XiaoMi-AI文件搜索系统
World File Search Systemmodalities
实现特定 RNA 靶向和降解的新型化学方法：应用于 SARS-CoV-2 RNA
当前药物化学面临的主要挑战之一是使用小分子药物靶向非编码 RNA。与传统的药物发现方法不同，它需要改变视角才能取得成功。正如 Disney 及其同事 1 在本期《ACS Central Science》中所描述的那样，针对 SARS-CoV-2 RNA 的特异性配体的发现、核糖核酸酶靶向嵌合体 (RIBOTAC) 的开发以及使用尖端化学生物学工具对细胞内作用机制的详细研究，凸显了新化学模式可能对未来疗法产生的影响。这项工作的应用领域涉及针对导致当前全球健康危机的病毒 SARS-CoV-2。人们在药物重新定位、大规模筛选和疫苗开发方面做出了许多努力；然而，显然需要研究用于创新治疗方法的新靶点和新生物活性分子，以增加抗病毒药物库。RNA 被认为是基因表达过程中的中间体，现在是药物发现的有效靶点。 2 RNA 是一种大分子，参与转录、翻译和基因表达调控等重要生物过程。事实上，非编码 RNA 表达和/或功能的许多失调与许多病理直接相关，例如神经系统疾病、心脏病或癌症。最值得注意的是，超过 70% 的人类基因组在非编码 RNA 中转录，而只有 1.5% 编码蛋白质。由于这些蛋白质中只有一小部分代表上市药物的实际靶标，因此很明显，将非编码 RNA 添加到潜在治疗靶标将大大增加药物开发的前景。由新型 RNA 病毒 SARS-CoV-2 引起的冠状病毒大流行凸显了 RNA 靶向疗法在治疗 RNA 病毒引起的感染方面的潜力。这些疗法之前曾在文献中用于 HIV、HCV 或流感病毒。自 20 世纪 40 年代第一批 RNA 配体作为抗生素进入市场以来，新的 RNA 靶向药物的发现取得了重大进展，例如氨基糖苷类或四环素类，以及最近的恶唑烷酮类。3 近年来，RNA 结合剂的进展包括不同类型的原创、有时不寻常的药物发现策略。还开发了用于识别非常特异性 RNA 配体的先导识别策略，例如 Inforna。4 后者是一种基于二维组合筛选 (2-DCS) 和通过测序 (StARTS) 实现的结构-活性关系相结合的技术。将这种统计方法应用于筛选结果可以预测 RNA 库成员的亲和力和选择性并评分结合相互作用。4 该方法已被证明非常有效，可以成功预测特定 RNA 二级结构的化合物。各种筛选技术（例如微阵列或基于荧光的检测）也已用于发现 RNA 配体以及基于结构的选择性配体设计。5-7
法医科学中具有放射诊断模式的人工智能 - 系统评价 Shama Patyal 1 和 Tejasvi Bhatia 2
摘要目的：本研究旨在概述人工智能在法医科学中的应用，借助放射诊断方式。数据来源和综合：数据是通过在各种搜索引擎中搜索 2010 年 1 月至 2020 年 12 月期间发表的文章收集的。按照下文所述的纳入和排除标准，共发现 20 项研究符合条件。遵循 Prisma 指南和 Prisma 流程图。结论：人工智能 (AI) 是一种涉及计算机算法对复杂数据进行二分的技术。AI 广泛用于诊断成像，以检测和量化临床状况。本系统评价旨在解释 AI 在法医放射学诊断成像方式中的作用。AI技术现在被广泛用于年龄和性别估计。大多数AI模型都基于机器学习（ML）程序，人工神经网络（ANN）和卷积神经网络（CNN）。研究结果令人鼓舞，提供了很高的准确性和决策能力。这些不同的基于AI的模型将作为大规模灾难案件，法医案件中的识别工具。需要进一步改进AI程序和诊断工具，以提高法医调查的准确性和特异性。关键词 1 人工智能，机器学习，诊断成像方式，法医鉴定
unibev：具有均匀BEV编码器的多模式3D对象检测，以抗缺失传感器方式
