XiaoMi-AI文件搜索系统
World File Search Systemnsf
长期在小鼠成纤维细胞植入物中逆转录病毒介导的基因转移的体内表达
当前的基因治疗模型涉及逆转录病毒介导的遗传材料转移到源自各种体细胞组织的细胞中，包括造血系统的细胞，成纤维细胞，肝细胞，内皮细胞和成肌细胞（1、2）。我们先前已经描述了一种通过小鼠皮肤成纤维细胞逆转录病毒感染的基因产物传递方法（3）。我们先前在成纤维细胞研究中使用的转导基因是人和狗因子IX cDNA（3，4）。尽管在组织培养中可以实现高水平的持续性，而当在啮齿动物的同种异体移植中移植时，这些成纤维细胞仅在短时间内就产生了大量因子IX（3，5）。从理论上讲，体内表达的短期可能归因于不同的因素：（i）宿主对外源性因子IX的免疫反应； （ii）移植后外国细胞的破坏； （IIM）一旦将转导细胞移植到动物的转移基因的转录基因转录的特异性下降。已经表明（3，5），植入改良的成纤维细胞后，对人类因子IX的抗体存在，这至少可以解释，部分原因是第IX因子的短期。在这项工作中，使用不同的启动子来控制8-半乳糖苷酶的表达，我们证明，在组织培养中，长期表达可以轻松获得，但指导感兴趣基因转录的启动子的类型可能是决定体内长期表达的关键因素之一。
通过势能视角探索模型的可转移性
由于预训练的深度学习模型大量可用，迁移学习在计算机视觉任务中变得至关重要。然而，从多样化的模型池中为特定的下游任务选择最佳的预训练模型仍然是一个挑战。现有的衡量预训练模型可迁移性的方法依赖于编码静态特征和任务标签之间的统计相关性，但它们忽略了微调过程中底层表示动态的影响，导致结果不可靠，尤其是对于自监督模型。在本文中，我们提出了一种名为 PED 的富有洞察力的物理启发方法来应对这些挑战。我们从势能的视角重新定义模型选择的挑战，并直接模拟影响微调动态的相互作用力。通过捕捉动态表示的运动来降低力驱动物理模型中的势能，我们可以获得增强的、更稳定的观察结果来估计可迁移性。在 10 个下游任务和 12 个自监督模型上的实验结果表明，我们的方法可以无缝集成到现有的排名技术中并提高其性能，揭示了其对模型选择任务的有效性以及理解迁移学习机制的潜力。代码可在 https://github.com/lixiaotong97/PED 上找到。
生成AI将如何改变战略性远见
Paulo是包括欧洲委员会，联合研究中心和欧洲环境局在内的几个国际机构的远见与创新的专家和顾问。此外，他在战略情报和场景计划领域与世界经济论坛合作。在过去的15年中，保罗在里斯本大学的利斯本经济与管理学院担任过各种学术职务。他一直在协调研究生计划“远见，战略和创新”，并指导执行计划，例如“场景计划和战略敏捷性”以及“期货，战略设计和创新”。自2020年以来，他一直担任ISEG MBA的执行董事。
解剖学知情的混合图CNN-TransFormer ...
使用深层神经网络越来越多地研究了大脑连接与非成像表型之间的关系。但是，在卷积网络设计中通常会忽略大脑白奇网络的局部和全球性能。我们介绍了Tractgraphformer，这是一种混合图CNN-Transformer的深度学习框架，该框架是针对扩散MRI拖拉术的。该模型利用白质结构的局部解剖特征和全局特征依赖性。图形CNN模块捕获了白质的几何形状和灰质连接到从解剖上相似的白色物质连接中汇总局部特征，而变压器模块则使用自我注意来增强全球信息学习。此外，TractGraphFormer还包括一个用于解释预测白质连接的注意模块。在性别预测测试中，TractGraphFormer在大的儿童数据集（n = 9345）和年轻人（n = 1065）中表现出强烈的表现。总的来说，我们的方法表明，WM中的广泛连接可以预测一个个体的性别，并且在两个数据集中确定了一致的预测解剖区。提出的方法突出了整合局部解剖信息和全球特征依赖性的潜力，以通过扩散MRI拖拉术在机器学习中提高预测性能。
人工智能助力决策数字化转型
摘要——这项工作源于对人工智能与数字技术的使用的需要，因此研究了决策中至关重要的过程，并对多个组织进行了评估。研究的过程是物品处理中的保管链。这一过程非常重要，因为它用于司法调查，以证明存在某种关系，从而可以清楚地确定犯罪现场发现的要素之间的关系。对每个相关方进行分析，了解物品的当前保管过程，以及物品从一个办公室转移到另一个办公室的情况。为了了解处理物品的保管链过程，采用了访谈工具，并与负责处理物品的人员进行更直接的接触，获取信息。总之，在完成前面的步骤后，获得了更清晰的流程图，从而确定了单一的流程流程，以及人工智能研究的一部分，提出了可以应用的建议，并针对提出的问题给出了解决方案，其中