XiaoMi-AI文件搜索系统
World File Search Systemtraits
2型糖尿病和血糖特征不是del妄的因素：两样本的孟德尔随机分析
这项研究旨在探索2型糖尿病（T2D）和血糖性状（禁食葡萄糖[FG]，禁食胰岛素[FI]和糖化血红蛋白[HBA1C]）之间的遗传因果关系。从IEU OpenGWAS数据库中获得了T2D和血糖性状的基因组广泛关联研究（GWAS）摘要数据。GWAS的deli妄摘要数据是从Finngen联盟获得的。所有参与者都是欧洲血统。此外，我们将T2D，FG，FI和HBA1C用作曝光和del妄作为结果。随机效应方差加权模型（IVW），Egger先生，加权中位数，简单模式和加权模式用于执行MR分析。此外，使用MR-IVW和MR-EGGER分析来检测MR结果中的异质性。使用MR-EGGER回归和MR多效性残留总和和离群值（MR-Presso）检测到水平多效性（MR-Presso）。MR- PRESSO还用于评估离群的单核苷酸多态性（SNP）。“放出一个”分析用于研究MR分析结果是否受到单个SNP的影响并评估结果的鲁棒性。在这项研究中，我们进行了两样本的MR分析，并且没有证据表明T2D和血糖性状（T2D，FG，FI和HBA1C）之间的遗传因果关系有关（p> 0.05）。MR-IVW和MR-EGGER测试在我们的MR结果中没有异质性（所有P值> 0.05）。此外，MR-EGGER和MR-PRESSO测试在我们的MR结果中没有水平多效性（所有P> 0.05）。MR-Presso结果还表明，MR分析过程中没有异常值。此外，“放出一个”测试并未发现分析中包含的SNP可能会影响MR结果的稳定性。因此，我们的研究不支持T2D和血糖性状（FG，FI和HBA1C）对del妄风险的因果影响。
RFS+：一种临床适应性和计算高效的策略，用于增强脑肿瘤分割
摘要：从生态和功能的角度来看，Sanfranciscensis是一种酸味微生物群的重要且主导的细菌种类。尽管该物种在全球酸面团中的不同菌株的普遍存在，但仍需要阐明该物种的遗传多样性背后的驱动因素。在这项研究中，从酸面团样品中分离出14 f。sanfranciscensis菌株，以评估代谢性状的遗传多样性和变异。比较了这14个和31个其他菌株（从NCBI数据库获得）基因组。平均而言，基因组大小和GC含量的值分别为1.31 MBP和34.25％。在45 F. sanfranciscensis菌株中，每个菌株中存在162个核心基因和0至51个独特的基因。核心基因的主要功能与核苷酸，脂质转运和氨基酸以及碳水化合物代谢有关。核心基因的大小占14 F. sanfranciscensis菌株的泛基因组大小的41.18％，即0.70 Mbp为1.70 Mbp。参与碳水化合物利用和抗生素耐药性的14个菌株之间存在遗传变异。此外，还注释了与exodysac-achides生物合成相关的基因，包括epsabd，wxz，wzy。IIA型和IE CRISPR-CAS系统，Pediocin PA-1和Lacticin_3147_A1细菌素操纵子也在F. sanfranciscensis中发现。这些发现可以帮助选择理想的F. sanfranciscensis菌株来开发标准化的启动培养物进行酸面团发酵，并期望为消费者提供更高的质量和营养价值。
Heinz Nixdorf召回研究的10年随访结果
