XiaoMi-AI文件搜索系统
World File Search System三篇
西蒙斯：自由社会的经济政策。
本卷中的十三篇论文写于 1934 年至 1946 年之间，包括已故芝加哥大学亨利·西蒙斯教授的大部分主要著作。其中前六篇论文包含了作者立场的更一般性陈述。他将其描述为“自由市场自由主义”，其中国家有责任“维持一种法律和制度框架，使竞争能够有效地发挥控制作用”。为此，他呼吁彻底简化公司形式，严格限制规模、活动、资本结构以及广告和销售技巧。通过竞争力量进行控制的最大威胁是劳工组织的增长，西蒙斯教授认为这与资本主义或社会主义都不相容。“垄断而非竞争”决定的工资政策阻碍了投资和扩张，并将较差的劳动力挤入相对不具生产力的领域。在这方面，有人指出，《公平劳动标准法》“旨在并主要用来阻止纺织生产和纺织资本向南部各州迁移”。作者认为，经济不平等问题可以通过征收遗产税和所得税来解决。西蒙斯教授认为，民主必须关注消费者的利益，他指出，生产者和社区之间的利益冲突必须通过有效的群体间竞争来调和，而不是通过对特定生产者群体负责的政府机构从上而下行使权力来调和。这代表了对政治控制的潜在恐惧。在接下来的四篇文章中，重点是货币财政和金融安排。稳定的立法规则、通过将公共债务重新转换为公债和货币来简化公共债务结构以及通过分离银行的存款和贷款设施来部分消除短期债务将提供竞争性经济敏感的控制手段。专利改革和取消关税是西蒙斯教授三篇结论性文章中建议的商业政策之一，其中最后一篇是对贝弗里奇计划的“无情解读”。
研究主题社论：新型统计和机器学习方法在高维临床癌症和（多）
三年前，也就是 2021 年，我们的第一个研究课题“将新型统计和机器学习方法应用于高维临床癌症和（多）组学数据”成为了 Frontiers 读者的一大亮点，浏览量超过 52K，下载量超过 13K。它通过突出统计遗传学和方法学领域的前沿研究，为该领域做出了巨大贡献。在第一卷成功的基础上，我们通过发表四篇文章，带来了另一个关于该研究主题的富有洞察力和发人深省的研究课题。在第二卷中，我们继续关注癌症相关研究中高维临床和（多）组学数据的新型统计和机器学习方法的开发和应用。随着人工智能 (AI) 的发展，尤其是深度学习 (DL)，第二卷中的四篇文章中有三篇研究了使用 DL 进行多组学数据集成的方法，而第四篇文章研究了一种新的测序数据处理方法。随着深度学习的快速发展，将基于深度学习的方法应用于多组学整合方面取得了重大进展。在一篇评论文章中，Wekesa 和 Kimwele 全面讨论了在疾病诊断、预后和治疗中使用深度学习技术进行多组学数据分析的最新趋势。他们特别关注涉及非编码 RNA 的多组学数据集，例如 miRNA 和长链非编码 RNA (lncRNA)，这些 RNA 在癌症发展和研究中起着至关重要的作用。重点介绍了几种用于集成和解释的新型深度学习方法，包括对比学习、DeepLIFT、分解机器深度学习 (FMDNN) 和图神经网络 (GNN)。此外，他们评估了将深度学习方法与计算生物学中的区块链和物联网 (IoT) 等新兴技术相结合的研究。乳腺癌和脑癌检测中的案例研究表明，将尖端技术和深度学习方法相结合可以如何促进癌症
人工智能在生产和发展中的应用
这个为期 4 年的项目是未来投资计划 PIA3 (Programme d'Investissements d'Avenir) 的一部分。Foix-Boussens 生产集群拥有丰富的工业 4.0 专业知识，可作为试点。专注于异常检测、预测性维护和最佳控制的技术应用。图卢兹，2021 年 10 月 21 日。Vitesco Technologies 是一家领先的国际现代动力总成技术和电气化解决方案供应商，也是图卢兹跨学科人工智能研究所 (ANITI) 的合作伙伴，该研究所于 2019 年作为 PIA3 未来投资计划 (Villani Plan) 的一部分成立。ANITI 项目由图卢兹南比利牛斯联邦大学牵头，围绕三个研究计划构建，汇集了 24 个教席和 50 多个合作伙伴。这些合作伙伴关系采取提供工程专业知识或由研究人员进行研究的形式，以满足该地区工业家的需求，以开发新的技术应用。