CNP Assurances 及其子公司 Diwise 因其人工智能服务平台的道德规范而获得 GoodAlgo 颁发的 ADEL-AI 法案标签 继 2022 年 9 月的人工智能服务平台之后,CNP Assurances 及其子公司 Diwise 的三种算法因其在人工智能法案生效前的道德品质和成熟度而获得 GoodAlgo 颁发的 ADEL-AI 法案标签 2 。人工智能技术正在颠覆包括保险业在内的所有行业的工作方式。从设计阶段开始,算法系统和智能应用程序就需要以合乎道德的方式进行开发、使用和监控。它们必须值得员工和保单持有人信赖,并且对环境负责且具有包容性。作为一家负责任的保险公司,CNP Assurances 旨在成为人工智能道德使用方面的典范。因此,该集团于 2020 年决定制定指导方针并成立人工智能治理委员会,确保人类价值观和道德规范是任何人工智能项目发展的核心。 2022 年,该服务平台获得了领先的人工智能伦理组织 GoodAlgo 颁发的 ADEL-Project 标签。CNP Assurances 是首批获得此标签的保险公司之一。2023 年,该集团通过获得三种算法的 ADEL-AI Act 标签,迈过了一个新的里程碑:
有一系列可用于定量DNA的方法,包括吸光度,琼脂糖凝胶电泳和荧光DNA结合染料。传统方法涉及使用紫外分光光度计测量样品的吸光度。DNA在260 nm附近具有最大吸光度,因此该波长的紫外线通过样品传递。较高水平的吸光度表明样品中存在的DNA浓度更高。此方法的优点是也可以评估DNA的质量;还测量了280 nm处的吸光度以确定蛋白质污染的水平。A 260 /A 280比例表示DNA样品的纯度,值为1.8或更高的纯DNA样品。这种方法的缺点是,单链DNA(ssDNA)和RNA在260 nm处也吸收紫外线,因此可以干扰结果并引起双链DNA(DSDNA)浓度的高估。可用多种紫外线分光光度计,从量化板或比色杯中DNA的传统仪器到纳米旋风等仪器(Thermo
简历 _____________________________________________________________________ Gyanendra Kumar Rai 博士,哲学博士 副教授 Sher-E-Kashmir 农业科学技术大学,查谟,查谟 180 009,查谟和克什米尔,印度 电子邮件:gkrai75@gmail.com 研究兴趣:通过蛋白质组学、转录组学和代谢组学方法研究非生物胁迫耐受机制 摘要 Gyanendra Kumar Rai 在印度北方邦阿拉哈巴德的阿拉哈巴德大学获得硕士和博士学位。他现任查谟 Sher-e-Kashmir 农业科学技术大学生物技术学院生物化学副教授。他的研究领域包括应激生理学、蛋白质组学和分子生物学以及营养生理学。他发表了 80 多篇研究论文、8 本书、4 本实用手册和 60 多篇热门文章。他还为营养学、应激生理学和生物技术领域的多部书籍、公报和手册撰写了 15 多个章节。他还作为主导师指导了 8 名硕士生和 2 名博士生,作为联合导师指导了 15 多名硕士生和 10 名博士生。Rai 博士编辑了多种培训计划的概要和实用手册。Rai 博士为 ICAR 研究所和 SAU 的教学人员和科学家组织了 5 次以上的教师培训。他有处理由 DST、DBT 和 ICAR 等各种机构资助的外部资助项目的经验。Rai 博士获得过各种著名奖项。他是应用生物技术学会 (SAB) 会员,也是多家研究期刊的编委会成员。教育
DNA 胞嘧啶甲基化是一种表观遗传机制,参与调节植物对生物和非生物胁迫的反应,其改变能力随胞嘧啶出现的序列环境(CpG、CHG、CHH,其中 H = 腺嘌呤、胸腺嘧啶、胞嘧啶)而变化。模型植物物种中的 DNA 甲基化定量通常通过全基因组亚硫酸盐测序(WGBS)进行,这需要高质量的参考基因组。精简代表性亚硫酸盐测序 (RRBS) 是一种经济有效的潜在替代方案,适用于基因组资源有限且实验设计规模大的生态研究。在本研究中,我们首次全面比较了 RRBS 和 WGBS 的输出,以表征 DNA 甲基化对给定环境因素的反应变化。