XiaoMi-AI文件搜索系统
World File Search System互作用
使用新型加权食品的基因 - 迪埃特相互作用分析...
糖尿病是全球最重要的公共卫生问题之一，对全球公共卫生和社会经济发展造成了沉重的负担。尽管某些国家的发病率已经开始降低，但近几十年来，其他发达国家和发展中国家的糖尿病患病率也有所增加（1）。2型糖尿病（T2D）约占糖尿病病例的90％（2），根据世界卫生组织的说法，即使在年轻人中，被诊断为T2D的人数也在增加（2）。T2D的发展主要是由不健康的生活方式以及环境和遗传因素的相互作用引起的。尽管其中一些因素受到个人控制，例如生活方式，但其他因素却没有，例如年龄，性别和遗传学的增加。饮食也归因于T2D的风险（3，4）。在许多前瞻性研究中已经确认了这种关联（5-8）。此外，T2D是一种越来越普遍的代谢疾病，引起严重的微血管并发症，即心血管疾病（CVD），视网膜病变，神经病和肾病（3，9）。此外，据报道，减肥或生活方式改良的有益影响可以预防，延迟和减少疾病的发生率（2，10）。因此，对整体饮食模式（习惯食品和营养摄入量）的有效估计已成为研究饮食与健康状况之间关系的基本方面（8）。一般饮食习惯可以提供超出营养和单一食物作用的见解（2，11）。基于食品和食物组的RF，MDS和AMDS某些指数基于国家营养建议和国家饮食指南，这些指南评估了整体营养模式，包括健康饮食指数，替代健康饮食指数，健康饮食指标，推荐食品评分（RFS），饮食质量指数，饮食质量指数，饮食质量质量评分，地中海饮食评分（MDS）以及替代地中海饮食（MDS）和替代饮食（AMDS）。
合成的盘绕螺旋相互作用组为分子工程提供了杂种模块。
引用Reinke，Aaron W.，Robert A.Grant和Amy E. Keating。“合成的盘绕螺旋相互作用组为分子工程提供了杂种模块。”J.am。化学。Soc。，2010，132（17），pp 6025–6031。
一般循环模型中的热带气海相互作用
1加利福尼亚大学大气科学系，洛杉矶，加利福尼亚州90024，美国2 Max-Planck-Institut Ftir Meteorologie，W-000 Hamburg，FRG 3 Koninklijk Nederlands MeteOllands MeteOlogisch Instituut劳伦斯·利维莫尔国家实验室，利维莫尔，加利福尼亚州94550，美国6国家大气研究中心博尔德，80307，美国7，美国7地球物理学与行星物理学研究所，加利福尼亚州洛杉矶，CA 90024，CA 90024，美国，美国，美国霍克学会，霍克斯大学，牛津大学，牛津大学，牛津大学，牛津大学，牛津大学，牛津大学。美国新泽西州普林斯顿实验室，美国10大气与海洋科学计划，普林斯顿大学，普林斯顿大学，新泽西州08542，美国11，美国11级水流过程实验室，NASA Goddard太空飞行中心，Greenbelt，Greenbelt，MD 20771，美国MD 20771，USA，USA，美国12个气象研究所，日本12-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-纳吉米，tsukuba，tsukuba，tsukuba，tsukuba，我
扩展动态的人类场景相互作用建模
已经取得了显着的迈进，该领域显然是由于缺乏高质量数据集而导致的。早期数据集（如Pigraphs [39]和Prox [16]）启动了探索，但受到可扩展性和数据质量的约束。MOCAP数据集[14，30]使用Vicon等复杂的设备优先考虑高质量的人类运动限制。但是，他们通常缺乏捕获多样化和沉浸式的HSI。通过RGBD视频录制的可扩展数据集提供了更广泛的实用程序，但受到人类姿势和对象跟踪质量较低的阻碍。合成数据集的出现[1，3，4，55]提供了成本效率和适应性，但无法封装完整的现实HSI频谱，尤其是在捕获动态3D触点和对象跟踪时。为了应对这些挑战，这项工作首先引入了trumans（t rack hum a um a u u u u u u u u u u u u u u a ctio n s in s cenes）数据集。Trumans成为最广泛的运动捕获HSI数据集，涵盖了15个小时以上15个小时的室内场景中的各种相互作用。