摘要 - 多传感器对象检测是自动驾驶中的一个积极研究主题，但是这种检测模型的鲁棒性针对缺失的传感器输入（缺少模态）（例如，由于突然的传感器故障）是一个关键问题，这是一个关键问题，这仍然不足。在这项工作中，我们提出了Unibev，这是一种端到端的多模式3D对象检测框架，旨在稳健性，以防止缺失模式：Unibev可以在Lidar Plus相机输入上运行，但也可以在无激光镜或仅相机输入的情况下操作。为了促进其检测器头以处理不同的输入组合，Unibev旨在从每种可用方式中创建良好的鸟类视图（BEV）特征图。与以前的基于BEV的多模式检测方法不同，所有传感器模态都遵循统一的AP-prach，以从原始传感器坐标系统重新示例到BEV功能。我们还研究了各种融合策略W.R.T.的鲁棒性缺少模态：常用的特征串联，但也通过通道平均，以及对平均定期通道归一化权重的加权平均化的概括。为了验证其有效性，我们将Unibev与所有传感器输入组合的Nuscenes的最新bevfusion和Metabev进行了比较。在这种情况下，对于所有输入组合，Unibev的性能比这些基准更好。一项消融研究表明，通过对常规的con依的加权平均融合的鲁棒性优势，并在每种模态的BEV编码器之间共享查询。我们的代码将在纸上接受时发布。
定量系统药理学建模评估猎人综合征不同治疗方式的CNS酶递送
• Mucopolysaccharidosis II (MPS II, Hunter syndrome) is a rare inherited lysosomal storage disorder caused by iduronate-2-sulfatase (IDS) deficiency • Disease hallmark is accumulation of the glycosaminoglycans (GAGs): Heparan and Dermatan Sulfate (HS and DS) • Multiple tissues and organs are affected, and two thirds have severe神经性疗法形式•当前护理标准是每周的IV注入ID的重组形式，该ID无法跨越血脑屏障（BBB），并且对神经发育没有明显的影响•大脑的递送是亨特综合征的关键未满足•与不同的交付途径和不同的MOAS
不同的经颅磁刺激方式对帕金森患者的认知障碍和长期有效性的影响：系统评价和网络荟萃分析
帕金森氏病（PD）是一种退化性疾病，发生在老年人中，患病率约为0.3％，并且已成为世界上增长最快的神经系统疾病（Ding等，2022）。在临床实践中，帕金森的患者通常伴有非运动症状（NMS），例如抑郁，焦虑和认知障碍。认知功能障碍是最常见的NMS形式，患病率最高为35，而10％将发展为痴呆症，这是影响康复效率和PD患者日常生活效率的一个重要因素（Hely等，2008； Picillo等； Picillo等，2014）。PD患者认知障碍的发病机理目前尚不清楚，但与PD的复杂神经病理密切相关（Tansey等，2022）。Patients with PD patients develop pathological changes such as reduction of cerebral neurons, mitochondrial dysfunction, alteration of small cerebral blood vessels, cerebral metabolism, and cortical atrophy, which can cause cortical and subcortical neurotransmitter disorders and damage to cerebral circuits, leading to cognitive dysfunction ( Ashraghi et al., 2016）。目前，尚无PD治疗，并且基于药物和手术的临床治疗措施具有不良的缺点，例如功效，高价和许多副作用。因此，寻找安全有效的治疗措施仍然是临床研究中的热点。
