XiaoMi-AI文件搜索系统
World File Search Systemlenging
GeNNius：一种基于图神经网络的超快药物-靶标相互作用推理方法
药物-靶标相互作用 (DTI) 预测是药物再利用领域中一项相关但具有挑战性的任务。计算机模拟方法引起了特别的关注，因为它们可以降低传统方法的相关成本和时间投入。然而，当前最先进的方法存在几个局限性：现有的 DTI 预测方法在计算上成本高昂，从而阻碍了使用大型网络和利用可用数据集的能力，并且 DTI 预测方法对未见数据集的推广仍未探索，这可能会在准确性和稳健性方面改善 DTI 推断方法的开发过程。在这项工作中，我们介绍了 GE NN IUS（图嵌入神经网络相互作用发现系统），这是一种基于图神经网络 (GNN) 的方法，在各种数据集的准确性和时间效率方面均优于最先进的模型。我们还通过评估每个数据集中以前未知的 DTI 展示了其发现新相互作用的预测能力。我们通过在不同数据集上训练和测试 GE NN IUS 进一步评估了其泛化能力，结果表明该框架可以通过在大型数据集上训练并在较小的数据集上测试来潜在地改进 DTI 预测任务。最后，我们定性地研究了 GE NN IUS 生成的嵌入，发现 GNN 编码器在图卷积之后保留了生物信息，同时通过节点传播这些信息，最终在节点嵌入空间中区分蛋白质家族。
机器人基于对话的技能和任务学习
摘要 - 连接和互动机器人学习是一个挑战问题，因为人类用户与人类用户一起存在，他们期望机器人学习新颖的技能，以通过样本效率永久解决新颖的任务。在这项工作中，我们为机器人提供了一个框架，可以通过与人类用户的自然语言对话框进行互动来查询和学习与任务相关信息。以前的方法要么着重于提高代理的指导性能，要么被动地学习新颖的技能或概念。相反，我们使用了对话框与语言技能接地嵌入在一起来查询或确认用户要求的技能和/或任务。为了实现这一目标，我们为代理商开发并整合了三个不同的组件。首先，我们提出了一种具有低级适应性（ACT-LORA）的新型视觉运动控制政策法案，这使现有的最新动作分解变压器[28]模型可以执行几次持续学习。其次，我们开发了一个对齐模型，该模型将跨技能实施例演示的分配模型分为共同的嵌入，使我们知道何时向用户提出问题和/或演示。最后，我们集成了现有的大型语言模型（LLM），以与人类用户进行交互，以执行扎根的互动持续技巧学习以解决任务。我们的ACT-Lora模型在仅接受五个新型技能的示威训练时，以100％的精度学习新颖的微调技能，同时仍保持74。在RLBench数据集中，其他模型的精度为75％，在其他模型中却显着短。
焦点-Then-decide：分割辅助加固学习
视觉增强学习（RL）是实现人类智力的有前途的方法。但是，它目前在嘈杂的环境中有效地学习面临挑战。相比之下，人类可以通过应用以前获得的常识来迅速识别到分散注意力的环境中的与任务相关的观察。最近，自然语言处理和计算机视觉中的基础模式取得了巨大的成功，这些模型中的常识可以显着使下游任务培训受益。受这些成就的启发，我们旨在将基础模型的常识不足为视觉RL。我们提出了一种新颖的效果（FTD）框架，使代理可以仅基于与任务相关的对象做出决策。为了实现这一目标，我们引入了一种努力机制，以从基础细分模型返回的对象集中选择与任务相关的对象，仅使用与任务相关的对象进行决策模块的后续培训。此外，我们专门采用了两个通用的自我监督目标来促进这种注意机制的快速学习。基于DeepMind Control Suite和Franka Emika机器人技术的CHALENGING任务的实验结果表明，我们的方法可以快速，准确地在嘈杂的环境中准确指出感兴趣的对象。因此，它对当前的最新算法实现了重大的性能提高。项目页面：https：//www.lamda.nju.edu.edu.cn/chenc/ftd.html代码：https：//github.com/lamda-rl/ftd
心胸外科的光明前景
