XiaoMi-AI文件搜索系统
World File Search Systemhon
抗生素和选择性线粒体抑制剂对培养中的恶性疟原虫的氧气和时间依赖性影响
几种抑制 70S 核糖体蛋白质合成的抗生素，包括克林霉素、吡利霉素、4'-戊基-N-去甲基克林霉素、四种四环素、氯霉素、甲砜霉素和红霉素，在培养中对恶性疟原虫具有抗疟作用，这种作用受药物暴露时间和氧张力的影响很大。在 96 小时的孵育中，效力在前 48 小时内增加高达 106 倍，在 15% 02 与 1% 02 中增加高达 104 倍。两种氨基糖苷类药物，卡那霉素和妥布霉素，没有抗疟活性。抑制核酸合成的利福平和萘啶酸与 70S 抑制剂不同。线粒体抑制剂 Janus Green、罗丹明 123、抗霉素 Al 和 8-甲基氨基-8-去甲基核黄素的活性受暴露时间和氧张力的影响。含喹啉的抗疟药、离子载体和其他抗疟药受暴露时间的影响较小，但不受氧张力的影响。这些数据可以用以下假设来最好地解释：抗疟 70S 核糖体特异性蛋白质合成抑制剂通过作用于线粒体对寄生虫产生毒性。
学习了基于深度学习的移动 NPU 的智能手机 ISP，移动 AI 2021 挑战赛：报告
随着手机摄像头的质量开始在现代智能手机中发挥关键作用，人们越来越关注用于改善手机照片各个感知方面的 ISP 算法。在这次移动 AI 挑战赛中，目标是开发一个基于深度学习的端到端图像信号处理 (ISP) 管道，该管道可以取代传统的手工制作的 ISP，并在智能手机 NPU 上实现近乎实时的性能。为此，参赛者获得了一个新颖的学习到的 ISP 数据集，其中包含使用索尼 IMX586 Quad Bayer 移动传感器和专业的 102 兆像素中画幅相机拍摄的 RAW-RGB 图像对。所有模型的运行时间都在联发科 Dimensity 1000+ 平台上进行评估，该平台配备专用的 AI 处理单元，能够加速浮点和量化神经网络。所提出的解决方案与上述 NPU 完全兼容，能够在 60-100 毫秒内处理全高清照片，同时实现高保真效果。本文提供了本次挑战赛中开发的所有模型的详细描述。
阐明免疫学图景：通过多组学镜头研究胰腺癌的线粒体基因缺陷
通过多组学方法，这种全面的综述探讨了线粒体基因缺陷与胰腺癌发病机理之间的复杂相互作用。通过从基因组，转录组，蛋白质组学和代谢组学研究中合并数据，我们解剖了线粒体遗传变异决定癌症进展的机制。重点已放在这些基因在改变细胞代谢过程，信号转导途径和免疫系统相互作用中的作用上。我们进一步探讨了这些发现如何重新治疗干预措施，并特别关注精确医学应用。这种分析不仅填补了有关胰腺癌线粒体异常的关键知识差距，而且还为未来研究个性化治疗方案的研究铺平了道路。这个发现强调了线粒体遗传学和肿瘤免疫学之间的关键联系，为有针对性的癌症治疗策略开辟了新的途径。
阿尔茨海默氏病的线粒体功能障碍
阿尔茨海默氏病（AD）是最常见的神经退行性疾病，约占全球痴呆症病例的70％。患者逐渐表现出认知能力下降，例如记忆力丧失，失语和人格和行为变化。研究表明，线粒体功能障碍在AD的发作和进展中起关键作用。线粒体功能障碍主要导致氧化应激增加，线粒体动力学失衡，线粒体受损和线粒体基因组异常。这些线粒体异常与淀粉样蛋白β和Tau蛋白质病理学密切相关，共同加速了神经退行性过程。本综述总结了线粒体在AD开发中的作用，最新的研究进展，并探讨了线粒体靶向AD的治疗策略的潜力。靶向与线粒体相关的途径可能会显着改善未来AD患者的生活质量。
头脑风暴 SEEG 挑战赛 2024 - 黑客马拉松和研讨会
这一宝贵的数据集为多项关键挑战提供了机会。其中一项挑战是了解人们在编码新记忆（例如视频内容的记忆）时大脑如何对信息进行优先排序。动物研究的著名理论和发现表明，巩固此类记忆涉及在睡眠和休息期间重播神经模式（参见 Liu 等人，2019 年；van der Meer 等人，2020 年）；然而，几乎没有关于人类这些机制的直接证据。确认人类在睡眠期间的重播对于已知与睡眠障碍有关的精神健康障碍（例如焦虑和抑郁）具有重要意义。因此，这一挑战将使我们能够研究信息在睡眠期间存储和重新激活的基本机制。
第 13 章 专用交换机、专用电话交换机... - etler
etler.com › Switching › Hist-Switch-13 PDF 2023年1月14日 — 2023年1月14日 更大的系统 - 外观和人体工程学方面......飞机的类型，航向和估计高度均已收到。
MDBrain | MDProstate 1.1 Akhondi-Asl，A.，和 Warfield。SK......
