XiaoMi-AI文件搜索系统
World File Search Systemintegrating
![人工智能在预测整形外科皮瓣结果中的作用：系统评价方案 Sabreena Moosa，医学博士候选人 [1]*，Robert Dydynsky，医学博士候选人 [1] [1] 麦克马斯特大学 Michael G. DeGroote 医学院，汉密尔顿，ON L8S 4K1 *通讯作者：sabreena.moosa@medportal.ca 简介：游离皮瓣手术包括重建各种组织缺损。皮瓣失败和感染、缺血等并发症仍然是皮瓣手术后令人担忧的问题，目前的术后标准护理是频繁的床边监测。机器学习模型等人工智能可以帮助外科医生进行术后监测和预测并发症。本系统评价的目的是为分析使用人工智能评估皮瓣手术结果和预测术后并发症的现有文献提供框架。方法：将使用 EMBASE 和 MEDLINE（1974 年至 2021 年 10 月）进行系统评价以确定相关文献。这将包括研究皮瓣手术术后环境中使用的人工智能和机器学习模型。主要结果将包括评估基于这些模型评估皮瓣手术后结果的准确性，包括：皮瓣成功率、愈合情况和术后 1 个月内的并发症。次要结果包括效益分析](/simg/e/e9689b8e3c5cc5a4c1f68e573ab7a476c9a26886.png)
人工智能在预测整形外科皮瓣结果中的作用：系统评价方案 Sabreena Moosa，医学博士候选人 [1]*，Robert Dydynsky，医学博士候选人 [1] [1] 麦克马斯特大学 Michael G. DeGroote 医学院，汉密尔顿，ON L8S 4K1 *通讯作者：sabreena.moosa@medportal.ca 简介：游离皮瓣手术包括重建各种组织缺损。皮瓣失败和感染、缺血等并发症仍然是皮瓣手术后令人担忧的问题，目前的术后标准护理是频繁的床边监测。机器学习模型等人工智能可以帮助外科医生进行术后监测和预测并发症。本系统评价的目的是为分析使用人工智能评估皮瓣手术结果和预测术后并发症的现有文献提供框架。方法：将使用 EMBASE 和 MEDLINE（1974 年至 2021 年 10 月）进行系统评价以确定相关文献。这将包括研究皮瓣手术术后环境中使用的人工智能和机器学习模型。主要结果将包括评估基于这些模型评估皮瓣手术后结果的准确性，包括：皮瓣成功率、愈合情况和术后 1 个月内的并发症。次要结果包括效益分析
人工智能在预测整形外科皮瓣结果中的作用：系统评价方案 Sabreena Moosa，医学博士候选人 [1]*，Robert Dydynsky，医学博士候选人 [1] [1] Michael G. DeGroote 医学院，麦克马斯特大学，汉密尔顿，ON L8S 4K1 *通讯作者：sabreena.moosa@medportal.ca 简介：游离皮瓣手术包括重建各种组织缺损。皮瓣失败和感染、缺血等并发症仍然是皮瓣手术后令人担忧的问题，目前的术后护理标准是频繁的床边监测。机器学习模型等人工智能可以帮助外科医生进行术后监测和预测并发症。本系统评价的目的是提供一个框架，用于分析使用人工智能评估皮瓣手术结果和预测术后并发症的现有文献。方法：将使用 EMBASE 和 MEDLINE（1974 年至 2021 年 10 月）进行系统回顾，以确定相关文献。这将包括研究皮瓣手术术后环境中使用的人工智能和机器学习模型的研究。主要结果将包括评估基于这些模型评估皮瓣手术后结果的准确性，包括：皮瓣成功率、愈合和术后长达 1 个月的并发症。次要结果包括分析使用机器学习模型评估皮瓣手术后结果的利弊。研究将由两名独立审阅者筛选；将使用 Cochrane 偏倚风险工具评估偏倚风险，并使用 QUADAS-2 工具评估方法学质量。讨论：该协议将提供综述框架，总结当前探索人工智能对皮瓣手术结果的作用的文献。结果将有助于为外科医生提供当前应用的概述，并确定潜在的进一步研究和开发领域。结论：由于目前的临床实践是定期的床边监测，整合人工智能可以使该过程对患者更高效、更准确、更安全，并减少劳动力负担或医疗保健系统成本。本综述有助于确定潜在和改进的领域，从而进一步帮助实现皮瓣手术后的成功结果。关键词：人工智能；机器学习；皮瓣手术；结果；并发症；术后；监测；皮瓣成功介绍皮瓣手术
