XiaoMi-AI文件搜索系统
World File Search System产生率
cospar 2020 奖项
天体物理学的一大新领域是系外行星的研究。截至 2020 年 4 月底，已知有 4000 多个这样的天体。其中 2000 多个是由开普勒任务发现的，另有 2000 个候选天体尚待确认。开普勒任务对于了解我们在宇宙中的位置至关重要，如果没有威廉·博鲁茨基的聪明才智和奉献精神，开普勒任务就不会实现。在职业生涯早期，威廉就因建造光谱仪器来确定超高速冲击波的等离子体特性而出名。他开发了地球平流层和中间层的光化学模型，以研究一氧化氮和氟碳排放对臭氧的影响。他还研究了闪电的光学效率，并结合航天器观测结果，利用这些测量结果推断出行星大气中前生物分子的产生率。但探测恒星 80 ppm 的暗化是一项艰巨的任务，威廉和他的团队花了数年时间才让科学界相信这是一种寻找系外行星的可行方法。由此产生的开普勒任务的巨大成功充分证明了他的努力是值得的。
亚惯性表面潮汐到内部潮汐的能量转换率
摘要：亚惯性、地形捕获的全日内潮汐是亚北极海洋湍流混合的重要能量来源。然而，它们的产生可能无法通过传统的正压到斜压转换来估计，因为它们的垂直结构有时是正压的，而超惯性内潮汐则总是斜压的。本文给出了一个新的能量图，其中正压模式分解为表面和地形模式，后者与斜压模式一起归类为内部模式的一部分。然后推导出新定义的地形模式的能量方程，从而为从亚惯性表面潮汐到地形捕获内潮汐的能量转换率提供了适当的公式。一系列数值试验证实，该公式能成功预测各种情况下的能量转换率，斜压和地形模态的相对贡献随底部地形和地层而显著变化。此外，对于亚惯性潮汐，这种从表面到内部的转换给出的估计值明显大于从正压到斜压的转换。将该公式应用于千岛海峡（亚惯性全日潮汐混合最强的区域）的实际数值模拟结果表明，表面模态转换为具有可比量级的斜压和地形模态，造成该地区大部分能量耗散。这些结果表明需要使用我们的新公式重新估计亚惯性内潮产生率的全球分布，并阐明其耗散机制。
果蝇幼虫大脑中高度不稳定的mRNA编码了动态调节的转录因子
每种 RNA 的水平取决于其产生率和衰变率之间的平衡。尽管先前的研究已经测量了组织培养和单细胞生物中整个基因组的 RNA 衰变，但很少有实验是在完整的复杂组织和器官中进行的。因此，尚不清楚在培养细胞中发现的 RNA 衰变决定因素是否在完整组织中保留，以及它们在邻近细胞类型之间是否不同以及在发育过程中是否受到调节。为了解决这些问题，我们通过使用 4-硫尿苷对整个培养的果蝇幼虫大脑进行代谢标记，测量了全基因组的 RNA 合成和衰变率。我们的分析表明，衰变率范围超过 100 倍，并且 RNA 稳定性与基因功能有关，编码转录因子的 mRNA 比参与核心代谢功能的 mRNA 稳定性低得多。令人惊讶的是，在转录因子 mRNA 中，更广泛使用的转录因子与在发育过程中仅短暂表达的转录因子之间存在明显的界限。编码瞬时转录因子的 mRNA 是大脑中最不稳定的。这些 mRNA 的特点是大多数细胞类型中的表观遗传沉默，如其富含组蛋白修饰 H3K27me3 所示。我们的数据表明存在针对这些瞬时表达的转录因子的 mRNA 不稳定机制，从而可以快速高精度地调节它们的水平。我们的研究还展示了一种测量完整器官或组织中 mRNA 转录和衰减率的通用方法，为了解 mRNA 稳定性在调节复杂发育程序中的作用提供了见解。
Crispr 对镰状细胞病的革命性影响
