XiaoMi-AI文件搜索系统
World File Search Systempublis
原子能洞察纳米片分裂水的竞争边缘
工业生物技术和代谢工程对工业生物技术的影响，微生物发酵用于生产用于农业，家庭护理产品，化妆品以及食品和制药企业的多种化学物质。传统产品包括有机酸（乳酸，柠檬酸盐），抗生素，用作饲料添加剂的氨基酸，用于人类和牲畜的维生素，用于洗涤剂和多种工业过程的酶以及用作生物燃料的乙醇。近年来，还开发了微生物发酵过程来生产用于生产材料的商品化学物质（参见词汇表），以及生产用作食品和化妆品中成分的精细化学物质（Box 1）。这一开发的关键驱动因素是我们能够设计微生物细胞具有量身定制的代谢网络的能力，该网络非常适合生产一种特定产品，通常称为代谢工程[1，2]。在过去的20年中，代谢工程领域取得了巨大的进步[3]，文献报告了数百种有关可能在市场上潜在使用的不同化学物质的学术研究。但是，对于这些学术项目，重要的是要扩展流程并确保该过程能够满足某些技术经济目标。在这里，出售商品的成本（COGS）是评估新过程的关键参数，因为如果产品可以在市场上竞争，则可以确定。后者可以大大不同，具体取决于产品。当提出了已经具有已建立市场的化学物质以及制造必须将其定位在市场中的新化学物质时，这将达到这一点。齿轮基本上取决于以下成本因素：（i）原材料成本，（ii）运营成本，（iii）生产设施的贬值，以及（iv）贬值研究和开发成本。例如，由于昂贵的临床试验和注册费，新颖的小麦克糖的开发成本通常高于商品化学品的发展成本。正如我们最近讨论的[4]，工程的研发成本在过去的10年中有明显减少，因此，今天它们仅占开发新流程的成本的一小部分。此外，即使扩展新过程可能会昂贵，但这通常会导致生产一些可以出售或用于开发市场的产品，并且在整体
原始发表论文（记录版本）的引用：Sadik, M.、López-Urdaneta, J.、Ulén, J. 等人 (2021)。人工智能可以提醒使用 FDG-PET/CT 分期的霍奇金淋巴瘤患者局部骨骼/骨髓摄取。科学报告，11(1)。http://dx.doi.org/10.1038/s41598-021-89656-9
开发一种基于人工智能 (AI) 的方法，用于检测接受 FDG-PET/CT 分期的霍奇金淋巴瘤 (HL) 患者的局灶性骨骼/骨髓摄取 (BMU)。将单独测试组的 AI 结果与独立医生的解释进行比较。使用卷积神经网络对骨骼和骨髓进行分割。AI 的训练基于 153 名未接受治疗的患者。骨摄取明显高于平均 BMU 的被标记为异常，并根据总异常摄取平方计算指数以识别局灶性摄取。指数高于预定义阈值的患者被解释为具有局灶性摄取。作为测试组，回顾性纳入了 48 名在 2017-2018 年期间接受过分期 FDG-PET/CT 且活检证实患有 HL 的未接受治疗患者。十位医生根据局灶性骨骼/BMU 对 48 例病例进行分类。在 48 例 (81%) 的局部骨骼/骨髓受累病例中，大多数医生同意 AI 的观点。医生之间的观察者间一致性为中等，Kappa 值为 0.51（范围为 0.25–0.80）。可以开发一种基于 AI 的方法来突出显示使用 FDG-PET/CT 分期的 HL 患者中的可疑局部骨骼/BMU。核医学医生之间关于局部 BMU 的观察者间一致性为中等。
原始发表论文的引用（记录版本）：Rahimi, S., Chen, Y., Zareian, M. et al (2022). Cellular and subcellular interactions o
尽管在早期检测和个性化治疗方面取得了重大进展，但癌症仍然是全球死亡的主要原因之一。目前备受关注的一种可能的抗癌方法是开发能够特异性和高效地递送抗癌药物的纳米载体。由于石墨烯基材料具有高药物负载能力和生物相容性，因此在这方面是很有前途的纳米载体。在这篇综述中，我们概述了石墨烯基材料与正常哺乳动物细胞在分子水平以及细胞和亚细胞水平上的相互作用，包括质膜、细胞骨架和膜结合细胞器，如溶酶体、线粒体、细胞核、内质网和过氧化物酶体。同时，我们汇集了有关石墨烯基材料与癌细胞相互作用的知识，这些知识被认为是这些材料在癌症治疗中的潜在应用，包括转移治疗、靶向药物递送和向非癌症干细胞的分化。我们重点介绍了一些关键参数的影响，例如石墨烯基材料的尺寸和表面化学，它们决定了这些粒子在体内和体外的内化效率和生物相容性。最后，本综述旨在将石墨烯基纳米材料（特别是氧化石墨烯）的关键参数（例如尺寸和表面改性）与它们与癌细胞和非癌细胞的相互作用关联起来，以便设计和改造它们用于生物应用，特别是用于治疗目的。2022 作者。由 Elsevier BV 出版 这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
原始发表论文的引用（记录版本）：Narula, A., Bongiorno, M., Beza, M. et al (2022). 电网形成 c 的协调控制
本文旨在提出一种配备储能装置的电网形成转换器与水力发电机之间的协调控制策略，以促进未来电力系统中转换器的频率支持。这样，就可以利用转换器系统的快速动态特性，同时最大限度地减少与转换器系统相关的储能要求。电网形成转换器频率控制器的拟议调整标准有助于转换器系统与水力发电机之间的自然协调。将所提出的控制策略的有效性与文献中现有的传统下垂方法进行了比较。最后，使用 PSCAD 中的详细时域仿真模型验证了分析结果。
