XiaoMi-AI文件搜索系统
World File Search Systemstages
一种简单的方法，可以在原位杂交后识别神经板阶段的海囊脑谱系细胞
克莱尔·哈德森（Clare Hudson）。一种简单的方法，可以在原位杂交后在神经板阶段识别海腹脑谱系细胞。Simon G. Sprecher。大脑发育。方法和协议，施普林格，第325-345页，2020年，《分子生物学中的方法》，978-1-4939-9731-2。10.1007/978-1-4939-9732-9_18。hal-02322828
中国太湖周边不同水产养殖模式各阶段抗生素和抗生素耐药基因的出现情况
中国是世界上最大的水产品生产国和出口国，同时也涉及水产养殖中大量使用抗生素（刘等，2017；李等，2021）。2017年，中国消耗了全球57.9%的抗生素，生产了全球51.2%的水产养殖产量（Schar等，2020）。淡水养殖是中国主要的水产养殖方式，主要在池塘进行，养殖面积和产量一直位居第一。由于对水源的需求量大，淡水养殖场通常分布在湖泊周围或河流沿岸，池塘数量众多（中华人民共和国农业农村部，2023）。例如，位于长江中下游的浙江省，太湖周边有大量鱼塘，占全省淡水鱼产量的 30%（浙江省统计局，2023）。最近，一些研究揭示了太湖周边水产养殖水体中抗生素的分布模式（Song 等，2016、2017），以及耐药基因主要在太湖中的分布模式（Chen 等，2019；Stange 等，2019）。然而，关于耐药基因和抗生素的污染特征，以及它们与不同水产养殖方式和养殖阶段的水质和微生物多样性的相关性的数据有限。
在统一环境中对游戏设计的试点研究，作为在脑部计算机接口技术基础上使用神经聚集的一个例子，以提高浓度
1新加坡社会科学大学科学技术学院，新加坡599494，新加坡； hwloh002@suss.edu.sg（H.W.L.）; cpooi@suss.edu.sg（c.p.o.）2工程学院，新加坡新加坡Ngee Ann Polytechnic，新加坡； e0145834@u.nus.edu（J.V.）; shulih@hotmail.com（S.L.O.）3工程和数学系，她官员哈拉姆大学，英国官员S1 1WB； oliver.faust@gmail.com 4美国病理和实验室医学系，美国塞纳奈医学中心，洛杉矶，加利福尼亚州洛杉矶，美国加利福尼亚州90040，美国5号生物医学工程学院，西里斯尼亚技术大学，罗斯福大学40，41-800 Zabrze，41-800 Zabrze，Poland 6高级科学技术组织（IROAST），库曼托大学，库曼莫托860-8555，日本8管理和企业学院，南昆士兰州大学，昆士兰州达令高地，QLD 4350，澳大利亚 *通信：agertych@gmail.com（A.G.）; aru@np.edu.sg（U.R.A.）
网络游戏障碍早期阶段游戏线索特异性后顶叶失调的横断面和纵向证据
。CC-BY-NC-ND 4.0 国际许可证 它是永久可用的。 是作者/资助者，已授予 medRxiv 许可以显示预印本（未经同行评审认证）预印本 此版本的版权所有者于 2020 年 1 月 24 日发布。；https://doi.org/10.1101/2020.01.18.20018036 doi: medRxiv preprint
对远处达纳基尔抑郁裂隙中断层的定量分析：在岩浆富含岩浆的最终阶段断层的重要性
大陆裂谷是威尔逊构造周期中的一个关键过程，特别是影响海底扩散的发展（例如，Ebinger，2005； Whitmarsh等，2001）。Rift settings host valuable resources (hydro- carbons, mineral deposits) (e.g., Kyser, 2007 ; Levell et al., 2011 ; Zou et al., 2015 ), inform past climatic records (e.g., Haq et al., 1987 ; Kirschner et al., 2010 ), in addition to their associated natural hazards (earthquakes and volcanoes) (e.g., Brune, 2016 ).在全球范围内，最常见的裂缝风格是在最终成员的框架中（例如Franke，2013; Tugend等，2018），其中岩浆裂谷显示扩展扩展，主要是通过机械扩展（例如，断层伸展）（E.G.，Lavier＆Manatschal，lavier＆Manatschal，peron-peron-pinvicevicevicevicevicevice， Manatschal，2009年； Reston，2009年），而岩浆裂谷主要通过岩浆插入式（Buck，2006; Hayward＆Ebinger，1996）。尽管这些最终成员模型具有优雅和简单性，但实际上，大多数裂痕都介于这些最终成员之间，并且/或有时在裂纹方面表现出强烈的延伸风格（例如，Bastow等，2018; Keir等，2015; Shillington et al。，2009）。在更具体地说，在岩浆丰富的裂痕中，断层和岩浆入侵的相对重要性以及它们在时空中的演变仍然不足以理解。
多模式的脑年龄估计与早期的阿尔茨海默氏病生物标志物和认知有关：横断面观察性研究
