XiaoMi-AI文件搜索系统
World File Search Systemextend
新颖的癌症治疗延长了绝症的生命
干细胞已被修饰，以进行治疗治疗晚期癌症的伴侣动物患者，保留良好的生活质量并延长生命，有可能使人们更好地了解癌症治疗及其在人类患者中的使用。新加坡，2023年1月19日，狗是人类最好的朋友，当他们心爱的宠物患者疾病时，它总是让狗主人感到痛苦。犬类癌是狗死亡的主要原因，当它们被诊断出患有晚期或绝症的疾病时，通常没有可用的治疗选择。在最近的一项研究中，一种新型的化学免疫疗法形式被证明是改变狗生活过程的一种有希望的治疗方法。NUS癌症研究中心（N2CR）转化研究计划（TRP）的科学家在新加坡国立大学（NUS Medicine）使用干细胞精密工程技术来治疗癌症疾病的犬类。在由N2CR TRP副教授Heng-Phon和NUS医学生物化学系的研究中，该小组修改了间充质干细胞（MSC），这些干细胞（MSC）能够寻找癌性肿瘤。这些修饰的细胞携带有效的“杀伤开关”（胞嘧啶脱氨酶），该细胞在肿瘤环境中产生高，局部杀害药物的局部浓度，并随后诱导抗癌免疫力。这种治疗犬类患者的疗法的发展使团队对癌症治疗及其在人类患者中的使用有了更好的了解，因为帮助天然发生的癌症的狗为人类癌症提供了宝贵的线索1。Assoc教授也说：“要重新利用干细胞进行癌症治疗，通常使用病毒将治疗基因引入细胞。但是，我们设计了一个非病毒基因输送平台，该平台将高效的治疗基因引入干细胞中，以有效破坏控制外生长的癌细胞。通过这种疗法被证明是安全并证明了动物患者有希望的临床益处，我们希望开发有效的治疗方案，以帮助人类的癌症患者，这可以改善其健康而不会损害其生活质量。”该技术在犬类癌患者中的应用
修订并延长 2018 年长期技术计划...
尊敬的立法机构成员和德克萨斯州公民：在德克萨斯州的教育史上，没有哪个时期比今天技术更重要。在过去三年中，自德克萨斯州教育局 (TEA) 发布其 2018-2023 年技术长期计划以来，我们对技术在教育中的作用的看法发生了转变：教育技术本身的定义和范围已经从根本上永远改变了。出于这个原因，为了履行我们在五年内定期重新评估和修订该计划的承诺，TEA 重新召集了最初的 2018-2023 年技术长期计划 (LRPT) 咨询委员会以及几位其他主题专家 (SME)，以评估、修订和扩展 2018 年计划，以准确反映当今地方教育机构 (LEA) 的需求。为了开始这个 LRPT 重新评估过程，TEA 调查了八名原始工作组成员和七家其他 SME。随后，我们与每位调查对象进行了一对一访谈，并为所有扩大的咨询委员会参与者举行了虚拟工作组会议。我们首先听到的是，LRPT 既需要是一个参与过程，也需要是一个文件。它不仅要作为执法机构最佳实践的指南，还要作为一个参与过程，支持执法机构确定如何在其所在地区最好地使用 LRPT。我们还从扩大的咨询委员会那里听说，LRPT 涵盖的内容需要扩展和重新确定优先次序。这尤其适用于确保个性化学习包括虚拟学习，公平的获取既反映了虚拟学习，又支持所有执法机构（包括小地区和农村地区）的特定需求，对地区技术系统的讨论包括增加设备更新频率和扩大现在所需的工具范围，尤其是网络安全工具，最后，确保修订后的 LRPT 的格式是动态的、互动的，并支持地区独特的努力和需求。所有这些建议都在本修订的长期技术计划中进行了详细介绍。最后，为了响应 LRPT 不仅要提供最佳实践指导，还要支持各个地区的独特需求的呼吁，修订计划发布后将举行全州网络研讨会，不仅要回答 LEA 的问题，还要支持各个地区的个人需求。本次 LRPT 网络研讨会将由战略项目总监/信息技术办公室参谋长 Julia Schacherl 和技术副专员/首席信息官 Melody Parrish 主持。我代表 TEA 和我们专门的咨询委员会，自豪地介绍修订和延长的 2018-2025 年长期技术计划。诚挚的，
