XiaoMi-AI文件搜索系统
World File Search Systemexpressed
归一化的关联，非差异表达
交叉数据测试对于检查机器学习（ML）模型的性能至关重要。但是，大多数关于转录组和临床数据建模的研究仅进行了数据内测试。还不清楚归一化和非差异表达基因（NDEG）是否可以改善ML的跨数据库建模性能。因此，我们旨在了解归一化，NDEG和数据源是否与ML在跨数据库测试中的性能有关。使用了TCGA和ONCOSG中肺腺癌病例共享的转录组和临床数据。仅使用转录组数据就达到了最佳的跨数据库ML性能，并且在统计学上比使用转录组和临床数据更好。最佳平衡精度（BA），曲线下的面积（AUC）和在TCGA上的ML算法培训中的精度明显高于ONCOSG的测试，而在ONCOSG上进行了测试并在TCGA上进行了测试（所有人的P <0.05）。归一化和NDEG在两个数据集中大大改善了数据集中的ML性能，但在跨数据库测试中却没有。引人注目的是，单独对ONCOSG的转录组数据进行建模优于建模转录组和临床数据，而TCGA中包括临床数据的转录组和临床数据并没有显着影响ML性能，这表明TCGA中转录量数据的临床数据值有限或转录量的倒数影响。在数据内测试中的性能提高更为明显。在比较的六个ML模型中，支持矢量机是在数据集和跨数据库测试中最常见的表现最常见的。因此，我们的数据显示了数据源，归一化和NDEG在建模转录组和临床数据中与数据集和跨数据库ML性能相关。
识别高度表达的基因和有效的核心...
摘要。具有特定转录活性的有效启动子在调节外源基因表达中起着显着的作用。对骨骼肌的有效启动子对骨骼肌肉的高表达能力。这对于通过结合基因编辑和传统繁殖技术的有针对性改善牲畜肉质的质量非常重要。To identify efficient promoters specific to the skeletal muscles of buffalo, in the present study, a total of 14 genes, CACNG1 , LRRC30 , CACNG6 , MYOG , VGLL2 , MYOD1 , KCNA7 , DUPD1 , PRR32 , LBX1 , IGFN1 , ACTN3 , PITX3 , and MURC , were firstly基于高通量测序数据筛选为骨骼肌肉特异性表达的基因。通过定量逆转录聚合酶链反应（RT-QPCR），在其中只有两个基因（即vgll2和cacng1）被鉴定为在buffalo的骨骼肌中特异性和有效表达。然后，通过双重荧光素酶报告基因检测系统在小鼠C2C12细胞和水牛骨骼肌细胞中评估了VGLL2和CACNG1上游推定的启动子区域的不同截短片段的转录活性。结果，VGLL2和CACNG1的核心启动子均被鉴定为在骨骼肌组织中具有特定和有效的转录活性，而VGLL2核心启动子的转录活性更为有效。这些结果为水牛和其他牲畜动物的肉质质量有针对性改善提供了重要的信息。
毒素 - 抗毒素基因在大肠杆菌中的大肠杆菌中差异表达，并在氮，脂肪酸或碳饥饿条件下培养的斑点突变
营养物质的可用性是调节细胞整个代谢的关键因素。因此，养分的缺乏激活了特定的适应机制。严格的反应是控制和调节细菌应力条件适应的基本机制之一。严格的响应效应子是特定的核苷酸，四磷酸鸟苷和五磷酸鸟苷，统称为（p）PPGPP。These nucleotides, in E. coli , are synthesized by RelA and SpoT proteins using two different pathways, where RelA produces (p)ppGpp in response to the presence of uncharged tRNA in the ribosomal A-site, during amino acid starvation, or in response to pyruvate depletion during fatty acid starvation ( Kushwaha et al., 2019 ; Sinha et al., 2019 ).另一方面，斑点负责响应葡萄糖或脂肪酸饥饿以及其他几种压力条件（Potrykus and Cashel，2008年），负责（P）PPGPP的积累。此外，斑点也充当A（P）PPGPP水解酶（Potrykus and Cashel，2008年）。
