XiaoMi-AI文件搜索系统
World File Search Systemorca
卡迪夫的在线研究 - ORCA
Twohy, Krya E., Kramer, Mary K., Diano, Alexa M., Bailey, Olivia M., Delgorio, Peyton L., McIlvain, Grace, McGarry, Matthew DJ, Martens, Christopher R., Schwarb, Hillary, Hiscox, Lucy V. 和 Johnson, Curtis L. 2025. 老年人皮质的机械特性及其与人格特质的关系。
gkae897.pdf - -ORCA - 卡迪夫大学
1 Edelris, Bioparc, Bioserra 1 Building, 69008 Lyon, France 2 大学格勒诺布尔阿尔卑斯国家科学研究院，DCM，38000 格勒诺布尔，法国 3 谢菲尔德大学医学与人口健康学院临床医学部，Beech Hill Rd.，谢菲尔德 S10 2RX，英国 4 慕尼黑路德维希马克西米利安大学 (LMU) 和德国癌症联盟 (DKTK) 皮肤病学和过敏学系，慕尼黑合作伙伴中心，Frauenlobstrasse 9-11，D-80337 慕尼黑，德国 5 杜伊斯堡-埃森大学西德癌症中心医学院皮肤病学系皮肤癌科，Hufelandstraße 55，D-45147 埃森，德国 6 Diamond Light Source Ltd.，哈威尔科学与创新园区，哈威尔研究综合体，哈威尔校区，迪德科特，英国 7 约克大学化学系约克结构生物学实验室，约克 YO10 5DD，英国 8 药品卡迪夫大学探索研究所，主楼，公园广场，卡迪夫 CF10 3AT，英国
NLRP6缺乏扩展了一种新型的CD103+ B细胞种群，该细胞群体赋予了NOD小鼠的免疫耐受性
Guilherme L.2023。从供应链风险到全系统的中断：预测，风险管理和产品设计的研究机会。国际运营与生产杂志
DETC2022-89711 - -ORCA - 卡迪夫大学
以人为本的智能制造 (HCSM) 是工业 5.0 的重要支柱之一。因此，人机交互 (HMI) 作为智能制造发展研究议程的中心，也成为工业 5.0 的焦点。由于工业 5.0 提出了以人为本、可持续和弹性的三大核心概念，HMI 的设计方向也需要随之改变。通过了解 HMI 研究的最新进展，可以形成智能制造范式中 HMI 发展的技术路线图。本文的重点是回顾 HMI 如何应用于智能制造，并预测将 HMI 应用于 HCSM 时的未来机遇和挑战。在本文中，我们提供了一个基于交互过程的 HMI 框架，并从四个关键方面分析了现有的 HMI 研究：1）传感器和硬件、2）数据处理、3）传输机制和 4）交互和协作。我们打算分析每个方面的当前发展和技术及其在 HCSM 中的可能应用。最后，讨论和评估了 HMI 未来研究和应用中的潜在挑战和机遇，特别是考虑到 HCSM 的设计重点从提高生产力转向工人的福祉和可持续性。
S41380-024-02482-Z.pdf -Z.pdf -orca -Cardiff University
聚类癫痫（CE）是由原粘蛋白19（PCDH19）基因的致病变异引起的神经系统疾病。PCDH19编码参与细胞粘附和雌激素受体α介导的基因调控的蛋白质。为了进一步了解PCDH19在大脑中的分子作用，我们研究了发育中的小鼠海马和皮质中的PCDH19相互作用。与所有报道的PCDH19相互作用蛋白的荟萃分析结合在一起，我们的结果表明，PCDH19与参与肌动蛋白，微管和基因调节的蛋白质相互作用。我们将CAPZA1，αN -Catenin和β -catenin作为新型PCDH19相互作用蛋白报告。此外，我们表明PCDH19是β-蛋白酶转录活性的调节剂，并且该途径在CE个体中被破坏。总的来说，我们的结果支持PCDH19参与细胞骨架网络，并指向PCDH19起关键作用的信号通路。
卡迪夫的在线研究 - ORCA
Ling, Jiaxin, Li, Xiaojun, Li, Haijiang , Shen, Yi, Rui, Yi and Zhu, Hehua 2022. Data acquisition- interpretation-aggregation for dynamic design of rock tunnel support. Automation in Construction 143 ,
神经影像--ORCA-卡迪夫大学
观察性研究一致表明，脑成像衍生表型 (IDP) 是早期诊断脑部疾病和心血管疾病的关键标志物。然而，脑部 IDP 与脑部疾病和心血管疾病风险之间的共同遗传图谱仍不清楚，这限制了通过脑部 IDP 应用潜在诊断技术。在这里，我们利用大规模全基因组关联研究 (GWAS) 汇总统计数据，报告了 921 个脑部 IDP、20 种脑部疾病和 6 种心血管疾病之间的遗传相关性和推定的因果关系。门德尔随机化 (MR) 的应用确定了多个区域特定脑部 IDP 与肌萎缩侧索硬化症 (ALS)、重度抑郁症 (MDD)、自闭症谱系障碍 (ASD) 和精神分裂症 (SCZ) 风险增加之间的显著推定因果关系。我们还发现颞叶特有的脑部 IDP 是高血压的推定因果结果。全基因组共定位分析确定了三个基因组区域，其中 MDD、ASD 和 SCZ 与脑 IDP 共定位，以及两个新的 SNP 与 ASD、SCZ 和多个脑 IDP 相关。此外，我们还确定了一系列候选基因，这些基因涉及脑 IDP 与 MDD、ASD、SCZ、ALS 和高血压对的共同遗传学。我们的研究结果为脑部疾病和心血管疾病与脑 IDP 之间的遗传关系提供了新的见解，这可能为使用脑 IDP 预测疾病风险提供线索。
在线研究 @ Cardiff - Orca
表。1方法的比较方法研究贡献EWA [3]计算很简单且实用，但是它不考虑时间序列的相关性，从而导致预测准确性较低。cnn [18]不需要复杂的推理模型；但是，它不适用于小样本预测，可能会遇到过度拟合的问题。GFM [31]数据集不需要遵循严格的分布序列，但是对于具有较大随机波动的样本序列可能会发生较差的拟合，从而导致较大的预测误差。Markov [44]从概率的角度分析较差的问题是有益的，但可能很难适应大型样本数据集。svm [52]它可以处理具有非线性和高维度的小样本数据集，但是内核函数的选择可能会影响预测结果。arima [64]通过在历史数据之间寻求自相关，可以通过假设它遵循历史趋势来预测未来。但是，这需要序列是固定的。cfa该方法非常适用，并且在处理小样本随机时间序列数据方面具有高预测精度。总而言之，预测方法的选择直接影响准确性
针对神经退行性疾病中的补体——ORCA
过去十年中，越来越多的证据表明补体与神经炎症和神经退行性疾病 (NDD) 有关，揭示了补体是这些不同疾病的病理驱动因素。在同一时期，人们对补体调节药物的开发兴趣激增，首先是一些罕见的补体失调疾病，但最近也用于治疗补体参与疾病过程的更常见疾病。到目前为止，人们很少关注抗补体药物在神经退行性疾病中的潜在作用，而且目前还没有出现可以进入中枢神经系统 (CNS) 的药物，而这是大多数 NDD 的先决条件。在这里，我们总结了补体与神经退行性疾病有关的证据，建立了测试抗补体药物的案例，并讨论了如何修改或从头设计药物以抑制神经退行性疾病中的补体。