它捕获了全身的人类动作和部分级别的对象动力学，重点是接触的现实主义。通过将物理环境复制到准确的虚拟模型中，可以进一步增强此数据集。外观和运动的广泛增强都应用于人类和物体，以确保相互作用的高度有限。接下来，我们设计了一个计算模型，通过将场景和动作作为条件同时采取行动来应对上述挑战。我们对杜鲁士数据集和运动合成方法进行了全面的交叉评估。特别是，我们的模型采用自回归的条件扩散，场景和动作嵌入作为征用输入，能够产生任意长度的运动。为了整合场景上下文，我们通过在本地化的基础上查询全局场景的占用来开发有效的场景感知者，这在导航杂乱的场景时表现出了3D感知的碰撞避免的强大效率。为了将框架的动作标签合并为条件，我们将时间特征集成到动作片段中，使模型在粘附在给定的动作标签时随时接受指令。场景和动作条件的这种双重整合增强了我们方法的可控性，为在3D场景中合成合理的长期运动提供了细微的界面。将trumans与现有人物进行比较，我们证明了杜鲁士人明显提高了最先进的方法的性能。此外，我们的方法在定性和定量上进行了评估，超过了现有的运动综合方法，其质量和零击性能力在看不见的3D场景上，非常接近原始运动捕获数据的质量。除了运动合成之外，杜鲁士人已经针对人类的姿势和接触估计任务进行了基准测试，证明了其多功能性并将其确立为一系列未来的研究努力的宝贵资产。
g-hop：相互作用重建的生成性手动对象和掌握合成
和一个锅的不同）或意图（例如通过刀与使用它进行切割），我们人类可以毫不费力地描绘出与日常生活中日常物体的这种互动。在这项工作中，我们的目标是构建一个可以同样生成合理的手动配置的计算系统。具体来说，我们学习了一个基于扩散的常规模型，该模型捕获了3D相互作用期间手和对象的关节分布。给定一个类别的描述，例如“握着板的手”，我们的生成模型可以合成人手的相对配置和表达（见图1个顶部）。我们解决的一个关键问题是，该模型是什么好的HOI表示。通常通过空间（签名）距离场来描述对象形状，但人的手通常是通过由发音变量控制的参数网格建模的。我们提出了一个均匀的HOI表示，而不是在生成模型中对这些不同的代表进行建模，并表明这允许学习一个共同生成手和对象的3D扩散模型。除了能够合成各种合理的手和物体形状的综合外，我们的扩散模型还可以在跨任务的辅助推理之前作为通用，而这种表示是所需的输出。例如，重建或预测相互作用的问题对于旨在向人类学习的机器人或试图帮助他们的虚拟助手来说是核心重要性。重建的视频重新投影错误）或约束（例如我们考虑了这些行沿着这些行的两个经过深入研究的任务：i）从日常交互剪辑中重建3D手对象形状，ii）鉴于任意对象网格，合成了合理的人类grasps。为了利用学到的生成模型作为推论的先验，我们注意到我们的扩散模型允许在任何手动对象配置给定的（近似）log-likelihood梯度计算（近似）log-likelihoodhoodhood。我们将其纳入优化框架中，该框架结合了先前的基于可能性的指南与特定于任务的目标（例如已知对象网格的合成）推理。虽然理解手动相互作用是一个非常流行的研究领域，但现实世界中的数据集限制了3D中这种相互作用的限制仍然很少。因此，我们汇总了7种不同的现实世界交互数据集，从而导致157个对象类别的相互作用长期收集，并在这些范围内训练共享模型。据我们所知，我们的工作代表了第一个可以共同生成手和对象的生成模型，并且我们表明它允许综合跨类别的各种手动相互作用。此外，我们还经验评估了基于视频的重建和人类掌握合成的任务的先前指导的推断，并发现我们所学的先验可以帮助完成这两个任务，甚至可以改善特定于特定于任务的状态方法。
植物与病原体相互作用中的植物防御机制
植物病原体对农作物生产造成严重破坏，对农业和自然生态系统构成威胁。深入了解植物-病原体相互作用对于制定创新的农作物疾病控制和环境保护策略至关重要（Bulasag 等人）。尽管数十年来一直致力于研究植物免疫的复杂性，但理解不同宿主和微生物之间复杂的跨界相互作用仍然具有挑战性。这本 Frontiers 电子书“植物病原体相互作用中的植物防御机制”提供了 19 篇文章，涵盖了植物与病原体之间各种机制的研究。本摘要旨在为在一系列植物-病原体相互作用中控制植物免疫的复杂机制提供新的视角和新见解。