现代农业提高农作物资源获取效率的目标取决于根系与土壤之间的复杂关系。根和根际性状在营养和水的有效使用中起着至关重要的作用，尤其是在动态环境下。本综述强调了一种整体观点，挑战了养分和水吸收过程的常规分离以及综合方法的必要性。预期气候变化引起的极端天气事件的可能性增加，导致土壤水分和养分的供应性爆发，探索了根和根际性状的适应性潜力，以减轻压力。我们强调了根和根际特征的重要性，这些特征使农作物能够快速响应不同的资源可用性（即根区域中水和移动营养物质的存在）及其可及性（即将资源传输到根表面的可能性）。这些特征包括根毛，粘液和细胞外聚合物物质（EPS）渗出，Rhizosheath形成以及营养和水转运蛋白的表达。此外，我们认识到平衡碳投资的挑战，尤其是在压力下，优化特征必须考虑碳良好的策略。为了促进我们的理解，审查要求认识到受控环境的局限性精心设计的领域实验。非破坏性方法，例如微型根茎评估和原位稳定的同位素技术，并结合了诸如根部渗出分析的破坏性方法，用于评估根和根际性状。建模，实验和植物育种的整合对于开发能够适应不断发展的资源限制的弹性作物基因型至关重要。
手动运动的成功取决于人格特征，大脑不对称和授课程度
摘要：基于运动图像的脑部计算机界面（BCIS）越来越多地用于神经疗程中。但是，有些人无法控制BCI，这是大脑活动和人格特征的特征。尚不清楚BCI对照的成功是否与半球间的不对称性有关。这项研究是在44名BCI主体上进行的，其中包括一个BCI疗程，EEG分析，16pf Cattell问卷调查，对潜伏左手的估计以及真实和成像运动的主观复杂性。在保留，实用，持怀疑态度和不是非常社交的个体中，左手（LH）运动的想象力（LH）运动的成功率更高。外向性，活力和优势对于“纯”右手中的右手（RH）运动的想象力以及潜在左撇子的灵敏度显着。真实LH和图像RH运动的主观复杂性与与RH相比的LH运动的想象中的脑状态识别的成功相关，并取决于惯用水平。因此，惯性水平是影响BCI控制成功的因素。数据应该与运动控制，多巴胺侧向化的半球差异有关，并且对中风后患者的康复可能很重要。
和谐与个性：分析ai-aged Music偏好与个人特质之间的联系
人工智能（AI）在过去几十年中取得了进步，以至于能够产生创意作品，其中一个领域是音乐。先前的研究表明，人类倾向于对AI艺术表现出负面的偏见，尽管与人类是否能够准确区分AI艺术家与人类艺术家的结果存在对比的结果。先前的研究表明，在5巨头人格特征，年龄人口统计学，创造性的身份和对AI技术的熟悉程度中具有不同特征的人对AI的视觉艺术作品有所不同。但是，没有研究在AI生成的音乐领域调查了这一现象。因此，本研究旨在检查音乐组成领域中的个人特征与AI感知之间的关系。我们假设年轻人将能够比老一辈更好地区分AI-和人类生成的音乐。此外，我们假设在开放和愉悦的人方面得分很高的人对AI生成的音乐的负面态度较小，而在神经质和尽职尽责的人中，对AI生成音乐的负面态度更高。在对在线调查做出回应的31个参与者的样本中，我们发现了感知到的作曲家身份与参与者的偏好之间的显着相关性，而我们没有发现个人特征与参与者的准确性和偏好之间的任何显着相关性。讨论了对我们对AI生成的艺术品的理解的影响。
302种绿豆种质资源的种子表型特征的遗传多样性分析
摘要：由于维生素，蛋白质，矿物质元素和活性物质丰富，因此已证明绿豆种子的高药和经济价值被证明对人有益。为了完全识别出优质种质资源的绿豆产量和质量育种的优质种质资源，通过多样性分析，相关性分析，主成分分析（PCA）和群集分析，对八个种子表型特征的遗传多样性水平进行了全面评估。结果表明，八个种子表型性状的遗传多样性具有302个绿豆种质资源，其香农多样性指数范围为0.25至2.09。对于大多数特征，它们的变异系数（CV）超过10％，最高为种子形状（41.51％）。