XiaoMi-AI文件搜索系统
World File Search Systemheterogeneity
非遗传异质性、细胞命运改变和分化治疗
自我更新和分化能力的改变是癌症的一个特征，许多肿瘤是由发育不成熟的表型的细胞组成的。在控制细胞命运决定的过程方面研究最为广泛的恶性肿瘤中，急性髓系白血病 (AML) 是一种以存在大量类似于髓系祖细胞的“母细胞”为特征的疾病。传统上，AML 细胞的定义特性被认为是异常的自我更新和分化受阻，而“分化疗法”一词是用来描述促进白血病母细胞成熟的药物。然而，从理论上讲，认为这些药物“解除”分化的简单观点与癌症干细胞 (CSC) 假说相矛盾，该假说认为肿瘤是分层组织的，而支持癌症生长的 CSC 保留了发展到发育更成熟状态的能力。在此，我们将回顾最近的发展，这些发展为稳定状态下和治疗反应中的非遗传异质性提供了前所未有的见解，并为旨在改变癌症细胞命运决定的治疗提出了一个新的概念框架。
将分子异质性转化为晚期肝病的精准医疗
这些方法采用 5 分量表评估纤维化进展，从 F0（无纤维化）到 F4（肝硬化）。现在可以使用定量非侵入性方法来估计肝纤维化，例如弹性成像、血清生物标志物组和成像技术 [10]。这些方法对于诊断肝硬化具有良好的准确性，但对于较低程度的纤维化仍然有限 [11]。非酒精性脂肪性肝病 (NAFLD) 是指不是由于过量饮酒或其他次要原因导致的肝脏脂肪堆积。它已成为全世界最常见的慢性肝病，影响全球约 25% 的人口 [12]。NAFLD 代表一系列疾病，从单纯脂肪变性到非酒精性脂肪性肝炎 (NASH)，后者可发展为肝硬化和肝细胞癌。NAFLD 与肥胖、胰岛素抵抗和代谢综合征的其他特征密切相关 [13]。
人工智能驱动的深度可视化蛋白质组学定义细胞身份和异质性
图 1：深度可视化蛋白质组学概念和工作流程 深度可视化蛋白质组学 (DVP) 将高分辨率成像、人工智能 (AI) 引导的单细胞分类和分离图像分析与新颖的超灵敏蛋白质组学工作流程 7 相结合。DVP 将细胞培养或存档的患者生物库组织的数据丰富成像与基于深度学习的细胞分割和基于机器学习的细胞类型和状态识别联系起来。(无)监督的 AI 分类的细胞或亚细胞感兴趣对象经过自动激光显微切割和基于质谱 (MS) 的蛋白质组学分析。后续的生物信息学数据分析使数据挖掘能够发现蛋白质特征，从而在单细胞水平上提供对健康和疾病状态中蛋白质组变异的分子见解。DVP 可作为研究人员和临床医生的资源。
人工智能工作中的本地异质性随时间和空间
（0.0164）（0.0150）（0.0153）（0.0169）单身汉，2017年的z得分为0.0196 -0.0322 -0.0401（0.0250）（0.0250）（0.0292）（0.0292）（0.0263）（0.0263）黑色，Black，Black，％Z -SCORE在2017年0.01910.0060 0.023333333（0.0233） （0.0249）贫困，2017年Z分数0.0627 ∗ 0.0271 0.0541（0.0331）（0.0365）（0.0365）（0.0497）POP。增长-0.6522 0.0717 1.525（1.580）（1.633）（1.798）2017年房屋价格增长z评分-0.0171 -0.0135 0.0066（0.0166（0.0166）（0.0167 （0.0382）（0.0391）（0.0442）紧密度，2017年z得分0.0744 ** 0.0732 ∗* 0.0726 ∗
在早期建立β细胞异质性
。cc-by-nc-nd 4.0国际许可证。是根据作者/资助者提供的预印本（未经同行评审的认证）提供的，他已授予Biorxiv的许可证，以在2023年11月30日发布的此版本中显示此版本的版权持有人。 https://doi.org/10.1101/2023.02.04.527050 doi：Biorxiv Preprint
基于机器学习的评估制造过程对电池电极异质性的影响