具体而言,我们使用 epiGBS(最近优化的 RRBS)和 WGBS 来评估 Populus nigra cv. 无性系中昆虫和人工食草后的整体和序列特异性差异甲基化。 'italica'。我们发现,在两种食草处理中的任何一种之后,CHH 中的全局甲基化百分比都会增加,并且只有 epiGBS 检测到这种转变具有统计学意义。至于食草引起的位点特异性差异甲基化(epiGBS 中的胞嘧啶和 WGBS 中的区域),两种技术都表明昆虫和人工食草引起的反应具有特异性,并且 CpG 中的低甲基化和 CHH 中的高甲基化频率更高。当存在于 CpG 和 CHG 中时,甲基化变化主要发现在基因体和基因间区域,而在 CHH 环境中则发现在转座因子和基因间区域。因此,epiGBS 成功地表征了伦巴第杨对食草反应的全局全基因组甲基化变化。我们的研究结果支持 epiGBS 在旨在探索非模型植物物种对多种环境因素反应的表观遗传变化的大型实验设计中特别有用。
胰腺癌(PC)和胆道癌(BTC)是恶性胆道狭窄的主要原因。但是,仅通过成像测试来区分良性和恶性胆道狭窄通常是具有挑战性的。胆汁样品可以在内镜逆行胆管造影术(ERCP)中进行内镜下获得,并用于细胞学诊断。ever,据报道,胆汁细胞学对恶性胆道狭窄的敏感性低至6-32%[1]。此外,已经报道了其他内窥镜诊断的其他内窥镜技术,例如使用ERCP,EUS引导的细针吸入(EUS-FNA)和多骨胆管镜检查(POCS)进行病理或细胞学诊断,例如组织采样(EUS引导的细针吸入(EUS-FNA))。但是,这些恶性胆道狭窄的这些方法的诊断精度也仍然不令人满意[2-4]。此外,PC和BTC标准血清标记的灵敏度和特异性(例如CEA和CA19-9)也不足以在良性和恶性胆道狭窄之间提供鉴别诊断[5,6]。最近,由于其生物稳定性并与癌变密切相关,microRNA(miRNA)已被用作癌症生物标志物[7]。miRNA是由18-25个核苷酸组成的简短非编码RNA,它们通过靶向特定的mRNA部分进行转化抑制或降解,从而调节几个生物学过程,包括细胞增殖,迁移,侵袭,存活和转移[8,9]。因此,在PC和BTC诊断中评估胆汁样品中特定miRNA的实用性仍然未知。迄今为止,很少有关于利用胆汁样品用于基于miRNA的PC和BTC诊断的报道,并且已将各种试剂用于miRNA分离[10-14]。胆汁中miRNA的定量可能会克服用ERCP,EUS-FNA和Peroral POC的常规组织诊断中观察到的诊断限制。本研究的目的是评估对胆汁中选定的miRNA与胆汁细胞学结合的定量分析是否可以提供PC和BTC的精确诊断。
在过去的一个世纪里,随着植物遗传学理解的加深以及强大且易于使用的基因编辑工具的开发,人类传递精确作物基因型的能力发生了革命性的变化。植物转化技术已经很发达,可用于在某些作物和模式生物中制造转基因品种,但试剂输送和植物再生仍然是将基因编辑技术应用于大多数作物的关键瓶颈。生产转基因、基因改造 (GM) 品种的典型植物转化方案依赖于转基因、化学选择和组织培养。制造基因编辑 (GE) 品种的典型方案也使用转基因,即使这些转基因可能对最终的作物产品不利。在某些作物中,转基因通常在减数分裂期间通过杂交分离出来,因此这只是一个次要的问题。在其他作物中,特别是那些无性繁殖的作物、复杂的杂交种或世代时间长的作物,这种杂交是不切实际的或不可能的。本综述重点介绍了将 CRISPR/Cas 基因编辑试剂递送至可再生植物细胞并恢复已编辑植物而不产生不必要的转基因整合的各种策略。一些示例包括递送无 DNA 的基因编辑试剂(如核糖核蛋白或 mRNA)、依赖非整合 DNA 的试剂表达、使用病毒或纳米颗粒等新型递送机制、使用非常规选择方法避免转基因整合和/或完全避免组织培养。这些方法正在迅速发展,并已使作物科学家能够利用 CRISPR 基因编辑工具的精确性。
Roberto Nitsch 毕业于意大利那不勒斯大学医学生物技术专业,并获得了分子遗传学博士学位。后来,他搬到了维也纳,专注于小鼠遗传学和癌症生物学,最近又研究了隐性遗传学。随后,他将研究课题转向 CRISPR/Cas9 基因组工程,并于 2014 年加入阿斯利康,负责药物发现和肿瘤学的 CRISPR 小鼠模型。自 2017 年以来,他担任临床药理学和安全科学副主任,开创了治疗基因组编辑的安全评估。如今,Roberto 是阿斯利康基因治疗安全小组的主任,他正在支持 CRISPR 药物的生成。
