XiaoMi-AI文件搜索系统
World File Search Systempredicting
一种预测药物的有效计算方法......
通讯作者：安吉勇 摘要：背景：预测新的药物-靶标相互作用（DTI）在发现新的候选药物和寻找新的靶标蛋白质中起着重要作用。考虑到实验方法耗时且昂贵。因此，如何开发有效的计算方法来准确预测药物和靶标之间的潜在关联是一项具有挑战性的任务。结果：在本文中，我们提出了一种基于药物指纹和蛋白质进化信息的新型计算方法WELM-SURF来识别DTI。更具体地说，为了利用蛋白质序列特征，应用位置特异性评分矩阵（PSSM）来捕获蛋白质进化信息，并使用加速机器人特征（SURF）从PSSM中提取序列关键特征。对于药物指纹，使用分子子结构指纹的化学结构来表示药物作为特征向量。考虑到加权极限学习机（WELM）具有训练时间短、泛化能力强以及最重要的是能够通过优化权重矩阵的损失函数有效地执行分类的优势。因此，采用WELM分类器对提取的特征进行分类以预测DTIs。通过五重交叉验证检验在酶、离子通道、GPCRs和核受体数据集上进行实验验证，评估了WELM-SURF模型的性能。WELM-SURF在酶、离子通道、GPCRs和核受体数据集上的平均准确率分别为93.54%、90.58%、85.43%和77.45%。我们还将其性能与极限学习机（ELM）、在酶和离子通道数据集上最先进的支持向量机（SVM）以及在四个数据集上的其他现有方法进行了比较。与实验结果相比，WELM-SURF的性能明显优于ELM、SVM和该领域的其他先前方法。结论：结果表明，所提出的WELM-SURF模型能够高精度、稳健地预测DTIs。预计 WELM - SURF 方法是一种有用的计算工具，可广泛促进与 DTI 预测相关的生物信息学研究。
根据原始 T1 加权磁共振预测大脑年龄...
18 德国明斯特大学放射学诊所 19 澳大利亚墨尔本大学墨尔本医学院精神病学系 20 澳大利亚维多利亚州帕克维尔墨尔本大学弗洛里神经科学和心理健康研究所
预测和可视化局部大脑活动的工具
在文献中，已经开发了几个项目来可视化大脑活动，并且已经提出了许多基于行为特征预测 fMRI 信号的工作（Mitchell 等人，2008 年；Huth 等人，2016 年；Knops 等人，2009 年）。但是，我们没有找到提供工具来一起显示非控制对话的大脑活动预测、此预测中使用的原始材料以及用于这些预测的特征的工作。在本文中，我们解决了这个问题，并提出了一种用于预测和可视化对话期间局部大脑活动的新工具。它由两个模块组成，第一个模块用于根据对话的原始行为数据生成预测。它包括参与者和对话者的音频、对话者的视频和参与者的眼球运动记录。第二部分用于根据获得的预测可视化对话过程中大脑区域的激活情况。
时间2 evolve：预测工程T细胞的功效
基因工程汽车和TCR转基因T细胞的抽象免疫疗法是癌症医学的一种变革性治疗方法。有一条具有靶抗原和先进技术的丰富管道，不仅可以在罕见的血液恶性肿瘤中，而且还可以在普通实体瘤中建立这种新颖的治疗方法。T2Evolve联盟是一种旨在加快癌症患者临床前开发和增加获得工程T细胞免疫疗法的临床前开发和访问权限的公共私人伙伴关系。T2Evolve中的一个关键野心是评估当前可用的临床前模型，以评估工程T细胞疗法的安全性和功效，并开发新模型和测试参数具有较高的临床安全性和功效预测价值，以改善和加速铅T-Cell产品的临床转换。在这里，我们回顾了允许评估汽车和TCR信号传导和抗原结合的现有和新兴临床前模型，工程T细胞对原发性和转移性肿瘤配体的访问和功能，以及内源性因素（例如宿主免疫系统和微生物组）的影响。总的来说，本评论文章介绍了基于创新的汽车和TCR转基因T细胞产品的创新标准化临床前测试系统的观点。
