XiaoMi-AI文件搜索系统
World File Search Systemsequential
定量顺序染色质免疫沉淀，一种分析体内基因组区域蛋白共占蛋白的共占者的方法
顺序染色质免疫沉淀（SEQCHIP）是一种程序，其中甲醛交联，来自活细胞的蛋白质– DNA复合物受到了两个具有不同特异性抗体的顺序免疫侵蚀。seqchip已被定性地解决，是否可以同时在体内同时同时同时同时占领DNA。在这里，我们扩展了早期的工作，并描述了以定量方式执行和解释Seqchip实验的理论和实际考虑因素。我们提供了一个详细的实验程序，用于设计和执行SEQCHIP实验以及这三个可能结果的实验示例：完全共同占领，没有共占领和部分共同占领。在某些部分共同占领的情况下，Seqchip中免疫沉淀的顺序会强烈影响结果。我们在实验上确认了一个定量参数，该参数提供了在给定DNA区域上两种蛋白的同居量的度量，并提供了有关如何解释Seqchip实验结果的信息。我们对Seqchip数据的定量处理大大扩展了该技术在体内阐明分子机械的实用性。
基于连续的航路点和可及性分析的不确定性下的安全和适应性自主导航
本文为基于可靠的状态空间可达性分析提供了一种安全自主导航的新方法。后者改善了基于顺序航路点（NSBSWR）框架[1]的已经提出的灵活导航策略[1]，同时考虑了建模和/或感知方面的明显不同的不确定性。的确，NSBSWR是一个新兴的概念，可以利用其灵活性和通用性，以避免频繁的复杂轨迹的计划/重新计划。本文的主要贡献是引入可及性分析方案，作为可靠的风险评估和管理政策，以确保连续分配的航点之间安全自主导航。为此，使用间隔分析来传播影响车辆动力学到导航系统指出的不确定性。通过求解具有不确定变量和参数的普通微分方程，通过间隔泰勒串联扩展方法揭示了所有车辆潜在的可触及状态空间。根据可达集的获得的界限，对导航安全做出了决定。一旦捕获了碰撞风险，风险管理层就会采取行动以更新控制参数，以掌握关键情况并确保适当地达到Waypint，同时避免任何风险状态。几个模拟结果证明了在不确定性下总体导航的安全性，效率和鲁棒性。
SEQUENT：利用顺序量子增强训练实现可追踪量子机器学习
摘要：将量子计算等新计算范式应用于机器学习领域最近引起了人们的关注。然而，由于高维现实世界应用尚无法使用纯量子硬件来解决，因此提出了使用经典和量子机器学习范式的混合方法。例如，迁移学习方法已被证明可成功应用于混合图像分类任务。尽管如此，仍然需要探索有益的电路架构。因此，追踪所选电路架构和参数化的影响对于开发有益的混合方法至关重要。然而，当前的方法包括同时训练两个部分的过程，因此不允许严格区分经典和量子影响。因此，这些架构可能会产生具有卓越预测精度的模型，同时采用尽可能少的量子影响。为了解决这个问题，我们提出了顺序量子增强训练 (SEQUENT)，这是一种改进的架构和训练过程，用于将量子计算方法可追溯地应用于混合机器学习。此外，我们还提供了当前方法的缺点的正式证据和初步实验结果，作为 SEQUENT 适用性的概念证明。
利用连续 CRISPR/Cas9 基因编辑技术对神经元蛋白进行双链标记和操作
CRISPR/Cas9 介导的基因敲入方法能够标记单个内源性蛋白质，从而如实地确定它们在细胞中的时空分布。然而，由于编辑事件之间存在串扰，因此在神经元中可靠地多路复用基因敲入事件仍然具有挑战性。为了克服这个问题，我们开发了条件性激活基因敲入表达 (CAKE)，从而实现高效、灵活和准确的多路复用基因组编辑。为了减少串扰，CAKE 基于顺序重组酶驱动的向导 RNA (gRNA) 表达来控制每个供体序列的基因组整合时间。我们表明，CAKE 广泛应用于大鼠神经元，以共标记各种内源性蛋白质，包括细胞骨架蛋白、突触支架、离子通道和神经递质受体亚基。为了充分利用 CAKE，我们使用超分辨率显微镜解决了内源性突触蛋白的纳米级共分布，表明它们的共组织与突触大小相关。最后，我们引入了可诱导二聚化模块，可精确控制活神经元中的突触受体动力学。这些实验凸显了 CAKE 揭示新生物学见解的潜力。总而言之，CAKE 是一种多功能的多重蛋白质标记方法，可以检测、定位和操纵神经元中的内源性蛋白质。
