XiaoMi-AI文件搜索系统
World File Search Systemin2
grin2a功能障碍通过破坏MPFC电路的LC调制
（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2025年2月1日发布。 https://doi.org/10.1101/2025.02.01.636062 doi：Biorxiv Preprint
通过计算机辅助药物设计开发新型 Lin28 抑制剂
Lin28 是癌症干细胞基因网络的关键调节因子，可促进各种肿瘤的治疗耐药性肿瘤进展。然而，目前还没有一种 Lin28 抑制剂被批准用于治疗癌症患者，这促使人们探索新型化合物作为临床试验的候选药物。在本文中，我们将计算机辅助药物设计 (CADD) 与定量生化和生物测定相结合。这些努力导致发现 Ln268 是一种候选药物，它可以阻止 Lin28 与其 RNA 底物结合并抑制 Lin28 活性。Ln268 抑制了 Lin28 介导的癌细胞增殖和球体生长。核磁共振波谱的结果证实，Ln268 扰乱了 Lin28 锌指结构域的构象，验证了 CADD 的合理药物设计。Ln268 的抑制作用依赖于癌细胞中 Lin28 蛋白的表达，突显了 Ln268 有限的脱靶效应。此外，Ln268 可与多种化疗药物协同抑制肿瘤细胞生长。总之，Ln268 是针对 Lin28 的有希望的候选药物，值得进一步研究用于癌症治疗。
使用基因破坏陷阱方法的正向遗传筛选确定了斑马鱼心脏功能中与Grin2Bb相关的RNA转录本（GRIN2BBART）的新作用
基于LNCRNA的控制会影响心肌梗塞，冠状动脉疾病，肥大和肌肌肌肉营养不良等心脏病生理学。本研究使用基因破裂的转座子（GBT）来筛选斑马鱼（Danio rerio）进行插入诱变。我们确定了三个插入突变体，其中GBT捕获了心脏基因。成年活的GBT突变体之一患有心动过心（心律不齐）和心脏室肿大或肥大。我们将其命名为“ Bigheart。” Bigheart突变插入图中的Grin2Bb或N-甲基D-天冬氨酸受体（NMDAR2B）基因内含子2的反向取向。相邻cDNA末端分析的快速扩增表明，在grin2bb的内含子2中有一个新的插入位点转录本。对野生型斑马鱼心脏室的RNA测序的分析显示，在插入部位显示了可能的新转录本。由于此推定的lncRNA转录本满足了规范的特征，因此我们称此转录本GRIN2BB相关的RNA转录本（grin2bbart）。使用原位杂交，我们确定了心脏，中枢神经系统中的局部grin2bbart表达，以及发育中的胚胎和野生型成人斑马曲线中心和大动脉中的肌肉。Bigheart突变体降低了grin2bbart的表达。我们表明，Bigheart基因陷阱插入切除切除了心律不齐和心房肥大，并恢复了Grin2Bbart的表达。吗啡介导的grin2bbart的反义下调模仿Bigheart突变体的野生型斑马鱼胚胎胚胎；这表明Grin2Bbart与Bigheart相关。Western印迹分析突出显示心血管组织使用grin2bb作为钙渗透离子通道。对Bigheart突变体进行的钙成像实验表明心脏中的钙不当。Bigheart心脏转录组显示钙稳态，心脏重塑和收缩基因的差异表达。
Brain2GAN：灵长类大脑中视觉感知的特征解缠神经编码和解码
图 6：基于生成的编码性能。对于每个单独的微电极单元，我们基于三个不同的特征表示拟合三个编码模型：z -、w - 和 CLIP 潜在表示。因此，我们拟合了 3 × 960 个独立编码器，从而得到 3 × 960 个预测神经响应，因为 V1、V4 和 IT 分别有七个、四个和四个微电极阵列（每个 64 个单元）（即 V1 中 7 × 64 = 448，V4 中 4 × 64 = 256，IT 中 4 × 64 = 256）。散点图在 X 轴上显示一个编码模型的预测-目标相关性 (r)，在 Y 轴上显示另一个编码模型，以研究两者之间的关系。每个点代表一个建模微电极单元在两个编码模型方面的性能（因此，每个图 960 个点）。负相关值设置为零。对角线表示两种模型的性能相同。Bonferonni 校正的 α = 5 . 21e − 5 的临界 r 值分别为人脸 ( df = 100 ) 和自然图像 ( df = 200 ) 的 r = 0 . 3895 和 r = 0 . 2807，用阴影区域表示。很明显，w 潜在值优于 z 潜在值和 CLIP 潜在值，因为大多数点位于 w 轴方向（对角线上方）。星号表示基于阴影区域外的数据点的每个感兴趣区域的平均相关系数。
brain2gan：灵长类动物大脑中视觉感知的特征性神经编码