摘要 印度尼西亚在英语教学中越来越多地使用人工智能工具，但其实施和影响尚未完全了解。本研究探讨了印度尼西亚英语作为外语 (EFL) 教师如何将人工智能 (AI) 技术融入教学，他们对这些工具的有效性的看法以及他们面临的障碍。通过半结构化访谈采用定性方法采访了印度尼西亚的五名英语作为外语 (EFL) 教师。数据分析表明，教育工作者使用 Grammarly、Google Translate、ChatGPT 和 Claude AI 等人工智能工具来提供反馈、帮助理解和创建内容。这些工具被认为有利于提高学生的写作能力和热情，尽管有人担心过度依赖、学术诚信以及阻碍批判性思维和真正学习的可能性。障碍包括对工具、技术设置和学生准备程度的限制。该研究强调了在英语教学中使用人工智能工具的优势，并强调了公平和评价性地纳入它们的重要性。教师应鼓励建构主义教学技术来激发认知参与和数字能力，确保人工智能资源补充而不是替代真正的学习。建议未来研究道德和教育影响。关键词：人工智能、英语作为外语 (EFL)、语言教育、教育技术、印度尼西亚、定性研究、教师看法、挑战、道德考虑。如何引用 Rahman, MA (2024)。探索人工智能在印度尼西亚英语作为外语教育中的整合。教学法：英语语言教学杂志，12 (2)。196-212 DOI：10.32332/joelt.v12i2.9549。期刊主页 https://e-journal.metrouniv.ac.id/index.php/pedagogy 这是一篇根据 CC BY SA 许可开放获取的文章 https://creativecommons.org/licenses/by-sa/4.0/
摘要 印度尼西亚在英语教学中越来越多地使用人工智能工具，但其实施和影响尚未完全了解。本研究探讨了印度尼西亚英语作为外语 (EFL) 教师如何将人工智能 (AI) 技术融入教学，他们对这些工具的有效性的看法以及他们面临的障碍。通过半结构化访谈采用定性方法采访了印度尼西亚的五名英语作为外语 (EFL) 教师。数据分析表明，教育工作者使用 Grammarly、Google Translate、ChatGPT 和 Claude AI 等人工智能工具来提供反馈、帮助理解和创建内容。这些工具被认为有利于提高学生的写作能力和热情，尽管有人担心过度依赖、学术诚信以及阻碍批判性思维和真正学习的可能性。障碍包括对工具、技术设置和学生准备程度的限制。该研究强调了在英语教学中使用人工智能工具的优势，并强调了公平和评价性地纳入它们的重要性。教师应鼓励建构主义教学技术来激发认知参与和数字能力，确保人工智能资源补充而不是替代真正的学习。建议未来研究道德和教育影响。关键词：人工智能、英语作为外语 (EFL)、语言教育、教育技术、印度尼西亚、定性研究、教师看法、挑战、道德考虑。如何引用 Rahman, MA (2024)。探索人工智能在印度尼西亚英语作为外语教育中的整合。教学法：英语语言教学杂志，12 (2)。196-212 DOI：10.32332/joelt.v12i2.9549。期刊主页 https://e-journal.metrouniv.ac.id/index.php/pedagogy 这是一篇根据 CC BY SA 许可开放获取的文章 https://creativecommons.org/licenses/by-sa/4.0/
猪细小病毒感染后24和48小时猪肾-15细胞死亡相关差异表达基因分析
细胞活力评估使用细胞计数试剂盒-8（CCK-8；Beyotime）评估PPV对PK-15细胞活力的影响。将细胞接种到96孔板中，每孔约10,000个细胞。孵育4小时后，更换培养基。随后，设置3个没有细胞的空白孔，保留3个有未感染细胞的孔（对照），向另外3个有细胞的孔中加入1个感染复数（MOI）的PPV。继续孵育24和48小时。然后，吸出培养基，加入100μL新鲜的无血清培养基和10μL CCK-8溶液。然后将细胞在细胞培养箱中孵育1小时。使用酶标记物在 450 nm 处测量吸光度值，并使用以下公式计算细胞活力：细胞活力 (%) = [A (PPV) − A (空白)]/[A (对照) − A (空白)] X 100。