在移动出行和可持续交通领域，Vitesco Technologies 和 ANITI 目前正在研究三篇博士论文，旨在使汽车供应商能够利用人工智能优化产品开发、性能和生产的成本。“与 ANITI 的合作使我们能够将我们在工业流程和应用人工智能方面的经验与 ANITI 在人工智能领域的科学知识结合起来，人工智能是一个不断发展且需要不断适应的领域，”Vitesco Technologies France 创新总监 Christophe Maréchal 表示。“通过此次合作，Vitesco Technologies 带来了其对未来 IA 应用的专业知识和愿景，特别是在所谓的工业 4.0 领域。科学和技术挑战仍然众多且艰巨。这正是 ANITI 的使命：在我们的研究人员和 Vitesco Technologies 的工程师之间，以及其他工业合作伙伴的工程师之间建立协同效应，以找到满足行业需求和挑战的强大解决方案，”首席
基因药物直击心脏
首批用于治疗心力衰竭的基因疗法正在临床上取得进展。Rocket Pharmaceuticals 计划很快启动一项关键的 II 期研究，研究一种针对 Danon 病患者的基因疗法。Danon 病是一种 X 连锁显性遗传疾病，会导致成年早期进行性心力衰竭和死亡。如果成功，该试验将鼓励大量基因药物开发者（表 1）相信，在不同的疾病环境下，抑制甚至逆转进行性心力衰竭是可行的。此外，德克萨斯大学西南医学中心 Eric Olson 实验室的三篇具有里程碑意义的论文和哈佛医学院 Christine Seidman 实验室的一项补充研究表明，CRISPR-Cas9 编辑、碱基编辑和主要编辑都可用于纠正小鼠心脏病的遗传模型。现在已经建立了技术概念验证，用于治疗由 MYH7 和 RBM20 基因突变引起的心肌病，以及破坏由钙/钙调蛋白依赖性蛋白激酶 IIδ 慢性过度激活引起的病理信号传导机制，这种机制存在于许多心力衰竭患者中。该领域的一个重要里程碑是 FDA 去年批准百时美施贵宝的口服心脏肌球蛋白抑制剂 Camzyos (mavacamten) 用于治疗阻塞性肥厚性心肌病 (HCM)。Camzyos 是首个针对最常见的遗传性心脏病的潜在病理的疗法。最初由 MyoKardia 公司开发，该公司由 Christine Seidman 和她的丈夫 Jonathan Seidman（也是哈佛医学院的学生）创立，后来被 Bristol Myers Squibb 收购，其工作原理是降低肌动蛋白和肌球蛋白之间过度形成横桥而引起的收缩力升高，肌动蛋白和肌球蛋白是负责产生力量的蛋白质，使肌肉
后量子密码算法的侧通道分析
当今使用的公钥加密方案依赖于某些数学问题的难解性，而这些问题已知可以通过大规模量子计算机有效解决。为了满足长期安全需求，NIST 于 2016 年启动了一个项目，旨在标准化后量子密码 (PQC) 原语，这些原语依赖于未知的量子计算机目标问题，例如格问题。然而，从传统密码分析的角度来看是安全的算法可能会受到旁道攻击。因此，NIST 重点评估候选算法对旁道攻击的抵抗力。本论文重点研究了两个 NIST PQC 候选方案 Saber 和 CRYSTALS-Kyber 密钥封装机制 (KEM) 对旁道攻击的敏感性。我们提供了九篇论文，其中八篇重点介绍 Saber 和 CRYSTALS-Kyber 的旁道分析，一篇演示了对 STM32 MCU 中集成的硬件随机数生成器 (RNG) 的被动旁道攻击。在前三篇论文中，我们演示了对 Saber 和 CRYSTALS-Kyber 的高阶掩码软件实现的攻击。主要贡献之一是单步深度学习消息恢复方法，该方法能够直接从掩码实现中恢复秘密，而无需明确提取随机掩码。另一个主要贡献是一种称为递归学习的新神经网络训练方法，该方法可以训练神经网络，该神经网络能够以高于 99% 的概率从高阶掩码实现中恢复消息位。在接下来的两篇论文中，我们表明，即使受一阶掩码和改组保护的 Saber 和 CRYSTALS-Kyber 软件实现也可能受到攻击。我们提出了两种消息恢复方法：基于 Hamming 权重和基于 Fisher-Yates (FY) 索引。这两种方法都可以成功恢复密钥，但后者使用的痕迹要少得多。此外，我们扩展了基于 ECC 的密钥