通讯作者 Mohamed M. Abuzaid，mabdеlfatah@sharjаh.ac.ae 人工智能 (AI) 对物理治疗实践的影响：物理治疗师意愿和准备度研究 1 沙迦大学健康科学学院医学诊断成像系，阿联酋沙迦 2 沙迦大学健康科学学院物理治疗系，阿联酋沙迦 3 开罗大学物理治疗学院，埃及开罗 摘要：分析人工智能 (AI) 的现状是将其融入物理治疗实践的关键第一步。因此，本研究旨在评估物理治疗师 (PT) 对 AI 实施的看法、知识和接受意愿。 2021 年 10 月至 12 月，对在阿拉伯联合酋长国 (UAE) 工作的 PT 进行了探索性横断面在线问卷调查。先前经过验证的调查收集了参与者的人口统计信息、看法、知识、准备情况以及将 AI 融入实践的挑战。结果显示，PT 对 AI 的了解相当匮乏。大多数参与者都赞赏 AI 应用的作用，并期望它将在实践中发挥重要作用。参与者指出，缺乏教育资源和适当的培训是 AI 整合的主要挑战。参与者表达了将 AI 纳入本科和研究生课程的强烈愿望。将 AI 融入物理治疗实践的兴奋需要努力为学生和专业人士提供教育和培训。物理治疗师担心，通过适当的准备来提高对 AI 角色和挑战的认识，可以消除工作干扰。将 AI 应用于 PT 实践将塑造物理治疗师的医疗保健服务和教育的未来。AI 将为患者和提供者提供更快的诊断、更好的性能和准确的结果。即使在人工智能在物理治疗中实施的早期阶段，人工智能的应用也提出了问题并增加了期望。关键词：人工智能、深度学习、物理治疗、物理治疗师、知识、实践。 人工智能在物理治疗实践中的影响：物理治疗师愿意和准备情况的研究
通讯作者 Mohamed M. Abuzaid，mabdеlfatah@sharjаh.ac.ae 人工智能 (AI) 对物理治疗实践的影响：物理治疗师意愿和准备度研究 1 沙迦大学健康科学学院医学诊断成像系，阿联酋沙迦 2 沙迦大学健康科学学院物理治疗系，阿联酋沙迦 3 开罗大学物理治疗学院，埃及开罗 摘要：分析人工智能 (AI) 的现状是将其融入物理治疗实践的关键第一步。因此，本研究旨在评估物理治疗师 (PT) 对 AI 实施的看法、知识和接受意愿。 2021 年 10 月至 12 月，对在阿拉伯联合酋长国 (UAE) 工作的 PT 进行了探索性横断面在线问卷调查。先前经过验证的调查收集了参与者的人口统计信息、看法、知识、准备情况以及将 AI 融入实践的挑战。结果显示，PT 对 AI 的了解相当匮乏。大多数参与者都赞赏 AI 应用的作用，并期望它将在实践中发挥重要作用。参与者指出，缺乏教育资源和适当的培训是 AI 整合的主要挑战。参与者表达了将 AI 纳入本科和研究生课程的强烈愿望。将 AI 融入物理治疗实践的兴奋需要努力为学生和专业人士提供教育和培训。物理治疗师担心，通过适当的准备来提高对 AI 角色和挑战的认识，可以消除工作干扰。将 AI 应用于 PT 实践将塑造物理治疗师的医疗保健服务和教育的未来。AI 将为患者和提供者提供更快的诊断、更好的性能和准确的结果。即使在人工智能在物理治疗中实施的早期阶段，人工智能的应用也提出了问题并增加了期望。关键词：人工智能、深度学习、物理治疗、物理治疗师、知识、实践。 人工智能在物理治疗实践中的影响：物理治疗师愿意和准备情况的研究
通过整合原子模拟、实验和人工智能技术来预测相变机制
探索物质从原子到宏观尺度的多尺度特性，将实验观察与原子模拟和深度学习计算机视觉技术相结合，以回答原子如何通过缺陷运动重排实现极端固体中的体相转变这一关键问题
用于集成 50 的系统操作和灵活性解决方案...