结果:研究了115例肺腺癌患者的252例骨转移性病变,140个良性骨病变和199个正常椎骨(48名男性,67名女性,中位年龄:59岁)。转移性病变的SUVMAX(23.85±14.34)明显高于良性病变(9.67±7.47)和正常椎骨(6.19±1.46; p <0.0001)。使用Cuto x suvmax为11.10的骨转移患者的SPECT/CT热点可以与良性病变区分开,灵敏度为87.70%,特异性为80.71%。成骨细胞(29.16±16.63)和混合(26.62±14.97)病变的suvmax明显大于溶质状(15.79±5.57)和ct-negative(15.79±5.57)和(16.51±6.93)的损伤(16.51±6.93)(16.51±6.93)。suvmax在8.135的cuto效应上可以将CT阴性骨转移与正常椎骨区分开,灵敏度为100.00%,特异性峰为91.96%。suvmax在所有骨转移中显示与HUS的正线性弱相关性和所有骨骼病变的体积。
摘要 — 在能源和资源受限的可穿戴设备上自动识别健身活动消除了激烈健身期间的人机交互要求 - 例如轻触敲击和滑动。这项工作提出了一个微型且高精度的残差卷积神经网络,它在毫瓦微控制器中运行,用于自动锻炼分类。我们在三个资源受限的设备上评估了带量化的深度模型的推理性能:两个带有 ARM-Cortex M4 和 M7 内核的来自 ST Microelectronics 的微控制器,以及一个 GAP8 片上系统,后者是来自 Green-Waves Technologies 的开源多核 RISC-V 计算平台。实验结果表明,在全精度推理下,十一项锻炼识别的准确率高达 90.4%。本文还介绍了资源受限系统的权衡性能。在保持识别准确率(88.1%)和最小损失的同时,每次推理仅需要 3 s。得益于 8 个 RISC-V 集群核心,GAP8 上每次推理只需 2 毫秒。我们测量发现,它的执行时间比 Cortex-M4 和 Cortex-M7 核心快 18.9 倍和 6.5 倍,表明基于所述数据集以 20 H z 采样率进行实时板载锻炼识别的可行性。在最大时钟频率下,GAP8 上每次推理消耗的能量为 0.41 m J,而 Cortex-M4 上为 5.17 m J,Cortex-M7 上为 8.07 m J。当系统使用电池供电时,它可以延长电池寿命。我们还引入了一个开放数据集,该数据集由从十个受试者收集的 50 个 11 个健身房锻炼课程组成,可公开获取。索引术语 — 锻炼识别、健身房识别、锻炼分类、边缘计算、TinyML、PULP
b'genation 的 C3 和 C2 位尚未开发。在此,我们报道了一种无催化剂获取 1-芳基 2,3-二碘咔唑 [7,8] 的方法,其中涉及碘转位(方案 1D)。值得注意的是,我们的方案允许在三个连续位置 [9] 即 C1、C2 和 C3 对咔唑核心进行可控官能化。环化前体 (碘吲哚基)炔醇 1a \xe2\x80\x93 n 是使用已知程序由适当的吲哚-2-甲醛制备的。[5] 我们的旅程始于研究苯基取代炔醇 1a 作为模型底物的反应(表 1)。 [10] 我们研究了 1a 与几种碘化试剂(如 I 2 、NIS、ICl 和 Ipy 2 BF 4 )的反应。在碳酸钠存在下,在异丙醇中,在 15 °C 下使用 ICl [11] 可有效实现串联碘环化-碘移位。使用 1.1 倍过量的 ICl 可得到三环 2a ,产率为 50%(表 1,条目 5),而使用 2.5 倍过量的 ICl 可得到所需的杂环,产率为 60%(表 1,条目 3)。通过对粗反应混合物进行 TLC 和 1 H NMR 分析观察到总转化率,未检测到副产物或聚合反应。然而,在柱层析纯化 2,3-二碘-咔唑 2a 的过程中观察到一些分解,这可能是导致分离产率适中的原因。值得注意的是,重排的 1-苯基-2,3-二碘-咔唑 2a 是唯一的区域异构体。使用有机碱代替 K 2 CO 3 或不同的溶剂'