XiaoMi-AI文件搜索系统
World File Search Systeminitial
完成主要疫苗接种和初始加强针接种后出现严重的 COVID-19 后果：对英格兰、北爱尔兰、苏格兰和威尔士 3000 万个人的国家前瞻性队列研究的汇总分析
方法 我们通过对 3000 万人的初级保健、RT-PCR 检测、疫苗接种、住院和死亡率数据进行关联，构建了英国所有四个国家的前瞻性队列。我们在初步分析中纳入了接种过 BNT162b2（tozinameran；辉瑞-BioNTech）或 ChAdOx1 nCoV-19（牛津-阿斯利康）疫苗初级疫苗剂量的个体。然后，我们将分析范围限制为那些在 2021 年 12 月 20 日至 2022 年 2 月 28 日（当时 omicron (B.1.1.529) 变体占主导地位）期间接种过 BNT162b2 或 mRNA-1273（elasomeran；Moderna）加强剂且 COVID-19 转归严重的人。我们拟合了时间依赖性泊松回归模型，并计算了风险因素与 COVID-19 相关住院或死亡之间关联的调整率比 (aRR) 和 95% 置信区间。我们调整了一系列潜在协变量，包括年龄、性别、合并症和既往 SARS-CoV-2 感染情况。按疫苗类型进行分层分析。然后，我们使用固定效应荟萃分析对英国各国进行了汇总分析。
![b'与 ED 一样，对于一般的混合态，EC 也很难计算，而且只在极少数特殊情况下才为人所知。但是，对于纯态，例如前面讨论过的 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 状态，EC = \xe2\x88\x92 Tr \xcf\x81 A log 2 ( \xcf\x81 A ) ，等于 ED 。实现纯态稀释过程的最佳方式是利用两种技术：（i）量子隐形传态，我们在一开始就介绍过，它简单地说是一个双方共享的贝尔态可以用来确定地转移一个未知的量子比特态，以及（ii）量子数据压缩[12]，它的基本意思是，一个由 n 个量子比特组成的大消息，每个量子比特平均由一个密度矩阵 \xcf\x81 A 描述，可以压缩成可能更少的 k = nS ( \xcf\x81 A ) \xe2\x89\xa4 n 个量子比特；而且只要 n 足够大，就可以忠实地恢复整个消息。我们稍后会讨论量子数据压缩。纯态在渐近极限下的可逆性。有了这两个工具，爱丽丝可以先准备 n 份 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 （总共 2 n 个量子比特）在本地压缩 n 个量子比特为 k 个量子比特，然后 \xe2\x80\x9csend\xe2\x80\x9d 发送给 Bob，并使用共享的 k 个贝尔态将压缩的 k 个量子比特传送给 Bob。然后 Bob 将 k 个量子比特解压缩回未压缩的 n 个量子比特，这些量子比特属于纠缠态 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 的 n 个副本中的一半。因此，Alice 和 Bob 建立了 n 对 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 。这描述了纯态稀释过程的最佳程序。蒸馏的纠缠和纠缠成本被渐近地定义，即两个过程都涉及无限数量的初始状态的副本。对于纯态，EC = ED [7]，这意味着这两个过程是渐近可逆的。但对于混合态，这两个量都很难计算。尽管如此，预计 EC ( \xcf\x81 ) \xe2\x89\xa5 ED ( \xcf\x81 )，即蒸馏出的纠缠不能比投入的多。形成的纠缠\xe2\x80\x94 是一个平均量 。然而，正如我们现在所解释的，有一个 EC 的修改，通过对纯态的 EC 取平均值获得，它被称为形成纠缠 EF [11, 13]。任何混合态 \xcf\x81 都可以分解为纯态混合 { pi , | \xcf\x88 i \xe2\x9f\xa9\xe2\x9f\xa8 \xcf\x88 i |} ，尽管分解远非唯一。以这种方式通过混合纯态构建混合态平均需要花费 P'](/simg/b/b87790512905fd558b37731181c2b32866795b88.webp)
