XiaoMi-AI文件搜索系统
World File Search Systemsignal
使用群落生态学方法表征河流系统中环境 DNA 的空间信号
Isabel Cantera、Jean-baptiste Decotte、Tony Dejean、Jérôme Murienne、Régis Vigouroux 等人。使用群落生态学方法表征河流系统中环境 DNA 的空间信号。分子生态资源，2022 年，22 (4)，第 1274-1283 页。�10.1111/1755-0998.13544�。�hal- 04060858v2�
T 细胞受体 (TCR) 信号传导的细胞内负调节剂作为潜在的抗肿瘤免疫治疗靶点
摘要 免疫治疗策略旨在通过主要针对 T 细胞来调动针对肿瘤细胞的免疫防御。共抑制受体或免疫检查点 (ICP)（例如 PD-1 和 CTLA4）可以限制 T 细胞受体 (TCR) 信号在 T 细胞中的传播。基于抗体的免疫检查点阻断（免疫检查点抑制剂，ICI）可以逃避 ICP 对 TCR 信号的抑制。ICI 疗法已显著影响癌症患者的预后和生存。然而，许多患者对这些治疗仍然有抵抗力。因此，需要替代的癌症免疫治疗方法。除了膜相关抑制分子外，越来越多的细胞内分子也可能起到下调由 TCR 参与触发的信号级联的作用。这些分子被称为细胞内免疫检查点 (iICP)。阻断这些细胞内负信号分子的表达或活性是增强 T 细胞介导的抗肿瘤反应的一个新领域。这个领域正在迅速扩大。事实上，已经发现了 30 多种不同的潜在 iICP。在过去 5 年中，已经注册了多项针对 T 细胞中 iICP 的 I/II 期临床试验。在本研究中，我们总结了最近的临床前和临床数据，证明针对 T 细胞 iICP 的免疫疗法可以介导实体瘤（包括（膜相关）免疫检查点抑制剂难治性癌症）的消退。最后，我们讨论了如何靶向和控制这些 iICP。因此，iICP 抑制是一种有前途的策略，为未来的癌症免疫疗法开辟了新途径。
丘脑和丘脑底核中的单个神经元处理人类的心脏和呼吸信号
身体内部信号，如心脏 - 呼吸信号，不断从身体传输到大脑，确保生物体的自我调节。皮层下大脑区域对于这种身体 - 大脑交流尤为重要，但它们对人类内部身体信号的处理在很大程度上是未知的。通过研究人类三个皮层下区域（两个丘脑核和一个丘脑底核）中单个神经元的活动，我们发现大部分神经元受到心跳、呼吸或心动周期持续时间的调节，而这些信号的普遍性在皮层控制区域中大大降低。我们的研究表明，重要的心脏 - 呼吸信号在这些皮层下区域是如何被广泛处理的，扩展了我们对它们在身体 - 大脑交流中的作用的理解。
使用深度学习将 ECoG 信号解码为 3D 手势翻译
摘要。目的。运动脑机接口 (BCI) 是一种很有前途的技术，可以使运动障碍者与周围环境互动。BCI 可能会弥补手臂和手部功能的丧失，这是四肢瘫痪患者的首要任务。设计实时准确的 BCI 对于使此类设备在现实环境中有用、安全且易于患者使用至关重要。基于皮层脑电图 (ECoG) 的 BCI 是记录设备的侵入性和记录信号的良好空间和时间分辨率之间的良好折衷。然而，用于预测连续手部运动的大多数 ECoG 信号解码器都是线性模型。这些模型的表示能力有限，可能无法捕捉 ECoG 信号特征与连续手部运动之间的关系。深度学习 (DL) 模型在许多问题中都是最先进的，可以成为更好地捕捉这种关系的解决方案。方法。在本研究中，我们测试了几种基于 DL 的架构，以使用从 ECoG 信号中提取的时频特征来预测想象的 3D 连续手部平移。分析中使用的数据集是长期临床试验 (ClinicalTrials.gov 标识符：NCT02550522) 的一部分，是在对四肢瘫痪受试者的闭环实验中获得的。所提出的架构包括多层感知器 (MLP)、卷积神经网络 (CNN) 和长短期记忆网络 (LSTM)。使用余弦相似度离线比较了基于 DL 和多线性模型的准确性。主要结果。我们的结果表明，基于 CNN 的架构优于当前最先进的多线性模型。最佳架构利用 CNN 来利用相邻电极之间的空间相关性，并通过使用 LSTM 来受益于所需手部轨迹的顺序特性。总体而言，与多线性模型相比，DL 将平均余弦相似度提高了 60%，左手和右手分别从 0.189 提高到 0.302 和从 0.157 提高到 0.249。意义。这项研究表明，基于 DL 的模型可以提高 BCI 系统在四肢瘫痪受试者的 3D 手部翻译预测中的准确性。