使用扩展的块项张量回归根据颅内脑活动预测手指运动和共同激活
每年，全球有多达 50 万患者因脊髓损伤、脑干中风和肌萎缩侧索硬化症 (ALS) 而陷入瘫痪 [1]。脑机接口 (BCI) 能够绕过断开的神经通路来取代丢失或受损的身体部位的功能，这使得它们被推广为这些患者的解决方案。通常，BCI 系统由几个组件组成：从记录的大脑活动中提取信号特征，并将结果翻译（“解码”）为控制外部设备（如机械臂或手）的命令。BCI 控制手部肌肉的功能性电刺激 (FES) [2, 3] 和假手、外骨骼或其他效应器 [4, 5, 6, 7] 已经取得了非凡的成果。
新兴技术用于开发木材产品，以扩展碳存储和二氧化碳捕获
森林在通过储存碳来减轻温室气和全球气候变暖方面具有重要作用。碳通过光合作用锁定在树木中，这贡献了约50％的干燥木材。因此，木材对于最大化自然的碳捕获和存储至关重要。在这个迷你审查中，概述了用于开发木材产品的新兴技术，以扩展碳存储和捕获。讨论了用于捕获CO 2的新型功能性木材基材料，包括木材和生物炭膜/吸附剂。新兴木纳米技术用于制造高性能产品，这些产品具有替代化石塑料的巨大潜力。还汇总了工程木材产品的开发技术，例如致密化，化学修饰和木材的矿化技术，目的是扩展木材碳储存。在这篇综述中研究了木本生物量对经济和碳降低的影响。这可以帮助我们对森林和木材的可持续经济管理，从而减少温室气体排放和全球气候温暖的负面影响。描述了功能性木材产品的前景以及在碳存储和捕获中开发新技术的潜力。
使用对抗网络来延长脑机接口解码精度
现有的皮层内脑机接口 (iBCI) 将神经活动转换为控制信号，可使瘫痪者恢复运动能力。然而，由于记录神经元的更替，iBCI 核心“解码器”的准确性通常会随着时间的推移而降低。为了弥补这一点，可以重新校准解码器，但这需要用户花费额外的时间和精力来提供必要的数据，然后学习新的动态。随着记录的神经元发生变化，人们可以认为底层的运动意图信号以变化的坐标来表达。如果可以计算不同坐标系之间的映射，那么可能无需重新校准即可稳定原始解码器从大脑到行为的映射。我们之前提出了一种基于广义对抗网络 (GAN) 的方法，称为“对抗域自适应网络”(ADAN)，它可以对齐底层低维神经流形中潜在信号的分布。然而，ADAN 仅在非常有限的数据集上进行了测试。我们在此提出了一种基于循环一致对抗网络 (Cycle-GAN) 的方法，该方法可以对齐全维神经记录的分布。我们在来自多只猴子和行为的数据上测试了 Cycle-GAN 和 ADAN，并将它们与基于因子分析 (PAF) 提供的 Procrustes 轴对齐的线性方法进行了比较。这两种基于 GAN 的方法都优于 PAF。Cycle-GAN 和 ADAN（与 PAF 一样）是无监督的，需要的数据很少，因此在现实生活中很实用。总体而言，Cycle-GAN 具有最佳性能，并且比 ADAN 更容易训练且更强大，使其成为长期稳定 iBCI 系统的理想选择。
SUMO1的泛素化和小分子降解器的降解扩展了小鼠的存活率
发现了激活泛素连接酶介导的泛素化和在癌细胞中靶向癌蛋白的泛素化和降解的小分子降解者一直是一种难以捉摸的治疗策略。在这里，我们报告了基于NCI药物的化合物库的基于癌细胞的药物筛选，该筛选能够鉴定与泛素蛋白相关的小子相关修饰剂1（SUMO1）的小分子降解器（SUMO1）。命中化合物CPD1的类似物的结构活性关系研究导致识别具有改善性能和体外和体内抗癌效力的铅化合物HB007。基因组尺度CRISPR-CAS9敲除屏幕确定了Cullin 1（Cul1）E3泛素连接酶的底物受体F-box蛋白42（FBXO42），这是HB007活性所需的。使用HB007下拉蛋白质组学测定法，我们将HB007的结合蛋白作为细胞质激活/增殖相关蛋白1（caprin1）。