
Aurigene.AI 是一种端到端的小分子药物发现解决方案，将 AI 和 ML 功能与 Aurigene 在合成和体内外测试分子方面的核心专业知识相结合。 该平台由一个精心策划的数据库组成，可用作训练数据。 模块化平台允许用户从一组生成、预测和计算算法中灵活地选择合适的 AI 模型。 它利用迭代 ML 过程进行合理有效的化学设计，并根据合成的可处理性和 ADME（吸收、分布、代谢、排泄）和效力等特性进行优先排序。
Aurigene Pharmaceutical Services 是一家全球合同研究、开发和制造组织 (CRDMO)。我们以加速创新的传统为基础，并在小分子和大分子药物发现、开发和制造方面拥有丰富的经验，我们的使命是坚持不懈地为客户的成功而努力，并通过整体方法建立长期关系，以加速分子从实验室到市场的进程。我们为发现化学、生物治疗药物发现、发现生物学、临床 I-III 期计划、监管提交批次和商业制造的开发和制造服务提供集成和独立服务。Aurigene 的独特之处在于其集成的 API 和配方服务，涵盖从关键起始材料、高级中间体和 API 到成品（如口服固体、无菌产品、鼻腔溶液等）。英国、墨西哥、美国和印度的 GMP 商业制造设施补充了我们在印度的开发和制药 API 制造服务。
CriSNPr，一种使用多种 Cas 系统对 CRISPR 诊断的 gRNA 进行精选和从头设计的单一界面
摘要 基于 CRISPR 的诊断技术 (CRISPRDx) 通过检测核酸和识别变异体改善了临床决策，尤其是在 COVID-19 大流行期间。新型和工程化的 CRISPR 效应子的发现加速了这一进程，它们扩大了诊断应用的范围，涵盖了广泛的致病和非致病条件。然而，每个诊断 CRISPR 流程都需要根据所用 Cas 蛋白的基本原理、其向导 RNA (gRNA) 设计参数和检测读数定制检测方案。这对于变异检测尤其重要，变异检测是基于测序方法的低成本替代方法，目前尚无用于 CRISPRDx 即用型设计的计算机模拟流程。在本文中，我们使用统一的 Web 服务器 CriSNPr（基于 CRISPR 的 SNP 识别）填补了这一空白，它为用户提供了基于六种 CRISPRDx 蛋白（Fn /en Fn Cas9、Lw Cas13a、Lb Cas12a、Aa Cas12b 和 Cas14a）从头设计 gRNA 的机会，并查询可用于验证相关样本的即用型寡核苷酸序列。此外，我们还提供了一个精选的预先设计的 gRNA 数据库以及迄今为止报告的所有人类和 SARS-CoV-2 变体的靶标/脱靶数据库。CriSNPr 已在多种 Cas 蛋白上得到验证，证明了其在多个检测平台上广泛且直接的适用性。CriSNPr 可在 http://crisnpr.igib.res.in/ 找到。
由专家精心策划的大型基准文档数据库...