在接受心脏手术的患者中，非侵入性通气具有不同方式的影响：一项随机对照临床试验的方案
胸外科手术导致呼吸肌强度的降低。要恢复它，必须采用某些策略。物理疗法利用资源和技术，例如深呼吸刺激，咳嗽刺激，使用激励螺旋体，动员和移动。有时这些资源和技术可能不足以证明，而其他措施（例如非侵入性通风（NIV））被采用PICEZKOSKI（2017）。非侵入性正压通气（NPPV）已用于加快肺功能恢复以及预防和治疗术后肺部并发症Nasrala 2018。niv降低了由于其非侵入性而导致的呼吸机相关复杂性的风险。因此，NIV已被采用以避免术后患者的拔管后并发症。这项研究的目的是进行随机临床试验，并评估NIV的疗效，而不是在巴西帕拉巴（Paraıba）坎普纳·格兰德（Campina Grande）的一家选定医院接受心脏疾病的患者的肺部功能相比。
项目标题：生物学样本中新的第二次谐波生成方式，以分离胶原蛋白和肌球蛋白
肌球蛋白移动真核生物的肌肉，是一种微小的分子运动[1]。它通过消耗三磷酸腺苷（ATP）来产生力并进行机械工作。作为线性电动机，它可以通过活细胞内的细胞骨架的轨道样肌动蛋白丝或微管进行运动。以这种方式，亚细胞结构，以及较大的单位（例如细胞或生物）可以以定向方式移动[1，2]。使用基因工程方法，已经有可能产生向后移动的肌球蛋白纳米运动[3]。X射线结构分析和动力学研究等方法进一步阐明了具有技术兴趣的运动蛋白的有序纳米结构的自我组织。对于分子医学，了解分子线性运动和组织中稳定结构之间的结构关系也很重要。骨骼肌由伸长的纤维细胞和肌纤维沿整个长度平行排列[1]组成。肌原纤维包含纵向肉瘤，其肌动蛋白肌膜的高阶和肌球蛋白蛋白具有收缩。骨骼肌的众所周知的横向条纹是由于肌纤维在肌肉纤维中的平行排列而产生的（图1）。几种肌肉纤维沿相同方向捆绑在一起。这些由细胞外基质的结构蛋白（尤其是胶原蛋白纤维）组织。从胶原蛋白家族的大而异构的群体中，发现大部分是纤维状胶原蛋白。但是这种变化可能具有很大的潜力。由于非中心对称结构，胶原蛋白和肌球蛋白的特异性显微成像是可能的[4,5,6,7,8]。使用聚焦激光辐射的超短脉冲会导致瞬态高功率密度和二阶频率加倍（第二次谐波产生，SHG）[7，8]。通过在近红外范围内使用激发波长，第二个谐波渗透到组织中，肌肉组织可以在三个维度中无损地映射（图2）。SHG极化法可用于区分肌球蛋白和胶原蛋白，并进一步胶原蛋白纤维的方向[7，8，9]。可以通过对向后信号进行评估来获得进一步的对比信息。到目前为止，几乎没有任何方法可以调节SHG生成波长以区分肌球蛋白和胶原蛋白纤维[8，9]。但是，一些矛盾的结果要求通过评估光谱信息进行多模式研究。到目前为止，在生物样品中的第二次谐波中，尚未证明完全kleinman对称性的假设和SHG效率的单调降低。相反，最近的研究表明了一种复杂的行为，更明显地使用向后信号而不是前向信号[8，9]。
主题 4：加强欧洲先进治疗药物 (ATMP) 和其他罕见病创新治疗方式的生态系统
（从头和/或现有实验室/机构）在特定类型的 ATMP 或其他创新治疗模式中进行研究，以促进转化研究。这涵盖了与未来治疗遗传性疾病相关的治疗方法。科学和技术中心有望提供访问和推进可转化、质量控制的技术。这些中心应开发技术和共享数据，并提供机会定义 ATMP 的主要特征和对后期开发至关重要的质量标准。相关的治疗方式包括重组腺相关病毒 (rAAV) 和创新治疗方式，例如信使 RNA (mRNA) 和纳米颗粒 (NPs)。感兴趣的技术领域包括靶向递送、稳定性、转基因表达、先进的重复给药技术方法/降低基因递送平台的免疫原性，以及与特定治疗方式相关的其他基础生物学，从而加速转化为临床开发和制造。