Biolayer干涉法和复合竞争性免疫印迹测定法证实了HB007与Caprin1的结合的选择性。与caprin1结合时，HB007诱导caprin1与FBXO42的相互作用。fbxo42然后将SUMO1募集到Caprin1-Cul1-FBXO42泛素连接酶复合物，其中SUMO1在几个人类癌细胞中泛素化。HB007在植入小鼠中的患者肿瘤衍生异种移植物中有选择性降解SUMO1。全身施用HB007抑制了小鼠中患者衍生的大脑，乳腺癌，结肠和肺癌的进展，并增加动物的存活率。这种基于癌细胞的筛查方法使发现了SUMO1的小分子降解器，并且可能有助于识别其他小分子降解剂的其他小分子降解器。
CDEI 有效人工智能保证生态系统扩展路线图的概述和评论
近年来，人工智能 (AI) 伦理或 AI 伦理领域受到广泛关注，旨在为各行业负责任且合乎道德地使用 AI 制定指导方针和最佳实践。作为其中的一部分，各国已提出 AI 战略，英国发布了国家 AI 和数据战略以及透明度标准。为了扩大这些努力，数据伦理与创新中心 (CDEI) 发布了 AI 保证路线图，这是同类路线图中的第一份，它提供了有关如何管理使用 AI 带来的风险的指导。在本文中，我们概述了该文件对“成熟的 AI 保证生态系统”的愿景，以及 CDEI 将如何与其他组织合作制定法规、行业标准和培养 AI 保证从业人员。我们还对 CDEI 路线图中确定的一些关键主题进行了评论，涉及 (i) 建立“合理信任”的复杂性、(ii) 研究在人工智能保证中的作用、(iii) 人工智能保证行业的当前发展，以及 (iv) 与国际监管的融合。
关于延长固定可收回成本 (FRC) 的咨询
这并不意味着不应该更清楚地解释在哪些特殊情况下会导致可收回成本增加。这是对首要目标的变化和 PD1A 的引入的认可，这两者都发生在我们就 FRC 进行磋商之后。与此同时，由于我们与 CPRC 费用小组委员会持续审议规则的起草工作，我们承认 FAS 指南可能与 PP 重叠太多，并且可能在未定义的脆弱性方面过于狭隘，无法成为确定一方是否有资格获得提升的有用指标。相反，我们认为最好以规则中现有的例外规定为基础。12.FRC 并非旨在反映每个案件的确切成本，并且不可避免地存在
![b'我们提出了一系列量子算法，用于计算各种量子熵和距离，包括冯·诺依曼熵、量子 R\xc2\xb4enyi 熵、迹距离和 \xef\xac\x81delity。所提出的算法在低秩情况下的表现明显优于最知名的（甚至是量子的）算法，其中一些算法实现了指数级加速。特别是，对于秩为 r 的 N 维量子态，我们提出的用于计算冯·诺依曼熵、迹距离和 \xef\xac\x81delity（加性误差 \xce\xb5 内）的量子算法的时间复杂度为 \xcb\x9c O r 2 /\xce\xb5 2 、 \xcb\x9c O r 5 /\xce\xb5 6 和 \xcb\x9c O r 6 。 5 /\xce\xb5 7 . 5 1 。相比之下，已知的冯·诺依曼熵和迹距离算法需要量子时间复杂度为 \xe2\x84\xa6( N ) [AISW19,GL20,GHS21]，而最著名的 \xef\xac\x81delity 算法需要 \xcb\x9c O r 21 . 5 /\xce\xb5 23 . 5 [WZC + 21]。我们的量子算法的关键思想是将块编码从先前工作中的幺正算子扩展到量子态（即密度算子）。它是通过开发几种方便的技术来操纵量子态并从中提取信息来实现的。特别是，我们基于强大的量子奇异值变换（QSVT）[GSLW19]，引入了一种用于密度算子及其（非整数）正幂的特征值变换的新技术。我们的技术相对于现有方法的优势在于，不需要对密度算子进行任何限制；与之形成鲜明对比的是，以前的方法通常需要密度算子的最小非零特征值的下限。此外，我们还提供了一些独立感兴趣的技术，用于（次规范化）密度算子的迹估计、线性组合和特征值阈值投影仪，我们相信这些技术在其他量子算法中会很有用。'](/simg/4/4e9553780581bbfda8e4d6bb48115782efffb2a7.webp)
