XiaoMi-AI文件搜索系统
World File Search Systemhypotheses
重新思考植物细胞器 DNA 的突变假说
自从 Palmer 和 Herbon [ 1 ] 注意到六种芸苔属和萝卜属植物的线粒体DNA进化模式存在差异以来，植物线粒体DNA (mtDNA)在序列上进化缓慢但在结构上进化迅速这一长期未解之谜已经持续了近 40 年。后续分析证实并延续了这一悖论。一方面，尽管编码了类似的电子传递链基因，但植物线粒体DNA的同义核苷酸替换率 (dS) 比哺乳动物线粒体DNA低一个或两个数量级。此外，植物线粒体DNA包含较大的非编码区，而动物线粒体DNA则较小且编码密集。与质体DNA (ptDNA)相比，植物线粒体DNA表现出明显更大的结构变异性，但在被子植物中，其dS 却不到ptDNA的三分之一 [ 2 , 3 ]。另一方面，一些远缘植物类群独立地表现出线粒体 DNA d S 令人惊讶的加速，如车前草、蝇子草、筋骨草和天竺葵 [ 4 − 7 ] 。例如，S. noctiflora 在过去 500 万年中 d S 增加了 100 倍，而在车前草中，最快和最慢物种之间的差异约为 4000 倍 [ 4 , 8 ] 。人们在很大程度上不知道是什么机制形成了这种非典型的加速，如果有的话，这些谱系之间是否共享这种加速。这些观察结果自然引发了关于植物线粒体 DNA 序列和结构突变如何产生、修复、保留和固定的讨论。这些讨论反过来又有助于进化假说更好地适应线粒体DNA中的其他基因组特征，包括但不限于基因组大小、RNA编辑、基因谱、非编码区域，从而引发关于这些过程是否具有适应性或非适应性的更广泛争论[9−16]。
量化投资的未来：十个假设
量化投资：过去和现在 我们今天所理解的量化投资理论和实践始于 20 世纪 50 年代。引领这一潮流的是一些著名的学术模型，如马科维茨的现代投资组合理论（1952 年）、夏普的资本资产定价模型（1964 年）和法玛的有效市场假说（1970 年）——当然还有法玛与弗伦奇合作提出的开创性的三因素模型（1992 年）。今天，量化投资在相关性和复杂程度方面不断发展。LSV、BGI/BlackRock、AQR 等从业者以及我们自己的 Robeco 研究人员都为该领域做出了贡献，量化管理的 AuM 在此过程中稳步增长。量化投资最初被视为一种学术上的好奇心，在 20 世纪 90 年代开始发展，如今已被视为与基本面相同的市场不可或缺的一部分。我们相信，新技术的发展将继续成为量化投资发展最深刻、最关键的影响因素之一。未来 20 年，这种发展（最近在数据和计算领域）的速度看起来将与过去 20 年一样快，甚至更快。如果我们加上
使用疾病特异性超图生成新的药物再利用假设
一种新化合物的药物开发流程可能持续 10-20 年，耗资超过 100 亿美元。药物再利用提供了一种更省时省钱的替代方案。基于网络图表示的计算方法（由疾病节点及其相互作用的混合组成）最近产生了新的药物再利用假设，包括适用于 COVID-19 的候选药物。然而，这些相互作用组在设计上仍然是聚合的，并且通常缺乏疾病特异性。这种信息稀释可能会影响药物节点嵌入与特定疾病的相关性、由此产生的药物-疾病和药物-药物相似性得分，从而影响我们识别新靶点或药物协同作用的能力。为了解决这个问题，我们建议构建和学习疾病特异性超图，其中超边编码各种长度的生物途径。我们使用改进的 node2vec 算法来生成通路嵌入。我们评估了我们的超图为一种无法治愈但普遍存在的疾病——阿尔茨海默病 (AD) 寻找再利用靶标的能力，并将我们的排序建议与来自最先进的知识图谱——多尺度相互作用组的建议进行比较。使用我们的方法，我们成功地确定了 7 个有希望的 AD 再利用候选药物，这些候选药物被多尺度相互作用组评为不太可能的再利用靶标，但现有文献提供了支持证据。此外，我们的药物再定位建议附有解释，引出了合理的生物学途径。未来，我们计划将我们提出的方法扩展到 800 多种疾病，将单一疾病超图组合成多疾病超图，以解释具有风险因素的亚群或编码特定患者的合并症，以制定个性化的再利用建议。
