XiaoMi-AI文件搜索系统
World File Search Systemdiscover
一个关于患有注意力缺陷多动症和自闭症的酷孩子发现睡眠的重要性的故事作者：Susan Ozer
尽管我和弟弟肖恩（发音为 SHON）的喜好不同，但我们相处得很好。肖恩喜欢火车，当我们乘坐伦敦地铁时，他会非常兴奋。他非常聪明，知道所有地铁列车、车站、路线和站点的名称。肖恩小的时候，每当他心情不好时，爸爸妈妈就会带他去我们家附近的车站看火车，因为这似乎能让他平静下来。与我不同，肖恩讨厌参加生日聚会，也不喜欢参加游玩约会。肖恩说，聚会上的大声喧哗和明亮的灯光让他感到恶心。肖恩真的很沮丧，尤其是当气球爆裂时，他说气球发出的噪音让他耳朵痛。不参加聚会或游玩约会似乎并没有让肖恩感到困扰，因为他说他宁愿和我或他的朋友本一起玩，本也喜欢火车。妈妈和爸爸最近告诉我，肖恩患有一种称为自闭症谱系障碍或自闭症的疾病，这种疾病与多动症不同，这种疾病是因“OTISIM”等短音引起的。他们还说，自闭症是肖恩以特定方式做事和不喜欢某些事物的原因。
FW：探索科学：2025 年夏季本科生实习申请开放 - Zarei Chaleshtori，Maryam - 展望
SULI 面向就读 4 年制院校和社区学院的全日制学生或获得学士学位或副学士学位两年内的应届毕业生。CCI 面向社区学院学生。这两个项目都是基于津贴的，每年秋季、春季和夏季提供三次。居住在通勤区以外的参与者将获得往返主办实验室的往返交通费以及住宿方面的经济援助。
将表型组驱动的药物-靶标相互作用预测与基于患者电子健康记录的临床佐证相结合，以发现新药
动机：使用人类表型数据预测药物-靶标相互作用 (DTI) 有可能消除动物实验和人类临床结果之间的转化差距。人类表型驱动的 DTI 预测的一个挑战是整合和建模不同的药物和疾病表型关系。利用大量临床观察到的药物和疾病表型以及 7200 万患者的电子健康记录 (EHR)，我们通过无缝结合 DTI 预测和临床证实，开发了一种新颖的集成计算药物发现方法。结果：我们通过建模 1430 种药物、4251 种副作用、1059 种疾病和 17860 个基因之间的 855904 种表型和遗传关系，开发了一个基于网络的 DTI 预测系统 (TargetPredict)。我们对 TargetPredict 进行了从头交叉验证系统评估，并将其与最先进的表型驱动的 DTI 预测方法进行了比较。我们应用 TargetPredict 来确定阿尔茨海默病 (AD) 的新型重新定位候选药物，阿尔茨海默病在美国影响了 580 多万人。我们使用超过 7200 万患者的 EHR 评估了顶级重新定位候选药物的临床有效率。当使用 910 种药物进行评估时，从头交叉验证中的受试者工作特征 (ROC) 曲线下面积为 0.97。TargetPredict 的表现优于最先进的表型驱动的 DTI 预测系统，这通过精确度-召回率曲线衡量[通过平均精确度 (MAP) 衡量：0.28 比 0.23，P 值 < 0.0001]。基于 EHR 的病例对照研究发现，处方中排名靠前的重新定位药物与 AD 诊断风险降低显著相关。例如，我们发现，利拉鲁肽（一种 2 型糖尿病药物）的处方与 AD 诊断风险降低显著相关 [调整后的优势比 (AOR)：0.76；95% 置信区间 (CI) (0.70, 0.82)，P 值 < 0.0001]。总之，我们的综合方法无缝结合了计算 DTI 预测和基于 EHR 的大规模患者临床确证，在快速识别复杂疾病的新药物靶点和候选药物方面具有很高的潜力。可用性和实施：nlp.case.edu/public/data/TargetPredict。联系方式：rxx@case.edu
大数据和人工智能发现针对无三维结构蛋白质的新型药物，并攻克无药可用靶点