1美国圣路易斯华盛顿大学神经病学系； 2美国圣路易斯华盛顿大学放射学系； 3美国圣路易斯华盛顿大学神经外科系； 4美国圣路易斯华盛顿大学精神病学系； 5美国圣路易斯华盛顿大学病理学和免疫学系； 6阿根廷布宜诺斯艾利斯神经研究所（FLENI）认知神经病学系； 7美国梅奥诊所神经病学系，美国杰克逊维尔； 8美国印第安纳波利斯印第安纳大学医学院神经病学系； 9日本大阪的纳哥卡苏木大学大阪大城市大学医学院临床神经科学系； 10，德国慕尼黑路德维希 - 马克西米尔大学神经病学系； 11德国神经退行性疾病中心，慕尼黑，德国1美国圣路易斯华盛顿大学神经病学系； 2美国圣路易斯华盛顿大学放射学系； 3美国圣路易斯华盛顿大学神经外科系； 4美国圣路易斯华盛顿大学精神病学系； 5美国圣路易斯华盛顿大学病理学和免疫学系； 6阿根廷布宜诺斯艾利斯神经研究所（FLENI）认知神经病学系； 7美国梅奥诊所神经病学系，美国杰克逊维尔； 8美国印第安纳波利斯印第安纳大学医学院神经病学系； 9日本大阪的纳哥卡苏木大学大阪大城市大学医学院临床神经科学系； 10，德国慕尼黑路德维希 - 马克西米尔大学神经病学系； 11德国神经退行性疾病中心，慕尼黑，德国
在不同发育阶段的后代小鼠海马中，砷暴露对PI3K/AKT/NF-κB信号通路的影响
本研究的主要目的是探索砷对磷脂酰肌醇3-激酶（PI3K）/蛋白激酶B（AKT）/核转录因子-κB（NF-κB）信号途径的影响。砷（Naaso 2）的剂量为0、15、30或60 mg/l的雌性小鼠及其幼犬。通过EMSA评估NF-κB的核转运水平。实时RT-PCR用于测量AKT，NF-κB和PI3K mRNA水平。PI3K，P-AKT，抑制剂Kappa B激酶（IKK），P-NF-κB，蛋白激酶A（PKA），抑制剂KAPPA B（IκB）和cAMP反应元件结合蛋白（CREB）的蛋白质表达。结果表明，暴露于60 mg/l NaASO 2可以抑制NF-κB产后日（PND）20和PND 40小鼠的NF-κB水平。砷在PI3K，AKT和NF-κB的转录和翻译水平下调。此外，P-IKK，P-IκB，PKA和P-CREB的蛋白质表达也降低了。总的来说，本研究的结果表明，砷可以下调PI3K/AKT/NF-κB信号传导途径，尤其是在PND 40上，这可能与认知障碍有关。
竹木炭的应用改变了在喀斯特林地的不同继承阶段土壤有机碳的矿化过程
结果：发现显示竹木炭的应用导致三种森林土壤中有机碳（SOC）含量的增加。此外，有机碳含量显示出与竹木炭比例增加相对应的增加，在种植的林地中观察到的SOC含量最高，木炭木炭有4.0％。在三个森林土壤中C 0 /SOC值的总体性能排名如下：种植的森林<二级森林 在种植和二级森林土壤中，使用竹木炭后C 0 /SOC值增加。 然而，在维珍森林土壤中，应用1.0％和4.0％的竹木炭降低了C 0 / SOC值，而2.0％竹木炭的应用增加了C 0 / SOC值。 尤其是C 0 /没有竹木炭的种植森林土壤的SOC价值为0.047，而在2.0％竹木炭的维尔京森林土壤中，最大的价值为0.161。在种植和二级森林土壤中，使用竹木炭后C 0 /SOC值增加。然而，在维珍森林土壤中，应用1.0％和4.0％的竹木炭降低了C 0 / SOC值，而2.0％竹木炭的应用增加了C 0 / SOC值。尤其是C 0 /没有竹木炭的种植森林土壤的SOC价值为0.047，而在2.0％竹木炭的维尔京森林土壤中，最大的价值为0.161。
生物学
(22 days) Topic 4: Matter & Energy in Living things - Photosynthesis: Light Independent & Light dependent (Calvin cycle) rxns - Cellular Respiration: Glycolysis & stages of cellular respiration - Krebs cycle - Electron Transport Chain - Fermentation Mid-Term Exam (10/7 - 10/8) Topic 5: Cells: Stability and Change - Cell cycle: stages, rates of cell division - Factors affecting growth - Regulating Cell division
研究文章 深度迁移学习人工智能可在便携式胸部 X 光片上准确分期 COVID-19 肺部疾病严重程度
本研究采用深度学习卷积神经网络在便携式胸部X光 (CXR) 上对冠状病毒病 2019 (COVID-19) 感染的肺部疾病严重程度进行分期，并以放射科医生的疾病严重程度评分为基本事实。本研究包括 84 名 COVID-19 患者 (51 名男性 55.1 ± 14.9 岁；29 名女性 60.1 ± 14.3 岁；4 项信息缺失) 的 131 张便携式 CXR。三位专家胸部放射科医生根据不透明度 (0-3) 和地理范围 (0-4) 分别对左肺和右肺进行评分。深度学习卷积神经网络 (CNN) 用于预测肺部疾病严重程度评分。数据分为 80% 的训练数据集和 20% 的测试数据集。分析了 AI 预测评分与放射科医生评分之间的相关性。并与传统学习和迁移学习进行了比较。平均不透明度得分为 2.52（范围：0-6），三位读者的标准差为 0.25（9.9%）。平均地理范围得分为 3.42（范围：0-8），三位读者的标准差为 0.57（16.7%）。评分者间一致性得出不透明度得分的 Fleiss' Kappa 为 0.45，范围得分的 Fleiss' Kappa 为 0.71。人工智能预测的分数与放射科医生的分数高度相关，其中顶级模型的相关系数（R 2 ）为 0.90（范围：传统学习为 0.73-0.90，迁移学习为 0.83-0.90），平均绝对误差为 8.5%（范围：分别为 17.2-21.0% 和 8.5%-15.5）。迁移学习通常表现更好。总之，深度学习 CNN 可在便携式 COVID-19 肺部感染胸部 X 光片上准确分级疾病严重程度。这种方法可能有助于分级肺部疾病严重程度、预测和预测治疗反应和生存率，从而为风险管理和资源分配提供信息。