XiaoMi-AI文件搜索系统
World File Search Systemstud
捕获与阿尔茨海默病相关的瞬时肽组装体 淀粉样β蛋白寡聚化的天然质谱研究 Nicklas Öst
摘要 蛋白质的正确折叠对于维持功能性活细胞至关重要。因此，蛋白质的错误折叠和聚集与多种疾病有关，其中非天然分子间相互作用形成具有低自由能的大型高度有序的淀粉样蛋白聚集体。一个例子是阿尔茨海默病 (AD)，其中淀粉样蛋白-β (Aβ) 肽聚集成淀粉样蛋白原纤维，这些原纤维在 AD 患者的大脑中沉积为神经斑块。淀粉样蛋白原纤维的成核是通过形成较小的成核前簇（即所谓的低聚物）进行的，这些低聚物被认为具有特别的毒性，因此在 AD 病理学中具有潜在重要性。Aβ 聚集的详细分子机制知识对于设计针对这些过程的 AD 治疗非常重要。然而，由于低聚物物种的丰度低且多分散性高，因此很难通过实验研究它们。本文使用自下而上的生物物理学在受控的体外条件下研究了 Aβ 低聚物。主要使用天然离子迁移质谱法研究高纯度重组 Aβ 肽，以监测水溶液中低聚物的自发形成。质谱法能够分辨单个低聚物状态，而离子迁移率则提供低分辨率结构信息。这与其它生物物理技术以及理论建模相辅相成。还研究了调节内在因素（如肽长度和序列）或外在因素（如化学环境）的低聚物。研究了与两个重要的生物相互作用伙伴的相互作用：伴侣蛋白和细胞膜。我们展示了 Aβ 低聚物如何组装并形成可能与继续生长为淀粉样蛋白原纤维有关的延伸结构。我们还展示了不同的淀粉样蛋白伴侣蛋白如何与不断增长的聚集体相互作用，从而改变和延迟聚集过程。这些相互作用取决于伴侣和客户肽中的特定序列基序。另一方面，膜模拟胶束能够稳定 Aβ 寡聚体的球状致密形式，并抑制形成淀粉样纤维的延伸结构的形成。这可能有助于体内毒性物质的富集。与膜模拟系统的相互作用被证实高度依赖于 Aβ 肽异构体和膜环境的特性，例如头部电荷。还展示了如何添加设计的小肽结构来抑制膜环境中 Aβ 寡聚体的形成。
2024-2025 课程手册 - 面向学生和家长
独立学习 对某一领域有特殊兴趣或专长的学生可以选择跟随教员在该领域进行独立学习。这些机会要求学生具有最大的主动性、独立性和责任感。独立学习可以作为主修课程或辅修课程；无论哪种情况，学生和教师都必须能够在八天的周期内上五节课。作为辅修课程的独立学习由相应的系主任和高中部主任批准。作为主修课程的独立学习由系主任委员会批准。这些申请必须在下一年秋季学期的春季提交，并在该学年的春季学期的秋季提交。除非学生已经用尽了该系提供的课程，否则任何独立学习都不能算作第五个主修课程。
抗体偶联药物治疗宫颈癌的研究进展
宫颈癌是全球第二大危害妇女健康的恶性肿瘤，全球宫颈癌的发病率和死亡率持续上升。复发或转移性宫颈癌患者的5年生存率显著降低，现有治疗方法有效率低下、不良反应大，迫切需要新的、有效、耐受性良好的治疗方法。抗体药物偶联物（ADC）是一种新的靶向治疗方式，可以有效杀伤肿瘤细胞。本文旨在概括ADC的组成、研发历史和作用机制，综述ADC在宫颈癌治疗中的研究进展，并对ADC的应用进行总结和展望。
爱德华·奥格登PSM教授
抽象背景尼古丁被称为造成烟草使用者上瘾行为的药物，但单独管理时的增强作用较差。烟草产品设计特征通过（a）优化尼古丁向中枢神经系统受体的动态传递，并影响吸烟者的戒断症状，情绪和行为； （b）通过感官提示（包括香气，触摸和视觉刺激）来影响条件的学习，从而产生对尼古丁奖励的看法。本研究研究了称为“吡嗪”的添加剂的使用，这可能会增强滥用潜力，在“灯光”中的介绍，然后在高度市场成功的万宝路灯（Gold）香烟以及最终许多主要品牌中引入。我们根据迭代反馈过程使用在线数据库以及已发表的科学文献研究进行了内部烟草行业研究。结果烟草制造商开发了包括吡嗪在内的一系列化合物的使用，以增强“轻'香烟产品”的接受和销售。具有化学感应和药理作用的吡嗪在第一个“全闪光，低焦油”产品中纳入了高市场成功。这种添加剂可以通过帮助优化尼古丁递送和剂量以及通过提示和学习的行为来增强依赖性。当前的烟草滥用责任模型可以修订，以包括提高滥用潜力的非纽约胺成分方面的更明确的作用。结论具有化学感应效应的香烟添加剂和成分，通过与尼古丁协同作用，提高产品吸引力，缓解吸烟启动，阻止戒烟或促进复发，应受到美国食品和药物管理的调节。
