XiaoMi-AI文件搜索系统
World File Search System加权和
DNA-甲基团的个体纵向变化鉴定了早期逆境的特征，并与后期结局相关
地热探索中的Play Fairway分析（PFA）源自石油行业中开发的系统方法，并基于确定地热系统的地质，地球物理和水文框架。我们量身定制了这种方法，以研究蛇河平原和周边地区的地热资源潜力，但可以适应其他地热资源环境。我们通过对控制可利用的水力热系统的关键要素进行分类，从而调整了PFA方法来探索地热资源探索，从而建立了风险矩阵，这些风险矩阵可以根据成功的可能性和知识水平来评估这些要素，并构建基于代码的“处理模型”以进行处理结果。地理信息系统用于编译一系列不同的数据类型，我们称为元素（例如，故障，通风口，热流等。），具有不同的特征和信心度量。脱离分散数据（点，线或多边形）的脱节，将每个元素的点，点，线或多边形转换为称为证据层的连续解释性2D网格表面。由于不同的数据类型具有不同的不确定性，因此大多数证据层都具有伴随的置信层，反映了这些不确定性的空间变化。此处定义的风险层是证据和置信层的产物，是用于构建常见风险段（CRS）地图的构件，用于加热，渗透率和密封，使用加权和渗透性和热量，但使用密封的方法不同。crs地图量化了与这些关键组件相关的可变风险。在最后一步中，三个CRS地图使用修改的加权总和合并为一个复合的共同风险段（CCR）地图，以揭示了对地热探索的有利区域的结果。还提供了其他地图，这些地图不会混合证据和信心（允许孤立的证据和置信度观点），以及使用组件的乘积而不是加权总和来计算优惠性的地图（以突出显示所有组件的位置）。我们的方法有助于确定第一阶段研究中西部和中央蛇河平原上高地热的领域，并在第二阶段的工作中有助于确定更精确的本地钻探目标。通过识别有利的领域，该方法可以帮助减少地热能探索和开发的不确定性。
映射轴突直径和大鼠大脑中的传导速度 - 不同的方法讲述了结构功能关系的不同故事
显着性陈述我们在同一动物队列中获得了功能和结构指标，即传导速度，途径长度，轴突直径和G-RATIO。在大鼠运动皮质中对侧光遗传学刺激后，通过电生理测量获得了触及传导时间。组织的冷冻固定揭示了直径分布中不同亚种群的不同收缩。测得的潜伏期对应于小轴突亚群，直径延伸至用电子显微镜获得的分布模式。扩散-MRI在校正直径加权和收缩后，主要对用组织学获得的较大轴突敏感。不同的模态可能对轴突投影的结构 - 功能关系具有非常不同的敏感性，轴突投影必须在解释中解释。摘要神经纤维的结构功能关系描述了轴突直径，髓磷脂厚度（即G-Ratio）和传导速度之间的经验确定的线性关系。我们研究了通过啮齿动物大脑的call体突出的轴突中不同方式的结构 - 功能关系。我们使用光遗传学诱发的局部场电位（LFP）和基于扩散磁共振成像（DMRI）的拖拉术测量Callosal长度后测量了转基因传导时间。拖拉术遵循与call体中荧光标记的轴突相同的投影。在同一动物中，使用透射电子显微镜（TEM）和DMRI定量轴突直径。TEM的轴突分布表明双峰群体，其中较大的轴突比较小的轴突比较小的轴突与冷冻-TEM进行比较。将收缩校正施加到脱水组织TEM的轴突直径上时，它们与同一动物中获得的DMRI的估计更好地对齐。测量的LFP预测了与轴突分布的主要模式相一致的轴突直径，而由DMRI估计的大轴突预测潜伏期太短，无法通过LFPS测量。不同的方式显示出不同程度的变化，在动物之间较低，表明这种变异在方法论上是主导的 - 不是解剖学上。我们的结果表明，模式与整个轴突直径分布具有不同的灵敏度曲线。因此，在解释方法的度量预测时必须谨慎，因为它可能不代表完整的轴突投影的结构 - 功能关系的子部分。
用于多发性硬化症患者脑部疾病活动的计算机辅助评估的临床兼容工作流程