b'我们提出了一系列量子算法，用于计算各种量子熵和距离，包括冯·诺依曼熵、量子 R\xc2\xb4enyi 熵、迹距离和 \xef\xac\x81delity。所提出的算法在低秩情况下的表现明显优于最知名的（甚至是量子的）算法，其中一些算法实现了指数级加速。特别是，对于秩为 r 的 N 维量子态，我们提出的用于计算冯·诺依曼熵、迹距离和 \xef\xac\x81delity（加性误差 \xce\xb5 内）的量子算法的时间复杂度为 \xcb\x9c O r 2 /\xce\xb5 2 、 \xcb\x9c O r 5 /\xce\xb5 6 和 \xcb\x9c O r 6 。 5 /\xce\xb5 7 . 5 1 。相比之下，已知的冯·诺依曼熵和迹距离算法需要量子时间复杂度为 \xe2\x84\xa6( N ) [AISW19,GL20,GHS21]，而最著名的 \xef\xac\x81delity 算法需要 \xcb\x9c O r 21 . 5 /\xce\xb5 23 . 5 [WZC + 21]。我们的量子算法的关键思想是将块编码从先前工作中的幺正算子扩展到量子态（即密度算子）。它是通过开发几种方便的技术来操纵量子态并从中提取信息来实现的。特别是，我们基于强大的量子奇异值变换（QSVT）[GSLW19]，引入了一种用于密度算子及其（非整数）正幂的特征值变换的新技术。我们的技术相对于现有方法的优势在于，不需要对密度算子进行任何限制；与之形成鲜明对比的是，以前的方法通常需要密度算子的最小非零特征值的下限。此外，我们还提供了一些独立感兴趣的技术，用于（次规范化）密度算子的迹估计、线性组合和特征值阈值投影仪，我们相信这些技术在其他量子算法中会很有用。'
b'我们提出了一系列量子算法，用于计算各种量子熵和距离，包括冯·诺依曼熵、量子 R\xc2\xb4enyi 熵、迹距离和 \xef\xac\x81delity。所提出的算法在低秩情况下的表现明显优于最知名的（甚至是量子的）算法，其中一些算法实现了指数级加速。特别是，对于秩为 r 的 N 维量子态，我们提出的用于计算冯·诺依曼熵、迹距离和 \xef\xac\x81delity（加性误差 \xce\xb5 内）的量子算法的时间复杂度为 \xcb\x9c O r 2 /\xce\xb5 2 、 \xcb\x9c O r 5 /\xce\xb5 6 和 \xcb\x9c O r 6 。 5 /\xce\xb5 7 . 5 1 。相比之下，已知的冯·诺依曼熵和迹距离算法需要量子时间复杂度为 \xe2\x84\xa6( N ) [AISW19,GL20,GHS21]，而最著名的 \xef\xac\x81delity 算法需要 \xcb\x9c O r 21 . 5 /\xce\xb5 23 . 5 [WZC + 21]。我们的量子算法的关键思想是将块编码从先前工作中的幺正算子扩展到量子态（即密度算子）。它是通过开发几种方便的技术来操纵量子态并从中提取信息来实现的。特别是，我们基于强大的量子奇异值变换（QSVT）[GSLW19]，引入了一种用于密度算子及其（非整数）正幂的特征值变换的新技术。我们的技术相对于现有方法的优势在于，不需要对密度算子进行任何限制；与之形成鲜明对比的是，以前的方法通常需要密度算子的最小非零特征值的下限。此外，我们还提供了一些独立感兴趣的技术，用于（次规范化）密度算子的迹估计、线性组合和特征值阈值投影仪，我们相信这些技术在其他量子算法中会很有用。'