在Leksell Gamma Knife®LucílioDossantos Matias
子宫颈的摘要癌是一个全球问题，近距离放射治疗是用于治疗此类癌症患者的主要放射治疗成分之一。随着治疗计划中的科学和技术发展的出现，有必要在近距离放射治疗中进行反相反的优化，并与传统的手动优化方法进行了彻底的比较。在这项工作中，物理参数；分别使用D 98和D 90代表的目标体积的最低剂量为98％和90％，用于评估相对于目标的治疗计划，而2厘米3卷（d 2cm 3）收到的最低剂量用于研究处于风险的器官的并发症。使用的符合性指数硬币用于描述按规定的剂量和每个器官的分数，每个器官处于接收临界剂量的风险量，这可能会导致并发症。还根据无放射生物学参数并发症控制概率P +进行了治疗计划评估。与同源手动图形优化计划进行了比较，与两种近距离抗体抗体计划算法相对应的物理和放射生物学评估。这项研究的主要观察结果是，反相反优化方法的良好调整类解决方案可能与手动图形优化计划产生的剂量体积直方图产生相似的剂量量直方图，并且反向方法有可能避免有风险的机器人，同时为目标提供可接受的剂量。此外，放射生物学索引（例如P +）可以对治疗计划评估中的物理参数有用。Elekta Leksell GammaKnife®单位已成功用于颅内恶性肿瘤的管理已有半个多世纪。根据国家和国际法规的要求，为了保护患者，工人，公众和环境，必须通过电离辐射工具构成的风险有足够的知识。从这个角度来看，斯德哥尔摩大学物理系（斯德哥尔摩，瑞典）的核物理研究小组与Elekta Instrument AB（瑞典斯德哥尔摩，瑞典）合作进行了调查，对使用高纯度德国人（Hpge）gamma刀的辐射场进行了调查。作为正在进行的研究的一部分，本工作的主要目的是改善伽马刀周围的辐射场的建模和表征，以询问国家辐射保护与测量委员会（NCRP）方法论对Leksell Gamma刀具治疗室的结构屏蔽设计和评估的功效。在Gamma刀 - 完美TM领域中获得高分辨率γ射线光谱和环境剂量等效H*（10）发生在萝洛林斯卡大学医院（瑞典）（瑞典）Neurosurgery（肿瘤学系）神经外科（肿瘤学系）。分别利用了P型同轴HPGE检测器和卫星测量表来获取γ射线光谱和H*（10）。在Pegasos Monte Carlo系统上模拟了测得的配置。圆柱表面上的一个相空间用敞开的门封闭了伽马刀，并且组装的幻影被用作辐射的来源。在对应于2·10 12衰变的相空间上收集了约4·10 7γ光子。在打开伽马刀门的情况下，大多数辐射是在向前方向上测量的，相对于Z轴，沿向前的方向至θ= 45 O。蒙特卡洛模拟重现了测得的结果；因此，在响应测量和模拟光谱之间实现了良好的一致性。最近的Gamma刀模型Perfexion TM，Icon TM和Esprit TM
聊天机器人和其他用于学习的人工智能：瑞典大学生的使用情况和观点调查
我相信，在个人学习方面，人工智能作为传统教育方法的补充具有巨大潜力。然而，除了潜力之外，人工智能的快速发展还引发了许多道德问题，这些问题往往解决得太晚，而且程度有限。
人工智能已经学会写作；它能帮助学生写好文章吗？1
最近（2022 年 6 月 30 日），《科学美国人》发表了一篇题为《我们要求 GPT-3 撰写一篇关于自己的学术论文——然后我们试图让它发表》的文章（Thunström，2022 年）。在这种情况下，GPT-3 得到的总体指示是“用 500 字写一篇关于 GPT-3 的学术论文，并在文中添加科学参考文献和引文”。然后，它针对标准学术论文格式中的引言、方法、结果和讨论部分分别给出了具体的提示。它为每个部分制作了最多三个版本，由人类合著者选择使用哪些版本。在期刊审阅该论文的同时，该论文的预印本可供查阅，GPT-3 被列为第一作者，创建提示的两位研究人员被列为合著者（GPT-3，Thunström 和 Steingrimsson，2022 年）。在人工智能与人类写作过程的描述中，我们再次看到了设定方向、提示人工智能、评估、管理和编辑输出的步骤。
