XiaoMi-AI文件搜索系统
World File Search Systemrelationships
交流中的人工智能影响语言和社会关系
人工智能（AI）已经在日常交流中广泛使用，但是尽管担心AI对社会的负面影响，但在很大程度上尚未探索使用它的社会后果。我们研究了最普遍的AI应用程序之一，算法响应建议（“智能答复”）的社会后果，这些建议每天发送数十亿条消息。两个随机实验提供了证据，表明这些类型的算法推荐系统会改变人们在亲社会和反社会方式上互相互动和感知的方式。我们发现，使用算法响应会改变语言和社会关系。更具体地说，它增加了沟通速度，积极的情感语言的使用，并且对话伙伴相互评估，以更接近和更合作。然而，与对AI的不利影响的共同假设一致，如果怀疑他们使用算法响应，对人们的评估更为负面。因此，即使AI可以提高沟通速度并改善人际观念，但AI的主要反社会含义会破坏这些潜在的好处，如果使用公开使用。
血液生物标志物的变化和低剂量口服氯胺酮治疗因创伤后应激障碍（PTSD）
特征值*＃参与者n = 25性别16F/9M年龄47.8±13.0（22-77）PTSD持续时间（年）18.8±16.2（2-55）CAPS -5得分54.2±7.0（41-67）攻击/虐待/事故/事故4（16％）紧急服务（工作）1（4％）丧亲（儿童死亡）1（4％）最高教育中学10 1（4％）中学12 4（16％）第12（48％）研究生6（48％）后6（24％）未知2（8％）不知名的2（8％）主要抑郁症（MDD）19（MDD）19（MDD）精神疾病（76％）的复杂性（76％）（12％）（12％）（12（12％）（cpt）（12（cpt）。苯二氮卓类药物13（52％）SSRIS 4（16％）SNRIS 6（24％）四环抗抑郁药3（12％）其他9（40％） *平均值±标准偏差（范围）或计数（百分比）（百分比）。caps-5 =临床医生-108
使用支柱/ ... div>的大脑器官的动态培养
。cc-by 4.0国际许可（未经Peer Review尚未获得认证）是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。这是该版本的版权持有人，该版本发布于2025年2月27日。 https://doi.org/10.1101/2025.02.27.639550 doi：Biorxiv Preprint
丝兰（Agavoideae，Asparagaceae）中的系统发育关系和特征演化
丝兰（Asparagaceae，agavoideae）的当前分类基于形态学特征，主要是基于水果类型，碳纤维，叶缘和花序类型。为了研究这些特征的演变及其作为丝兰中某些群体的突触形态的潜在分类学意义，对44丝甘菌和八种外部种类进行了系统发育分析。差异时间会产生适当的系统发育框架，以研究形态特征的演化。最大似然和贝叶斯推论分析显示，与丝兰的这两个属中的任何一个相比，Hesperoyucca和Hesperaloe之间的系统发育关系更紧密。先前提出的属内提出的系列没有被回收为单系，但基于水果类型，我们恢复了两个主要进化枝，我们在这里命名了Aloifolia和crade Rupicola。YUCCA茎的年龄和牙冠组的年龄分别为14.34（95％HPD：14.64–14.2）和7.45（95％HPD：11.31–3.48）年龄。最近的多元化事件发生在肉体和干果的物种中。Yucca是单系的，具有两个主要进化枝，对应于带有干果的物种（进化枝Rupicola）和肉质的果实（Aloifolia）。在两个进化枝中都观察到了部分地理一致性。分散类型可能是该属多元化的关键特征。叶边缘，碳纤维和花序类型与系统发育关系不一致。
使用机器学习的乳腺癌预测
