XiaoMi-AI文件搜索系统
World File Search Systemencode
疫苗研发中的人工智能：加速抗击全球流行病。
辉瑞-BioNTech 和 Moderna 新冠疫苗等 mRNA 疫苗的开发标志着疫苗技术的重大突破。人工智能在加速这些疫苗的设计和测试方面发挥了重要作用。机器学习模型被用于优化编码 SARS-CoV-2 刺突蛋白的 mRNA 序列，确保疫苗能够产生强烈的免疫反应而不会引起不良反应。人工智能还帮助研究人员设计了脂质纳米颗粒，以保护 mRNA 并确保其进入人体细胞。这项技术不仅加速了新冠疫苗的开发，还可能彻底改变其他疾病的疫苗 [5]。
主论文的机会：研究基本视觉
先前的研究表明，新皮层记忆ENGRAM的快速形成。虽然复杂的概念激活了大型分布式大脑网络，但我们仍然对形成复杂视觉记忆的各个方面的engrams的方式和何处都缺乏完整的了解。为了解决这个问题，我们专注于已知在早期视觉皮层中处理的基本视觉特征。我们的主要目标是了解我们如何编码和检索记忆，尤其是复杂的视觉记忆中的各个方面。具体来说，我们旨在遵循基本视觉特征（例如颜色和运动）的内存ENGRAM的开发。
数据科学和人工智能的解释灵活性
这导致了多种形式的解释灵活性的情境化[3]，扩大了 EPOR 和 SCOT 采用的范围以涵盖细微差别：EPOR 被设计为描述真理的回归（通常在科学争论中），而 SCOT 描述的是有用性的回归；[3] 中的作者最终引入了相关性回归的概念作为一个额外的视角，在他们的案例中，是为了研究围绕神经网络的争议 [4]。Humphreys 的工作进一步扩展了这一点，加强了技术与文化之间的对话关系，并通过分离不同的利益相关者：旁观者、用户、倡导者和生产者 [4]，丰富了相关社会群体的概念。但请注意，这未能编码个人与社会群体之间的关系和互动。
预测基于 CRISPR-Cas9 的表观基因组编辑的效果
摘要表观遗传调控协调哺乳动物转录，但它们之间的功能联系仍然难以捉摸。为了解决这个问题，我们使用来自 13 种 ENCODE 细胞类型的表观基因组和转录组数据来训练机器学习模型，以预测组蛋白翻译后修饰 (PTM) 的基因表达，对于大多数细胞类型，实现了 ∼0.70 −0.79 的转录组范围相关性。我们的模型重现了组蛋白 PTM 和表达模式之间的已知关联，包括预测转录起始位点 (TSS) 附近的组蛋白亚基 H3 赖氨酸残基 27 (H3K27ac) 的乙酰化会显著提高表达水平。为了通过实验验证这一预测，并研究 H3K27ac 的天然沉积与人工沉积对表达的影响，我们将合成的 dCas9-p300 组蛋白乙酰转移酶系统应用于 HEK293T 细胞系中的 8 个基因和 K562 细胞系中的 5 个基因。此外，为了便于建立模型，我们执行 MNase-seq 来绘制 HEK293T 中全基因组核小体占有水平。我们观察到，我们的模型在准确排序基因对 dCas9-p300 系统的相对倍数变化方面表现良好；然而，与根据其天然表观遗传特征预测跨细胞类型的表达相比，它们对单个基因内倍数变化进行排序的能力明显减弱。我们的研究结果强调，我们需要更全面的基因组规模表观基因组编辑数据集，更好地理解表观基因组编辑工具所做的实际修改，以及改进因果模型，以便更好地从内源性细胞测量转移到扰动实验。这些改进将共同促进理解和可预测地控制动态人类表观基因组的能力，以及对人类健康的影响。
鬃狮蜥腺病毒 1 的完整基因组序列含有三个编码 C 型凝集素样结构域超家族蛋白的基因
鬃狮蜥腺病毒 1 (BDAdV-1)，也称为鬣蜥腺病毒 1，已被全世界描述为内陆鬃狮蜥 (Pogona vitticeps) 的一种流行传染性病原体，鬃狮蜥是一种最常见的有鳞外来宠物爬行动物。之前有限的腺病毒 DNA 聚合酶和六邻体基因序列数据表明，BDAdV-1 是腺病毒科 Atadenovirus 属的成员。Atadenovirus 会感染反刍动物、有袋动物、陆龟类爬行动物和鸟类，但已证明该属源自有鳞爬行动物。在这里，我们报告了一项筛查调查以及 BDAdV-1 的完整基因组序列，该序列直接来自一条死去的幼年鬃狮蜥样本，该幼年蜥蜴在去世前表现出中枢神经系统症状。BDAdV-1 基因组为 35,276 bp，包含 32 个推定基因。