XiaoMi-AI文件搜索系统
World File Search System利用生物
利用生物信号进行焦虑检测的机器学习
摘要：焦虑症 (AD) 是一种主要的精神疾病。然而，由于 AD 的症状和混杂因素很多，很难诊断，患者长期得不到治疗。因此，研究人员对非侵入性生物信号的兴趣日益浓厚，例如脑电图 (EEG)、心电图 (ECG)、皮肤电反应 (EDA) 和呼吸 (RSP)。将机器学习应用于这些信号使临床医生能够识别焦虑模式并区分病人和健康人。此外，已经开发了具有多种不同生物信号的模型，以提高准确性和便利性。本文回顾并总结了 2012 年至 2022 年发表的将不同的机器学习算法应用于各种生物信号的研究。在此过程中，它提供了当前发展优缺点的观点，以指导未来焦虑检测的进步。具体而言，这篇文献综述表明，对于样本量为 10 至 102 名参与者的研究，测量准确度在 55% 至 98% 之间，非常有希望。平均而言，仅使用 EEG 的研究似乎获得了最佳性能，但使用 EDA、RSP 和心率可获得最准确的结果。随机森林和支持向量机被发现是广泛使用的机器学习方法，只要进行了特征选择，它们就会产生良好的结果。神经网络也被广泛使用，并提供良好的准确性，其优点是不需要进行特征选择。这篇综述还评论了模态的有效组合以及检测焦虑的不同模型的成功。
jab-26766：小分子，口服生物利用PARP7抑制剂
SW403 CRC ＞ 10000 9435 -8.09 SW620 CRC ＞ 2000 ＞ 2000 2.07 LS174T CRC 2594 285 9.73 LS513 CRC 5560 102 13.7 CAL27 H&N 2026 >10000 8.30 FaDu H&N ＞ 2000 ＞ 2000 26.9 SCC-25 H&N 4761 358 16.3 EBC-1 NSCLC 5281 849 11.4 NCI-H1975 NSCLC> 40000 25 12.0 NCI-H441 NSCLC 6814 17.3 14.6 T3M4 PDAC 4696 552 9.85 YAPC PDAC PDAC PDAC PDAC PDAC PDAC 8895510000 12.3
利用药物生物活性预测临床试验结果 - ...
摘要 能够估计药物在临床试验中获得批准的概率为优化药物研究工作流程提供了天然优势。临床试验的成功率对成本、开发时间以及严格的监管审批流程的压力有着深远的影响。我们提出了一种机器学习方法，该方法可以使用生物活性、化合物的物理化学性质、靶标相关特征和基于 NLP 的化合物表示以可靠的准确度预测试验结果。生物活性从未被用作预测特征。我们从临床试验中提取了药物-疾病对，并使用多个数据源将靶标映射到该对。实证结果表明，集成学习优于独立训练的小数据 ML 模型。我们报告了从随机森林分类器得出的结果和推论，该分类器的平均准确率为 93%，并且“通过”类的 F1 得分为 0.96。“通过”是指所有临床试验的两个类别（通过/失败）之一，该模型在预测“通过”类别方面表现良好。特征分析表明，生物活性在预测临床试验结果方面发挥着重要作用。我们付出了巨大努力来制作数据集，这是首次将临床试验信息与蛋白质靶标整合在一起。本研究提供了映射这些实体的所有代码，所有数据均来自公开来源。虽然我们的模型在包含生物活性时识别出低位推论，但整合生物活性和靶标信息的代码使研究人员能够访问深度策划和专有的临床试验数据库，从而获得更深入的见解、更好的统计意义以及更好地预测试验失败的能力。
利用辣木油生产生物柴油
摘要：当前，全球石油储量的枯竭是能源面临的一大挑战，这导致传统柴油产量逐渐下降。人们提出了几种替代燃料和可再生能源，其中生物柴油是一种很有前途的选择。生物柴油越来越受到关注，因为它具有可再生、可生物降解、无毒的特点，而且与传统柴油相比，它的一氧化碳颗粒物和碳氢化合物排放量较低。近年来，一些科学著作记录了辣木作为生物柴油生产原料的利用。辣木是一种多用途树种，是全球热带和亚热带地区种植最广泛的作物之一。本综述使用的数据库包括 Google Scholar、Scopus、WorldCat.org、Microsoft Academic 和 Science Direct。共检索到 216 篇文章，经过定性分析后，最终保留了 18 项研究。分析结果表明，辣木籽油具有用作生物柴油的良好特性。辣木油的脂肪酸组成使其既适合食用也适合非食用。此外，与其他油酸含量约为 40% 的作物相比，辣木油中的油酸百分比 (70%) 相当高。辣木籽油具有高氧化稳定性，其热稳定性超过其他油料作物，如葵花籽油、大豆油等。用辣木籽油生产的生物柴油比大多数生物柴油具有更高的氧化能力、高浊点和更高的十六烷值（约 67）。辣木生物柴油可以长期储存，运输安全。