化学元素观察，考虑和假设的三方面有关化学元素和数字3
这项工作提出了有关化学元素和数字3的一些观察，考虑和假设。表明，数字3在化学元素及其特性上以各种方式出现。尤其是我们提出了化学元素的三级运动。假定数字3和三方的存在具有物理起源，并意味着物理意义。三方可能可用于选择一组特定的元素，以设计具有特殊属性的系统。三方面可以通过两种不同的方式得出，即通过全球缩放（科学的整体方法），以及数字3的特殊作用。在某些物理学领域（例如超导性，寻找室温超导体和新型基于LENR的能量技术）的某些领域的一些观察和开放问题的背景下，考虑了三方。也提出的是关于数字3和数字的基本考虑因素，为什么数字不仅是抽象的物理量，而且可能是可能会引起物理效应的物理量。这项工作还包括对全球缩放和一些相关开放问题的介绍。
从知识图谱中学习药物-疾病-靶点嵌入 (DDTE)，为药物再利用假设提供信息
我们旨在开发和验证一种新的图嵌入算法，用于嵌入药物-疾病-靶点网络以生成新的药物再利用假设。我们的模型将药物、疾病和靶点分别表示为主语、谓语和宾语。每个实体都由一个多维向量表示，谓语被视为从主语到宾语向量的平移向量。这些向量经过优化，以便当主语-谓语-宾语三元组表示已知的药物-疾病-靶点关系时，主语和谓语之间的总和向量应接近宾语的向量；否则，总和向量远离宾语。DTINet 数据集用于测试该算法并发现药物和疾病之间的未知联系。在交叉验证实验中，这种新算法优于原始 DTINet 模型。我们模型的 MRR（平均倒数排名）值约为 0.80，而原始模型的 MRR（平均倒数排名）值约为 0.70。此外，我们还识别并验证了几对新的治疗关系以及原始 DTINet 数据集中未记录的副作用关系。这种方法表现出色，预测的药物-疾病和药物-副作用关系与文献报道一致。这种新方法可用于分析各种类型的新兴生物医学和医疗保健相关知识图谱 (KG)。
精神分裂症的多巴胺、谷氨酸和 GABA 假说：谷氨酸可能是关键
本文探讨了神经递质多巴胺、谷氨酸和γ-氨基丁酸 (GABA) 导致精神分裂症的假设，并得出结论：谷氨酸影响多巴胺和 GABA 的联合模型是最合理的解释机制。多巴胺假说得到了证据的支持，即精神分裂症患者的特定大脑区域的多巴胺受体和神经递质明显增加和减少。此外，针对多巴胺受体的药物已成功减轻了精神分裂症症状。谷氨酸假说认为神经递质谷氨酸是这种疾病的基础，因为影响 NMDA（谷氨酸）受体已被证明会导致积极和消极的精神分裂症症状，包括仅在精神分裂症中出现的视觉和听觉症状。此外，与 NMDA 受体和精神分裂症相关的几个基因存在遗传关联。 GABA 模型也被探索，因为篡改与 GABA 相关的细胞已被证明会诱发精神分裂症症状，尽管这可以解释为与谷氨酸模型的结合，而不是对立。单独考虑时，这些假设是有缺陷的。多巴胺模型无法解释负面的精神分裂症症状，针对多巴胺受体的药物仍然无法完全减轻自我报告的症状。同样，谷氨酸模型可能是由不规则的 GABA 量引起的，谷氨酸假说也可能解释针对多巴胺的治疗的积极作用。有证据表明，导致 NMDA 受体功能下降的药物会导致多巴胺功能障碍。结合多巴胺和谷氨酸参与的有力证据，最合理的模型是 NMDA 功能障碍导致 GABA 和多巴胺受体问题。