Cold Spring Harbour实验室出版社于2025年2月28日 - 由MolecularCasestudies.cshlp.org发布于
目的:神经肽Y (NPY) 是焦虑状态(包括社交焦虑)的强效调节剂,但来自人类遗传学研究的证据有限。常见基因变异与行为的关联已被描述为受出生队列效应的影响,特别是当行为受到社会动机的影响时。本研究旨在检验 NPY rs16147 和 rs5574 与人格特质的关联,研究对象为两个出生队列中具有高度代表性的年轻人样本,这些样本是在社会快速转型时期形成的。方法:爱沙尼亚儿童人格行为与健康研究 (ECPBHS) 的两个出生队列(原始 n = 1238)均在 25 岁时自我报告了五因素模型的人格特质。结果:发现 NPY rs16147 和 rs5574 与出生队列对宜人性有显著的交互作用。 NPY rs16147 的 T/T 基因型导致老龄化人群(1983 年出生)的宜人性较低,而年轻化人群(1989 年出生)的宜人性较高。NPY rs5574 的 C/C 基因型与年轻化人群的宜人性较高有关,但与老龄化人群无关。在 NPY rs16147 T/T 纯合子中,出生队列内宜人性与平均值的偏差取决于血清素转运蛋白启动子多态性。结论:在社会快速变化的时代,NPY 基因变异与反映社会期望的性格领域之间的关联会发生质的变化,这是可塑性基因与环境关系的一个例子。其潜在机制可能涉及血清素系统的发展。
此预印本版的版权持有人于2023年3月9日发布。 https://doi.org/10.1101/2023.03.07.23286862 doi:medrxiv preprint
©作者2023。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的,该许可允许以任何媒介或格式使用,共享,适应,分发和复制,只要您对原始作者和来源提供适当的信誉,请提供与创意共享许可证的链接,并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中,除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料,并且您的预期用途不受法定法规的允许或超过允许的用途,则您需要直接从版权所有者那里获得许可。要查看此许可证的副本,请访问http://creativecommons.org/licenses/4.0/。Creative Commons公共领域奉献豁免(http://creativecommons.org/publicdomain/zero/zero/1.0/)适用于本文中提供的数据,除非在信用额度中另有说明。
补充图3。生殖线ERG(P.Y373C)变体的保护和作用。(a)P.Y373C变体映射在ERG蛋白上(NM_182914)。(b)在跨物种的人类ETS转录因子和直系同源ERG蛋白的P.Y373C变体周围的氨基酸保存。(c)ERG P.Y373C变体对DNA结合的预测影响。预测极地接触(溶剂排除的氢键)(红线)和由于诱变引起的预测极性接触破坏(灰色虚线)。3D蛋白质建模在ERG-DNA X射线晶体学模型(PDB ID:6VGE A链中)进行,该模型从Uniprot Online数据库中获得。Pymol用于可视化P.Y373C的预测结构影响。(d)P.Y373C VAF与血小板计数的比较。液滴数字PCR用于确定来自族的1个成员的VAF(I-1,I-2,II-1,II-2)(表1-患者15、16、17)在显示的时间点上样本,还绘制了相应时间点的血小板计数。单核细胞(MNC),骨髓(BM),间充质基质细胞(MSC)。
1柏林卫生研究院,核心单位生物信息学,柏林,德国2医学遗传学和人类遗传学研究所,Charité-柏林大学医学中心,柏林大学医学中心,柏林自由大学柏林和汉堡大学,柏林,柏林,德国柏林3生物医学创新学院Charité的健康 - 柏林大学医学中心,德国,4 RG发展与疾病,Max Planck分子遗传研究所,柏林,德国,德国5柏林卫生研究院,柏林,柏林,德国卫生研究院,BIH卫生研究院,柏林柏林,德国,基因组统计学和Bionymictistics,Bionany德国波恩大学医院医院8 BIH生物医学创新学院,数字临床科学家计划,柏林卫生研究院,Charité-德国柏林柏林大学医学中心9 MaxDelbrück分子医学中心,柏林,德国柏林,德国,德国,
• 冠状病毒刺突蛋白基因被植入另一种名为腺病毒 26 的病毒中。 • 腺病毒是一种常见病毒,通常会引起感冒或流感样症状。 • 经过修改的腺病毒可以进入细胞,但无法在细胞内复制或引起疾病 • 强生疫苗是数十年腺病毒疫苗研究的成果。 • 7 月,首个埃博拉疫苗获批。 • DNA 不像 RNA 那样脆弱,腺病毒坚韧的蛋白质外壳有助于保护内部的遗传物质。 • 它可以在 36-46 华氏度下储存,因此更容易分发 • 它是一种单剂量疫苗。
