XiaoMi-AI文件搜索系统
World File Search Systemlocalization
乙酰转移酶p300调节NRF2的稳定性和定位
转录因子 NRF2 在保护细胞免受环境压力和维持细胞稳态方面起着关键作用。乙酰转移酶 p300 是 NRF2 转录复合物的已知组成部分，可促进其转录活性。在本研究中，我们描述了 p300 促进 NRF2 活性的一种新机制。p300 与 NRF2 发生物理相互作用并干扰 NRF2-KEAP1 复合物的形成。特别是，p300 增加了 NRF2 蛋白的丰度和稳定性，从而促进了 NRF2 的核定位。值得注意的是，p300 的乙酰转移酶活性对于 NRF2 的稳定作用是必不可少的。此外，过表达 p300 可保护 HEK293T 细胞免受氧化应激并提高其活力。总之，我们的研究揭示了 p300 与通过调节 NRF2 稳定性来控制 NRF2-KEAP1 信号传导之间的联系，这可能成为适应氧化应激的新型检查点。© 2020 作者。由 Elsevier Inc. 出版。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
可视化哥期内定位和并排运输...
哺乳动物的高尔基体紧密相邻和扁平的膜囊，称为Cisternae。我们仍然不了解高尔基体和高尔基体的分子组织。在光学显微镜下，研究高尔基体的最重要挑战之一是在脑海中解决高尔基蛋白。我们开发了一种侧面平均方法来可视化诺科唑诱导的高尔基体Ministacks中的蓄水系统和高尔基体内运输。从飞行器显微镜中获取的Ministack的侧视图像在强度归一化和平均之前进行了转换和对齐。从> 30个高尔基蛋白的侧平均图像中，我们发现了高尔基体，顺式，内侧，反式，跨和反式高尔基网络膜的组织，并具有前所未有的空间分辨率。我们观察到同步货物从顺式到高尔基体的横向的逐渐过渡。我们的数据支持我们以前的发现，其中本构肉在反式高尔基人中退出，而针对反式高尔基网络的分泌物是信号依赖性的。
MEG通过深度学习
功能性脑活动的准确定位具有希望使我们老龄化社会至关重要的新型治疗和辅助技术。世界人口的老龄化增加了与年龄有关的健康问题的患病率，例如身体伤害，精神障碍和中风，导致对患者，家庭和医疗保健系统的严重后果。新兴技术可以通过（i）提供有效的神经居住以及（ii）实现日常任务独立性来改善患者的生活质量。第一个挑战可以通过设计可以增强特定认知功能或治疗特定精神病/神经病理性的神经调节性接口系统来解决。这种系统可以由实时大脑活动驱动，以使用诸如经颅磁刺激[1、2]或聚焦超声[3,4]等方法选择性地调节特定的神经动力学。第二个挑战可以通过设计有效的脑机界面（BMI）来解决。常见的BMI控制信号依赖于主感觉或运动相关的激活。但是，这些信号仅反映了有限的认知过程。高阶认知信号，尤其是编码面向目标任务的前额叶皮层的高级认知信号，可能会导致更健壮和直观的BMI [5，6]。NeuroRehabicitation和BMI方法都需要一种实时测量和定位功能性脑活动的有效方法。这可以通过脑电图（EEG）[7，8]和MEG [9-11]，两种非侵入性电物质技术技术来实现。eeg使用放置在头皮上的一系列电极来记录电压弹性，而MEG使用称为超导量的Quantum-tum干扰装置（Squid）[12]的敏感磁性检测器来测量在EEG中产生电势分布的相同主要电流。由于EEG和MEG捕获了由神经元电流产生的电磁场，因此它们提供了神经元活性的快速直接指数。但是，现有的MEG/EEG来源定位方法提供了有限的空间分辨率，使可以用于神经康复或BMI的信号的起源混淆，或者太慢而无法实时计算。深度学习（DL）[13]提供了一种有希望的新方法，可以实时改善源本地化。越来越多的作品成功地将DL运用到
基于视觉的实时空中物体定位和... - arXiv
摘要 — 本文主要研究基于视觉的无人机导航障碍物检测与跟踪问题。通过将物体检测和跟踪有效地集成到动态卡尔曼模型中，开发了一种单目图像序列的实时物体定位和跟踪策略。在检测阶段，通过每帧图像背景连通性提示计算出的显著性图自动检测和定位感兴趣的物体；在跟踪阶段，采用卡尔曼滤波器对物体状态进行粗略预测，然后通过结合显著性图和两个连续帧之间的时间信息的局部检测器进一步细化预测。与现有方法相比，所提出的方法不需要任何手动初始化跟踪，运行速度比同类最先进的跟踪器快得多，并且在大量图像序列上实现了具有竞争力的跟踪性能。大量实验证明了所提出方法的有效性和优越性能。