在过去的 10 年中，已批准用于治疗多发性硬化症 (MS) 局部炎症过程的疾病调节药物的数量从 3 种增加到 10 种。这种广泛的选择为个性化医疗提供了机会，目标是使每个患者都无需进行临床和放射学活动。这种新模式需要优化纵向 MRI 上新 FLAIR 病变的检测。在本文中，我们描述了一个完整的工作流程 - 我们开发、实施、部署和评估的流程 - 以便于在 MS 患者的纵向 MRI 上监测新 FLAIR 病变。该工作流程旨在供法国的医院和私人神经科医生和放射科医生使用。它由三个主要组件组成：(i) 一个软件组件，允许自动且安全地匿名化并将 MRI 数据从临床图片档案和通信系统 (PACS) 传输到处理服务器（反之亦然）； (ii) 一个全自动分割核心，可以从 T1 加权、T2 加权和 FLAIR 脑部 MRI 扫描中检测出患者的局部纵向变化，以及 (iii) 一个专用的网络查看器，为放射科医生和神经科医生提供新病变的直观可视化。我们首先介绍这些不同的组件。然后，我们在 54 对纵向 MRI 扫描上评估了该工作流程，这些扫描由 3 位专家（1 位神经放射科医生、1 位放射科医生和 1 位神经科医生）在使用和不使用所提出的工作流程的情况下进行分析。我们表明，我们的工作流程为临床医生在检测新的 MS 病变方面提供了宝贵的帮助，无论是在准确性方面（不使用工作流程时每位患者和每位专家检测到的病变平均数量为 1.8，使用工作流程时为 2.3，p = 5.10 − 4 ），还是在专家投入的时间方面（平均时间差 2 ′ 45 ′′，p = 10 − 4 ）。检测到的病变数量的增加对 MS 患者被归类为稳定或活跃有影响，即使是最有经验的神经放射科医生也是如此（不使用工作流程时平均敏感度为 0.74，使用工作流程时平均敏感度为 0.90，无差异 p 值 = 0.003）。因此，这对 MS 患者的治疗管理有潜在影响。
脑机神经反馈：机器人技术还是电刺激？
当前，人们正在研究将脑机接口 (BMI) 等神经技术用作神经康复训练设备，用于不再可能进行主动运动的情况。例如，当手部因中风而瘫痪时，机器人矫形器、功能性电刺激 (FES) 或二者的组合可提供运动辅助；即根据运动意图或想象提供相应的感觉和本体感受神经反馈，从而闭合感觉运动回路。控制这些设备可能具有挑战性，甚至令人沮丧。然而，目前尚未直接比较这两种反馈模式（机器人技术与 FES）对用户的工作负荷。20 名健康受试者通过手指伸展的动觉运动意象控制 BMI。在随机交叉组块设计中，通过机器人矫形器或 FES 将 EEG β 频带（17-21 Hz）中与运动意象相关的感觉运动失同步转变为对侧手的被动张开。通过将这些工作量组成部分相互比较（权重）、单独评估（评级）并估计各自的组合（调整后的工作量评级），使用 NASA 任务负荷指数 (NASA-TLX) 问卷记录了心理需求、体力需求、时间需求、表现、努力和挫折水平。将研究结果与 EMG 反馈的主动手部运动的任务相关方面进行了比较。此外，还比较了两种反馈模式的 BMI 性能。在对不同组成部分进行加权和评级时，机器人和 FES 反馈的工作量相似。对于机器人和 FES，心理需求是最相关的组成部分，并且高于 EMG 反馈的主动运动。在调整后的工作量评级中，FES 任务导致的体力需求 (p = 0.0368) 和时间需求 (p = 0.0403) 明显高于机器人任务。值得注意的是，FES 任务的体力需求比 EMG 任务接近 2.67 倍，但心理需求比机器人任务接近 6.79 倍。平均而言，与 FES 任务相比，机器人任务中达到的发病次数明显更多（17.22 次发病，SD = 3.02 vs. 16.46，SD = 2.94（20 次机会中）；p = 0.016），尽管 BMI 分类准确度之间没有显著差异（p = 0.806；CI = - 0.027 至 - 0.034）。这些发现可能有助于神经康复界面的设计，使其更以人为本，实现更自然的双向交互，并让用户接受。
利用机器学习进行多模态 MRI 鉴别帕金森病和进行性核上性麻痹的效用
