XiaoMi-AI文件搜索系统
World File Search Systemusc
基于肌肉侵入性膀胱癌的遗传景观的硅药物反应预测中个性化的展示研究
改进且便宜的分子诊断允许从“一种尺寸适合所有疗法”转移到针对单个肿瘤的个性化疗法。然而，基于全面测序的大量潜在目标仍然是一个尚未解决的挑战，可以阻止其在临床实践中的常规使用。因此，我们设计了一个工作流，该工作流选择基于多摩学测序和计算机药物预测的最有希望的治疗靶标。在这项研究中，我们证明了关注膀胱癌（BLCA）的工作流程，迄今为止，尚无可靠的诊断来预测治疗方法的潜在益处。在TCGA-BLCA队列中，我们的工作流程确定了由21个基因和72种药物组成的面板，这些小组建议对95％的患者进行个性化治疗，包括5个尚未报道为BLCA临床测试的预后标记。自动化的预测是通过手动策划的数据补充的，从而可以进行准确的灵敏度或抗药性指导的药物反应预测。我们根据在手动策展期间发现的陷阱讨论了药物相互作用数据库的潜在改进。
依赖于踝关节肌肉的任务依赖性募集以及机械需求之间的肌肉驱动驱动于肌肉收缩的代谢成本
引用Lai，Adrian K M，Dick，Taylor J M，Biewener，Andrew A和Wakeling，JamesM。皇家学会界面杂志18，第1期。174（2021）：20200765。
机器学习Clifford不变的Ade Coxeter元素
摘要。胸肌分割是乳腺磁共振成像（MRI）的各种计算机辅助应用中的关键步骤。由于胸部和乳房区域之间的伪影和同质性，胸肌边界估计并不是一项琐碎的任务。在本文中，提出了一种基于深度学习的全自动分割方法，以准确描述轴向乳房MR图像中的胸肌边界。提出的方法涉及两个主要步骤：胸肌分割和边界估计。对于胸肌分割，基于U-NET结构的模型用于从输入图像中分离胸肌。接下来，通过候选点检测和轮廓分割来估计胸肌边界。使用两个Real-World数据集，我们自己的私人数据集和一个公开可用的数据集对所提出的方法进行了定量评估。第一个数据集包括12名患者乳房MR图像，第二个数据集由80名患者乳房MR图像组成。所提出的方法在第一个数据集中达到了95％的骰子得分，第二个数据集的骰子得分为89％。在大规模定量乳房MR图像上评估该方法的高分割性能表达了其在将来的乳腺癌临床应用中的潜在适用性。
通过神经炎症途径导致的精神分裂症遗传易感性与视网膜变薄有关：英国生物库的研究结果
1 苏黎世大学成人精神病学和心理治疗系，瑞士苏黎世。2 苏黎世大学精神病学医院儿童和青少年精神病学和心理治疗系，瑞士苏黎世。3 苏黎世大学和苏黎世联邦理工学院苏黎世神经科学中心，瑞士苏黎世。4 苏黎世大学苏黎世综合人体生理学中心，瑞士苏黎世。5 美国纽约州罗彻斯特罗彻斯特大学医学中心精神病学系。6 美国纽约州罗彻斯特罗彻斯特大学医学中心眼科系。7 美国纽约州罗彻斯特罗彻斯特大学医学中心神经科学系。8 美国纽约州罗彻斯特罗彻斯特大学视觉科学中心。9 瑞士苏黎世大学苏黎世大学医院眼科系。 10 瑞士伯尔尼大学医院眼科系。11 美国纽约州曼哈塞特范斯坦医学研究所行为科学研究所。12 美国纽约州纽约市诺斯韦尔健康中心扎克山坡医院精神病学研究部。13 美国纽约州汉普斯特德霍夫斯特拉/诺斯韦尔扎克医学院精神病学系。
3-清洁副本修订的手稿-Dr -ntu
Verzola，I。M. R.，Villaos，R。A.B.，Purwitasari，W.，Huang，Z.，Hsu，C.，Chang，G.，Lin，H。＆Chuang，F。（2022）。范霍夫奇异性的预测，出色的热电性能和单层rhenium dialcogenides中的非平凡拓扑。Today Communications，33，104468-。https://dx.doi.org/10.1016/j.mtcomm.2022.104468https://dx.doi.org/10.1016/j.mtcomm.2022.104468
引用Gitlin ES，Demetres M，Vaidyanathan A，Palmer N，Lee H，Loureiro S，Radwan E，Tuschman A，Mathad J和Chebrolu P（2024）GE