b'与 ED 一样，对于一般的混合态，EC 也很难计算，而且只在极少数特殊情况下才为人所知。但是，对于纯态，例如前面讨论过的 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 状态，EC = \xe2\x88\x92 Tr \xcf\x81 A log 2 ( \xcf\x81 A ) ，等于 ED 。实现纯态稀释过程的最佳方式是利用两种技术：（i）量子隐形传态，我们在一开始就介绍过，它简单地说是一个双方共享的贝尔态可以用来确定地转移一个未知的量子比特态，以及（ii）量子数据压缩[12]，它的基本意思是，一个由 n 个量子比特组成的大消息，每个量子比特平均由一个密度矩阵 \xcf\x81 A 描述，可以压缩成可能更少的 k = nS ( \xcf\x81 A ) \xe2\x89\xa4 n 个量子比特；而且只要 n 足够大，就可以忠实地恢复整个消息。我们稍后会讨论量子数据压缩。纯态在渐近极限下的可逆性。有了这两个工具，爱丽丝可以先准备 n 份 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 （总共 2 n 个量子比特）在本地压缩 n 个量子比特为 k 个量子比特，然后 \xe2\x80\x9csend\xe2\x80\x9d 发送给 Bob，并使用共享的 k 个贝尔态将压缩的 k 个量子比特传送给 Bob。然后 Bob 将 k 个量子比特解压缩回未压缩的 n 个量子比特，这些量子比特属于纠缠态 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 的 n 个副本中的一半。因此，Alice 和 Bob 建立了 n 对 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 。这描述了纯态稀释过程的最佳程序。蒸馏的纠缠和纠缠成本被渐近地定义，即两个过程都涉及无限数量的初始状态的副本。对于纯态，EC = ED [7]，这意味着这两个过程是渐近可逆的。但对于混合态，这两个量都很难计算。尽管如此，预计 EC ( \xcf\x81 ) \xe2\x89\xa5 ED ( \xcf\x81 )，即蒸馏出的纠缠不能比投入的多。形成的纠缠\xe2\x80\x94 是一个平均量 。然而，正如我们现在所解释的，有一个 EC 的修改，通过对纯态的 EC 取平均值获得，它被称为形成纠缠 EF [11, 13]。任何混合态 \xcf\x81 都可以分解为纯态混合 { pi , | \xcf\x88 i \xe2\x9f\xa9\xe2\x9f\xa8 \xcf\x88 i |} ，尽管分解远非唯一。以这种方式通过混合纯态构建混合态平均需要花费 P'
b'与 ED 一样，对于一般的混合态，EC 也很难计算，而且只在极少数特殊情况下才为人所知。但是，对于纯态，例如前面讨论过的 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 状态，EC = \xe2\x88\x92 Tr \xcf\x81 A log 2 ( \xcf\x81 A ) ，等于 ED 。实现纯态稀释过程的最佳方式是利用两种技术：（i）量子隐形传态，我们在一开始就介绍过，它简单地说是一个双方共享的贝尔态可以用来确定地转移一个未知的量子比特态，以及（ii）量子数据压缩[12]，它的基本意思是，一个由 n 个量子比特组成的大消息，每个量子比特平均由一个密度矩阵 \xcf\x81 A 描述，可以压缩成可能更少的 k = nS ( \xcf\x81 A ) \xe2\x89\xa4 n 个量子比特；而且只要 n 足够大，就可以忠实地恢复整个消息。我们稍后会讨论量子数据压缩。纯态在渐近极限下的可逆性。