预测玉米物候表01 < - '内容
大多数玉米模型旨在预测谷物产量对环境的响应。，但它们在所包括的生物过程的类型和复杂性方面有所不同。这些差异在预测物候学的技术中尤为明显。runge-bert模型没有尝试预测发展。分裂模型和Simaiz均通过累积度数来预测生长阶段。当总和达到指定值时。假定植物处于下一阶段。没有尝试量化光周期灵敏度。'rhe“能量作用生长”模型还仅基于温度来预测物候学。温度函数是一系列适合生长率数据的四线。“生物温度”模型将遗传，光周期和当时的因子总和，以预测粘土到流苏起始的数量。玉米和玉米片，每种使用光周期和温度来预测发展。在这两种情况下，苯酚比在敏感基因型中延迟流苏启动并增加了叶子的最终数。但是，Ceres-Maize提供了一个更详细的预测阶段和数字的系统，并且可以更容易地测试和验证其组件。最近，在日本描述了一个物候模型，其中包括叶子起始，叶子胶结外观和类似于Ceres-Maize的发育阶段。M9在此模型中，DEVE速率是温度依赖性的，并且忽略了光周期敏感性。
通过机器学习模型预测问题赌博
在这项研究中，研究人员使用玩家跟踪数据来评估行为指标是否可以使用机器学习模型来预测问题赌博。数据是从来自英国，加拿大和西班牙在线赌场游戏的1,743名成年人那里获得的。研究人员发现，在预测问题赌博时，行为指标（例如，会议范围内的频繁存款）比货币指标（例如，赌博的总金额）更重要。这项研究中采用的五个机器学习模型显示了预测问题赌博的有希望的结果。包括特定于国家 /地区的数据提高了其准确性。尽管如此，即使没有使用特定国家 /地区的数据进行培训，这些模型即使在没有培训的情况下也表现出色。调查结果表明，有一些行为指标可以在各种环境中使用以识别问题赌博。
机器学习在预测分子特性中的应用
由于开发新化合物并确定其性能是昂贵且可能危险的，因此有必要开发一个模型来预测分子特性，而无需合成和实验测试。表示化合物的两种系统方法是通过分子结构的示意图和简化的分子输入线 - 进入系统（Smiles）。在这项研究中，这些表示分别用于训练两个神经网络模型，一个卷积神经网络（CNN）和一个经常性神经网络（RNN），以预测化合物的熔点。通过将化合物表示为结构的图像，CNN在拟合给定数据的拟合时不成功，似乎在给定数据的平均熔点附近保持恒定。然而，通过将化合物表示为系统生成的文本字符串，RNN成功地拟合了数据，总体趋势类似于实际趋势，平均绝对误差较低。但是，与结构图数据不同，用于RNN的微笑数据不包含方向信息。对于将来的研究，可能可以将两种表示形式结合起来，以达到更准确的预测模型。
预测欧洲城市的城市热岛
与农村环境相比，持续的城市化以及人为的全球变暖，并将增加城市地区的土地表面温度和空气温度异常，从而导致城市热岛（UHI）。uhi构成了环境和健康风险，影响了人类健康的心理和生理方面。因此，使用考虑形态变量的深度学习方法，本研究预测了从2007年到2021年69个欧洲城市的UHI强度，并且在2050年和2080年影响UHI影响。该研究采用人工神经网络，深度神经网络和封闭式复发单元，将高分辨率3D城市模型与环境数据相结合以分析UHI趋势。结果表明，城市形式，天气模式和UHI强度之间的牢固关联，强调了对定制的城市规划和政策措施的需求，以减少UHI影响并促进可持续的城市环境。这项研究增强了对UHI动态的理解，并成为城市规划师和政策制定者应对气候变化，城市化和空气污染的挑战的宝贵工具，最终有助于改善健康成果并建立能源消耗。此外，该方法有效地证明了GRU将其分数与UHI预测联系起来的能力，从而为潜在的健康影响提供了重要的见解。