摘要 CRISPR 是一种基因修饰工具，前景十分光明，尤其是在生物技术和医学领域。CTX001 是一种自体基因修饰干细胞，其工作原理是允许和促成高水平胎儿血红蛋白的产生。这是一种 CRISPR 疗法，用于治疗血红蛋白病或导致血红蛋白结构异常的疾病，包括镰状细胞病，这是一种遗传性疾病，会产生新月形红细胞，从而导致可怕的后果，可能非常痛苦甚至危及生命。目前，这种疗法正在接受治疗镰状细胞病和输血依赖性β-地中海贫血 (TDT)（另一种遗传性血液疾病）的试验，正在观察和分析进一步的结果和数据。本研究论文的目的是理解和认识 CTX001 的价值及其在治疗镰状细胞病方面的重要性，并提供参与该 CRISPR 治疗临床试验的患者的数据和实例，提供有关 CTX001 对疾病以及更重要的是对他们的生活的影响的信息。回顾了两名患者，提供了个人经历等不同方面的详细信息以及更科学的数据导向分析。以这些患者为主要例子发现，到目前为止，这种治疗方法仍然非常成功，将胎儿血红蛋白的产生率提高了 40%，并为镰状细胞病患者提供了越来越多无法想象的机会，包括没有血管闭塞危机发作以及消除输血的必要性，从而使生活越来越没有痛苦。关键词：CRISPR、CTX001、镰状细胞病、血管闭塞性发作/VOC/血管闭塞性危象、胎儿血红蛋白 CRISPR 是治疗镰状细胞病（一种困扰世界的衰弱性疾病）的解决方案吗？
覆盖作物在农田土壤碳，氮浸出和农业产量中的作用 - LPJML的全球模拟研究（V. 5.0-Tillage-cc）
摘要。土地管理实践可以减少农业土地利用和生产的环境影响，提高生产力，并将农田转变为碳水槽。在我们的研究中，我们评估了生物物理和生物缘化学影响以及覆盖作物实践对可持续土地使用的潜在贡献。我们应用了基于过程的全球动态植被模型LPJML（Lund – Potsdam – jena托管土地）v。5.0-Tillage-CC，并具有覆盖作物的临时代表，以模拟两次连续主要作物生长季节，以模拟两种时期的草地上的草地生长，以实现接近临时的环境和土地途径。我们量化了农业综合系统成分的模拟响应，以涵盖与全球农田相比的农作物种植，涵盖了50年。在用耕作的覆盖作物中，我们在整个模拟时期的第一个和最后几十年中分别获得了年度全球中位土壤碳固次率分别为0.52和0.48 t c h - 1年-1年。我们发现，耕作的中位数为39％和54％，耕作降低了农田土壤的年氮浸出率，但在2个分析的数十年中，以下主要农作物的产生率平均降低了1.6％和2％。发现米饭的生产率最大，玉米和小麦的生产率降低，而大豆产量显示出对覆盖作物实践的几乎同质上的积极反应，以取代裸露的土壤休耕期。通过耕作实践所获得的模拟覆盖作物的模拟结果表现出良好的模型版本能力再现观察到的效果重新 -
在 CHO 细胞中有效 CRISPR/Cas9 介导的 BAX 基因消融可损害细胞凋亡并增强重组蛋白的产生
背景：尽管最近利用 CHO 细胞生产重组生物治疗药物取得了进展，但其生产率仍低于工业需求，主要是由于细胞凋亡。目的：本研究旨在利用 CRISPR/Cas9 技术特异性破坏 BAX 基因，以减轻产生促红细胞生成素的重组中国仓鼠卵巢细胞的细胞凋亡。材料和方法：使用 STRING 数据库识别要通过 CRISPR/Cas9 技术修饰的关键促凋亡基因。设计针对已识别基因 (BAX) 的单向导 RNA (sgRNA)，然后用载体转染 CHO 细胞。随后，研究了操纵细胞中 Bax 基因表达的变化以及随之而来的促红细胞生成素产生率，即使在存在凋亡诱导剂橄榄苦苷的情况下也是如此。结果：BAX 破坏显著延长了细胞存活率，并增加了操纵克隆的增殖率（152%，P 值 = 0.0002）。该策略将操纵细胞中的 Bax 蛋白表达水平降低了 4.3 倍以上（P 值 <0.0001）。与对照组相比，Bax-8 操纵细胞对压力和结果凋亡表现出更高的阈值耐受性。此外，在橄榄苦苷存在的情况下，它们与对照组相比表现出更高的 IC50（5095 µM.ml -1 Vs. 2505 µM.ml -1 ）。我们发现，与对照细胞系相比，即使存在 1,000 µM 橄榄苦苷，操纵细胞中的重组蛋白生产水平也显著增加（p 值 = 0.0002）。结论：CRISPR/Cas9 辅助 BAX 基因消融有望通过工程化抗凋亡基因来改善 CHO 细胞中的促红细胞生成素产生。因此，有人提出利用 CRISPR/Cas9 等基因组编辑工具来开发宿主细胞，从而实现安全、可行、稳健的制造操作，且产量满足工业要求。