多载波ISAC：波形设计，信号处理和在非理想下学习的进步
1使用标准5G NR命理学，∆ f = 30 kHz [18，sec。4.2]，此假设导致t cp = 0。07 / ∆ f = 2。33 µ s。这转化为单静感感应的最大距离为350 m，而在Bistatic感应中，最大距离为700 m。此类参数足以解决车辆ISAC设置中的各种实际情况。
全基因组 CRISPR 筛选确定 TLR3 信号通路的调控因子
摘要 TLR 的一个子集专门通过对内体进行核酸检测来检测进入的病原体。其中，TLR3 感知内体中双链 RNA 的异常存在，并通过激活 NF- j B 和 IRF3 启动强大的先天免疫反应。然而，控制 TLR3 调节的机制仍然不甚明了。为了确定参与 TLR3 通路的新分子参与者，我们使用 CRISPR/Cas9 技术进行了全基因组筛选。我们生成了携带 NF- j B 反应启动子的 TLR3 + 报告细胞，该启动子控制 GFP 表达。接下来用单向导 RNA (sgRNA) 文库转导细胞，用 poly(I:C) 进行连续刺激，并对 GFP 阴性细胞进行分类。通过深度测序估计的 sgRNA 富集确定了 TLR3 诱导的 NF-j B 激活所需的基因。在这些基因中，通过筛选确定了五个已知与 TLR3 通路密切相关的基因，包括 TLR3 本身和伴侣 UNC93B1，从而验证了我们的策略。我们进一步研究了前 40 个基因，并重点研究了转录因子芳烃受体 (AhR)。AhR 的消耗对 TLR3 反应有双重影响，消除了 IL-8 的产生并增强了 IP-10 的释放。此外，在暴露于 poly(I:C) 的原代人巨噬细胞中，AhR 激活增强了 IL-8 并减少了 IP-10 的释放。总体而言，这些结果表明 AhR 在 TLR3 细胞先天免疫反应中发挥作用。
脑启发的方法用于在异质混合信号神经形态处理系统中实现鲁棒计算
抽象的神经形态处理系统实施具有混合信号模拟/数字电子电路和/或熟悉设备的混合信号神经网络代表了一种有希望的技术，用于需要低功率，低延迟，并且由于缺乏连接性或隐私问题而无法连接到离线处理的云，并且无法连接到离线处理。但是，这些电路通常嘈杂且不精确，因为它们受设备之间的变化影响，并且以极小的电流运行。因此，在这种方法之后，实现可靠的计算和高精度仍然是一个公开挑战，一方面阻碍了进度，另一方面有限地采用了这项技术的广泛采用。通过构造，这些硬件处理系统具有许多在生物学上合理的约束，例如参数的异质性和非同质性。越来越多的证据表明，将这种限制应用于人工神经网络，包括在人工智能中使用的限制，可以促进学习方面的鲁棒性并提高其可靠性。我们认为，这些策略对于指导设计可靠且可靠的超低功率电子神经处理系统，该系统使用嘈杂和不精确的计算基板（例如阈值神经形态电路和新兴的记忆技术）实施。Here we delve even more into neuroscience and present network-level brain-inspired strategies that further improve reliability and robustness in these neuromorphic systems: we quantify, with chip measurements, to what extent population averaging is effective in reducing variability in neural responses, we demonstrate experimentally how the neural coding strategies of cortical models allow silicon neurons to produce reliable signal representations, and show how to强有力地实施基本的计算基础，例如选择性放大，信号恢复，工作记忆和关系网络，从而利用此类策略。