在生物多样性监控中利用在线数字数据
1赫尔辛基跨学科保护科学实验室（HELICS），地球科学与地理系，赫尔辛基大学，赫尔辛基大学，芬兰赫尔辛基2号，赫尔辛基可持续发展科学研究所2县，洛杉矶，加利福尼亚，美国，美国5国际自然保护联盟（IUCN），瑞士腺体，瑞士6号，世界农业库中心6号（ICRAF），菲律宾大学洛斯巴斯大学，拉古纳大学，菲律宾，菲律宾，菲律宾7号，海洋和南方杂志，菲律宾7学院王国，剑桥大学，剑桥大学，王国，英国剑桥大学，巴黎 - 萨克莱10号，CNRS，CNRS，Agroparistech，Ecologie syste syste´matique Evolution –Ideev，Gif-Sur-yvette，法国，法国11号，11个生物学中心，科学家学会，水平科学学院12 Instituto deciênciasbiolo´gicas e da sau de da sau´de，联邦联邦大学，梅西奥，巴西，巴西，13，Cibio，Centro de Resjuctiveacticaude e emodivesidade e Rocursos e Rocursos e Rocursos e gene´ticos，Inbio Laborato laborato Associa'rio AssociaDe Vair de Vair do porto do porto do o. Biologia，Faculdade deciências，do Porto大学，波尔图大学，葡萄牙，15 Biopolis基因组学计划，生物多样性和土地规划，CIBIO，CIBIO，CAMPUS deVairâO，VairâO，VairâO，VairâO，Vartugal，葡萄牙，16号生命科学学院，16岁
220 T 胸腺嘧啶胸腺嘧啶的缩写。 T cell T细胞在成熟过程中 ...
thermophile 嗜热生物 适应高温如温泉、海底排热口及室内热 水管的生物体。能在高达 50 ℃的温度下 生长的一大类细菌、真菌和简单动植物 体；嗜热生物可在高于 50 ℃的环境下生 长繁殖。根据最适生长温度可将嗜热生 物划分为简单嗜热生物( 50-65 ℃)，嗜热 生物( 65-85 ℃)，极嗜热生物( >85 ℃)。 见： 中温生物 ( mesophile )， 嗜冷生物 ( psychrophile )。
专题前言：脑科学的物理电子学...
DOI: 10.7498/aps.71.140101 类脑计算技术作为一种脑启发的新型计算技术 , 具有存算一体、事件驱动、模拟并行等特征 , 为 智能化时代开发高效的计算硬件提供了技术参考 , 有望解决当前人工智能硬件在能耗和算力方面的 “ 不可持续发展 ” 问题 . 硬件模拟神经元和突触功能是发展类脑计算技术的核心 , 而支持这一切实现 的基础是器件以及器件中的物理电子学 . 根据类脑单元实现的物理基础 , 当前类脑芯片主要可以分 为数字 CMOS 型、数模混合 CMOS 型以及新原理器件型三大类 . IBM 的 TrueNorth 、 Intel 的 Loihi 、清华大学的 Tianjic 以及浙江大学的 Darwin 等都是数字 CMOS 型类脑芯片的典型代表 , 旨 在以逻辑门电路仿真实现生物单元的行为 . 数模混合型的基本思想是利用亚阈值模拟电路模拟生物 神经单元的特性 , 最早由 Carver Mead 提出 , 其成功案例有苏黎世的 ROLLs 、斯坦福的 Neurogrid 等 . 以上两种类型的类脑芯片虽然实现方式上有所不同 , 但共同之处在于都是利用了硅基晶体管的 物理特性 . 此外 , 以忆阻器为代表的新原理器件为构建非硅基类脑芯片提供了新的物理基础 . 它们 在工作过程中引入了离子动力学特性 , 从结构和工作机制上与生物单元都具有很高的相似性 , 近年 来受到国内外产业界和学术界的广泛关注 . 鉴于硅基工艺比较成熟 , 当前硅基物理特性是类脑芯片 实现的主要基础 . 忆阻器等新原理器件的类脑计算技术尚处于前沿探索和开拓阶段 , 还需要更成熟 的制备技术、更完善的系统框架和电路设计以及更高效的算法等 .