16S rRNA基因的V1-V2区域有效地分化了Rickettsia Africae和Rickettsia Aeschlimannii与其他立克物种，以及Coxiella insosymbionts与Coxiella burnetii。相反，这些物种的V3-V4区域序列无法明确区分。coxiella内共生体在AM中最常见。Gemma和Rh。pulchellus，而弗朗西斯拉内共生体则占主导地位；两者都主要定位在唾液腺中。高丰富的Coxiella内共生体和假单胞菌与两者中的Rickettsia病原体的缺失或低丰度有关。Gemma和Rh。pulchellus，提示这些微生物之间的竞争相互作用。此外，除了唾液腺外，proteus mirabilis是人类泌尿道的机会性病原体，主要是在透明质的壁虱中，除唾液腺外，唾液腺中最丰富。此外，我们在所有tick组织中检测到了杆菌，假单胞菌和corynebacterium属，这支持了这些细菌可能在骆驼血和壁虱之间循环的假设。唾液和血淋巴通常比唾液腺和中肠含有更多的细胞外细菌。
同时使用的单细胞CRISPR，RNA和ATAC-SEQ使多组CRISPR屏幕可以识别基因调节关系
。cc-by-nc 4.0国际许可（未获得同行评审证明），他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。它是此预印本版本的版权持有人，该版本发布于2025年2月12日。 https://doi.org/10.1101/2025.02.11.637716 doi：Biorxiv Preprint
在高运动青年队列中进行数据救援，以实现稳健且可重复的大脑行为关系
图 1。描述运动排序和装袋程序的示意图。Shen 268 分割方案用于提取所有参与者的 fMRI 时间序列。执行清理时，如果其 rmsFD > 0.20 毫米，则在 fMRI 时间序列中识别出运动损坏的时间点 (T)。审查该时间点后，还会删除其前一个 (T – 1) 和两个后续 (T + 1, T + 2) 时间点。然后根据时间点的 rmsFD 值对其进行排序，并使用顶部 minTP 运动污染最少的时间点来计算功能连接（运动排序功能连接矩阵）。对于每个参与者，使用运动排序时间序列计算功能连接矩阵。使用清理后的时间序列执行装袋，方法是选择与预定义阈值（由 minTP 表示）匹配的受运动破坏最少的时间点（按其 rmsFD 值排序），并从 500 次迭代中的运动受限时间点中引导给定大小 TP 的样本（有替换地）并计算功能连接。对于每个参与者，平均装袋功能连接矩阵是通过对得到的 500 个功能连接矩阵（装袋功能连接矩阵）取平均值来计算的。
使用平均物种丰度关系评估化学污染对生物多样性的慢性影响
由于化学污染对淡水生态系统和生物多样性构成了持续威胁，因此要进行创新的方法来解决与此类污染物相关的生态风险。这项研究预测了基于方程式的化学物质对中位数和效应浓度（L（e）C50）的时间依赖性的长期影响，并具有关键的身体RESI适当的概念。以这种方式，该方法可以预测任何给定时间点的物种灵敏度分布。扩展了方法，以预测平均物种丰度关系（MSAR）作为生物多样性的指标。为了测试和验证METS的那言，使用了六个案例研究的数据，该案例研究使用了六个淡水节肢动物的短期和长期暴露于咪二藻虫的数据。使用物种（PAF）及其相对（1-PAF）的物种的分数（1-PAF）用于验证MSAR框架本身。预测的慢性LC50值的准确性依赖于物种。但是，除一种物种外，所有预测的慢性LC50值仅基于急性数据的拟合的95％置信区间（CI）。预测和计算的MSAR之间的平均差异在2％至6％之间。预测的MSAR通常低估了伊idacloprid的影响。然而，所有预先调查的MSAR均相似或低于计算出的1-PAF，其CI涵盖了计算出的MSAR。因此，研究发现所提出的方法可用于预测化学污染物的长期影响。
肠道微生物组与年龄之间的因果关系 -
。cc-by-nc 4.0国际许可证可永久提供。是作者/资助者，他已授予Medrxiv的许可证，以显示预印本（未通过PEER REVIVE的认证）Preprint preprint the本版本的版权所有者于2025年2月3日发布。 https://doi.org/10.1101/2025.02.03.25321568 doi：medrxiv preprint