细胞外基质结构和信号在黑色素瘤治疗耐药中的作用
细胞外基质 (ECM) 对维持组织稳态至关重要，因此其产生、组装和机械刚度在正常组织中受到严格调控。然而，在实体肿瘤中，异常 ECM 结构变化导致的刚度增加与疾病进展、转移风险增加和生存率低有关。作为肿瘤微环境的动态和关键组成部分，ECM 越来越被认为是肿瘤的重要特征，因为它已被证明通过生化和生物力学信号传导促进癌症的多种特征。在这方面，黑色素瘤细胞对 ECM 成分、刚度和纤维排列高度敏感，因为它们通过细胞表面受体、分泌因子或酶直接与肿瘤微环境中的 ECM 相互作用。重要的是，鉴于 ECM 主要由肌成纤维细胞基质成纤维细胞沉积和重塑，它是促进它们与黑色素瘤细胞旁分泌相互作用的关键途径。本综述概述了黑色素瘤，并进一步描述了 ECM 特性（例如 ECM 重塑、ECM 相关蛋白和硬度）在皮肤黑色素瘤进展、肿瘤细胞可塑性和治疗耐药性中所起的关键作用。最后，鉴于 ECM 动力学在黑色素瘤中的重要性日益凸显，本文讨论了使肿瘤中 ECM 正常化的治疗策略的未来前景。
深度学习用于生物信号控制：从基础方法到实时方法的见解及建议
摘要 目的。生物信号控制是一种交互方式，它允许用户通过解码来自用户动作或思想的生物信号来与电子设备交互。这种与设备的交互方式可以增强用户的自主感，使瘫痪患者能够与日常设备进行交互，而这些设备对他们来说本来很难使用。它还可以通过使交互感觉更自然、更直观来改善对假肢和外骨骼的控制。然而，在目前的技术水平下，仍有几个问题需要解决，以便可靠地从生物信号中解码用户意图，并提供比其他交互方式更好的用户体验。一种解决方案是利用深度学习 (DL) 方法的进步来提供更可靠的解码，但代价是增加计算复杂性。本范围综述介绍了 DL 的基本概念，并帮助读者将 DL 方法部署到应在现实条件下运行的实时控制系统中。方法。本综述的范围涵盖任何电子设备，但重点是机器人设备，因为这是生物信号控制中最活跃的研究领域。我们回顾了与实施和评估包含 DL 的控制系统有关的文献，以确定该领域的主要差距和问题，并制定了如何缓解这些问题的建议。主要结果。结果强调了使用 DL 方法进行生物信号控制的主要挑战。此外，我们还能够制定指南，指导如何在生物信号控制系统中使用 DL 来设计、实施和评估研究原型。意义。这篇评论应该可以帮助刚接触生物信号控制和 DL 领域的研究人员成功部署完整的生物信号控制系统。各自领域的专家可以使用本文来确定可能的研究途径，以进一步推动使用 DL 方法进行生物信号控制的发展。
钩端多糖通过上调巨噬细胞中自噬适配器p62和NRF2信号的上调
钩端螺旋体是导致钩端螺旋体病的致病细菌，这是一种世界范围内的人畜共患病。所有脊椎动物都可以被感染，某些物种像人类易受疾病的影响，而小鼠等啮齿动物具有抗性并成为无症状的肾载体。诱导性是隐形细菌，已知可以逃避几种免疫识别途径并抵抗杀死机制。我们最近发表说，钩端螺旋体可以在细胞内生存并退出巨噬细胞，避免了Xenophapy，这是一种自噬的病原体靶向形式。有趣的是，后者是经常被细菌KAKE的抗菌机制之一，以逃避宿主的免疫反应。在这项研究中，我们探讨了钩端螺旋体是否颠覆了自噬的关键分子参与者以促进感染。我们在胶噬细胞中表明，钩端螺旋体触发了自噬适应器p62在类似点状结构中的特定积累，而不会改变自噬型号。我们证明了钩端螺旋体诱导的p62积聚是一种被动机制，具体取决于通过TLR4/TLR2信号传导的钩端螺旋力毒力因子LPS信号。p62是一种中央多效性蛋白，也通过转移因子的易位介导细胞应激和死亡。我们证明了瘦素驱动的p62的积累诱导了转录因子NRF2的易位，这是抗氧化剂反应中的关键参与者。然而，钩端螺旋体感染的NRF2易位并未像抗氧化反应中所预期的那样导致，但抑制了炎性介质的生产，例如Inos/NOOS/NO，TNF和IL6。©2023作者。总体而言，这些发现突出了一种与LPS和p62/NRF2信号相关的新型无源细菌机制，该机制减少了炎症并有助于诱导性的隐身性。由Elsevier Masson SAS代表Pasteur Inster出版。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。