有了这两个工具，爱丽丝可以先准备 n 份 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 （总共 2 n 个量子比特）在本地压缩 n 个量子比特为 k 个量子比特，然后 \xe2\x80\x9csend\xe2\x80\x9d 发送给 Bob，并使用共享的 k 个贝尔态将压缩的 k 个量子比特传送给 Bob。然后 Bob 将 k 个量子比特解压缩回未压缩的 n 个量子比特，这些量子比特属于纠缠态 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 的 n 个副本中的一半。因此，Alice 和 Bob 建立了 n 对 | \xcf\x88 \xce\xb8 \xe2\x9f\xa9 。这描述了纯态稀释过程的最佳程序。蒸馏的纠缠和纠缠成本被渐近地定义，即两个过程都涉及无限数量的初始状态的副本。对于纯态，EC = ED [7]，这意味着这两个过程是渐近可逆的。但对于混合态，这两个量都很难计算。尽管如此，预计 EC ( \xcf\x81 ) \xe2\x89\xa5 ED ( \xcf\x81 )，即蒸馏出的纠缠不能比投入的多。形成的纠缠\xe2\x80\x94 是一个平均量 。然而，正如我们现在所解释的，有一个 EC 的修改，通过对纯态的 EC 取平均值获得，它被称为形成纠缠 EF [11, 13]。任何混合态 \xcf\x81 都可以分解为纯态混合 { pi , | \xcf\x88 i \xe2\x9f\xa9\xe2\x9f\xa8 \xcf\x88 i |} ，尽管分解远非唯一。以这种方式通过混合纯态构建混合态平均需要花费 P'
第 14 章 特殊报告代码 (SRC) 和职责分配 这些报告分类仅用于人员和/或职位报告目的。 a. 本节所述的职责分配代码已建立，用于识别职位描述与特定 CMF 或 MOS 无直接关联的职位。这些代码允许在部队结构和库存变化方面具有更大的灵活性，从而可以进行更准确的编码以满足要求，但受到控制，通常需要得到代码批准机构的批准，然后才能在授权文件中对职位进行编码。职责分配代码包含前两位数字 00。 b. 已建立特殊报告代码以识别本节所述的特殊类别的人员。人员报告文件中将使用特殊报告代码来反映士兵的报告分类。特殊报告代码包含前两位数字 09。 14-1. 特殊职责分配 (00D) a. 此代码 (00D) 将用于识别组织授权文件中批准的特殊职责分配职位，并报告分配到这些职位的士兵的职责 MOS。授权文件在获得 HQDA、ODCS G-1 (DAPE-PRP) 批准之前不会标明 SRC 00D（见表 14-2）。特殊职责岗位必须符合以下标准：（1）职责涉及一般军事技能/教育或独特的特殊资格，与特定职责无直接关系
第 14 章 特殊报告代码 (SRC) 和职责分配 这些报告分类仅用于人员和/或职位报告目的。a.本节所述的职责分配代码已建立，用于识别职位描述与特定 CMF 或 MOS 无直接关联的职位。这些代码允许在部队结构和库存变化方面具有更大的灵活性，允许更准确的编码以满足要求，但受到控制，通常需要获得代码批准机构的批准，然后才能在授权文件中对职位进行编码。职责分配代码包含前两位数字 00。 b.已建立特殊报告代码以识别本节所述的特殊类别的人员。特殊报告代码将用于人员报告文件中，以反映士兵的报告分类。特殊报告代码包含前两位数字 09。14-1。特殊职责分配 (00D) a。此代码 (00D) 将用于识别组织授权文件中已批准的特殊职责分配职位，并报告分配到这些职位的士兵的职责 MOS。在获得 HQDA、ODCS G-1 (DAPE-PRP) 批准之前，授权文件不会标有 SRC 00D（见表 14-2）。特殊职责职位必须满足以下标准： (1) 职责涉及一般军事技能/教育或与特定 MOS（MOS 无关紧要）不直接相关的独特特殊资格。(2) 职责需要独特的民事技能/教育或组件独特经验，这些经验未在本法规的其他地方归类为标识符。(3) 技能和知识通常无法从其他军事组织的其他岗位获得。(4) 驻地或非驻地军校课程既不适用也不适用于培训人员执行所需职责。(5) 涉及的职位数量太少，不足以建立新的 MOS 或其他职业标识符。b.