XiaoMi-AI文件搜索系统
World File Search System偶然性
线粒体基因组中的偶然性和选择......
摘要 人类细胞中高频率的线粒体 DNA (mtDNA) 突变会导致与衰老和疾病相关的细胞缺陷。然而，关于突变 mtDNA 的生成动态及其决定其在细胞和组织内命运的相对复制适应度，仍有许多问题有待了解。为了解决这个问题，我们利用长读单分子测序来追踪模型生物酿酒酵母中 mtDNA 的突变轨迹。该模型比哺乳动物系统有许多优势，因为它的 mtDNA 更大，并且易于在细胞中人工竞争突变型和野生型 mtDNA 拷贝。我们展示了一种以前看不见的模式，它限制了酵母中 mtDNA 碎片中后续的切除事件。我们还提供了稀有且有争议的非周期性 mtDNA 结构的产生证据，这些结构导致单个细胞内持续的多样性。最后，我们表明，线粒体 DNA 相对适应度的测量符合现象学模型，该模型强调了控制线粒体 DNA 适应度的重要生物物理参数。总之，我们的研究提供了有关基因组大型结构变化动态的技术和见解，我们表明这些技术和见解适用于人类等更复杂的生物体。
偶然性的故事：从硫素蛋白到gliflozins
自古以来就已经认识到抽象糖尿病。但是，只有在1800年代后期，我们才意识到血糖调节的主要器官是胰腺。20世纪目睹了胰岛素纯化，这彻底改变了糖尿病的治疗；随后是口服抗糖尿病药物的发展。钠 - 葡萄糖共转运蛋白2抑制剂或链霉菌素是最新类。独特的心脏和肾脏保护作用将它们与其他口服抗糖尿病药物分开。在这里，我们介绍了这些抑制剂发展的历史，这可以说是肾脏科中最热门和最愉快的话题。第一个偶然性是Koninck和Stas（著名的Pomology专家Van Mons教授的助手）；这些研究人员在苹果树的树皮上隔离了一种称为菲洛津（菲洛津）的结晶糖苷，同时在老板的托儿所工作。他们的发现于1835年以德语出版。半个世纪后的第二个偶然性来自冯·梅林（Von Mering）教授，后者决定对狗进行phlorizin。Oskar Minkowski最初观察到的多尿症比葡萄糖尿。深刻地，冯·梅林（Von Mering）假定腓洛依蛋白会影响肾脏。在1887年，他们报告说，硫氟素诱导糖尿病患者的葡萄糖尿。第三个偶然性是硫氟素会导致几种胃肠道副作用，并且口服生物利用度较差。第一种基于磷酸素的药物进入试验是T-1095。2015年EMPA-REG结果试验报告了极其第一个临床上可获得的Gliflozin是Dapagliflozin，分别于2012年和2014年在欧洲和美国获得批准。
偶然性和固有的非线性思维可以帮助解决气候和环境难题
人类目前面临着一项关键挑战，该挑战决定了它的存在，不仅是在个人，种族或民族层面上，而且在整个物种上：反对气候变化和环境退化的斗争。要赢得这场战斗，人类需要创新和非线性思维。自然长期以来一直是拯救人类生命的不可想象的发现的大量信息来源。本文表明，通过了解偶然性的性质，出现和机制，人类的生存技巧，人类可以利用它来从自然中学习并产生基于自然的创新，以解决气候和环境退化危机。在人工智能时代（AI）扩散时代，AI将是一个至关重要的工具，提供导航和有用的信息，以利用气候和可持续性科学中偶然性的力量。然而，一种融合了与自然有关的核心价值观并将环境可持续性融合在一起的环保文化，因为需要建立时代的良心来指导和控制AI-Leveraveraver的偶然性的巨大力量。本文应用的见解是从“新的偶然性理论：自然，出现和机制”的书中得出的。
重新审视战略灵活性：其前因、后果和偶然性的元分析
战略灵活性 (SF) 是一个从战略发展而来的概念，它涉及管理、营销、创新、创业和运营等其他学科。然而，尽管人们试图巩固 SF 的领域，但在其前因、后果和偶然性背后仍然存在着理论和实证上的矛盾。基于 98 项不同研究（n = 26,940 家公司）中报告的 106 个独立样本，我们对这些矛盾进行了元分析。我们强调并解决了关于 SF 的推动因素、抑制因素和触发因素的几个分歧，并揭示了调整后的平均绩效效应为 0.24。我们进一步发现，SF 的测量以及环境的一些（但不是全部）维度会缓和绩效效应。最后，探索性分析表明，除了直接产生负面影响外，创新成果和市场成果还介导了 SF 和财务成果之间的正相关关系。这些见解为 SF 的规律网络提供了全面而连贯的理解，并为进一步理论化和开展实证研究提供了更强大的基础。此外，我们的研究结果有助于企业通过实施推动 SF 的正确推动因素来完善其战略，并了解其对 SF 的投资如何以及何时获得回报。
偶然性在发现精神药物的临床作用中的作用：超出神话
偶然性是通过意外和智慧结合发现的教师。在心理药理学中，偶然性在发现许多精神药物中起着关键作用，尽管这在这方面存在明显的争议，这可能是由于语义差异与该术语的含义有关。，无论导致意外观察的系统过程如何，我们都基于发现意外或没有故意寻求的事物或没有故意寻求的某些事物的操作定义。本文根据不同的偶然干预模式分析了心理药理学领域中发现的一些代表性实例。遵循这种方法将有四种不同的含义模式：纯串行发现（丙戊酸/丙戊酸）；偶然的观察结果导致非遗传性发现（ipramine）；非副义发现与偶然性观察（巴比妥酸盐）有关；非静态发现（氟哌啶醇）。我们可以得出结论，该领域的纯串行发现不是很频繁，最常见的是混合模式。最初的偶然观察结果导致临床实用程序的无孔层发现。丙咪嗪，锂盐，氯丙嗪或美酸酯是这种情况。
