摘要摘要喀斯特地质危害对广东港大湾大湾地区的城市建设和地下太空发展和利用构成了重大挑战,尤其是在广州和深圳。喀斯特探索通常涉及通过钻探和地球物理信息结合识别和评估洞穴。近年来,跨孔计算机断层扫描(CT)地球物理方法由于其易于运行和获得地质信息的能力而广泛用于大湾地区的喀斯特勘探中。但是,该方法在识别洞穴方面的准确性仍需要进行定量评估。本文使用模型因子方法对统计分析了大量有关喀斯特钻孔和探索的数据,跨孔CT喀斯特识别的准确性进行了统计分析。结果表明,该方法可以准确检测到洞穴屋顶,地板和高度的埋入深度,平均误差小于5%。洞穴屋顶埋入深度的预测准确性仅具有极低的变异性,只有5%,而洞穴高度的预测精度具有中等变化,超过35%。交叉孔CT喀斯特识别方法的精度稳定性令人满意,并且不受CT方法类型,洞穴填充条件,发射和接收点距离,钻孔类型,洞穴屋顶厚度,钻孔距离和验证孔距离等因素的影响。最后,分析证实了预测洞穴高度的模型因素遵循威布尔分布。本文还对当前的跨孔CT方法进行了简单的校正,该方法将模型的平均准确性提高了4%,并使变异性降低了3%,而不会增加计算复杂性。研究结果可以为喀斯特地区的喀斯特洞穴探索和风险评估提供理论支持。
病毒序列的日益普及导致了许多优化的病毒基因组重建工具的出现。鉴于新工具的数量在稳步增加,识别能够在准确性和计算资源之间取得平衡的功能性和优化工具以及每种工具提供的功能变得非常复杂。在本文中,我们调查了用于人类病毒基因组重建的开源计算工具(包括流程),确定了这些工具之间的具体特性、特点、相似之处和不同之处。为了进行定量比较,我们基于病毒数据创建了一个开源重建基准。该基准测试是使用合成数据集和真实数据集执行的。对于前者,我们评估了使用具有模拟突变率、污染和线粒体 DNA 包含以及不同覆盖深度的不同人类病毒对重建过程的影响。我们还使用真实数据集评估了每个重建程序,以展示它们在现实场景中的表现。评估指标包括重建前后基因组之间的同一性、归一化压缩半距离和归一化相对压缩,以及重建基因组的长度、每个工具所花费的计算时间和资源的指标。该基准完全可重现,可在 https://github.com/viromelab/HVRS 免费获取。
本研究调查了土耳其居米什哈内当地蜂蜜样品中氟氯氰菊酯、氯氰菊酯、溴氰菊酯和马拉硫磷的残留量。测定采用 GC/MS-MS 方法,使用 HP-5MS 色谱柱,条件如下:炉温 120 ℃,进样温度 250 ℃,压力 121.9 kPa,流速 1.2-1.8 mL/min。样品采自居米什哈内的 18 个站点。色谱测定采用标准加入法。15 个站点的样品中未检测到农药,但在其他三个站点采集的样品中检测到了目标农药。在 1.5 mL/min 流速下,残留水平从 0.18 mg/kg 到 9.50 mg/kg 不等。还使用 Box-Behnken 设计 (BBD) 优化对结果进行了评估。采用多元实验设计(流速和站点、农药类型)构建二次模型。回归分析表明,实验结果与模型预测值较为接近,判定系数(R2)为0.985。
1农业和自然资源教职员工,农业工程系,阿斯旺大学,阿斯旺,阿斯旺,埃及,2,农业教职员工,农业工程系,曼苏拉大学,曼苏拉大学,埃及,埃及,埃及,3,苏丹王子苏丹王子环境研究所,水和沙漠研究所,苏丹王子,水和沙漠王子,苏丹国际统治者,国际统治者,国际统治者,国际统治者。沙特阿拉伯,4号农业工程系,食品和农业科学学院,沙特国王大学,利雅得,沙特阿拉伯,沙特阿拉伯,5,工程工程学院,土木工程系,Minia大学,Minia,Minia,Minia,Minia,埃及,6,6工程和信息信息技术,结构性诊断研究小组中国广州大学,Zagazig大学农业学院8号农业工程系,埃及
糖尿病是全球死亡和残疾的十大主要原因之一,每年有150万死亡归因于疾病,这是失明,肾衰竭,心脏病发作,中风和下肢截肢的主要原因(WHO WHO,在线)。最常见的是2型糖尿病(T2DM),在过去的三十年中,其患病率在所有收入水平的国家中都显着上升,而90%的人通常在以后的生活中发病(Who who在线; Sun等,2022年)。与高收入国家(HIC)相比,在低收入和中等收入国家(LMIC)中,T2DM的流行率更快地升级了,估计占LMIC的全球T2DM人口的79.4%(IDF,2021年,2021年。In 2021, the estimated global annual cost of diabetes treatment was 966 billion USD (IDF, 2021), imposing a substantial health and economic burden on individuals, their families, and healthcare systems (Seuring, Archangelidi & Suhrcke, 2015).This rise is driven by a complex interplay of socio-economic, demographic, environmental and genetic factors, including urbanisation, an ageing population,降低体育锻炼水平并增加超重和肥胖症的患病率(IDF,在线)。