摘要 靶向药物的发现很大程度上依赖于靶蛋白的三维结构，当未知蛋白质靶点的三维结构时，设计其对应的靶向药物非常困难。某些蛋白质（即所谓的不可成药靶点）尽管三维结构已知，但却缺乏针对它们的药物。随着蛋白质数据库中存储的晶体/低温电子显微镜结构越来越多，发现靶向药物的可能性大大增加。此外，通过识别先前不可成药的靶点的隐藏变构位点，也很有可能将之前的不可成药靶点转变为可成药靶点。本文主要介绍目前可用的针对未知三维结构的蛋白质发现新化合物的先进方法，以及如何将不可成药的靶点转变为可成药的靶点。
基于结构的药物设计，以发现TRIM71蛋白的潜在HIT分子，以防止先天性脑积水Veer Bhatia 1和Divya ra
trim71是在人类中大量表达的基因，在早期的胚胎发生和神经分化中起着至关重要的作用，通过与靶MRNA结合，触发翻译抑制或mRNA降解。3 Qiuying Liu等人，研究人员使用交联的免疫沉淀和测序（CLIP-SEQ）技术探索了小鼠中CH相关的突变。这项研究很重要，因为蛋白质对人类表现出相似的反应。4研究表明，突变的TRIM71蛋白与不同的靶标mRNA结合，表明“功能的获取”。具体而言，小鼠中的R595H-TRIM71与CTNNB1基因中的mRNA结合，该基因编码了β-catenin蛋白，这对于干细胞分化至关重要。5抑制其翻译可阻止神经发育必需蛋白质的产生。相反，R783H-TRIM71与LSD1 mRNA结合，抑制其翻译并导致干细胞分化的缺陷。5
Vertex 对科学研究道德行为的承诺在 Vertex，我们发现、开发并提供针对严重人类疾病的创新疗法
Vertex 对科学研究合乎道德行为的承诺 在 Vertex，我们发现、开发并提供针对严重人类疾病的创新疗法。为了发现这些疗法，我们开展科学研究。为了履行对患者、员工和所有利益相关者的承诺，我们必须按照最高的道德原则开展科学研究。Vertex 的所有科学研究都遵循三项道德原则。这些原则是 - 尊重、卓越和诚信。尊重是指高度重视任何材料或信息的来源和主题，包括人类材料、遗传信息以及动物和/或动物材料的使用。更具体地说，尊重意味着我们以对捐赠者的最高尊重开展科学研究，并负责任地获取和管理这些材料和信息。卓越是指保持最高的专业标准。这些标准包括遵守所有适用的法律法规、专业责任准则和公认的研究实践。实验设计、执行和分析将遵循当前的最佳实践。卓越还指科学方法的公正应用，包括由预先定义的假设、明确定义的协议和合格专家进行的数据分析指导的严格实验设计。完整性是指诚实、准确、客观、可追溯以及方法和数据不受破坏。独立重现结果和/或重建研究的能力对于确保数据的完整性至关重要。这三个关键原则适用于所有进行研究的人。鉴于 Vertex 继续走在研究的前沿，为患者带来新技术和治疗方式，包括干细胞衍生疗法和 CRISPR/cas9 基因编辑，以下是 Vertex 的道德框架如何应用于涉及人体组织材料、基因研究和动物研究的研究，以及我们维护数据科学完整性的指南。科学研究中人体材料的道德使用
巴黎，10/02/2025新闻稿法国2030：在AI Action Summi
巴黎，2010年10月2日，新闻稿法国2030年：在2月6日至11日在巴黎举行的AI行动峰会上，发现35 AI融合挑战的结果，Bruno Bonnell秘书长，法国2030年投资的秘书长，正在为第2030卷投资，将在35个“ AI I Inviress forment of 35” <35个“ AI CREANCERS” 这些发现将在2月10日在大宫殿的各个会议上和2月11日在F站的AI工作日进行详细介绍。。这些发现将在2月10日在大宫殿的各个会议上和2月11日在F站的AI工作日进行详细介绍。在发布两个月后，35个选定的挑战表明了他们在解决关键社会问题时为AI提供创新方法的能力，同时围绕共同的大规模目标将国际生态系统汇集在一起。这些雄心勃勃的挑战反映了全球创新生态系统中的集体发展，并在埃塞俄比亚，科特迪瓦，摩洛哥，印度，美国，加拿大，英国，波兰，丹麦，德国，德国和法国进行。旨在推广国际AI倡议为共同利益促进国际AI倡议，这35项挑战旨在克服重大技术障碍并解决大规模社会问题：