电极制造过程强烈影响锂离子电池特性。电极浆料特性和涂料参数是影响电池性能和寿命的电极异质性影响的主要因素。然而，由于可以在此过程中可以调整的大量参数，因此很难对电极制造参数对电极异质性的影响进行分析。在这项工作中，开发了一种数据驱动的方法，以自动评估参数的影响，例如浆料中的配方和液体与固定比，以及用于电流收集器上电极异质性的涂层的差距。通过实验测量产生的数据集用于训练和测试机器学习（ML）分类器，即高斯naives贝叶斯算法，用于预测电极是否均质或异质性，具体取决于制定量参数。通过2D表示，详细评估了制造参数对电极异质性的影响，为优化下一代电池电极的强大工具铺平了道路。
渗透性各向异性和分层异质性对地热能电池存储的影响
作者先前已经发表了各向同性和均匀储层的储层温度和压力曲线的计算。这些计算表明，热储存库需要少量的岩石质量，在厚度为100米的储层中，从注入井中从数十米半径处进行了数十米半径的质量。有了这个小的岩体质量体积，可以远离断裂，断层和夹杂物的位置。表明，对于某些储层，可以回收超过百分之九十的热量。地热电池能量存储的先前计算仅被认为是各向同性和均质的储层形成性能。然而，即使在沉积的沉积环境和叠加的构造学的岩石质量体积中，岩石渗透性也可能是各向异性的，并且具有不同性质的储层层。计算在这里考虑各向异性渗透率，并分层异质渗透率，即具有不同渗透率的水平层的地层。这种储层特性会产生非对称温度和压力剖面，这对于井布局和注入和生产的计划至关重要。关键字
乳腺癌表型异质性的数学模型及其对治疗策略的影响
。CC-BY-NC-ND 4.0 国际许可，根据 未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是 预印本的版权持有者（此版本于 2021 年 6 月 6 日发布。；https://doi.org/10.1101/2021.06.04.447174 doi：bioRxiv 预印本
肝细胞癌（HCC）中的解剖肿瘤异质性
免疫疗法（Atezolizumab）与贝伐单抗的结合试验，索拉非尼（sorafenib）作为晚期HCC的第一线治疗。3尽管这些结果被认为是一个很大的突破，但我们承认，与索拉非尼相比，联合疗法仅在2个月内将无进展的生存率略有提高。显然，迫切需要为HCC开发更好的疗法，为了做到这一点，我们首先必须了解耐药性的原因。至关重要的因素之一，不仅是开发新疗法，而且还针对识别新型生物标记或预测对治疗的反应的主要挑战是肿瘤异基因性。因此，解密的肿瘤异质性对于改善HCC患者的临床结局至关重要。
使用机器学习来识别冠状动脉疾病的危险因素
为了检查利什曼原虫大调的遗传多样性，在2019 - 2021年期间，从伊朗（东北，中部和西南省东北，中部和西南省）的地方性焦点收集了100个GIEMSA染色的正幻灯片。Leishmania It-rDNA基因被占据了，Leishmania sp。通过PCR-RFLP和测序识别。此外，还从伊朗其他地理区域的178个注册的ITS-RDNA序列是从Genbank中检索出的，包括不同的寄主物种（人，沙蝇和啮齿动物）。使用ITS-RDNA序列分析发现了总共40种新的单倍型。ir29（20.6％）和IR34（61％）是两种最常见的单倍型，以整个人口中的星形特征表示。分子方差测试的分析显示L的遗传多样性低。 在人类病例（单倍型多样性; 0.341），啮齿动物（HD; 0.387）和沙蝇（HD; 0.390）序列中的专业。 L的最低遗传多样性。 在伊朗西南/东南部观察到了大调（HD：0.104–0.286）。 统计上的f st值表示l。 主要在伊朗的地理区域之间没有遗传区分，除了东北西南（F ST：0.29055）和中南部（F ST：0.30294）人口对以外。 首次调查揭示了新的观点，以进一步评估当地传输范式并启动有效的预防策略。分子方差测试的分析显示L的遗传多样性低。在人类病例（单倍型多样性; 0.341），啮齿动物（HD; 0.387）和沙蝇（HD; 0.390）序列中的专业。L的最低遗传多样性。大调（HD：0.104–0.286）。统计上的f st值表示l。主要在伊朗的地理区域之间没有遗传区分，除了东北西南（F ST：0.29055）和中南部（F ST：0.30294）人口对以外。首次调查揭示了新的观点，以进一步评估当地传输范式并启动有效的预防策略。