XiaoMi-AI文件搜索系统
World File Search System分析的
单个细胞中的关节谱系，转录组和表观基因组分析的高克隆条形码多样性的小鼠模型
细胞谱系历史及其分子状态编码组织发育和稳态的基本原理。当前的谱系录制小鼠模型的条形码多样性有限，单细胞谱系覆盖范围较差，从而排除了它们在由数百万个细胞组成的组织中的使用。在这里，我们开发了Darlin，这是一种改进的CAS9条形码小鼠系，它利用末端脱氧核苷酸转移酶（TDT）来增强30个CRISPR目标位点的插入事件，稳定地整合到3个不同的基因组基因座中。darlin是可诱导的，估计有〜10 18个层次条形码，并可以检测约60％的剖面单细胞中可用的条形码。使用Darlin，我们检查了发育中的造血干细胞（HSC）中的命运启动，并揭示了HSC迁移的独特特征。此外，我们为单个细胞中的共同介绍了一种方法来共同介绍DNA甲基化，染色质可及性，基因表达和谱系信息。darlin将在各种组织和生理环境中对谱系关系及其分子特征进行广泛的高分辨率研究。
dinasty - 使用联合分析的多中心回顾性研究
Å。信息1，P。Bhatnagar2，L.E.L。Hendrix 3，F.R。Ogliari 4，F。Acker 5，E。Bolton 6，O。Bouissou 7，J。Ogliari 4，F。Acker 5，E。Bolton 6，O。Bouissou 7，J。Brash 8，A.-L。 Bynens 9，S。Cheeseman 10，H。Fenton 11，P。Galgane Banduge 12，A。Lobo Gomes 13，R。McDonald 14，P。Mahon 15，E.Ross 7，L。Sanchez Gomez 16，S。Theophanous 17，I。Zhovannik 16，Å。 Helland 1,18 1肿瘤学，奥斯陆大学医院，奥斯陆，挪威，2非手术肿瘤学，利兹教学医院信托基金意大利米兰，意大利米兰，血液学和肿瘤学第5次，歌德大学法兰克福大学，德国法兰克福大学医院，德国法兰克福大学医院，6个研究与创新中心，利兹教学医院NHS NHS NHS，NHS，英国利兹，英国，英国，技术和E-Health Forkest of Technology and E-Health Hospital，Oslo University Hospital，Oslo Universition，Oslo，Norway，8 Omop＆PPGIA＆PPGIA derutions，selitial clential＆PPGIA，I.科学，马斯特里赫特大学医学中心，马斯特里奇特，荷兰，10个医学肿瘤学，利兹教学医院信托基金会，利兹，英国，英国，11肿瘤学证据网络，IQVIA LTD，IQVIA LTD，IQVIA LTD，IQVIA LTD，英国，12号辐射肿瘤学系（Maastro），Maastricht University Centers Medical Cente荷兰马斯特里奇特，荷兰马斯特里奇特，14个现实世界解决方案，伦敦，英国，英国15号，伊克维亚有限公司，15 digicore，布鲁塞尔，比利时，16联邦学习，医疗数据工作，荷兰马斯特里奇，荷兰，17，研究与创新界，纽约市纽约市的纽约市，纽约市教育界，医疗数据工作。医学，奥斯陆，挪威Brash 8，A.-L。 Bynens 9，S。Cheeseman 10，H。Fenton 11，P。Galgane Banduge 12，A。Lobo Gomes 13，R。McDonald 14，P。Mahon 15，E.Ross 7，L。Sanchez Gomez 16，S。Theophanous 17，I。Zhovannik 16，Å。 Helland 1,18 1肿瘤学，奥斯陆大学医院，奥斯陆，挪威，2非手术肿瘤学，利兹教学医院信托基金意大利米兰，意大利米兰，血液学和肿瘤学第5次，歌德大学法兰克福大学，德国法兰克福大学医院，德国法兰克福大学医院，6个研究与创新中心，利兹教学医院NHS NHS NHS，NHS，英国利兹，英国，英国，技术和E-Health Forkest of Technology and E-Health Hospital，Oslo University Hospital，Oslo Universition，Oslo，Norway，8 Omop＆PPGIA＆PPGIA derutions，selitial clential＆PPGIA，I.科学，马斯特里赫特大学医学中心，马斯特里奇特，荷兰，10个医学肿瘤学，利兹教学医院信托基金会，利兹，英国，英国，11肿瘤学证据网络，IQVIA LTD，IQVIA LTD，IQVIA LTD，IQVIA LTD，英国，12号辐射肿瘤学系（Maastro），Maastricht University Centers Medical Cente荷兰马斯特里奇特，荷兰马斯特里奇特，14个现实世界解决方案，伦敦，英国，英国15号，伊克维亚有限公司，15 digicore，布鲁塞尔，比利时，16联邦学习，医疗数据工作，荷兰马斯特里奇，荷兰，17，研究与创新界，纽约市纽约市的纽约市，纽约市教育界，医疗数据工作。医学，奥斯陆，挪威