Shor 算法 [16] 引入了整数分解问题和离散对数问题的多项式时间可解性,这对公钥密码原语造成了巨大的量子威胁。对于对称密钥方案,长期以来,Grover 算法 [7] 被认为是最佳攻击方式,它通过一个二次因子加速了私钥的穷举搜索。因此,将密钥长度加倍可抵御此类攻击,将方案的量子安全性提升到经典方案的水平。利用 Simon 算法 [17] 的强大功能,Kuwakado 和 Mori 对 3 轮 Feistel [13] 的选择明文攻击和对 Even-Mansour 密码 [14] 的量子攻击为量子环境下对称密钥方案的密码分析开辟了新的方向。
1。Philippa D. Darbre,内分泌干扰化学物质的历史,当前的内分泌和代谢研究中的意见,第7卷,2019年,第26-33页,第2页。Prueitt RL,Hixon ML,Fan T,Olgun NS,Piatos P,Zhou J,Goodman JE。对人类双酚A潜在的致癌性的系统回顾。调节毒素Pharmacol。2023 Aug; 142:105414。3。Khan,N.G.,Correia,J.,Adiga,D。等。 对双酚A的致癌潜力的全面综述:线索和证据。 Environ Sci Pollut Res 28,19643–19663(2021)。 4。 sidali A,Teotia V,Solaiman NS,Bashir N,Kanagaraj R,Murphy JJ,Surendranath K. Au-Au-Au-Au-au-au-au-au-au元素RNA结合蛋白:文字后调节和基因组完整性的十字路口。 int J Mol Sci。 2021 12月22日; 23(1):96。 doi:10.3390/ijms23010096。 PMID:35008519; PMCID:PMC8744917。 5。 Murphy JJ,Surendranath K,Kanagaraj R. RNA结合蛋白及其在癌症中的新作用:超越冰山一角。 int J Mol Sci。 2023 Jun 1; 24(11):9612。 doi:10.3390/ijms24119612。 PMID:37298567; PMCID:PMC10253441Khan,N.G.,Correia,J.,Adiga,D。等。对双酚A的致癌潜力的全面综述:线索和证据。Environ Sci Pollut Res 28,19643–19663(2021)。4。sidali A,Teotia V,Solaiman NS,Bashir N,Kanagaraj R,Murphy JJ,Surendranath K. Au-Au-Au-Au-au-au-au-au-au元素RNA结合蛋白:文字后调节和基因组完整性的十字路口。int J Mol Sci。2021 12月22日; 23(1):96。 doi:10.3390/ijms23010096。PMID:35008519; PMCID:PMC8744917。 5。 Murphy JJ,Surendranath K,Kanagaraj R. RNA结合蛋白及其在癌症中的新作用:超越冰山一角。 int J Mol Sci。 2023 Jun 1; 24(11):9612。 doi:10.3390/ijms24119612。 PMID:37298567; PMCID:PMC10253441PMID:35008519; PMCID:PMC8744917。5。Murphy JJ,Surendranath K,Kanagaraj R. RNA结合蛋白及其在癌症中的新作用:超越冰山一角。int J Mol Sci。2023 Jun 1; 24(11):9612。 doi:10.3390/ijms24119612。PMID:37298567; PMCID:PMC10253441
使用指标(例如平均平均精度(MAP,标准度量测量检测准确性)在整个交叉点(IOU)阈值从50%到95%(定义了预测和地面实现框之间的重叠),精度,召回和GPU和CPU的跨越速度。The results highlight trade-offs between model complexity and performance: smaller variants like YOLOv11-n achieved faster inference speeds (170.74 FPS on GPU and 5.86 ms on GPU), while larger models like YOLOv11-x excelled in detection accuracy and recall but at the cost of slower speeds (240.03 FPS on GPU and 4.17 ms on GPU).yolov11-s提供了最高FPS(1120.46 GPU FPS)的平衡,但准确性和回忆为中等。这些发现证明了Yolov11变体对应用程序要求的适应性,从高速实时系统到优先级检测准确性的场景。这项研究通过为yolov11变体提供详细的性能基准来推进对象检测。它提供了在不同领域中部署Yolov11的实用见解,包括物流,交付跟踪和其他需要有效且准确的对象检测的域。关键字:Yolo; Yolov11;对象检测模型;深度学习计算机视觉;神经网络;