coms 611：机器听力的关键观点
在AI的批判性奖学金中爆炸，以及行业，流行媒体和艺术家中批评的开花。这项工作的第一轮主要集中在图像和文本的处理上，但对AI和声音之间的关系越来越兴趣，尤其是与语音，音乐和环境声音有关的情况。我们的研讨会将深入考虑此交叉点。我们将阅读并讨论有关媒体研究和相关领域AI的一些新的批判性奖学金，然后将注意力转移到机器聆听的政治上，这是处理声音的AI系统。我们将专注于实际存在的Sonic AI系统，而不是预后。我们将使用声音研究，媒体研究，科学和技术研究的工具以及来自人文和解释性社会科学的相关领域来揭开技术的神秘感；并对技术实践进行清晰，精确和政治化的分析。AI与其他类型的计算文化实践有何不同？它有何不同？AI与自动化有何关系？它是否提出了真正的新政治或道德问题，还是仅仅是由资本主义，种族主义，性别歧视，能力主义，殖民主义和其他权力斧头所塑造的已经存在的对抗的延伸？在此过程中，我们将批判性地考虑公司和研究人员与艺术家，活动家以及其他寻求为人建立技术而不是盈利的技术的工作。派对！）。会议结束后，我们将在汇报上上课。本课程与2024年4月4日至6日在麦吉尔大学举行的国际研讨会“机器听力：批判观点”有关。学生将参加会议，采访参与者在https://machinelistening.spact上进行出版，并优先访问所有活动（免费餐！阅读负载约为每周大约三篇论文（或同等文章），并且将进行讨论，并进行一些讲课。学生将更好地了解如何研究新兴技术，媒体研究和科学技术研究的当前工作，以及提高面试，研究，写作，会议和修订方面的技能。
欧洲束缚观察队列研究方案
摘要引言改善了对糖尿病前主体的概况的了解及其发展2型糖尿病（T2DM）的风险将增强次要预防。主要目的是描述与在初级保健中诊断为糖尿病的受试者中与入射T2DM相关的因素。方法和分析该研究基于Reunion Island，这是一个法国海外地区，经历了T2DM的疾病负担特别高。这是一项在初级保健中进行的观察性的，非随机的前瞻性队列研究，在该研究中，私人全科医生（GP）研究人员招募了与糖尿病前期糖尿病的参与者，无论其最初的咨询动机如何。前糖尿病是由WHO标准（即1.10 g/L和1.25 g/L和/或血浆葡萄糖在1.40 g/L和1.40 g/L和1.99 g/l之间的摄入后2小时，禁食等离子体葡萄糖在1.10 g/L和1.25 g/L和/或血浆葡萄糖之间。该设计基于GP的年度随访（根据法国国家卫生当局的建议），收集了临床和实验室数据以及通过电话在三个时间点上回答的特定生活方式调查表：包含在内，以及2年和5年的随访访问。随访临床和实验室数据，并且在纳入后2年和5年将获得研究特定于研究的实验室收集（血清，DNA和尿液）。主要结果是过渡到T2DM。伦理和传播该协议已得到圣维蒂安研究伦理委员会的批准（CPP Saint Etienne参考编号：2019-03）。入学开始于2019年8月。至少在同行评审的医学期刊上发表的三篇论文，一份口头交流以及与当地人群和医疗保健政策制定者进行大规模沟通中将传播结果。试用注册号NCT04463160和ID-RCB 2018-A03106-49。
● Nuvisertib (TP-3654) 是一种口服高选择性 PIM1 激酶抑制剂，
马萨诸塞州马尔伯勒，2024 年 11 月 6 日 — 住友制药美国公司 (SMPA) 今天宣布，将在 2024 年 12 月 7 日至 10 日于加利福尼亚州圣地亚哥举行的第 66 届美国血液学会 (ASH) 年会暨博览会上发表三篇演讲。演讲将包括支持 nuvisertib 的新临床数据，nuvisertib 是一种正在研究用于治疗复发/难治性骨髓纤维化 (MF) 的试验性小分子，以及 enzomenib，一种正在研究用于治疗复发/难治性急性白血病的试验性口服小分子。正在进行的 nuvisertib 1/2 期研究的结果继续支持 nuvisertib 单药治疗耐受性良好，没有剂量限制性毒性 (DLT) 并且早期临床活动前景光明。目前，这项全球研究正在扩大，以评估 nuvisertib 与 JAK 抑制剂芦可替尼（首个获批的 JAK 抑制剂）和 momelotinib（最近获批用于治疗贫血症 MF 患者的 JAK 抑制剂）的联合使用，以评估安全性和临床活性。