“通过发电和储能技术的正确组合，以及需求侧和网络的新灵活性，我们将应对欧洲电力系统出现的挑战。我特别感谢 EDF 团队和我们的欧洲合作伙伴，感谢他们在危机中对这个激动人心的项目的参与和支持。在过去四年中，我们的工业规模示范展示了创新技术和工具在支持电力系统方面的巨大潜力。我们将继续致力于开发和改进它们，因为在欧洲范围内实施低碳发电和灵活性是实现我们的净零目标的关键。”
组织你的空间：整合植物空间转录组学和 3D 成像数据的潜力
植物细胞传递信息以调节发育和对外部压力的反应。这种交流的一个关键形式是转录调控，它通过局部和系统运作的复杂基因网络实现。为了充分了解基因在植物组织和器官中的调控方式，必须获取高分辨率、多维的空间转录数据并将其置于细胞和生物体环境中。空间转录组学 (ST) 通常提供组织切片基因表达的二维空间分析，这些分析可以堆叠以呈现三维数据。例如，X 射线和光片显微镜可提供组织、器官或整个生物体的细胞形态的亚微米级体积成像。将这些技术结合起来可以大大推进植物生物学和其他领域的转录组学。在这里，我们回顾了 ST 和 3D 显微镜方法的进展，并描述了如何将这些技术结合起来以提供高分辨率、空间组织的植物组织转录图谱。
通过整合体外药物反应试验和药物蛋白质分析推断肿瘤特异性癌症依赖性
。CC-BY-NC-ND 4.0 国际许可证永久有效。它是在预印本（未经同行评审认证）下提供的，作者/资助者已授予 bioRxiv 许可，可以在该版本中显示预印本。版权所有者于 2022 年 1 月 12 日发布了此版本。；https://doi.org/10.1101/2022.01.11.475864 doi：bioRxiv 预印本
Self-charging power textiles integrating energy harvesting triboelectric nanogenerators with energy storage batteries/supercapacitors
摘要：在物联网和人工智能的时代，高度的轻巧和灵活的自充电系统具有同步能量收集和能量存储，这是高度满足的，可以为无效，分布式和低功率可耐磨性电子机构提供稳定，可持续性和自主的电源。然而，缺乏关于基于摩擦电纳米生成器（TENG）的最新作品的综合审查和挑战性的讨论，这些基于基于的自动充电功率纺织品，这很有可能成为未来的能源自主能力来源。在此，从纺织结构设计的方面全面总结了自动充电纺织品杂交纤维/织物型tengs和纤维/织物形状电池/超级电容器的杂交。基于当前的研究状况，最终还讨论了关键的瓶颈和更明亮的自我充电功率纺织品的前景。希望自我充电电源纺织品的最新研究的摘要和研究可以帮助相关的研究人员准确掌握研究的进度，专注于关键的科学和技术问题，并促进进一步的研究和实际应用程序。
评估肿瘤异质性：在免疫肿瘤学时代整合组织和循环肿瘤DNA（CTDNA）分析 - 血液TMB与组织TMB
摘要组织肿瘤突变负担（TTMB）的计算以有助于癌症治疗选择。高TTMB预测非小细胞肺癌患者对免疫疗法的有利反应。 据报道，来自循环肿瘤DNA的血液TMB（BTMB）具有相似的预测能力，并已被提议作为TTMB的替代方案。 在许多研究中，不仅TTMB和BTMB并不一致，而且正如我们小组先前报道的那样，预测结果相互矛盾。 这意味着BTMB不是TTMB的替代品，而是可能包含肿瘤异质性的复合指数。 在这里，我们提供了TMB的预测能力的详细概述，讨论与TMB一起使用肿瘤异质性来预测治疗反应的使用，并回顾了几种肿瘤异质性评估的方法。 此外，我们提出了一种假设方法来估计肿瘤异质性并触及其临床意义。高TTMB预测非小细胞肺癌患者对免疫疗法的有利反应。据报道，来自循环肿瘤DNA的血液TMB（BTMB）具有相似的预测能力，并已被提议作为TTMB的替代方案。在许多研究中，不仅TTMB和BTMB并不一致，而且正如我们小组先前报道的那样，预测结果相互矛盾。这意味着BTMB不是TTMB的替代品，而是可能包含肿瘤异质性的复合指数。在这里，我们提供了TMB的预测能力的详细概述，讨论与TMB一起使用肿瘤异质性来预测治疗反应的使用，并回顾了几种肿瘤异质性评估的方法。此外，我们提出了一种假设方法来估计肿瘤异质性并触及其临床意义。