用于高效近传感器数据分析的低功耗跨精度浮点集群
摘要 — 低功耗（1-20 mW）近传感器计算的最新应用需要采用浮点算法来协调高精度结果和宽动态范围。在本文中，我们提出了一种低功耗多核计算集群，该集群利用跨精度计算的细粒度可调原理，以最低的功率预算为近传感器应用提供支持。我们的解决方案基于开源 RISC-V 架构，将并行化和子字矢量化与专用互连设计相结合，能够在内核之间共享浮点单元 (FPU)。在此架构的基础上，我们提供了全面的软件堆栈支持，包括并行低级运行时、编译工具链和高级编程模型，旨在支持端到端应用程序的开发。我们对周期精确的 FPGA 仿真器上的跨精度集群的设计空间进行了详尽的探索，并改变了内核和 FPU 的数量以最大限度地提高性能。正交地，我们进行了垂直探索，以确定在非功能性要求（工作频率、功率和面积）方面最有效的解决方案。我们对一组代表近传感器处理域的基准进行了实验评估，并通过对功耗进行布局布线后分析来补充时序结果。与最先进的技术相比，我们的解决方案在能源效率方面优于竞争对手，在单精度标量上达到 97 Gflop/s/W 的峰值，在半精度矢量上达到 162 Gflop/s/W。最后，一个实际用例证明了我们的方法在满足精度约束方面的有效性。
心脏的改变：高流动式瘘管对心血管结局的影响 - 无荟萃分析的系统评价和合成（游泳）
。cc-by-nc-nd 4.0国际许可证可永久提供。是作者/资助者，他已授予Medrxiv的许可证，以显示预印本（未通过PEER REVIVE的认证）Preprint preprint the本版本的版权所有者于2025年2月28日发布。 https://doi.org/10.1101/2025.02.26.25322822 doi：medrxiv Preprint
双极和抑郁症中的不同白质纤维密度模式：基于FIXEL的分析的见解
双极（BD）和抑郁症（DD）疾病是严重的精神疾病，会影响社会心理功能，降低生活质量并增加全球数百万全球过早死亡的风险（Ferrari，2022; Greenberg等，2021;Gutiiérrez-Rojas et al。，2020; 2020; 2020; McIntyer et al。，2020）。dd的特征是抑郁症发作（Greenberg等，2021），而BD的特征是抑郁症和躁狂/躁狂发作（McIntyre等，2020）。尽管有明显的临床表现，但在临床实践中准确区分两种疾病仍然具有挑战性，导致至少60％的病例中对躁郁症的初步错误分类，并且平均治疗延迟至少为5年（Dagani等，2017; Drancourt等，2013; Hirschfeld et al。; Hirschfeld et; hirschfeld et al。鉴于诊断不确定性对长期结果的实质影响，对BD和DD之间的神经生物学差异有更深入的了解（Han等，2019； Phillips和Swartz，2014）。
用于建筑遗产分析的机器学习和深度学习：激光扫描和基于无人机的测量应用程序对复杂的空间网格结构
摘要：从基于现实的数据开始的3D几何形状的重建是具有挑战性的，并且由于对现有结构进行建模和建筑遗产的复杂性的困难，因此具有挑战性且耗时。本文介绍了一种方法论方法，用于对测量产出的自动分割和分类，以改善从激光扫描和摄影数据的解释和构建信息建模。的研究重点是测量19-20-21世纪后期的网状，空间网格结构，这是我们的建筑遗产的一部分，这可能需要监视维护活动，并依赖于人工智能（机器学习和深度学习），用于以下方面： 加工。专注于博洛尼亚（Bologna）的钢中的网格结构的案例研究，这项工作就数据准确性，几何和空间复杂性，语义分类和组件识别提出了许多关键问题。
基于实时视觉分析的低延迟人机听觉接口
本文提出了一种视觉听觉替代方法，以帮助视障人士理解场景。我们的方法侧重于在用户附近进行人员定位，以方便在城市中行走。由于在这种情况下出于用户安全的考虑，需要实时和低延迟，因此我们提出了一种嵌入式系统。该处理基于轻量级卷积神经网络，以执行有效的 2D 人员定位。该测量结果通过相应的人员深度信息得到增强，然后通过头部相关传递函数转录为立体声信号。本文提出了一种基于 GPU 的实现，可以在 640x480 视频流上以 23 帧/秒的速度实现实时处理。我们通过实验表明，该方法可以实现实时准确的基于音频的定位。