完整的研究报告:Mitchell,Ilic,O'Shea,Cossu,Schei,Angus,Fugard,Ng-Knight和Branzanti(2025)。评估威尔士酒精的最低价格 - 与零售商的研究最终报告和定量分析。加的夫:威尔士政府,GSR报告编号81/2024。可在以下网址提供:https://www.gov.wales/evaluation-minimum-price-alcohol-wales-wales-research-零售商and-Quantitative-Analysis
摘要 - 如果两辆车之间的撞车事故是即将发生的,则激活自动紧急制动器(AEB),以避免或减轻事故。但是,AEB的触发机制依赖于车辆的板载传感器,例如雷达和摄像机,这些传感器需要一线视线才能检测到坠机对手。如果视线受损,例如,由于恶劣的天气或阻塞,无法及时激活AEB以避免坠机。要处理这些情况,提出了一个2阶段的制动系统,其中第一阶段由部分制动器组成,该制动是由车辆到所有(V2X)通信触发的。第二阶段由标准AEB组成,该标准AEB仅由板载传感器检测触发。在障碍物的用例中分析了这种V2X增强的2阶段制动系统的性能,并将结果与仅使用AEB的系统进行了比较。通过确定坠机避免率进行定量评估,如果无法避免撞车,则通过估计坠机严重性缓解措施来评估。
摘要:大型化学存储库和组合化学空间的出现,加上高通量对接和生成式 AI,极大地扩展了用于药物发现的小分子化学多样性。选择用于实验验证的化合物需要根据有利的药物特性(例如吸收、分布、代谢、排泄和毒性 (ADMET))对这些分子进行筛选。我们开发了 ADMET-AI,这是一个机器学习平台,可作为网站和 Python 包提供快速准确的 ADMET 预测。ADMET-AI 在 TDC ADMET 基准组排行榜上的平均排名最高,它目前是速度最快的基于 Web 的 ADMET 预测器,与第二快的 ADMET Web 服务器相比,时间缩短了 45%。ADMET-AI 也可以在本地运行,预测一百万个分子仅需 3.1 小时。
这项工作确立了用茴香提取物制造的铜纳米果(Cunps)的细胞毒性,抗氧化剂和抗癌作用,尤其是在非小细胞肺癌(NSCLC)上。cunps以两种NSCLC细胞系A549和H1650以剂量依赖性方式引起细胞毒性。在100μg/mL时,CUNPS在A549细胞中降低到70%,H1650细胞中的65%。显示出细胞毒性作用(p <0。05)。乳酸脱氢酶(LDH)相应地在细胞中以很高的比例存在,在测试时证明。及其细胞毒性特性,Cunps表现出较高的抗氧化活性。当纳米颗粒的浓度高(100μg/ml)时,浓缩氧(ROS)的比率降低了多达50%,这反过来又表明抗氧化活性。有很多证据表明Cunps具有抗癌潜力。分子对PI3K/AKT/MTOR途径的影响已经表明,这是对癌症存活至关重要的途径之一。Western印迹分析和QRT-PCR结果表明,在CUNP暴露时,该途径中蛋白质会广泛降解。有趣的是,以100μg/ml的磷酸化下降了高达75%的PI3K,AKT和MTOR(P <0。001)。总之,这些发现说明了CUNPS治疗作用背后的机制,从而使它们成为NSCLC治疗的良好靶标。Cunps具有细胞毒性和抗氧化能力,以及肺癌途径的重大改变,因此可以将其视为抗癌候选者。
摘要 本文分析了罗马尼亚学者对商业和经济大学人工智能 (AI) 的认识、使用和使用意愿。它还强调了人工智能在经济和商业大学教育中的应用的主要后果,目的是确定一个适当的框架,以便在罗马尼亚的经济大学中规范地实施人工智能系统。该研究旨在确定教师在研究、教学和评估活动中个人主动使用人工智能的优势、劣势和意愿。所用的分析方法是定量的,通过管理一份在线问卷,熟悉教育人工智能的罗马尼亚学术教师对此进行了回应。数据处理使用 Smart PLS 进行,可以识别指导罗马尼亚经济教育中使用人工智能观点的统计关系。该样本代表正常数量的试点样本。研究结果很有用,因为它们确定了可以优化研究和教育过程以及教学、评估和学习的方面,以满足罗马尼亚经济学术环境中人工智能使用的日益增长的动态。学者们对使用人工智能系统的优势的看法以及他们提出的解决方案,以最大限度地发挥人工智能在研究、教学和评估活动中的优势。所有这些都有助于制定在罗马尼亚经济和商业教育中实施人工智能系统的框架。结果表明,人工智能在所分析大学的学术活动中的使用和整合处于早期阶段:人工智能主要用于对学生的评估,这可以自动完成。学者在教学和研究中使用人工智能的可能性很低。