相关分析表明，100种子的重量与种子大小，种子长度，种子宽度和种子厚度具有极为正相关的相关性。PCA表明，前三个主要成分的累积贡献率为78.551％。这些主要成分包括种子宽度，种子外套和种子颜色。通过群集分析将302个绿豆种质资源分为八组。从I组和II组中选择了共有140种具有大种子的种质资源，其中II组中的9种种质资源可能是高收益的品种。关键词：绿豆，种子表型特征，遗传多样性，聚类分析，主要成分。总体而言，这项研究不仅表明研究的种质资源之间有足够的差异，而且还为绿豆种质资源的选择，利用和杂交育种提供了理论基础。
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。
基因1表达在野生西红柿2
现在可以理解，渗入可以充当强大的进化力，提供了31种遗传变异，可以影响性状进化的过程。渗入还引起了共有的32个进化史，该历史不会被物种系统发育所捕获，可能会使使用物种树的33个进化分析复杂化。这种分析通常是对跨物种的基因34表达数据进行的，其中数千个性状值的测量允许35个强大的推论，同时控制共享的系统发育。在这里，我们提出了一个布朗36运动模型，用于在多种族网络联合37框架下进行定量性状演化，这表明当数千种定量性状平均时，渗入可以产生38个进化的明显收敛模式。我们使用来自野生番茄属40茄的胚珠中的全转录组表达数据来测试我们的理论39预测。检查两个子层都有两者都有特种后渗入的证据，即41，但在其幅度上有很大差异，我们发现进化模式是一致的42，与胚珠基因表达的符号和幅度的渗入历史保持一致。43此外，在渗入速率较高的子层中，我们观察到局部基因树拓扑与表达相似性之间的相关性44，这暗示了渗入45个CIS调节性变化在产生这些宽尺度模式中的作用。48我们的结果揭示了一般作用46在数千种定量性状47的变化模式中渗入的一般作用46，并使用简单的模型信息预测为这些效果提供了一个框架。
GW2.1基因调节晶粒性状的靶向突变，并诱导大麦的产量损失 在碳化硅上集成石墨烯和MOS2 高级材料处理系统中的传输通道 Calpain活性调节剂：抑制剂和激活剂作为潜在药物LeventeEndreDókus，Mo'Ath Yousef＆ZoltánBánócziPharmaceutics 2020， 对自动化车辆的泳道控制，反馈延迟：非线性分析和实验室实验 在介孔Niwo 4 上支持的电催化剂的设计降低了PT含量 多分散性比（PDR）及其对... 的应用 有问题的社交网络使用中的隐式认知 焊接轮廓对绝缘栅极晶体管（IGBTS）的热参数的影响 多核算方法 polycomb蛋白RYBP在小鼠胚胎干细胞的体外心脏分化过程中激活转录因子plagl1 光控制生物杂交微型机器 量子信息的费米子系统 用TiO 2和Zno 抑制Snagcu焊料合金的Sn晶须生长
谷物宽度和重量2（GW2）是一种E3-泛素连接酶编码基因，对谷物物种中谷物的大小和重量负调节。因此，建议禁用GW2基因活性以提高作物生产率。我们在这里表明，大麦GW2.1同源物的CRISPR/CAS介导的诱变会导致细长谷物的发展和蛋白质含量增加。同时，GW2.1功能的损失引起了由于尖峰数量减少和谷物设置低而引起的明显晶粒屈服不足。我们还表明，GW2.1缺乏作物产量和蛋白质含量引起的相反作用在很大程度上与培养条件无关。这些发现表明大麦GW2.1基因对于产量和晶粒性状之间的优化是必需的。总的来说，我们的数据表明，大麦中GW2.1基因活性的丧失与多效性效应相关，对生成器官的发展以及因此谷物产生产生了负面影响。我们的发现有助于更好地理解谷物的发育以及GW2.1控制大麦的定量和定性遗传改善中控制的UTI。