体重调整后的腰部指数与2型糖尿病的几率之间的关联在美国成年人：一项横断面研究
结果：在完全调整的连续模型中，每次第一次世界大战的每次单位增加都与整个研究人群中T2DM的几率增加1.14倍（2.14 [1.98,2.31]，p <0.0001）。在完全调整的分类模型中，当使用第一次世界大战（T1）作为参考组时，第二个三分线（T2）和第三次三重（T3）与0.88倍（1.88 [1.88 [1.64,2.17]，p <0.0001），p <0.0001）和2.63倍（3.63倍[3.63 [3.63 [3.11，4.23]中， T2DM。这些发现表明WWI值与T2DM的几率之间存在正相关，并与平滑曲线的结果保持一致。在对亚组的分析中，除了与总体结果保持一致外，我们还发现了年龄和高血压亚组之间的相互作用。
肥胖和脂质相关指数作为国家队列研究中2型糖尿病的预测指标
1 Department of Graduate School, Wannan Medical College, Wuhu, An Hui, China, 2 Student Health Center, Wannan Medical College, Wuhu, An Hui, China, 3 Department of Surgical Nursing, School of Nursing, Jinzhou Medical University, Linghe District, Jinzhou, Liaoning, China, 4 Department of Occupational and Environmental Health, Key Laboratory of Occupational Health and Safety for Coal Industry in Hebei中国北中国科学技术大学公共卫生学院，坦山，赫比，中国，5个妇产科护理，护理学院，瓦南医学院，瓦州，瓦伊，瓦伊，一个紧急护理护理系，沃南医学院，瓦纳医学院，北部医学院，北部医学院，北部医学院，北部医学院。武豪（Wuhu），华盛公司，中国，武氏8位儿科护理系，瓦南医学院，武豪学院，瓦州，瓦伊，hui，中国，9号手术护理系，护理学院，护理学院，Wannan医学院，22 Wenchang West路22 Wuhu，hui，中国
Fondazione Bruno Kessler - FBK Borse di Studio
对活动和预期研究结果的综合描述本论文的目的是推进数学模型和分析工具，以调查信息传播到在线社交网络上的动态及其对传播错误或误导新闻的影响。这项研究将借鉴来自各个领域的专业知识，包括随机过程，网络理论，数据科学，人工智能和统计，以分析在多个社交媒体用户中形成的社交网络的结构和功能特征，以及多个社交媒体平台（可能跨越）多个社交媒体平台，以及相关的动态过程推动了内容的扩散。通过我们的研究，我们旨在通过开发适当的数学和统计工具来为对在线通信动态的理解做出贡献。我们的最终目标是向记者，事实核对者和决策者提供有关特定信息来源的可信度，并协助特定决策者做出有关遏制错误信息和虚假信息的决策的信息。为了实现这些目标，我们将采用一种跨学科的方法，该方法将促进我们对在线社交网络作为数学模型和社会技术系统的理解。在第三个实施阶段，该项目将将传统的统计方法与切割机器学习算法合并。目的是处理在线消息的广泛数据库，并提取有关循环内容的见解，否则在此规模上将无法实现。我们的重点将放在（i）数学模型的开发上，这些模型有效地捕获了在线社交媒体平台（例如Telegram，YouTube或Twitter）的复杂性； （ii）开发统计工具以根据其属性来识别模式，预测结果并对不同的在线叙事进行分类； （iii）在社交媒体数据的大量存储库中实施这些工具，并识别解决方案以最大程度地减少虚假信息扩散。此外，我们将探索强化学习和合作AI方法论，作为开发旨在减轻错误信息和虚假信息的社会影响的社会机器人的潜在解决方案，最终努力促进更可持续和有效的在线环境。