妊娠糖尿病（GDM）是葡萄糖不耐症，在怀孕期间发展，全球七分之一的孕妇中有近1个（1）。GDM的患病率与2型糖尿病（T2DM）流行病平行。GDM有助于母亲和儿童的短期和长期发病率和死亡率。除了短期并发症（例如早产，cor露P前和剖宫产）之外，具有GDM的妇女的妇女患T2DM的风险也高10倍，未来心血管事件的风险更高2倍（2，3）。同样，患有GDM的母亲出生的婴儿不仅对胎龄（LGA）具有较高的风险，这可能会导致出生并发症，而且增加了未来肥胖和葡萄糖不耐症的风险（4-6）。对GDM及其并发症的研究在很大程度上是在超重人群中进行的，但最近的研究表明，非过量人群中GDM也在增加。与T2DM相似，体重增加是GDM的主要危险因素。但是，在许多低收入和中等收入国家中，大多数T2DM患者体重不足或正常体重。BMI的T2DM南亚人中有2亿南亚和东亚人的体重不足或正常体重（7）。据推测，早期生命中的低出生体重和营养不良可能通过遗传变异而改变成年中的葡萄糖 - 胰岛素代谢，这些变异已进化而来，这些变异体现了在卡路里限制的环境中有效地利用营养，例如低 - 和中等的国家，例如低 - 和中等的国家，但也促进了T2DM（8-10）。可能存在类似的妊娠中非过量糖尿病的模式和机制，但尚未系统地研究。这很重要，因为当前的世界卫生组织（WHO）和国际糖尿病基金会指南建议饮食控制，运动和限制GDM管理的体重增加，这可能不适合患有体重不足或正常BMI的妇女（11，12）。了解GDM的非超重女性的患病率和病理生理学对于指导妇女及其子女的适当筛查，管理和随访至关重要。因此，我们对科学文献进行了范围审查，以调查非超重妇女中GDM的全球流行率和不利结果。
ppmd的任务与影响Duchenne肌肉营养不良
有许多基因治疗方式，但共同特征是将某些遗传物质递送到细胞中以纠正，修饰或替代引起基因的疾病。一种称为基因替代的策略是通过向细胞传递功能性基因的作用，以便开始在整个体内受到疾病影响的细胞中产生功能性蛋白质。在Duchenne情况下，错误的基因会影响蛋白保护肌肉的需求，称为肌营养不良蛋白。在没有肌营养不良蛋白的情况下，肌肉容易受到损害，并导致肌肉逐渐丧失被脂肪和纤维化所取代。Duchenne中的当前基因替代策略旨在将基因的功能缩短副本传递给肌肉细胞。由于难以触及体内的许多肌肉，科学家开始使用病毒到达靶细胞，因为它们的自然能力可以导航人体。在自然界中，病毒被设计为进入细胞核，基本上“感染”了它，并沉积了自己的遗传密码以开始产生更多的病毒。对于基因疗法，已将病毒修改为不引起疾病，而是将治疗性遗传物质携带到细胞中以帮助纠正疾病。
生成网络模型手稿简介
Social networks constitute an important approach in the study of animal social behaviour.So far, focus has been on statistical analysis of animal social network structures.However, social networks can also be studied by generative network models - procedures that create simulated network structures.这些模型在更广泛的网络科学中起着关键作用，但是尽管偶尔使用，但在动物行为领域尚未充分整合。We believe that generative network models have considerable unexploited potential as a tool for understanding animal social systems.在这里：1）我们提供了生成网络模型的一般介绍，包括对它们用于调查更广泛网络科学的问题的描述，关键模型特征的解释以及对常见模型的概述； 2）我们考虑有关动物社会行为研究的生成网络模型，包括有关动物系统问题的描述，可以用于研究（通过案例研究证明），概述动物行为研究的概述，这些研究使用了生成网络建模，关键模型对于动物行为研究的相关性以及如何选择用于动物社会系统研究的合适的生成网络模型。We hope that this can help to further integrate generative network models into the study of animal sociality.
受过训练的免疫作为Duchenne肌肉营养不良症治疗性免疫调节的潜在靶标
涉及先天免疫细胞的炎症失调，特别是单核细胞/巨噬细胞谱系，是导致Duchenne肌肉营养不良症（DMD）发病机理的关键因素。受过训练的免疫力是一种抗感染的进化古老的保护机制，其中表观遗传和代谢改变赋予了先天免疫细胞对各种刺激的非特殊性过度反应性。在DMD动物模型（MDX小鼠）中的最新工作表明，巨噬细胞表现出训练有素的免疫力的基本特征，包括存在先天免疫系统“记忆”。通过骨髓移植对训练的表型对健康的非疾病小鼠的表观遗传变化和耐用的可传播反映了后者。机械上，建议通过受损的肌肉受损的因素在骨髓水平上诱导了4个调节的，带有样本的先天免疫的记忆样能力，从而夸大了促进性和抗流量的基因的上调。在这里，我们提出了一个概念框架，以参与训练有素的免疫力参与DMD发病机理及其作为新的治疗靶点的潜力。