识别 SRC 00D 职位的请求将转发给 ODCS G-1，收件人：DAPE-PRP，300 Army Pentagon，华盛顿特区 20310-0300，并将包括以下信息： (1) 单位识别码、命令代码和职位所在的授权文件的文件编号。(2) 段落和行号。(3) 薪级。(4) 授权数量。(5) 职位描述，包括-- (a) 职责。(1) 随员 (SQI 7) 职位。(b) 所需的最低技能和知识。(6) 与特定 MOS 无关的一般军事技能/教育或独特技能的摘要，或成功执行工作所需的民事教育/培训/经验。(7) 解释为什么不能用现有的陆军标识符编码该工作。c. 除非在初始批准时获得接受（如下文第 d 项所列），否则批准将一直有效，直到任务发生变化或 3 年（以先到者为准）。如果要求有效期超过 3 年，必须重新提交理由以供 HQDA 审查和批准继续有效。d. 批准使用 SRC 00D 的组织或任务集，无需 3 年续签要求。(2) 陆军要求/授权文件中的其他军事服务职位。(3) 伤亡和纪念事务行动中心 (CMAOC) 职位。(4) 监察长 (IG) NCO 职位。(5) 动员 TDA 中的 MOS 非重要职位。(6) 现役部队要求/授权文件中的预备役部队 MOS 00F/00G 非重要职位。(7) 国防部/陆军部信使职位。(8) 总部、信息作战 (IO) 组/营/BNFSB/BNGSB (SRC 53519Gxxx/53612Gxxx/53616Gxxx/ 63617Gxxx/53618Gxxx) 中的 MOS 非重要职位。(9) 美国陆军降落伞队 (W027AA)。
化疗（双重或三重）加 RAS 状态靶向治疗作为最初无法切除的肝转移结肠直肠癌患者的转化疗法。UNICANCER PRODIGE-14 随机临床试验
背景：如果转移灶可切除，结直肠癌 (CRC) 患者的预后会更好。最初，无法切除的仅有肝脏的转移灶可以通过化疗加靶向治疗转为可切除。我们评估了在这种情况下，双药化疗 (2-CTx) 或三药化疗 (3-CTx) 结合根据 RAS 状态的靶向治疗哪种方案效果更好。方法：PRODIGE 14 是一项开放标签、多中心、随机 2 期试验。最初定义为无法切除的仅有肝脏的转移灶的 CRC 患者根据 RAS 状态接受 2-CTx（FOLFOX 或 FOLFIRI）或 3-CTx（FOLFIRINOX）加贝伐单抗/西妥昔单抗治疗。主要终点是使用 3-CTx 将 R0/R1 肝切除率从 50% 提高到 70%。结果：患者（n = 256）主要为男性，ECOG PS 为 0，中位年龄为 60 岁。总共有 109 名患者（42.6%）患有 RAS 突变肿瘤。经过 45.6 个月的中位随访，3-CTx 的 R0/R1 肝切除率为 56.9%（95% CI：48 – 66），而 2-CTx 的 R0/R1 肝切除率为 48.4%（95% CI：39 – 57）（P = 0.17）。3-CTx 的中位总生存期为 43.4 个月，而 2-CTx 的中位总生存期为 40 个月。结论：对于最初无法切除肝转移的 CRC 患者，我们未能通过使用 3-CTx 联合贝伐单抗或西妥昔单抗根据 RAS 状态将 R0/R1 肝切除率从 50% 提高到 70%。
用于初始化氮空位自旋寄存器的量子控制序列的优化
许多量子信息协议的实施需要对量子寄存器进行有效的初始化。在本文中，我们优化了一种粒子捕获协议，用于初始化与金刚石中单个氮空位 (NV) 中心相关的混合自旋寄存器。我们通过使用一系列微波、射频和光脉冲极化 NV 的电子和核自旋来初始化量子寄存器。我们使用速率方程模型来解释光脉冲作用下的粒子分布。将该模型与通过执行部分量子态层析成像获得的实验数据进行了比较。为了进一步增加自旋极化，我们提出了一种具有优化光脉冲的递归协议。我们还讨论了核和电子自旋泵送速率的相对值在实现最大自旋极化程度中的作用。
初始激素受体/HER2 亚型是晚期乳腺癌亚型不一致的主要决定因素：SONABRE 登记研究