惊喜的火花：多样性，新颖性和偶然性的层次决策变压器的多目标建议
摘要：对晶体材料的化学空间，尤其是金属 - 有机框架（MOF）的实验探索，需要对大量反应的多组分控制，这是不可避免地会在手动执行时耗时和劳动力。为了在保持高可重复性的同时加速物料发现速率，我们开发了一种与机器人合成平台集成的机器学习算法，用于闭环探索多氧盐损坏金属金属 - 有机框架（POMOFS）的化学空间。通过使用从不确定性反馈实验获得的更新数据和基于其化学构成的POMOF分类的多类分类扩展，通过使用更新数据来优化极端梯度提升（XGBoost）模型。POMOF的机器人合成的数字签名由通用化学描述语言（χDL）表示，以精确记录合成步骤并增强可重复性。九种新颖的Pomofs，其中包括具有良好的可重复性的POM胺衍生物与各种醛的硫胺衍生物的胰岛化反应，这些pomofs具有源自单个配体的混合配体。此外，根据XGBoost模型绘制了化学空间图，其F1得分高于0.8。此外，合成的Pomofs的电化学性质表明，与分子POMS相比，较高的电子转移和Zn比率的直接效应，所使用的配体的类型以及POMOFS中的拓扑结构用于调节电子传递能力。■简介
相关的大脑反应，但产生价值分离
摘要 最近的数据显示，在基于价值的学习过程中，涉及高阶知识和联想学习的系统之间的相互作用会驱动反应。然而，尚不清楚这些系统如何影响主观反应，例如疼痛。我们测试了指令和逆向学习如何影响疼痛和疼痛引起的大脑激活。健康志愿者（n=40）要么被指导线索和厌恶结果之间的偶然性，要么通过经验在偶然性逆转三次的范式中学习。我们使用功能性磁共振成像测量了预测线索对疼痛和热诱发大脑反应的影响。无论参与者是否收到了偶然性指令，预测线索都会随着偶然性的变化而动态调节疼痛感知。随着偶然性的变化，岛叶、前扣带回和其他区域的热诱发反应会更新，前额叶皮质的反应会介导对疼痛的动态线索效应，而脑干的延髓前腹侧 (RVM) 中的反应则在整个任务过程中受到初始偶然性的塑造。定量建模表明，在指导组中，预期值完全由指令形成，而在未指导组中，预期值则根据基于错误的学习而动态更新。这些差异伴随着前扣带回、丘脑和后岛叶等区域中基于价值的学习的神经关联分离。这些结果显示了预测如何动态影响主观疼痛。此外，成像数据描绘了三种类型的网络，这些网络涉及疼痛的产生和基于价值的学习：对初始偶然事件作出反应的网络、在反馈驱动的学习过程中随着偶然事件的变化而动态更新的网络以及对指令敏感的网络。总之，这些发现为影响疼痛的疗法设计提供了多个切入点。
使用主动推理的赋值学习模型
1简介代理是控制其在环境中的行动和事件的行动。代理是指控制自己的行为，并利用这种感觉控制自己或环境中的事件[1]，[2]。构成学习是跟踪和形成与一个人的代理程度的相关信念[3]的过程。对控制代理（自我和他人）在其环境中的持续注册（自我和他人）促进了个人和团体级别目标指导的行为[4]。而不是二进制概念，代理程度是指代理必须生成或防止事件发生的控制数量。纯粹基于客观经验时，可以将代理商正式作为统计关系或偶然性在代理人产生的动作及其后果/结果（离散变量）之间形式化，每个人都具有存在或不存在的二分法状态。偶然性和相关性在从-1到+1的范围内变化不等：积极的偶然性是在一个动作预测结果时（例如，按下按钮并打开灯），负面的偶然性是指在没有结果的情况下表明没有结果的情况（例如，按按钮关闭或不在范围的情况下），或者不在偏离时，或者不存在偏置的情况。按钮的按下对灯没有影响）。一项广泛用于评估行动结果应急学习的实验任务涉及参与者可以自由执行的动作（所谓的
生成人工智能的社会影响
围绕生成式人工智能 (GAI) 的社会影响的讨论，例如 ChatGPT 等技术，经常在两个极端之间摇摆不定：空前生产力的乌托邦愿景和人类灭亡的反乌托邦恐惧。这种两极分化的观点忽视了 GAI 微妙而务实的表现。一般来说，极端观点过于简化了技术本身或其解决社会问题的潜力。作者建议进行更平衡的分析，承认随着各种实现与人类利益相关者和环境因素的互动，GAI 的影响将随着时间的推移而动态展开。虽然大型科技公司主导着 GAI 的供应，但其需求预计将通过实验和用例不断发展。作者认为，GAI 的社会影响取决于可识别的偶然性，强调了三大因素：自动化和增强之间的平衡、物理和数字现实的一致性以及人类有限理性的保留。这些偶然性代表了 GAI 实例化过程中产生的权衡，这些权衡受到技术进步、利益相关者动态和背景因素（包括社会反应和法规）的影响。由于技术轨迹中不可预见的不连续性，预测长期社会影响仍然具有挑战性。作者预计 GAI 计划、技术进步、学习经验和社会反应之间将持续相互作用，其结果取决于上述偶然性。