MDBrain | MDProstate 1.1 Akhondi-Asl, A. 和 Warfield. SK (2013)。通过融合概率分割同时估计真实性和性能水平。IEEE 医学影像学报 32，1840-1852。doi：10.1I09/TMI.2013.2266258 1.2 Allay, EE. Fisher. E.. Iones. SE、Hara-Cleaver, G、Lee, LG 和 Rudick, RA (2013)。在多发性硬化症诊所中使用磁共振成像对多发性硬化症疾病活动进行分类的可靠性。JAMA Neurol. 70，338-344。doi：I0.1001/2013.jamaneuroL211 1.3 Battagiini, M.. Rossi, F.» Grove, RA、Stromillo, M. L、Whitcher, B.、Matthews, PM. 等人 (2014)。使用减影图像自动识别多发性硬化症中的大脑新病变。I. Magn. Reson. Imaging 39, 1543-1549。doi: 10.1002/jmri .24293 1.4 Baur, G、Denner, S.、Wiestler, B.、Navab, N. 和 Albarqouni, S. (2021)。用于脑部 MR 图像中无监督异常分割的自动编码器：一项比较研究。Med. Image Anal. 69:101952。doi: 10.1016/j.media.2020.101952 1.5 Bose, M.、Heitz. F.» Armspach, J.-P.» Namer, L, Gounot, D. 和 Rumbach. L (2003)。多模态序列 MR1 中的自动变化检测：应用于多发性硬化症病变演变。NeuroImage 20, 643-656。doi: 10.1016ZS1053-8119(03)00406 3 1.6 Brownlee, WJ, Altmann. DR. Prados, F., Miszkiel, KA. Eshaghi, A., Gandini Wheeler-Kingshott, Q A. 等人 (2019)。复发型多发性硬化症长期结果的早期成像预测因子。Brain 142。2276-2287。doi: !0.1093/brain/awzl56 1.7 Carass, A., Roy, log. A., Cuzzocreo。 J. L、Magrath、E.、Gherman、A. 等 (2017)。纵向多发性硬化症病变分割：资源与挑战。NeuroImage 148,77-102。doi：10.10I6/j.neuroimage20l6.12.064 1.8 Qtek、0.、Abdulkadir、A.、I.ienkamp、SS。Brox、T.» 和 Ronneberger、O. (2016)。“3D U-Net 从稀疏注释中学习密集体积分割。”国际医学图像计算与计算机辅助干预会议 (雅典：Springer)，424-432。1.9 Commowick、O.、Istace、A.、Kain、M.» Laurent. B.. Leray, F., Simon, M.. 等人 (2018)。使用数据管理和处理基础架构对多发性硬化症病变分割进行客观评估。Sci. Rep. 8, 1-17。doi: 10.1038/S41598-018-31911-7 1.10 Egger, G, Opfer, R., Wang, C.» Kepp, T.» Sormani, MP。Spies, L, 等人 (2017)。多发性硬化症中的 MR1 FLAIR 病变分割：自动分割是否与手动注释相符？NeuroImage Clin. 13, 264-270。doi: 10.1016/j.nicl.2016.11.020
线粒体：结直肠癌进展和耐药性的关键因素
结直肠癌（CRC）是近年来全球发病率和死亡率最高的恶性肿瘤之一，主要起源于结肠或直肠的粘膜组织，并有可能快速发展为侵袭性癌症。它的发病机理很复杂，涉及许多因素，包括遗传背景，生活方式和饮食习惯。早期检测和治疗是提高CRC患者存活率的关键。然而，普遍的问题是患者可以严重抵抗治疗，这大大增加了治疗的复杂性和挑战。因此，揭开和克服CRC的抵抗力已成为研究的重点。线粒体（细胞的能量中心）在细胞代谢，能量供应和凋亡过程中起着至关重要的作用。在CRC中，线粒体功能障碍不仅会损害正常的细胞功能，还会促进肿瘤耐药性。因此，对线粒体功能障碍与CRC发育机制之间的关系有深入的了解，以及促进对化学疗法药物抗药性的机制，对于靶向疗法的发展，增强药物效率以及改善患者寿命的治疗效果和质量至关重要。
竞赛未来：开放式财务PH Hackathon
在生态系统中运营的不同财务机构之间共享客户的财务帐户信息。开放的基于财务的帐户汇总扩展到数据整合和可视化。随着客户随时可从生态系统获得的财务信息，公司可以个性化他们的服务，以满足不断发展的客户财务需求。
人工智能工程设计 Giorgi Tskhondia
工程设计自动化可以表述为马尔可夫决策过程 (MDP)。工程师提供结构的初始几何形状，设置负载并允许改变几何形状的操作，指定优化目标（例如最小化重量、最大化刚度），然后开始训练模型。训练结束后，在推理阶段，工程师得到最终设计。生成式人工智能的最新发展可以增强这一过程。