整合全基因组关联研究和表达数量性状基因座定位的正向遗传学方法来解析玉米（Zea mays）叶片的发育
玉米 (Zea mays) 叶片发育的遗传基础表征可支持育种工作，以获得具有更高活力和生产力的植物。在本研究中，对 197 个双亲和多亲本玉米重组自交系 (RIL) 的映射面板在苗期对多种叶片性状进行了分析。使用 RNA 测序来估计 RIL 中 29 573 个基因模型的转录水平并得出 373 769 个单核苷酸多态性 (SNP)，然后结合这些数据使用正向遗传学方法来精确定位参与叶片发育的候选基因。首先，将叶片性状与基因表达水平相关联以确定转录本 - 性状相关性。然后，在全基因组关联 (GWA) 研究中将叶片性状与 SNP 相关联。采用表达数量性状基因座映射方法将 SNP 与基因表达水平相关联，并根据转录本 - 性状相关性和 GWA 确定候选基因的优先顺序。最后，进行了网络分析，将所有转录本聚类到 38 个共表达模块中。通过整合正向遗传学方法，我们确定了 25 个高度富集特定功能类别的候选基因，为液泡质子泵、细胞壁效应器和囊泡交通控制器在叶片生长中的作用提供了证据。这些结果解决了叶片性状确定的复杂性，并可能支持玉米的精准育种。
drdock：一个集成自动对接，模拟和基于原木的药物排名方案
抽象动机重新利用的药物最初被批准用于治疗疾病的药物被重新治疗其他疾病，尤其是在大流行时，人们引起了人们的关注。基于结构的药物设计，整合了小分子对接，分子动力学（MD）模拟和AI，已证明其在简化新药物开发和重新利用的药物中的重要性。非常需要使用所有FDA药物，复杂的编程，准确的药物排名方法和友好的用户界面进行复杂且完全自动化的药物筛查。Results Here we introduce a new web server, DRDOCK, D rug R epurposing DO cking with C onformation-sampling and pose re-ran K ing - refined by MD and statistical models, which integrates small molecular docking and molecular dynamic (MD) simulations for automatic drug screening of 2016 FDA-approved drugs over a user-submitted single-chained target protein.这些药物是通过使用log-odds（LOD）评分的新型药物级方案进行排名的，该方案源自真正的粘合剂和诱饵的特征分布。用户可以提交一系列LOD排名姿势，以进行进一步的基于MD的绑定亲和力评估。我们证明了我们的平台确实可以恢复NSP16的底物之一，即Cap Ribose 2'-O甲基转移酶，并建议可以重新使用Fluralaner，Tegaserod和Fenoterol进行COVID19治疗，并在SARS-COV2抑制实验中得到证实。所有采样的对接姿势和轨迹都可以通过我们的Web界面进行3D观看并播放。（由于硬件升级，该服务在7/18，2021之前不可用）该平台对于普通科学家和医学研究人员来说易于使用，以便在几天之内进行药物重新利用，这应该为我们及时对新兴疾病暴发的及时反应增加价值。可用性和实现DRDOCK可以从https://dyn.life.nthu.edu.tw/drdock/自由访问。