CD74 在儿童急性髓系白血病患者中表达，是一种有希望的治疗靶点：儿童肿瘤学杂志的一份报告
由于儿童急性髓系白血病 (AML) 的治愈性疗法仍然难以实现，因此确定潜在的新治疗靶点至关重要。我们通过多维流式细胞术评估了参加儿童肿瘤组 AAML1031 临床试验 (clinicaltrials gov. Identifier: NCT01371981) 的 973 名患者的细胞表面 CD74（也称为主要组织相容性复合体-II 不变链）的表达。38% 的儿童 AML 患者在任何水平上表达 CD74，与正常造血细胞相比，发现有一部分人的表达相对于正常髓系祖细胞有所增加。表达高强度 CD74 的儿童 AML 患者通常具有不成熟的免疫表型和增加的淋巴抗原表达频率。 CD74 表达增高与白细胞和外周血原始细胞计数较低的老年患者有关，并且富含 t(8;21)、8 号三体和 CEBPA 突变。总体而言，高 CD74 表达与低风险状态相关，但 26% 的患者被分配到高风险方案状态，5 年无事件生存率为 53%，这表明大量高表达患者的预后不佳。体外临床前研究表明，抗 CD74 疗法对 AML 细胞有效，但对正常 CD34 + 细胞影响不大。总之，我们证明 CD74 在儿童 AML 亚群中的表达水平高于正常造血细胞，是表达患者治疗的一个有希望的靶点。鉴于近一半高水平表达 CD74 的患者在 5 年内出现不良事件，并且有针对 CD74 的药物，这代表了一种有希望的治疗方法，值得进一步研究。
对...
我们是一组研究人员，在大气化学，空气质量和气候变化的交集中工作。我们位于哥伦比亚大学的Lamont-Doherty Earth观测站，纽约州和纽约，纽约。我们由Lamont副研究教授Daniel M. Westervelt教授领导。欢迎任何适合空气污染，气候变化和大气化学的项目。我们使用实验室设备，模型和卫星遥感等工具。我们在拉蒙特（Lamont）有一个最先进的“空气传感器实验室”，我们在研究，构建和验证空气传感器针对研究级方法进行了验证。传感器研究中感兴趣的主题包括使用传感器对污染的来源归因，与卫星数据的数据融合，空气污染暴露和健康研究等。我们还致力于气候建模，重点是气溶胶的气候影响。我们运行了多种模型，并且是区域气溶胶模型对比项目（RAMIP）的创始成员，该项目是CMIP7的一部分。我们还运行更多以化学为重点的大气模型，例如Geos-Chem。
感谢您有机会对美国国家标准与技术研究所 (NIST) 就响应 NIST 行政命令 14110（第 4.1、4.5 和 11 节）下的任务的草案文件征求意见，特别是 NIST AI 6001，人工智能风险管理框架：生成人工智能概况 提供意见。此处表达的意见反映了约翰霍普金斯大学健康安全中心的想法，并不一定反映约翰霍普金斯大学的观点。
我们请 NIST 参阅《国际先进人工智能安全科学报告：中期报告》（中期报告）第 4.1.4 节“双重用途科学风险”，其中描述了双重用途科学风险所带来的当前和未来能力，我们认为这很好地反映了生物风险的威胁形势 2，以及我们对当前语言仅限于“CBRN 信息”的担忧。当前的能力不仅限于“增加获取信息的渠道”，因为 NIST 已在 AI 6001 中限制了 CBRN 风险，还扩展到“增加获取实践专业知识的渠道”和“增加能力上限”。3 未来的能力还可能包括模型能力的进步、通用人工智能系统与狭义人工智能工具的集成以及通用人工智能与自动化实验室设备的集成。这些都可能比仅仅“简化信息获取”更令人担忧，我们担心 NIST AI 6001 尚未描述可能从 GAI 工具中出现的生物威胁的性质和规模。关注信息风险很重要但还不够，本文件和 NIST 其他文件的重点应包括 GAI 未来可能产生的一系列 CBRN 能力风险。
CD39在功能效应子和组织驻留记忆CD8+ T细胞上表达
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2024年3月17日发布。 https://doi.org/10.1101/2024.03.15.585252 doi：Biorxiv Preprint