此外，来自 enzomenib 1/2 期研究的新临床数据显示，在广泛治疗剂量范围内的患者中，该疗法均表现出有希望的临床活性，并且安全性数据令人鼓舞，因为 enzomenib 耐受性良好，未观察到 DLT 或因与 enzomenib 相关的不良事件而停药的案例。SMPA 肿瘤科首席医疗官 Jatin Shah 医学博士表示：“对于复发性 AML 或骨髓纤维化患者，迫切需要新的有效治疗方案，以显著改善这些癌症相关的不良预后。这些数据让我们备受鼓舞，我们将继续快速推进复发/难治性 MF 和急性白血病的开发项目。” “我们期待在 12 月即将召开的会议上分享最新结果，这进一步支持 nuvisertib 和 enzomenib 的开发，并将继续致力于推进我们产品线中的新发展。”
EULAR 关于使用合成和生物抗风湿药物治疗类风湿关节炎的建议：2013 年更新
摘要 本文更新了 2010 年欧洲抗风湿病联盟 (EULAR) 关于使用合成和生物抗风湿药物 (分别为 sDMARDs 和 bDMARDs) 治疗类风湿性关节炎 (RA) 的建议。2013 年更新版由一个国际工作组制定，其决定主要基于三篇系统文献综述的证据（sDMARDs 各一篇，包括糖皮质激素、bDMARDs 和 DMARD 治疗的安全性方面）；搜索还涵盖了治疗策略。专家们在达成共识和投票过程中讨论并总结了所提供的证据。得出了证据级别和建议等级，并确定了一致性水平（建议强度）。制定了 14 条建议（而不是 2010 年的 15 条）。删除了部分 2010 年建议，修改或拆分了其他建议。这些建议涵盖了一般方面，例如使用针对目标的治疗方法实现缓解或降低疾病活动度，以及风湿病学家和患者之间需要共同决策。更具体的项目涉及使用传统 sDMARD（csDMARD）策略与糖皮质激素联合使用开始 DMARD 治疗，然后如果 6 个月内未达到治疗目标（或 3 个月内未见改善），则添加 bDMARD 或另一种 csDMARD 策略（根据有无不良风险因素分层后）。肿瘤坏死因子抑制剂（阿达木单抗、赛妥珠单抗、依那西普、戈利木单抗、伊维菌素、生物仿制药）、阿巴西普、托珠单抗以及在某些情况下的利妥昔单抗基本上被认为具有相似的疗效和安全性。如果第一种 bDMARD 策略失败，可以使用任何其他 bDMARD。这些建议还将托法替尼作为靶向 sDMARD (tsDMARD) 提出，在获得许可的情况下，建议在使用至少一种 bDMARD 后使用。生物仿制药也得到了解决。这些建议旨在为风湿病学家、患者、国家风湿病学提供信息
使用分子建模方法探索碳水化合物构象和连接
机器学习的最新进展为算法交易开辟了新的可能性，从而在复杂的市场环境中优化了交易策略。本论文旨在通过开发机器学习模型来改善算法交易方法，以实现限制顺序书籍的现实模拟和学习最佳策略。由三篇论文组成，论文结合了理论见解与实际应用。第一篇论文介绍了使用经常性神经网络的限制顺序簿的动态探索的生成模型。该模型通过将每次限制订单簿的每个过渡的概率归结为订单类型，价格水平，订单大小和时间延迟的条件概率的产品，从而捕获了限制订单簿的完整动态。这些条件概率中的每一个都是通过复发性神经网络建模的。此外，本文引入了与订单执行相关的生成模型的几个评估指标。生成模型均经过由马尔可夫模型和纳斯达克斯德哥尔摩交换的真实数据进行的合成数据训练。第二篇论文提出了一种迭代性确定性政策方法，用于金融中随机控制问题，这使临时市场和永久性市场影响不大。该方法基于派生的策略梯度定理，并使用Mini Batch随机梯度下降进行优化。它都应用于OR-der执行和选项对冲，表明了几种目标和市场动态的表现始终如一。第三篇论文研究了具有基于参数的探索的策略梯度方法，其中在情节开始时采样单个确定性策略，并在整个情节中使用。显示了基于参数的和基于操作的外观之间的边际等效性，促进了以基于动作的指示的策略梯度方法的先前建立的收敛结果的适应。在温和的假设下呈现到一阶固定点的收敛速率，并且在引入的Fisher-Non-Non-depentore条件下建立了全球收敛，以基于参数 - 基于参数。