摘要 目的 激素受体 (HR) 和人表皮生长因子受体 2 (HER2) 是指导乳腺癌全身治疗选择的主要参数，但会在疾病过程中发生变化。本研究旨在评估晚期乳腺癌 (ABC) 患者的活检率和受体亚型不一致率。方法 从荷兰东南部晚期乳腺癌 (SONABRE) 登记处选取 2007 年至 2018 年 7 家医院确诊为 ABC 的患者。进行多变量逻辑回归分析以确定影响活检和不一致率的因素。结果 总体而言，2854 名患者中有 60% 在诊断时进行了转移部位的活检。与活检率降低相关的因素之一是 HR + /HER2 + 原发性肿瘤亚型（与 HR + /HER2- 亚型相比：OR = 0.68；95% CI：0.51–0.90）。在 748 名接受原发性肿瘤和转移部位活检的患者中，总受体不一致率为 18%。其中 HR + /HER2 + 原发性肿瘤亚型的不一致率最高，为 55%。在 624 名异时性转移患者中，HR + /HER2 + 亚型仍然是与较高不一致率显著相关的唯一预测因素，无论先前的（新）辅助治疗如何（OR = 7.49；95% CI：3.69-15.20）。结论 HR + /HER2 + 亚型的不一致率最高，但活检率在所有四种受体亚型中最低。先前的全身治疗与亚型不一致没有独立相关性。这项研究强调了获取转移性疾病活检的重要性，尤其是 HR + /HER2 + 亚型，以确定最佳治疗策略。
视频人工智能系统的成本和收益如何？视频人工智能：初始成本和长期收益 投资人工智能是许多公司经常谈论的事情。但您实际上投资的是什么？成本是多少？长期收益是什么？在本白皮书中，我们将解释如何以及为何投资视频人工智能。 为什么要投资视频人工智能？主要原因是视觉图像包含非常重要的数据。通过使用这些数据，您可以作为一家公司脱颖而出，目标是为您的客户提供更好的解决方案。 通过投资视频人工智能 (Video AI)，您可以从视频数据中获得正确的智能信息。简而言之，人工智能 (AI) 以高度智能的方式识别、分类和索引镜头。在此基础上，可以搜索、编辑和量化收集和分类的数据。人工智能软件实时处理视频数据，以便您可以在发生检测警报时快速评估和响应。此外，可以轻松检索现有视频片段。因此，您可以快速搜索数千小时的镜头以查找所需的事件。当 AI 系统识别、分类和索引素材时，会产生额外的数据。从长远来看，这些收集到的元数据可以成为有价值的商业智能的额外来源。可以使用各种商业智能工具清晰地以图形方式显示这一点。当您考虑实施视频 AI 系统时，重要的是要正确评估总购置成本。换句话说，就是总拥有成本 (TCO)。当然，这些成本会根据每个组织的独特需求和情况而有所不同。本白皮书将概述系统要求、基础设施、网络和实施方面的各种实施因素和相关成本考虑因素。以及该产品可以提供的巨大长期节省。系统要求视频 AI 是一种智能软件技术，但为了使软件正常运行，外围设备必须到位。提前清楚了解所需的系统要求非常重要。IP 摄像机的数量、所需的 AI 功能以及安装类型（本地、远程或云）的组合决定了所需的系统要求。一些视频 AI 平台易于与已安装的 IP 摄像机结合使用。在销售过程中提出这一点很重要，因为它会影响初始投资。一个好的视频 AI 实施合作伙伴可以就所需的硬件为您提供建议。为了达到预期的效果，确定摄像机的类型和摄像机的位置非常重要。基础设施视频 AI 解决方案的基础设施因需求而异。有些人希望为多个位置提供集成解决方案，而其他人可能会考虑将视频 AI 用于单个位置。IP 摄像机、AI 服务器和 NVR/VMS 系统都可以位于一个物理位置本地，也可以位于多个物理位置。将物理位置上的摄像机与（公共）云中的软件相结合也是可能的。同样，正确的 AI 实施合作伙伴的作用非常重要。
视频人工智能系统的成本和收益如何？视频人工智能：初始成本和长期收益 投资人工智能是许多公司经常谈论的事情。但您实际上投资的是什么？成本是多少？长期收益是什么？在本白皮书中，我们将解释如何以及为何投资视频人工智能。 为什么要投资视频人工智能？主要原因是视觉图像包含非常重要的数据。通过使用这些数据，您可以作为一家公司脱颖而出，目标是为您的客户提供更好的解决方案。 通过投资视频人工智能 (Video AI)，您可以从视频数据中获得正确的智能信息。简而言之，人工智能 (AI) 以高度智能的方式识别、分类和索引镜头。在此基础上，可以搜索、编辑和量化收集和分类的数据。人工智能软件实时处理视频数据，以便您可以在发生检测警报时快速评估和响应。此外，可以轻松检索现有视频片段。