评估野外的顺序建议：关于离线准确性，点击率和消费的案例研究
摘要。顺序建议问题近年来已经增加了研究兴趣。我们对实践中连续算法的有效性的了解是有限的。在本文中，我们在视频和电影流平台上报告了A/B测试的结果，在该平台上，我们根据非顺序，个性化的推荐模型以及基于受欢迎程度的基线对顺序模型进行了测试。与我们从前面的离线实验中期望的相反，我们观察到基于受欢迎程度和非顺序模型导致了最高点击率。但是，就建议而言，在观看时间方面，顺序模型是最成功的模型。我们的工作指出了顺序模型在实践中的有效性，但它也使我们想起了有关（a）经典离线评估的有时含义的预测能力的重要开放挑战，以及（b）优化点击率率的建议模型的危险。
Atezolizumab Plus bevacizumab联合治疗失败后肝细胞癌的顺序治疗
用atezolizumab加上贝伐单抗具有与免疫检查点抑制剂（ICI）相似的协同作用，并结合了分子靶向剂[6，7]。具有多激酶INBIBITOR活性的分子靶向药物，例如Lenvatinib，Regorafenib，Ramuci-Rumab和Cabozantinib，被认为比仅抑制单个veggf-a ligand的贝伐单抗具有更高的Antumor和肿瘤 - 疾病活性。因此，它们可能诱导更多的癌症抗原释放，保持癌症免疫周期的进行，并保持剩余任何抗PD-L1抗体的影响。索拉非尼（低剂量），Lenvatinib，Regorafenib和Cabozantinib本身改善了免疫微环境（图。2）[8-13]。因此，在所谓的黄金时间内给药时，这些分子靶向的剂可能更有效（即，在ICI失败后持续抗PD-1/PD-1/PD-L1抗体结合的几个月）。这与许多医生在临床试验或现实使用抗PD-1/PD-L1抗体中通常具有的感觉是一致的，即在ICI治疗后疾病后施用后，以分子为单位的药物更有效。Aoki等。[14]报道说，lenvatinib在PD-1/PD-L1抗体疗法失败后使用时表现出极为有利的疾病，即使它被用作第二，第三或第四线治疗。客观反应率（ORR）为55.6％，疾病控制率为86.1％，PFS为10个月，
青春期早期儿童与成年人在连续手动动作过程中前额叶的参与情况对比
在日常行为中，我们会执行许多包含一系列动作的目标导向手动任务。然而，关于此类任务中预测控制机制的发展方面，尤其是支持儿童连续手动动作的大脑激活方面，我们了解的有限。我们在青春期早期（11-14 岁）正常发育儿童中调查了这些问题，并与之前收集的成人数据进行了比较。参与者躺在磁共振成像 (MRI) 扫描仪中，使用手持操纵器将计算机屏幕上的光标移向连续呈现的目标。下一个目标要么在完成当前目标后显示（单目标条件），在这种情况下无法提前计划即将到来的动作，要么提前显示（双目标条件），这允许使用预测控制策略。成年人在双目标条件下完成的目标比在单目标条件下完成的目标多，显示出有效的预测控制策略。相比之下，儿童在两个目标条件下完成的目标比在单个目标条件下完成的目标要少，而且由于抑制过早动作的能力有限，实施预测策略存在困难。与成人相比，儿童大脑中激活程度更高的区域包括前额叶和后顶叶区域，这表明由于抑制挑战，儿童对高级认知处理的需求增加。因此，对于连续手动任务中的预测机制，关键发展可能发生在青春期早期之后。这比之前报告的其他手动任务的年龄要晚，这表明预测阶段的转变很难掌握。
人格特质，正念和中国成年人感知压力：一种顺序解释性混合方法