智能车辆定位的自适应多传感器融合
I。i ntelligent i ntelligent载体（IV）是行业和学术界的热门话题[1]，而本地化是IV的关键组成部分，可提供对其状态的强大和准确估计[2] - [4]。IV配备了许多传感器，例如GPS，惯性测量单元（IMU），光检测和范围（LIDAR）和相机。IMU给出了IV状态的连续性解决方案，其陀螺仪遭受了时间变化的偏见和不确定的声音，以及IMU的位置和方向估计的准确性随着时间的推移而恶化。在[5]中，提出了一个结合深神经网络的Kalman滤波器（KF），以估算死亡折线的噪声参数。在[6]中，使用仅具有IMU数据的神经网络获得了位移分布的先验。然后，将先验信息与扩展的KF（EKF）集成以估算状态。此外，传感器融合用于在文献中提供更准确的结果[7]，[8]。许多GPS/IMU系统已开发用于IV定位。全球位置和速度由GPS提供，同时，从IMU估算了局部位置，方向和速度。GPS/IMU系统可以在许多情况下提供强大的本地化解决方案。但是，GPS在
钙蛋白酶激活过程中钙蛋白酶抑制蛋白细胞内定位的变化
已研究了 Ca # + 依赖性蛋白水解系统的两个主要成分在人类神经母细胞瘤 LAN-5 细胞中的定位。使用识别 N 端钙蛋白酶抑制剂结构域的单克隆抗体，已显示这种抑制蛋白几乎完全局限于两个未被膜包围的颗粒状结构中。在其他人类和鼠类细胞类型中也发现了类似的钙蛋白酶抑制剂分布，这表明钙蛋白酶抑制剂聚集是一种普遍特性，而不是类神经元细胞的独有特性。大鼠肝脏匀浆过程中钙蛋白酶抑制剂活性释放的动力学证实了此类钙蛋白酶抑制剂聚集体的存在，这与细胞质蛋白的出现速率或膜包围细胞器的破坏不符。钙蛋白酶抑制剂分布受细胞内游离 Ca # + 增加的影响，这导致
脑内纤毛 GPCR 定位的生理条件依赖性变化
摘要 初级纤毛是细胞附属物，对多种类型的信号传导至关重要。它们存在于大多数细胞类型中，包括整个中枢神经系统的细胞。纤毛优先定位某些 G 蛋白偶联受体 (GPCR)，并且对于介导这些受体的信号传导至关重要。这些神经元 GPCR 中有几种已被公认在摄食行为和能量稳态中发挥作用。细胞和模型系统，如秀丽隐杆线虫和衣藻，已将动态 GPCR 纤毛定位以及纤毛长度和形状变化都与信号传导的关键有关。目前尚不清楚哺乳动物纤毛 GPCR 在体内是否使用类似的机制，以及这些过程可能在什么条件下发生。在这里，我们评估了两种神经元纤毛 GPCR，黑色素浓缩激素受体 1 (MCHR1) 和神经肽 Y 受体 2 (NPY2R)，作为小鼠脑中的哺乳动物模型纤毛受体。我们检验了以下假设：在与这些 GPCR 功能相关的生理条件下，纤毛会发生动态定位。这两种受体都与摄食行为有关，而 MCHR1 还与睡眠和奖励有关。纤毛的分析采用计算机辅助方法，可实现无偏和高通量分析。我们测量了纤毛频率、长度和受体占有率。我们观察到，在不同条件下，对于一种受体而不是另一种受体，以及在特定大脑区域，纤毛长度、受体占有率和纤毛频率会发生变化。这些数据表明，GPCR 的动态纤毛定位取决于单个受体的特性以及它们表达的细胞。更好地了解纤毛 GPCR 的亚细胞定位动态可以揭示调节摄食等行为的未知分子机制。
使用您的自动表面车辆的本地化跟踪
摘要。自动型表面车辆（ASV）由于其广泛的应用而成为重要的研究重点。ASV发展中的一个主要挑战是对水面上的物体（例如浮标）的快速而准确的检测和鉴定。本研究研究了Yolov5在ASV上的浮标检测，重点是机器人操作系统（ROS）框架内的路径定位。路径定位用于根据浮标检测来确定血管的路线及其通过测试路径的移动。结果表明，Yolov5在检测ROS生态系统组成部分的凉亭模拟器内检测边界浮标时达到了100％的精度。此外，ASV能够沿着测试路径的中心准确导航，而不会与边界浮标相撞。这项研究有望为ASV技术的发展做出重大贡献。