神经编码的一个具有挑战性的目标是表征视觉影响的基础神经表示。为此，我们分析了猕猴视觉皮层的多单元活动与最新的深层生成模型的潜在表述，包括生成对抗网络的特征 - 触发器（即Style of Stylegan）的特征 - 触发器，而语言的差异差异网络的语言对比度表示。潜在表示的质量单变量神经编码分析表明，特征示词表示的解释越来越多的方差比腹侧流的替代表示更多。随后，对特征示意图表示的多元神经解码分析导致视觉感知的最新时空重建。综上所述，我们的结果不仅强调了特征 - 触发物在塑造视觉感知基础的高级神经表示中的重要作用，而且还可以成为神经编码未来的重要基准。
Brain2Pix：根据大脑活动进行完全卷积自然视频帧重建
从大脑活动中重建复杂而动态的视觉感知仍然是机器学习应用于神经科学的一大挑战。在这里，我们提出了一种新方法，用于从非常大的单参与者功能性磁共振成像数据中重建自然图像和视频，该方法利用了图像到图像转换网络的最新成功。这是通过利用从整个视觉系统的视网膜主题映射中获得的空间信息来实现的。更具体地说，我们首先根据其对应的感受野位置确定特定感兴趣区域中的每个体素在视野中代表什么位置。然后，将视野上大脑活动的 2D 图像表示传递给完全卷积的图像到图像网络，该网络经过训练以使用带有对抗性正则化的 VGG 特征损失恢复原始刺激。在我们的实验中，我们表明我们的方法比现有的视频重建技术有了显着的改进。
Brain2Pix：根据大脑活动进行完全卷积自然视频重建
摘要 从大脑活动重建复杂而动态的视觉感知仍然是机器学习应用于神经科学的一大挑战。在这里，我们介绍了一种从非常大的单参与者功能性磁共振数据重建自然图像和视频的新方法，该方法利用了图像到图像转换网络的最新成功。这是通过利用从整个视觉系统的视网膜主题映射中获得的空间信息来实现的。更具体地说，我们首先根据其对应的感受野位置确定特定感兴趣区域中的每个体素在视野中代表什么位置。然后，将视野上大脑活动的 2D 图像表示传递给完全卷积的图像到图像网络，该网络经过训练以使用带有对抗性正则化的 VGG 特征损失恢复原始刺激。在我们的实验中，我们表明我们的方法比现有的视频重建技术有了显着的改进。
brain2Char：用于解码大脑记录文本的深度结构
抽象目标。直接从大脑解码语言表示可以使新的大脑 - 计算机界面（BCIS）用于高带宽人类 - 人类和人类 - 光明通信。在临床上，这种技术可以恢复具有神经系统疾病的人的沟通，从而影响其说话能力。方法。在这项研究中，我们提出了一种新型的深层网络结构Brain2Char，以直接从直接脑记录（称为电皮质摄影，ECOG）解码文本（特别是字符序列）。Brain2Char框架结合了最先进的深度学习模块 - 从神经数据和双向复发层中提取多次时空特征特征的3D成立层，扩张的卷积层，然后是语言模型的横梁加权梁搜索以解码性角色序列，并优化连接的临时分类损失。此外，考虑到皮质功能转换为角色序列的高度非线性变换，我们对网络的潜在表示进行了正直化，这是由对语音生产的皮质编码和ECOG数据采集特定的人为方面的洞察力进行的。为此，我们对辅助损失施加了辅助损失，以进行发音运动，语音声学和会话特定的非线性。主要结果。在这里报告的三名参与者中，Brain2Char在词汇量上分别达到10.6％，8.5％和7.0％的单词错误率，范围为1200到1900个单词。意义。这些结果为从大脑信号解码文本中建立了一种新的端到端方法，并证明了Brain2Char作为高性能通信BCI的潜力。
人工智能平台用于识别复发风险较高的原发性前列腺癌患者 Wei Huang, MD1,2, Parag Jain2, Ramandeep Randhawa2,3, Bijay S Jaiswal2, Samuel Hubbard1, Hirak Basu4, Rajat Roy2 1威斯康星大学麦迪逊分校病理学和实验室医学系, 2加利福尼亚州PathomIQ, Inc, 3南加州大学数据科学和运营系, 4MD 安德森癌症中心 GU 肿瘤学系
目前，尚无批准的原发性前列腺癌 (PCa) 辅助疗法。由于距离复发时间较长，且缺乏预测一线治疗后复发的强有力生物标志物，因此无法在短时间内完成临床试验并获批辅助疗法。人工智能 (AI) 为从 PCa 组织中提取关键形态特征作为人眼无法发现的预后标志物提供了独特的机会 [1-3]。我们构建了一个基于 AI 的平台来分析 PCa 的 H&E 染色组织学图像。我们的平台可以准确检测、分级和量化患者组织图像中的 PCa [4,5]。在这里，我们展示了该平台如何通过无监督提取来识别形态特征，这些特征表明根治性前列腺切除术 (RP) 后 3 年内出现生化复发，准确率为 84%。我们的结果表明，与目前临床使用的任何其他标志物相比，我们的方法更能预测术后疾病复发。