引用了原始发表的论文（记录的版本）：Åkerblom，N。，Chen，Y.，Haghir Chehreghani，M。（2023）。能源消费的在线学习
由于电池容量有限，能源效率有效的导航构成了电动汽车的重要挑战。我们采用贝叶斯的方法来对路段的能源消耗进行建模，以进行有效的导航。为了学习模型参数，我们开发了一个在线学习框架，并研究了几种探索策略，例如汤普森采样和上限限制。然后，我们将我们的在线学习框架扩展到多代理设置，在该设置中，多个车辆可适应和学习能量模型的参数。通过分析批处理反馈下的算法，我们分析了汤普森采样，并在单位代理和多代理设置中建立了严格的遗憾界限。最后，我们通过在几个现实世界的城市路网络上进行实验来演示方法的性能。
原始发表论文的引用（记录版本）：Yang, Y., Qu, L., Mijakovic, I. et al (2022). Advances in the human skin microbiota and
摘要 皮肤是人体最大的器官，环境因素与人体皮肤的相互作用会导致一些皮肤疾病，如痤疮、牛皮癣和特应性皮炎。作为人体免疫防线的第一道防线，皮肤在人体健康中发挥着重要作用，它通过阻止受皮肤微生物群影响很大的病原体入侵。尽管人体皮肤是微生物的具有挑战性的生态位，但人体皮肤上却寄生着各种共生微生物，这些微生物塑造了皮肤环境。皮肤微生物群会影响人体健康，其失衡和菌群失调会导致皮肤疾病。本综述重点介绍了我们对皮肤微生物群及其与人体皮肤相互作用的理解进展。此外，还描述了微生物群在皮肤健康和疾病中的潜在作用，并重点介绍了一些关键物种。讨论了微生物相关皮肤病的预防、诊断和治疗策略，如健康饮食、生活方式、益生菌和益生元。讨论了使用合成生物学调节皮肤微生物群的策略，作为优化皮肤-微生物群相互作用的一个有趣途径。总之，本综述提供了有关人类皮肤微生物群恢复、人类皮肤微生物群与疾病之间的相互作用以及设计/重建人类皮肤微生物群的策略的见解。关键词：皮肤、微生物群、共生微生物、合成生物学、组学技术、宿主-皮肤微生物群相互作用、皮肤疾病、痤疮
已发布版本 (APA) 的引文：Beck, S., Poetz, M., & Sauermann, H. (2022)。人工智能 (AI) 将如何影响开放和协作
作者简介 Susanne Beck 是维也纳 LBG 科学开放创新中心和哥本哈根商学院战略与创新系的高级研究员。她的主要研究兴趣是科学知识生产和基于科学的创新的组织。在她目前的项目中，Susanne 调查了在科学研究过程中应用开放和协作实践的个人和组织层面的前因、后果和偶然性。她的出版物和工作论文获得了管理学院、欧洲管理学院和研发管理会议的多个奖项。她还是工业和创新科学开放创新特刊的首席客座编辑、年度科学研究开放创新会议的联合组织者，以及涉及 35 位作者等的多个合作写作工作的首席协调员。
引用了原始发表的论文（记录的版本）：Hosseini，S.，Mallipeddi，D.，Holmberg，J。等（2022）。加工性能的比较
抵抗[5]。尽管过程优化了重大的优化工作，但由PBF-LB和PBF-EB生产的316升零件仍然无法满足最佳功能性能所需的表面质量要求。据报道，由PBF-LB和PBF-EB产生的316L部分的典型表面粗糙度（RA）值分别为〜10 µm [9]和〜30 µM [10]。在PBF-LB和PBF-EB之间获得的表面粗糙度的巨大差异是无关的。在比较PBF-LB和PBF-EB时，已经报道了TI6AL4V的可比较表面粗糙度值。对于PBF-LB标本，在构建方向上测量了〜8 µm的RA，而对于PBF-EB，观察到RA为〜23 µm [11]。无论相关的AM过程如何，印刷的部分通常都需要后处理才能实现所需的表面
![文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控](/simg/8/8dd469c55249d1165cc0c55c494f5b27bda7b11b.png)
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
原始发表论文的引用（记录版本）：Yuan, M., Karamchedu, S., Fan, Y. et al (2022). Study of flaws in directing energy dep
采用定向能量沉积技术在用于硬面堆焊的热作工具钢基材上沉积了具有不同层数的冷作工具钢。本研究涉及了覆层工具钢中的缺陷和微观结构。在沉积区发现了包括孔隙和裂纹在内的缺陷，其数量随着沉积高度或层数的增加而增加。大的不规则孔隙主要位于沉积层的下部区域。此类孔隙的形成归因于合金元素在孔隙表面的偏析和热量输入不足。非平衡共晶微观结构是孔隙邻近区域的特征。另一方面，开裂往往发生在沉积层的上部。确定了导致开裂的两个重要因素。第一个是微观结构梯度，当从底部移动到顶部沉积层时，微观结构梯度从细胞状树枝状晶变为柱状树枝状晶。其次，根据Thermocalc软件的模拟，沉积的冷作工具钢表现出相对较大的凝固温度范围，从而对热裂纹具有很高的敏感性。