用于查找相关文献的文档推荐系统大多依赖于十年前开发的方法。这主要是因为缺乏一个涵盖各种研究领域的大型离线黄金标准相关文献基准，以便可以比较、改进新开发的文献检索技术并将其转化为实践。为了克服这个瓶颈，我们成立了 RE 相关文献搜索联盟，该联盟由来自 84 个国家的 1500 多名科学家组成，他们共同注释了超过 180,000 篇 PubMed 收录文章与其各自的种子（输入）文章的相关性。大多数注释都是由经验丰富的种子文章原作者提供的。收集到的数据涵盖了 76% 的所有唯一 PubMed 医学主题词描述符。在不同经验水平、研究领域或注释时间所花费的人之间未观察到系统性偏差。更重要的是，不同科学家对相同文档对的注释高度一致。我们进一步表明，用于生成推荐文章以供评估的三种代表性基线方法（Okapi Best Matching 25、词频 - 逆文档频率和 PubMed 相关文章）具有相似的总体性能。此外，我们发现这些方法各自倾向于生成不同的推荐文章集合，这表明可能需要混合方法来进行比较
引文详情：Brown,P.、RELISH Consortium、Zhou,Y。大型专家精选数据库，用于对生物医学文献搜索中的文档相似性检测进行基准测试。数据库 (2019) 第 2019 卷：文章 ID baz085；doi：10.1093/database/baz085
用于查找相关文献的文档推荐系统大多依赖于十年前开发的方法。这主要是因为缺乏一个涵盖各种研究领域的大型离线黄金标准相关文献基准，以便可以比较、改进新开发的文献检索技术并将其转化为实践。为了克服这个瓶颈，我们成立了 RE 相关文献搜索联盟，该联盟由来自 84 个国家的 1500 多名科学家组成，他们共同注释了超过 180,000 篇 PubMed 收录文章与其各自的种子（输入）文章的相关性。大多数注释都是由经验丰富的种子文章原作者提供的。收集到的数据涵盖了 76% 的所有唯一 PubMed 医学主题词描述符。在不同经验水平、研究领域或注释时间之间未观察到系统性偏差。更重要的是，不同科学家对相同文档对的注释高度一致。我们进一步表明，用于生成推荐文章以供评估的三种代表性基线方法（Okapi Best Matching 25、词频 - 逆文档频率和 PubMed 相关文章）具有相似的总体性能。此外，我们发现这些方法各自倾向于生成不同的推荐文章集合，这表明可能需要一种混合方法来完全捕获所有相关文章。位于 https://relishdb.ict.griffith.edu.au 的已建立数据库服务器可免费下载注释数据和盲测新方法。我们预计，该基准将有助于促进开发新的强大技术，用于生物医学研究中的相关文章的标题和基于标题/摘要的搜索引擎。
引文详情：Brown,P.、RELISH Consortium、Zhou,Y。大型专家精选数据库，用于对生物医学文献搜索中的文档相似性检测进行基准测试。数据库 (2019) 第 2019 卷：文章 ID baz085；doi：10.1093/database/baz085
用于查找相关文献的文档推荐系统大多依赖于十年前开发的方法。这主要是因为缺乏一个涵盖各种研究领域的大型离线黄金标准相关文献基准，以便可以比较、改进新开发的文献检索技术并将其转化为实践。为了克服这个瓶颈，我们成立了 RE 相关文献搜索联盟，该联盟由来自 84 个国家的 1500 多名科学家组成，他们共同注释了超过 180,000 篇 PubMed 收录文章与其各自的种子（输入）文章的相关性。大多数注释都是由经验丰富的种子文章原作者提供的。收集到的数据涵盖了 76% 的所有唯一 PubMed 医学主题词描述符。在不同经验水平、研究领域或注释时间之间未观察到系统性偏差。更重要的是，不同科学家对相同文档对的注释高度一致。我们进一步表明，用于生成推荐文章以供评估的三种代表性基线方法（Okapi Best Matching 25、词频 - 逆文档频率和 PubMed 相关文章）具有相似的总体性能。此外，我们发现这些方法各自倾向于生成不同的推荐文章集合，这表明可能需要一种混合方法来完全捕获所有相关文章。位于 https://relishdb.ict.griffith.edu.au 的已建立数据库服务器可免费下载注释数据和盲测新方法。我们预计，该基准将有助于促进开发新的强大技术，用于生物医学研究中的相关文章的标题和基于标题/摘要的搜索引擎。
