XiaoMi-AI文件搜索系统
World File Search Systemengine
麻省理工学院生物工程科学与研究学院...
兹证明，Sagarika Khamkar 女士提交的论文“研究噬菌体和纳米颗粒作为生物防治剂在不同栖息地对硫酸盐还原菌 (SRB) 的影响”是生物工程学士学位的部分内容，该论文由我监督和指导，在浦那 Agharkar 研究所生物能源组完成。
机械工程概论 (besck104d/204d)
机械工程是将工程物理和数学原理与材料科学相结合的工程分支，用于设计、分析、制造和维护机械系统。它是最古老和最广泛的工程分支之一。机械工程领域需要了解核心领域，包括力学、动力学、热力学、材料科学、结构分析和电力。除了这些核心原理外，机械工程师还使用计算机辅助设计 (CAD)、计算机辅助制造 (CAM) 和产品生命周期管理等工具来设计和分析制造工厂、工业设备和机械、加热和冷却系统、运输系统、飞机、船舶、机器人、医疗设备、武器等。它是涉及机械设计、生产和操作的工程分支。
数字孪生在工程教育中的应用报告
本报告记录了创新教育预项目的成果，该项目为 NTNU 的研究船 R/V Gunnerus 的数字孪生奠定了基础，并将其应用于海洋技术研究系列课程。2018 年夏季和秋季，特隆赫姆 NTNU 的五名工程专业学生进行了开发任务。本报告主要记录了所进行的开发工作，以及在教育中使用 R/V Gunnerus 数字孪生的可能性，特别强调了作为海洋技术系 5 年理学硕士课程的一部分提供的特定课程。结论是，在工程学科教育中使用数字孪生支持既有助于加强学科洞察力，也有助于洞察产品和工程流程的数字化。该报告由特隆赫姆 NTNU 的海洋技术系和机械与工业工程系制作。该项目的摘要视频可在此处找到：Gunnerus 数字孪生演示视频。
重新设计大脑内皮特异性腺体 -
与腺相关病毒（AAV）是小的非致病病毒，研究人员用来将遗传物质传递到大脑中。最近的努力利用了小氨基酸插入到衣壳蛋白上，本质上是循环，以增强跨越血脑屏障（BBB）的跨越，以更好地治疗中枢神经系统。跨越AAV的BBB的第一步是由脑内皮细胞吸收的，在那里它们可以通过称为“跨胞菌病”的过程将其陪同到脑实质中。工程化的AAV“ X1.1”有效地靶向脑内皮细胞，但未经过跨膜；大概是因为它与低密度脂蛋白受体相关蛋白6（LRP6）的关系紧密。在我们的项目中，我们表征了X1.1的不同工程菌株具有较弱的LRP6亲和力，以确定它们能够通过转胞胞菌进入大脑而不是将有效载荷传递到脑内皮细胞中。确定转导，AAVS编码绿色荧光蛋白（GFP）。X1.1的六个新变体被表征，该变体在工程环中具有单个氨基酸取代。我们测试的一些变体未进入内皮细胞或大脑；但是，其中两个变体能够进入中枢神经系统，显示出针对脑内皮细胞，神经元和神经胶质的靶向。进一步分析了两个变体：我们对神经元和神经胶质标记进行了抗体染色，以定量这些细胞类型的转导。通过学习序列的序列决定因素，我们可以更有效地提供治疗含量。
香港通往绿色流动性的道路 - 研究收集
人体组织工程矩阵（HTEMS）已被提议作为原位式心脏瓣膜（TEHVS）的有前途的方法。然而，人们对HTEM中的ECM组成如何在组织培养时间中发展仍然存在有限的理解。因此，我们使用（IM-MUNO）组织学，生化测定和质谱法（LC-MS/MS）进行了培养时间（2、4、6周）的纵向HTEM评估。 2）使用基因集富集分析（GSEA）分析参与ECM开发的蛋白质途径； 3）使用单轴拉伸测试评估HTEM机械表征。最后，作为概念验证，使用6周HTEM样品进行了TEHV制造，在脉冲重复器中测试。LC-MS/MS证实了在组织学和生化测定中观察到的ECM蛋白的组织培养时间依赖性增加，揭示了最丰富的胶原蛋白（Col6，Col12），蛋白聚糖（HSPG2，VCAN，VCAN）和糖蛋白（FN，TNC）。gsea在2周（mRNA代谢过程），4周（ECM生产）和6周（ECM组织和成熟度）的HTEM中鉴定出最大代表的蛋白质途径。单轴机械测试显示出在失败时的刚度和应力增加，以及组织培养时间的应变减少。htem的TEHV在肺部和主动脉压力条件下表现出有希望的体外性能，具有对称的LEA频率和无狭窄。总之，在组织培养时间内ECM蛋白丰度和成熟度增加，随之而来的是HTEM机械性征象。这些发现表明，较长的组织培养会影响组织组织，导致可能适合高压应用的HTEM。
对整个神经系统进行逆向工程
摘要：神经科学的主要目标是了解神经系统或神经回路组合如何产生和控制行为。如果我们能够可靠地模拟整个神经系统，从而复制大脑对任何刺激和不同环境的反应动态，那么测试和改进我们的神经控制理论将变得非常容易。更根本的是，重建或建模一个系统是理解它的一个重要里程碑，因此，模拟整个神经系统本身就是系统神经科学的目标之一，实际上是梦想。要做到这一点，我们需要确定每个神经元的输出如何依赖于某个神经系统中的输入。这种解构——从输入输出对理解功能——属于逆向工程的范畴。目前对大脑进行逆向工程的努力主要集中在哺乳动物的神经系统上，但这些大脑极其复杂，只能记录微小的子系统。我们在此认为，现在是系统神经科学开始齐心协力对较小系统进行逆向工程的时候了，而秀丽隐杆线虫是理想的候选系统。特别是，已建立并不断发展的光生理学技术工具包可以非侵入性地捕获和控制每个神经元的活动，并扩展到大量动物群体的数十万次实验。由于个体神经元的身份在形式和功能上基本保持不变，因此可以合并不同群体和行为的数据。然后，基于现代机器学习的模型训练应该能够模拟秀丽隐杆线虫令人印象深刻的大脑状态和行为范围。对整个神经系统进行逆向工程的能力将有利于系统神经科学以及人工智能系统的设计，从而为研究越来越大的神经系统提供根本性的见解和新方法。
逆转整个神经系统
摘要：有许多关于如何由神经元控制行为的理论。测试和完善这些理论将很大程度上促进。此外，模拟神经系统本身就是系统神经科学中的大梦想之一。但是，这样做需要我们确定每个神经元的输出如何取决于其输入，这是我们称之为反向工程的过程。目前对哺乳动物神经系统的关注，但是这些大脑令人难以置信，仅允许记录微小的子系统。在这里，我们认为，系统神经科学的时间已经成熟，可以努力进行较小的系统，而秀丽隐杆线虫是理想的候选系统，因为既定的餐水生理学技术可以捕获和控制每个神经元的活性并扩展到成千上万的实验。可以组合跨种群和行为的数据，因为整个个体神经系统在形式和功能上都在很大程度上保守。现代基于机器学习的建模应该可以对秀丽隐杆线虫的脑状态和行为的令人印象深刻的广度进行模拟。对整个神经系统进行逆向工程的能力将使人工智能系统和所有系统的设计有益于神经科学的设计，从而实现基本见解以及新的方法来研究逐渐更大的神经系统。