因此，您可以快速搜索数千小时的镜头以查找所需的事件。当 AI 系统识别、分类和索引素材时，会产生额外的数据。从长远来看，这些收集到的元数据可以成为有价值的商业智能的额外来源。可以使用各种商业智能工具清晰地以图形方式显示这一点。当您考虑实施视频 AI 系统时，重要的是要正确评估总购置成本。换句话说，就是总拥有成本 (TCO)。当然，这些成本会根据每个组织的独特需求和情况而有所不同。本白皮书将概述系统要求、基础设施、网络和实施方面的各种实施因素和相关成本考虑因素。以及该产品可以提供的巨大长期节省。系统要求视频 AI 是一种智能软件技术，但为了使软件正常运行，外围设备必须到位。提前清楚了解所需的系统要求非常重要。IP 摄像机的数量、所需的 AI 功能以及安装类型（本地、远程或云）的组合决定了所需的系统要求。一些视频 AI 平台易于与已安装的 IP 摄像机结合使用。在销售过程中提出这一点很重要，因为它会影响初始投资。一个好的视频 AI 实施合作伙伴可以就所需的硬件为您提供建议。为了达到预期的效果，确定摄像机的类型和摄像机的位置非常重要。基础设施视频 AI 解决方案的基础设施因需求而异。有些人希望为多个位置提供集成解决方案，而其他人可能会考虑将视频 AI 用于单个位置。IP 摄像机、AI 服务器和 NVR/VMS 系统都可以位于一个物理位置本地，也可以位于多个物理位置。将物理位置上的摄像机与（公共）云中的软件相结合也是可能的。同样，正确的 AI 实施合作伙伴的作用非常重要。
已发布版本的引文 (APA)：Dudurych, I.、Garcia-Uceda, A.、Saghir, Z.、Tiddens, H. A. W. M.、Vliegenthart, R. 和 de Bruijne, M. (2021)。根据初始气道分割创建人工智能训练集。欧洲放射学实验，5(1)，第 54 条。https://doi.org/10.1186/s41747-021-00247-9
气道分割对于肺部疾病研究很重要，但需要训练有素的专家花费大量时间。我们使用公开可用的软件来改进从人工智能 (AI) 工具获得的气道分割，并重新训练该工具以获得更好的性能。使用之前在丹麦肺癌筛查试验和 Erasmus-MC Sophia 数据集上训练过的 3D-Unet AI 工具从低剂量胸部计算机断层扫描中获得 15 个初始气道分割。在 3D Slicer 中手动校正分割。校正后的气道分割用于重新训练 3D-Unet。自动获取气道测量值，包括从分割中每代计数、气道长度和管腔直径。每次扫描校正分割需要 2 – 4 小时。与初始分割相比，手动校正的分割具有更多分支（p < 0.001）、更长的气道（p < 0.001）和更小的管腔直径（p = 0.004）。与初始分割相比，重新训练的 3D-Unets 的分割趋向于更多分支和更长的气道。从第 6 代开始，气道的变化最大。手动校正可显着改善分割，并且可能是一种有用且省时的方法，可以提高特定医院或研究数据集上的 AI 工具性能。
一种由内源性 Lcn9 启动子驱动的附睾起始节段特异性表达 Cre 重组酶的新型小鼠系
从睾丸释放的精子经历成熟过程并通过附睾运输获得使卵子受精的能力。附睾分为四个区域，每个区域都有独特的形态、基因谱、腔内微环境和截然不同的功能。为了研究附睾起始节（IS）中相关基因的功能，通过 CRISPR/Cas9 技术建立了一种新的 IS 特异性小鼠模型——Lcn9-Cre 敲入（KI）小鼠系。TAG 终止密码子被 2A-NLS-Cre 盒替换，导致 Lcn9 和 Cre 重组酶共表达。从出生后第 17 天首次观察到 IS 特异性 Cre 表达。使用 Rosa26 tdTomato 报告小鼠，Cre 介导的 DNA 重组仅在主细胞中检测到。使用 Lcn9-Cre 小鼠与携带 Tsc1 floxed 等位基因 (Tsc1 flox/+) 的小鼠品系杂交，进一步证实了附睾 IS 特异性 Cre 体内活性。Cre 表达不影响正常发育或雄性生育力。与之前报道的任何附睾特异性 Cre 小鼠不同，新型 Lcn9-Cre 小鼠品系可用于引入整个 IS 特异性条件基因编辑以进行基因功能研究。