表演者与观察者：在检验头戴式显示器输入方式的社会接受度时，我们应该考虑谁的舒适度？
虚拟现实 (VR) 和增强现实 (AR) 技术越来越受欢迎。这些新技术的社会接受度具有重要意义，因为产品的成功很大程度上取决于技术是否被社会接受 [39]。尽管“接受度”或“一个人对使用技术的心理舒适度”似乎是一个简单的概念，但它背后可能隐藏着各种错综复杂的因素。为了研究社会中的技术接受度，先前的研究探讨了技术的“社会接受度”或“社会接受度”，定义为从执行者的角度 (即用户的感知) 在不同社会环境中使用新技术时感到的舒适或不适程度 [1, 33]。然而，这种方法可能无法让我们完全掌握社会接受度的构造：事实上，从用户的角度来看，社会接受度是用户自己对使用技术时在社交上感到舒适程度的感知。对于进一步理解社会接受度，额外衡量观察者（或旁观者）对新技术或新交互方式的接受程度可能很重要。了解这一点可能最终能让我们缓解用户在新的或习惯的社交环境中所经历的尴尬。因此，这一研究步骤可能有助于我们促进观察者对这些新技术的适应。尽管之前的研究已经调查了观察者在目睹用户操作新技术时对社会接受度的看法 [ 1 , 11 , 30 – 32 ]，但据我们所知，目前还没有对这两种视角进行直接比较的研究，也没有明确的指导方针说明如果这两种视角不同，应该如何考虑。在本文中，我们研究了头戴式显示器 (HWD) 的社会接受度，因为它们正逐渐被用户所接受，并开始侵犯感知和与数字信息交互的传统方式。无论是在商业平台还是研究平台上，HWD 都已被证明可在多种情境中发挥作用 [3、4、10、21、27、35]。各种输入技术都被证明可以与 HWD 交互，包括强烈的泛音（如手势 [7]、头部运动 [13、18] 和语音命令 [18]）到相对隐蔽的输入技术（如触摸板 [24] 和戒指 [9]）。这些输入技术可能存在一些限制，通常是与情境相关的。例如，语音命令可能不适用于商务会议，而头部运动可能会引起他人不必要的注意，使表演者感到尴尬或不舒服。当然，更清楚地了解 HWD 输入法的社会接受度对于顺利促进技术采用至关重要。在本文中，我们从表演者（研究 1）和观察者（研究 2）的角度探讨了 HWD 输入的社会可接受性。更具体地说，我们探索用户和观察者对使用五种输入模式的看法，这些输入模式通常用于
英国生物库中多种成像和生物标志物方式的机器学习改善了肝脂肪积累作者的遗传发现：H
代谢功能障碍相关的脂肪分裂性肝病（MASLD），脂肪含量超过5.5％，是慢性肝病的主要危险因素，估计全球患病率为30％。尽管MASLD被广泛认为是多基因的，但遗传发现主要是由于需要准确且可扩展的表型，这被证明是昂贵，耗时和质量可变的。在这里，我们使用机器学习（ML）使用英国生物库中的三种不同数据模式来预测肝脂肪含量：双能吸收率（DXA； n = 46,461个参与者），血浆代谢物（N = 82,138），以及基于Bioportric和Bio Chem的Bio Chemals（N = 262），根据我们的估计，多达29％的UKB参与者符合MASLD的标准。这些估计值的全基因组关联研究（GWASS）分别鉴定出与DXA，代谢产物和生物标志物预测的15、55和314位点，总计321个独特的独立基因座。除了复制全基因组意义的14个已知基因座中的9个外，我们的GWASS还确定了312个新颖的基因座，从而显着扩展了我们对遗传贡献对肝脏脂肪积累的贡献的理解。遗传相关分析表明，ML衍生的肝脂肪跨模态（R G范围为0.85至0.96），并且与临床诊断的MASLD（R G范围为0.74至0.88）之间存在很强的相关性，这表明大多数新鉴定的位点可能与临床上的Masld相关。dxa表现出最高的精度，而生物标志物分别显示出最高的回忆。总的来说，这些发现证明了在正交数据源中利用基于ML的性状预测的价值，以提高我们对复杂疾病遗传结构的理解。