新生儿重症监护病房中目前的生命体征监测系统基于刚性和有线接口，这可能导致医源性皮肤损伤，使基本的临床任务变得具有挑战性，并妨碍父母与新生儿的皮肤接触。Chung 和同事 1 描述了一种无线、类似皮肤的柔性电子平台，当以时间同步的方式使用时，可以以临床级精度重建多点完整生命体征信息（图 1）。必须在附加值和局限性之间的权衡方面仔细理解新技术。一个例子是脉搏血氧仪，其技术始于 20 世纪 70 年代初，花了 5 年时间才实现商业化，至少花了 15 年时间才成为第五大生命体征。2 当时，多项研究显示，这种持续的床边工具可用于评估慢性肺病和早产儿等病症的血氧饱和度。然而，我们了解到环境光、皮肤色素沉着、低输出状态等灌注不良以及体温过低都会导致读数不准确。3 此外，低于 80% 的外周毛细血管血氧饱和度值与动脉血氧值的相关性并不好，4 这些信息对于单心室患者或混合病变患者的护理非常重要。Chung 及其同事 1 开发的双节点装置还需要在正常以外的临床场景中进一步了解，例如其在心律失常和低输出状态下的表现、其在心肺复苏期间趋势和传输数据的能力，以及在较低饱和度下的体积描记趋势。话虽如此，这种针对新生儿的创新无线监测系统是无线
智能手机应用程序的自动化 Concolic 测试
1. 简介 具有先进计算能力和连接能力的移动设备（如智能手机和平板电脑）正变得越来越普遍。与此同时，在这些设备上运行的专用程序（称为应用程序）的开发和采用也呈激增态势。应用程序几乎渗透到从休闲到关键任务的所有活动中。因此，在应用程序生命周期的所有阶段（包括开发、测试、审计和部署）对软件质量工具的需求日益增长。应用程序具有许多使静态分析具有挑战性的特性：庞大的软件开发工具包 (SDK)、异步、进程间通信、数据库和图形用户界面 (GUI)。因此，许多现有的应用程序分析方法都是基于动态分析（例如 [7、9、10]）。任何动态分析有效性的核心问题是如何获得相关的程序输入。应用程序最不可分割和最常规的输入是事件。设备触摸屏上的点击、设备键盘上的按键和短信都是事件的实例。本文介绍了一种算法和系统，用于生成用于锻炼应用程序的输入事件。应用程序可以（实际上通常确实如此）拥有除事件之外的输入，例如磁盘上的文件和安全的 Web 内容。我们的工作与提供此类输入的方法正交且互补。应用程序是一类程序的实例，我们称之为事件驱动程序：程序 em
使用完全... 在 VHR SAR 图像中检测建筑物
摘要 — 这是预接受版本，要阅读最终版本，请访问 IEEE Xplore 上的《IEEE 地球科学和遥感学报》。本文解决了自动检测人造结构尤其是非常高分辨率 (VHR) 合成孔径雷达 (SAR) 图像中的建筑物这一极具挑战性的问题。在这方面，本文有两大贡献：首先，它提出了一种新颖的通用工作流程，该工作流程首先将星载 TomoSAR 点云（通过使用称为 SAR 断层扫描 (TomoSAR) 的先进干涉技术处理 VHR SAR 图像堆栈生成）在辅助信息的帮助下（即使用公开可用的 2D 建筑物足迹或采用光学图像分类方案）分为建筑物和非建筑物，然后将提取的建筑物点反投影到 SAR 成像坐标上，以自动生成大规模基准标记（建筑物/非建筑物）SAR 数据集。其次，这些标记数据集（即建筑物掩码）已用于构建和训练最先进的深度全卷积神经网络，并附加条件随机场（表示为循环神经网络）来检测单个 VHR SAR 图像中的建筑物区域。这种级联结构已成功应用于计算机视觉和遥感领域，用于光学图像分类，但据我们所知，尚未应用于 SAR 图像。结果
智能手机应用程序的自动化 Concolic 测试
1. 简介 具有先进计算能力和连接能力的移动设备（如智能手机和平板电脑）正变得越来越普遍。与此同时，在这些设备上运行的专用程序（称为应用程序）的开发和采用也呈激增态势。应用程序几乎渗透到从休闲到关键任务的所有活动中。因此，在应用程序生命周期的所有阶段（包括开发、测试、审计和部署）对软件质量工具的需求日益增长。应用程序具有许多使静态分析具有挑战性的特性：庞大的软件开发工具包 (SDK)、异步、进程间通信、数据库和图形用户界面 (GUI)。因此，许多现有的应用程序分析方法都是基于动态分析（例如 [7、9、10]）。任何动态分析有效性的核心问题是如何获得相关的程序输入。应用程序最不可分割和最常规的输入是事件。设备触摸屏上的点击、设备键盘上的按键和短信都是事件的实例。本文介绍了一种算法和系统，用于生成用于锻炼应用程序的输入事件。应用程序可以（实际上通常确实如此）拥有除事件之外的输入，例如磁盘上的文件和安全的 Web 内容。我们的工作与提供此类输入的方法正交且互补。应用程序是一类程序的实例，我们称之为事件驱动程序：程序 em