尽管对人格特征，正念和压力的广泛研究，但对它们的综合效果的了解有限。大多数研究都集中在这些构造上，而不是检查其潜在相互作用（Brown and Ryan，2003； Garland等，2017）。尽管一些研究考虑了正念如何减轻人格特征与压力之间的关系（Drake等，2017； Shapiro等，2011），但很少有研究探索了特定正念方面的调节和中介作用。此外，了解个人在压力和正念实践中的体验与定量发现如何相符，可以为这些过程提供更详细的图片。这项研究旨在通过研究正念注意力和正念感知的独立，调节和调解在中国成年人中五因素模型人格特征和感知压力之间的关系中的独立，调节和中介作用来填补这些空白。使用混合方法设计，这项研究将定量分析与对参与者的经验进行定性探索，以发现影响压力感知和正念实践的机制和情境因素。
肝动脉介入联合免疫靶向治疗对BCLC-C肝细胞癌疗效优于序贯治疗
摘要背景肝动脉介入联合免疫靶向治疗具有良好的疾病控制效果并延长生存期，但肝动脉介入与全身治疗的安排使临床决策混乱。方法一项双中心回顾性临床研究经机构伦理委员会批准，纳入2018年12月至2022年2月接受靶向治疗加PD-1抑制剂治疗（联合或不联合肝动脉介入）的巴塞罗那诊所肝癌C期（BCLC-C）肝细胞癌（HCC）患者。根据治疗模式，将患者分为三组：初始肝动脉介入联合免疫靶向治疗、免疫靶向治疗序贯肝动脉介入治疗、单纯免疫靶向治疗。比较三组的生存率、反应和不良事件。还评估了亚组分析和单变量和多变量预后分析。结果中位随访时间为18.3个月（95%CI 16.7至20.0个月）。总共 163 名 BCLC-C 期 HCC 患者被分为三组：初始肝动脉介入加 PD-1 抑制剂加靶向治疗 (HPT，n = 66)、PD-1 抑制剂加靶向治疗后再进行肝动脉介入 (PTH，n = 56) 和 PD-1 抑制剂加靶向治疗 (PT，n = 41)。HPT 组的中位无进展生存期为 8.37 个月 (95% CI 6.35–10.39)，PTH 组为 5.3 个月 (95% CI 3.48–7.12)，PT 组为 6.33 个月 (95% CI 3.75–8.92)。 HPT 组的无进展生存期优于 PTH 组（HR 0.66，95% CI 0.45–0.97，p = 0.027）和 PT 组（HR 0.60，95% CI 0.39–0.92，p = 0.01）。HPT 组的中位总生存期为 14.6 个月（95% CI 10.6–18.7），PTH 组为 10.0 个月（95% CI 8.2–11.8），PT 组为 11.3 个月（95% CI 8.3–14.3）。HPT、PTH 和 PT 组的 1 年总生存率（OS）分别为 50%、33.9% 和 34.1%。 HTP组总生存期明显长于PT组（HR 0.60，95% CI 0.361～0.996，p=0.032）。与PTH组相比，HTP组总生存期有延长趋势（HR 0.66，95% CI 0.416～1.032，p=0.059）。所有治疗方式安全性相同。多因素分析显示，治疗方式、白蛋白水平、Child-Pugh分级及肝切除史是BCLC-C型HCC患者的独立预后因素。结论初始肝动脉介入联合免疫靶向治疗较免疫靶向序贯肝动脉介入和单纯免疫靶向治疗可获得生存获益，且副作用可耐受。多因素分析显示肝脏储备功能与预后密切相关。
顺序非线性编码：一种低维回归算法，用于基于EEG的驱动疲劳检测
摘要。对现实世界数据的回归分析并不总是一件容易的任务，尤其是当输入向量以非常低的维空间呈现时。基于EEG的疲劳检测涉及低维问题，并且在降低致命事故的风险中起着重要作用。我们提出了一种内核投影追踪回归算法，该算法是一种针对低维问题（例如疲劳检测）量身定制的两步非线性。以这种方式，可以从两个不同的角度研究数据非线性：通过将数据转换为高维中间空间，然后将其样条估计应用于允许数据层次展开的输出变量。种子VIS数据库的实验结果说明了大脑的时间和后区域的平均RMSE值分别为0.1080％和0.1054％。我们的方法是通过对帕金森氏病预测进行的一些实验来验证的，这进一步证明了我们方法的效率。本文提出了一种新型回归算法，以解决高度复杂的低维数据的编码问题，该问题通常在生物神经学预测任务中遇到，例如基于EEG的驱动疲劳检测。