利用磁场增加电解过程中的氢气产量
氢是一种重要的能源载体，提取能源时不会产生碳排放，还可用作能源储存，以提高许多可再生能源的实用性。氢气生产的主要方法利用化石燃料，从而产生碳排放。电解是一种较少使用的氢气生产技术，其中电将水分子分解为氧气和氢气。如果电力来自可再生能源，则该过程几乎不释放碳，产生的氢气被称为“绿色氢气”。虽然电解和化石燃料方法的氢气生产效率相当，但使用电力会导致电解成本明显增加。为了使电解可用于大规模氢气生产，必须减少能量损失以提高其效率。本研究调查了电解质浓度和磁场应用对碱性电解中氢气生产率的综合影响。先前的研究表明，存在最佳电解质浓度，可实现最高的氢气生产率，通常在室温下约为 30 wt%。其他研究表明，施加磁场会增加电解质溶液的电导率，从而增加氢气生产率。如果磁场定向产生向上的洛伦兹力，则产生的对流和洛伦兹力会促使气泡从电极中脱落，从而降低电阻并增加电极的活性面积。在本项目中，碱性电解在室温下使用 1.8 V 和 KOH 作为电解质进行。电解质溶液的流速固定在 50 cc/min，用水置换系统测量产生的氢气量。电解质浓度在 5 wt% - 30 wt% 之间变化。在每个选定的浓度水平下，进行一次无磁铁电解和一次 1T 磁场电解，1T 磁场由永磁体定向产生向上的洛伦兹力。结果表明，在每个浓度水平下，磁场都会增加氢气的产生率，在 10 wt% 时增幅最大。在没有磁场的情况下，最佳浓度约为 30 wt%，但在 1 T 磁场下，最佳浓度降低到 10 wt%。因此，施加磁场需要降低电解质浓度，除了提高氢气生产率之外，还可以节省成本。
一种机器学习方法来识别血液性恶性疾病患者组
背景和客观：在血液学恶性肿瘤（HM）的免疫功能低下患者中针对SARS-COV-2的疫苗接种对于降低Covid-19的严重程度至关重要。尽管进行了疫苗接种的努力，但超过三分之一的HM患者仍然没有反应，增加了严重突破感染的风险。本研究旨在利用机器学习对COVID-19动力学的适应性，有效地选择特定于患者的特征以增强预测并改善医疗保健策略。重点介绍了复杂的共同食物学联系，重点是可解释的机器学习，为临床医生和生物学家提供宝贵的见解。方法：该研究评估了一个患有1166例血液疾病患者的数据集。输出是完整的COVID-19疫苗接种后血清学反应的成就或未实现。采用了各种机器学习方法，其最佳模型基于指标，例如曲线（AUC）下的面积，灵敏度，特异性和MATTHEW相关系数（MCC）。单个形状值被视为，并将主成分分析（PCA）应用于这些值。然后在确定的簇中分析患者概况。结果：支持向量机（SVM）作为表现最佳的模型出现。PCA应用于SVM衍生的外形值，导致四个完全分开的簇。这些簇的特征是产生抗体的患者比例（PPGA）。群集2的PPGA最低（33.3％），但样本量较小，有限的结论性发现。群集1，PPGA第二高（69.91％）包括侵袭性疾病和导致免疫缺陷增加的因素的患者。群集3，代表大多数人群，与群集1相比，抗体产生率很高（84.39％）和更好的预后。群集4，PPGA为66.33％，包括B细胞非霍奇金患者在皮质类固醇治疗中的淋巴瘤。结论：该方法使用机器学习和可解释的AI（XAI）成功识别了四个独立的患者簇。然后，我们根据COVID-19疫苗接种后产生抗体的HM患者的百分比分析了每个簇。该研究表明该方法对其他疾病的潜在适用性强调了可解释的ML在医疗保健研究和决策中的重要性。