它的基因组组织是 Atadenovirus 属成员的特征，然而，发散的 LH3 基因表明与其他属成员（如蛇腺病毒 1）相比，其结构相互作用具有不同的性质。我们鉴定了五种新型开放阅读框 (ORF)，其中三种编码 C 型凝集素样结构域 (CTLD) 超家族的蛋白质。ORF3 具有 CTLD II 组样结构域结构，显示出与自然杀伤细胞表面受体和用于神经趋向性的 α 疱疹病毒毒力因子基因 UL45 的结构相似性。与典型的腺病毒右端基因相比，ORF4 和 6 非常长，可能编码具有新型、以前未描述过的结构域结构的 CTLD 超家族成员。BDAdV-1 是迄今为止 Atadenovirus 属中最具发散性的成员，为腺病毒的多样性、进化和发病机制提供了新的见解。
开放地理空间联盟，公司
要素通常具有空间范围。此范围编码在要素的一个或多个属性中。可能需要执行复杂的计算才能从这些属性中获取要素范围。应制定规则以在相应要素类型的定义中编码计算给定类型要素的空间范围所需的信息。如果这些规则是机器可读的，则事件服务将能够自动计算任何给定要素的空间范围。由于要素类型定义的异质性以及在填充要素的 boundedBy 属性时给予数据提供者的自由度而出现的问题可以通过这种机制解决。
使用疾病特异性超图生成新的药物再利用假设
一种新化合物的药物开发流程可能持续 10-20 年，耗资超过 100 亿美元。药物再利用提供了一种更省时省钱的替代方案。基于网络图表示的计算方法（由疾病节点及其相互作用的混合组成）最近产生了新的药物再利用假设，包括适用于 COVID-19 的候选药物。然而，这些相互作用组在设计上仍然是聚合的，并且通常缺乏疾病特异性。这种信息稀释可能会影响药物节点嵌入与特定疾病的相关性、由此产生的药物-疾病和药物-药物相似性得分，从而影响我们识别新靶点或药物协同作用的能力。为了解决这个问题，我们建议构建和学习疾病特异性超图，其中超边编码各种长度的生物途径。我们使用改进的 node2vec 算法来生成通路嵌入。我们评估了我们的超图为一种无法治愈但普遍存在的疾病——阿尔茨海默病 (AD) 寻找再利用靶标的能力，并将我们的排序建议与来自最先进的知识图谱——多尺度相互作用组的建议进行比较。使用我们的方法，我们成功地确定了 7 个有希望的 AD 再利用候选药物，这些候选药物被多尺度相互作用组评为不太可能的再利用靶标，但现有文献提供了支持证据。此外，我们的药物再定位建议附有解释，引出了合理的生物学途径。未来，我们计划将我们提出的方法扩展到 800 多种疾病，将单一疾病超图组合成多疾病超图，以解释具有风险因素的亚群或编码特定患者的合并症，以制定个性化的再利用建议。
海报：GSIT：用于车辆网络中层次证书管理的几何空间信息树
摘要 - 这项工作介绍了几何空间信息树（GSIT），这是一个新颖的框架，通过将超平面分配给实体并降低下属节点的维度来构建层次关系。框架中的成员通过内部产品计算进行验证，简化执行步骤，同时跨越不同深度的层次结构进行身份验证。GSIT利用超平面的几何特性有效地编码和管理分层信息。它适用于车辆网络公共密钥基础架构（PKI），增强隐私保护，化名证书管理和多级可追溯性。此方法为管理安全的通信系统中的复杂层次结构提供了可扩展且灵活的解决方案。
成功老龄化和你的大脑
神经细胞或神经元是大脑的主力。它们的纤维或轴突与其他神经元形成突触连接。当神经元被激活时，它会向轴突发送低水平电流，释放大脑化学物质（神经递质），这些化学物质会扩散到微小的间隙中，并附着在接收神经元的受体上。这会引发一系列化学事件，信号沿着轴突传递，就像接力赛中的选手一样。当我们反复表演或体验某件事时，例如练习乐谱，我们会一次又一次地激活相同的突触回路。这些重复提高了回路的效率，并将体验或行为编码为持久记忆。
发现非编码调节变体的策略
尽管非编码变体在人类疾病中的重要作用至关重要，但我们对非编码区域的有限理解一直阻碍了非编码变体的解释和事先进行的解释。大型财团（例如编码（32）和Fantom5（5）以及独立的研究小组在注释这个很大程度上未知的领域的潜在功能元素方面取得了巨大进展。在这篇综述中，我们首先讨论了监管格局的各种注释，以及这些努力如何帮助破译非编码变体的生物学影响（图1）。然后，我们描述生物信息学工具中的进步，以通过整合这些功能注释来确定非编码变体的优先级。最后，我们提出了一系列的实验测定，以评估候选变体的调节潜力。