VIT-COMER：具有卷积多尺度特征相互作用的视觉变压器，用于密集预测
尽管Vision Transformer（VIT）在计算机视觉方面取得了显着的成功，但由于缺乏内部绘制互动和特征量表的多样性有限，它在密集的预测任务中表现不佳。大多数现有的研究致力于设计视觉特定的变压器来解决上述问题，从而涉及额外的培训前成本。因此，我们提出了一种普通的，无培训的且具有特征增强的vit背骨，并具有指定性的特征性动作，称为Vit-Comer，可促进CNN和Transformer之间的双向相互作用。与现状相比，VIT-COMER具有以下优点：（1）我们将空间金字塔多触发性场卷积特征注入VIT体系结构，从而有效地减轻了VIT中局部信息相互作用和单场表述的有限问题。（2）我们提出了一个简单有效的CNN转换器双向交互模块，该模块在跨层次特征上执行多尺度融合，这对Han-dling密集的预测任务有益。（3）我们评估了在各种密集的预测任务，不同框架和多个高级预训练中VIT-COMER的能力。值得注意的是，我们的VIT-COMER-L在没有额外训练数据的情况下可可Val2017上的AP达到64.3％，而ADE20K Val上的MIOU为62.1％，这两种方法都与最先进的方法相当。我们希望VIT-COMER可以作为密集预测任务的新骨干，以促进未来的研究。该代码将在https：//github.com/traffic-x/vit-comer上发布。
从大规模泛素化中发现合成致死相互作用
癌症疗法的发展受到合适药物靶点的限制。可以根据合成致死率 (SL) 的概念来识别潜在的候选药物靶点，SL 指的是基因对，对于这些基因对来说，单独一个基因的畸变不会致命，但畸变同时发生则会对细胞造成致命影响。在这里，我们介绍了 SLIdR（R 中的合成致死率识别），这是一个用于从大规模扰动筛选中识别 SL 对的统计框架。即使样本量很小，SLIdR 也能成功预测 SL 对，同时最大限度地减少假阳性靶点的数量。我们将 SLIdR 应用于 Project DRIVE 数据，并找到已建立和潜在的泛癌症和癌症类型特异性 SL 对，这与文献和药物反应筛选数据的结果一致。我们通过实验验证了肝细胞癌中预测的两种 SL 相互作用（ARID1A-TEAD1 和 AXIN1-URI1），从而证实了 SLIdR 识别潜在药物靶点的能力。
社论：生长素在植物 - 微生物相互作用中的作用
植物激素生长素调节植物生长和发育的许多重要方面（Lavy and Estelle，2016年）。越来越多的证据表明生长素调节植物宿主与其相关微生物之间的相互作用，包括有益的共生体，内生菌和引起疾病的致病生物。因此，生长素也被微生物生成或分解了影响宿主信号，生理和发育不足为奇。此外，最近的研究表明，生长素（尤其是吲哚-3-乙酸，IAA）可以充当信号分子，直接影响微生物发育和/或基因表达（Kunkel and Johnson，2021）。在本研究主题中，我们邀请研究人员提交文章，调查生长素影响宿主和/或微生物生物学的各种方式。自2021年底发布电话以来，我们仅收到了与此主题相关的少数手稿。在事后看来，考虑到这一调查领域的新事物，这并不意外。本研究主题中的四篇文章报告报告了通过植物相关的微生物和生长素在调节植物微生物相互作用中的作用来推进IAA的合成和修饰。
遇到微生物之间的主要相互作用
微生物群落的特性从微生物之间的相互作用以及微生物及其环境之间的相互作用出现。在生物体的规模上，微生物相互作用是由细胞或细胞 - 资源相遇引发的多步骤过程。微生物相互作用的定量和合理设计需要量化相遇率。通常可以通过相遇内核来量化遇到的率 - 捕获相遇率对细胞表型的依赖性的数学公式，例如细胞大小，形状，密度或运动性以及环境条件，例如湍流强度或粘度。虽然已经研究了一个多世纪的遭遇内核，但通常在微生物种群的描述中没有足够的意见。此外，仅在少数典型的遭遇场景中才知道内核公式。然而，遇到内核可以通过阐明遭遇率如何取决于关键表型和环境变量来指导实验努力来控制微生物相互作用。遭遇内核还提供了在微生物种群生态模型中使用的参数的物理基础估计。我们通过审查传统和最近确定的内核来描述微生物相互作用的这种面向相互作用的观点，这些内核描述了微生物之间的相遇以及水生系统中的微生物和资源之间的相遇。