引用详情：Brown,P., RELISH Consortium, Zhou,Y. 用于对生物医学文献搜索中的文档相似性检测进行基准测试的大型专家精选数据库。数据库 (2019) 第 2019 卷：文章 ID baz085；doi:10.1093/database/baz085
用于查找相关文献的文档推荐系统主要依赖于十年前开发的方法。这主要是由于缺乏涵盖各种研究领域的大量离线相关文档黄金标准基准，因此无法比较、改进新开发的文献检索技术并将其转化为实践。为了克服这一瓶颈，我们成立了 RE 相关文献文献搜索联盟，该联盟由来自 84 个国家的 1500 多名科学家组成，他们共同注释了超过 180,000 篇 PubMed 列出的文章与其各自的种子（输入）文章的相关性。大多数注释均由经验丰富的种子文章原作者提供。收集的数据涵盖了所有唯一 PubMed 医学主题词描述符的 76%。在不同经验水平、研究领域或注释时间上均未观察到系统性偏差。更重要的是，不同科学家对同一文档对的注释高度一致。我们进一步表明，用于生成推荐文章以供评估的三种代表性基线方法（Okapi Best Matching 25、词频 - 逆文档频率和 PubMed 相关文章）具有相似的总体性能。此外，我们发现这些方法各自倾向于生成不同的推荐文章集合，这表明可能需要混合方法来完全捕获所有相关文章。位于 https://relishdb.ict.griffith.edu.au 的已建立数据库服务器可免费下载注释数据和盲测新方法。我们期望该基准将有助于促进开发用于生物医学研究相关文章的标题和基于标题/摘要的搜索引擎的新型强大技术。
引文详情：Brown,P.、RELISH Consortium、Zhou,Y。大型专家精选数据库，用于对生物医学文献搜索中的文档相似性检测进行基准测试。数据库 (2019) 第 2019 卷：文章 ID baz085；doi：10.1093/database/baz085
用于查找相关文献的文档推荐系统大多依赖于十年前开发的方法。这主要是因为缺乏一个涵盖各种研究领域的大型离线黄金标准相关文献基准，以便可以比较、改进新开发的文献检索技术并将其转化为实践。为了克服这个瓶颈，我们成立了 RE 相关文献搜索联盟，该联盟由来自 84 个国家的 1500 多名科学家组成，他们共同注释了超过 180,000 篇 PubMed 收录文章与其各自的种子（输入）文章的相关性。大多数注释都是由经验丰富的种子文章原作者提供的。收集到的数据涵盖了 76% 的所有唯一 PubMed 医学主题词描述符。在不同经验水平、研究领域或注释时间之间未观察到系统性偏差。更重要的是，不同科学家对相同文档对的注释高度一致。我们进一步表明，用于生成推荐文章以供评估的三种代表性基线方法（Okapi Best Matching 25、词频 - 逆文档频率和 PubMed 相关文章）具有相似的总体性能。此外，我们发现这些方法各自倾向于生成不同的推荐文章集合，这表明可能需要一种混合方法来完全捕获所有相关文章。位于 https://relishdb.ict.griffith.edu.au 的已建立数据库服务器可免费下载注释数据和盲测新方法。我们预计，该基准将有助于促进开发新的强大技术，用于生物医学研究中的相关文章的标题和基于标题/摘要的搜索引擎。
大型、精选、开源中风神经影像数据集，用于改进病变分割算法
准确的病变分割对于中风康复研究中病变负担的量化和准确的图像处理至关重要。目前，康复研究中常用的 T1 加权 (T1w) MRI 自动病变分割方法缺乏准确性和可靠性。手动分割仍然是黄金标准，但它耗时、主观，并且需要大量神经解剖学专业知识。我们之前发布了一个大型开源中风 T1w MRI 和手动分割病变掩模数据集 (ATLAS v1.2，N=304)，以鼓励开发更好的算法。然而，使用 ATLAS v1.2 开发的许多方法报告准确度低、不公开访问或未经适当验证，限制了它们在该领域的实用性。这里我们介绍了 ATLAS v2.0 (N=955)，这是一个更大的 T1w 中风 MRI 和手动分割病变掩模数据集，其中包括训练 (公开) 和测试 (隐藏) 数据。使用这个更大的样本进行算法开发应该会带来更稳健的解决方案，而隐藏的测试数据可以通过分割挑战进行无偏的性能评估。我们预计 ATLAS v2.0 将带来改进的算法，促进大规模中风康复研究。