智能手机应用程序的自动化 Concolic 测试
1. 简介 具有先进计算能力和连接能力的移动设备（如智能手机和平板电脑）正变得越来越普遍。与此同时，在这些设备上运行的专用程序（称为应用程序）的开发和采用也呈激增态势。应用程序几乎渗透到从休闲到关键任务的所有活动中。因此，在应用程序生命周期的所有阶段（包括开发、测试、审计和部署）对软件质量工具的需求日益增长。应用程序具有许多使静态分析具有挑战性的特性：庞大的软件开发工具包 (SDK)、异步、进程间通信、数据库和图形用户界面 (GUI)。因此，许多现有的应用程序分析方法都是基于动态分析（例如 [7、9、10]）。任何动态分析有效性的核心问题是如何获得相关的程序输入。应用程序最不可分割和最常规的输入是事件。设备触摸屏上的点击、设备键盘上的按键和短信都是事件的实例。本文介绍了一种算法和系统，用于生成用于锻炼应用程序的输入事件。应用程序可以（实际上通常确实如此）拥有除事件之外的输入，例如磁盘上的文件和安全的 Web 内容。我们的工作与提供此类输入的方法正交且互补。应用程序是一类程序的实例，我们称之为事件驱动程序：程序 em
识别在中学生物学和科学教育背景下教授神经系统的重要知识——德尔菲研究
由于神经科学领域的快速发展，教授神经系统知识已成为中学生物学和科学教育中的一项具有挑战性的任务。其中一个主要的挑战是确定要教授什么内容。课程目标通常过于笼统，无法指导教学，而有关神经系统的信息已变得势不可挡、多种多样，与社会息息相关。此外，教育界流传着一些误解和谣言，导致全世界对哪些内容是正确的感到困惑。为了帮助教师、教科书作者和课程开发者应对这一充满挑战的知识领域，本研究的目的是确定专家们对在中学生物学和科学教育背景下哪些知识对于理解神经系统很重要的看法。为此，我们对教科书进行了主题内容分析，然后对 15 位来自不同但相关领域的专家进行了德尔菲研究。研究结果显示，六个课程主题包括大体解剖和功能、细胞类型和功能单位、神经信号、神经元之间的连接、神经信号在神经元网络中的传播方式以及神经系统的可塑性，以及 26 个内容原则，这些内容原则以连贯的课程进程从一般内容到更具体的内容进行组织。其中一些原则阐明和阐述了传统的学校生物学知识，而另一些原则则为课程增添了新知识。重要的是，这里提出的新的神经系统教学框架满足了社会的需求，正如经合组织和世卫组织最近的国际政策框架所表达的那样，并且它解决了有关大脑的常见误解。该研究建议更新生物学和科学课程。
原创文章 六种基因在人类肝细胞癌中具有良好的诊断和预后价值
摘要：肝细胞癌（HCC）是最常见的原发性肝癌类型。在过去的几十年中，已有大量数据揭示了其致癌作用。尽管查明HCC的病因具有挑战性，但这本身可能并不是一个无法克服的问题。事实上，新分子靶点的出现已经推动了HCC的靶向治疗。与传统治疗相比，具有分子靶向作用的药物被认为是治疗HCC的最佳方法。然而，目前针对HCC患者的靶向治疗有限。在我们的工作中，我们探索了更多潜在的HCC靶向治疗基因。首先，在基因表达谱交互分析（GEPIA）和NetworkAna lyst中确定了差异表达基因（DEG）。随后，通过富集分析和PPI网络构建选择了10个关键基因。基于GEPIA和Oncomine数据库，选择了六个上调基因。通过人类蛋白质图谱数据库确认了这六个基因的高蛋白表达。此外，根据 Kaplan-Meier 绘图生物信息学，这六个基因与不良的总生存期和无进展生存期相关。此外，通过 UALCAN 确定基因表达与肿瘤分期和病理分级密切相关。更重要的是，使用 cBioPortal 确定 PTTG1、UBE2C 和 ZWINT 是抗癌药物的潜在靶点。qPCR 和蛋白质印迹分析显示后三个基因在 HCC 细胞系中表达水平较高。总之，这些发现有望为 HCC 的临床研究提供理论基础和新见解。