IR融合：静态红外滴分析的融合框架结合数值解决方案和机器学习
摘要 - 片上功率电网（PG）的摘要分析至关重要，但由于综合电路（IC）量表的迅速增长，在计算上具有挑战性。当前EDA软件采用的传统数值方法是准确但非常耗时的。为了实现IR滴的快速分析，已经引入了各种机器学习（ML）方法来解决数值方法的效率低下。但是，可解释性或可伸缩性问题一直在限制实际应用。在这项工作中，我们提出了IR融合，该IR融合旨在将数值方法与ML相结合，以实现静态IR滴分析中准确性和效率之间的权衡和互补性。具体而言，数值方法用于获得粗糙的解决方案，并利用ML模型进一步提高准确性。在我们的框架中，应用有效的数值求解器AMG-PCG用于获得粗糙的数值解决方案。然后，基于数值解决方案，采用了代表PG的多层结构的层次数值结构信息的融合，并设计了Inpection unet u-net模型，旨在捕获不同尺度上特征的详细信息和相互作用。为了应对PG设计的局限性和多样性，将增强的课程学习策略应用于培训阶段。对IR融合的评估表明，其准确性明显优于以前的基于ML的方法，同时需要在求解器上迭代较少的迭代才能达到相同的准确性，与数值方法相比。
糖化血红蛋白（HBA1C），甘油三酸酯和高血压对糖尿病性视网膜病的贡献：元分析的见解
这项荟萃分析旨在综合有关关键危险因素与糖尿病性视网膜病变（DR）发展的证据，这是糖尿病的主要并发症。我们系统地审查并分析了来自2023年4月的11项研究的数据，重点是血糖控制不良，甘油三酸酯水平，超过10年的糖尿病持续时间以及高血压对DR风险的影响。优势比（ORS），以说明研究之间的异质性。升高的空腹血糖和糖化的血红蛋白水平与DR的风险增加显着相关（OR：2.41，95％CI：1.63-3.57），强调了血糖控制的重要性。甘油三酸酯水平和糖尿病的持续时间在10年内也显示出与DR风险的正相关，尽管效应量较弱。高血压被确定为潜在的危险因素，尽管在所有研究中，这种关联在统计上并不显着。在整个分析中观察到中度到高的异质性，强调了DR的多因素性质。这项荟萃分析证实了血糖控制在防止DR和识别其他重要危险因素（包括甘油三酸酯水平和延长糖尿病持续时间）的关键作用。这些发现强调了需要综合糖尿病管理策略来减轻DR的风险。未来的研究应探讨这些关联的基础机制并制定有针对性的干预措施。
将单步基因组关联研究与多组织转录组分析的整合在一起，为羊毛和体重特征的遗传基础提供了新的见解
抽象背景：羊毛和生长特征的遗传改善是绵羊行业的主要目标，但其潜在的遗传建筑仍然难以捉摸。To improve our understanding of these mechanisms, we conducted a weighted single-step genome-wide association study (WssGWAS) and then integrated the results with large-scale transcriptome data for five wool traits and one growth trait in Merino sheep: mean fibre diameter (MFD), coefficient of variation of the fibre diameter (CVFD), crimp number (CN), mean staple length (MSL),油腻的羊毛重量（GFW）和活体重（LW）。结果：我们的数据集包括7135个具有表型数据的人，其中1217个具有高密度（HD）基因型数据（n = 372,534）。这些动物的707种基因型是从Illumina Ovine单核苷酸多态性（SNP）54 Beadchip归为HD阵列的。这些特征的遗传力范围从0.05（CVFD）到0.36（MFD），并且特征遗传相关性之间的遗传性范围为-0.44（CNvs。lw）至0.77（GFW与LW）。通过从500个样品中使用RNA-seq数据进行整体化（代表16只动物的87种组织类型），我们检测到与六个特征相关的组织，例如肝，肌肉和胃肠道（GI）是LW的最相关组织，白细胞和巨噬细胞是CN的最相关细胞。对于六个性状，鉴定出54个定量性状基因座（QTL），涵盖了21个卵巢常染色体上的81个候选基因。多个候选基因显示出强大的组织特异性表达，例如通过进行全现象关联研究（PHEWAS）bnc1（与MFD）和CHRNB1（LW）分别在皮肤和肌肉中特别表达。