经典帕金森病 (PD) 和进行性核上性麻痹 (PSP)（尤其是理查森综合征 (PSP-RS)）的早期鉴别诊断通常受到症状特征重叠的限制，现有的临床评分或既定的诊断方法无法有效捕捉这些症状特征。在这种情况下，即使是运动障碍专家也报告了高达 24% 的失败率 ( 1 )。在临床实践中，PD 和 PSP-RS 的诊断主要基于临床检查，包括主要特征、对左旋多巴的反应以及统一 PD 评定量表 (UPDRS) ( 2 ) 等既定评分。然而，由于临床症状明显重叠且床边检查准确性不足，鉴别诊断通常具有挑战性，尤其是在疾病早期。准确的早期诊断与通过适当的药物管理、患者护理方案更好地管理疾病密切相关，并且可能显著改善疾病预后。此外，识别早期疾病表现可能带来更有针对性的药物疗法，并推动在这一领域开发更有效的药物疗法。在这方面，使用各种磁共振成像 (MRI) 模式，如 T1 加权 ( 3 , 4 )、T2 加权 ( 5 , 6 ) 和扩散张量 MRI (DTI) ( 7 , 8 ) 进行的分组研究显示，PD 和 PSP-RS 患者与健康对照 (HC) 受试者之间存在显著差异。这些差异表明区域脑容量、脑铁代谢和微结构脑组织退化发生了改变，所有这些都与 PD 和 PSP-RS 与 HC 受试者相比的神经退行性特征密切相关 ( 9 – 11 )。监督式机器学习技术能够识别高维数据中的复杂模式，而识别出的模式可用于对新的未知病例做出针对特定患者的预测 (12)。机器学习已成功用于解决各种精准医疗问题 (13)，多项研究尝试利用上述分组研究获得的特征对个体 PD 和 PSP-RS 患者进行分类 [例如 (14-16)]。然而，到目前为止，只有少数科学研究真正尝试利用多模态成像特征的力量来改善 PD 和 PSP-RS 患者的鉴别分类 [例如 (17、18)]。此外，与单模态成像信息相比，多模态成像的真正优势尚未详细探讨。因此，本研究旨在提出一个全面的端到端框架，使用 T1 加权、T2 加权和 DTI 数据集对 PD 患者、PSP-RS 患者和 HC 受试者进行分类，并评估使用单个单模态特征和多模态特征训练的最佳机器学习模型的准确性。
![arXiv:2502.02354v1 [cs.LO] 2025 年 2 月 4 日](/simg/d\d48731e0c9bcee63d92c7a739fb8e6e1c3cedf18.webp)
arXiv:2502.02354v1 [cs.LO] 2025 年 2 月 4 日
b 互斥，可以按任何顺序执行，但不能并发；在右侧，a 和 b 之间存在真正的并发，用 HDA 语义的实心方块表示。在交错语义中，两个网之间没有区别，两者都产生左侧的转换系统。van Glabbeek 在 [31] 中首次探讨了 Petri 网和 HDA 之间的关系，其中 HDA 被定义为带标签的前立方体集，其单元是不同维度的超立方体。最近，[13] 为 HDA 引入了一种基于事件的设置，将其单元定义为带标签事件的全序集。该框架导致了 HDA 理论的许多新发展 [4,5,14,16]，因此我们在这里着手将 van Glabbeek 的翻译更新为这种基于事件的设置。Petri 网是一个强大的模型，可以表示无限系统，同时保留可达性 [25] 和可覆盖性 [23] 的可判定性。尽管 Petri 网具有表达能力，但它缺少一些表示程序执行所必需的特性。在 [17] 中，作者引入了抑制弧，当通过抑制弧连接到 t 的位置不为空时，它可以防止转换 t 触发。显然，这种构造允许实现零测试，这使得带有抑制弧的 Petri 网具有图灵能力。我们研究了带有抑制弧的 Petri 网的并发语义，表明 [21] 的后验语义再次产生了 HDA。然而，对于更自由的先验语义（再次参见 [21]），我们需要引入部分 HDA，其中一些单元可能缺失，模仿现在禁止某些并发执行序列化的事实。我们进一步将我们的工作扩展到 [11] 的广义自修改网，将它们的并发语义定义为 ST 自动机，而 ST 自动机本身又概括了部分 HDA。我们开发了一个原型工具，它实现了从 Petri 网到 HDA 的转换以及从 PNI 到部分 HDA 的转换。4 我们的实现能够以模块化方式处理标准、加权和抑制弧。本文的结构如下。我们在第 2 和第 3 节开始回顾 HDA 和 Petri 网，重点介绍它们的并发语义，这种语义允许多个转换同时触发。以下各节介绍了我们的适当贡献。在第 4 节中，我们介绍了基于 [31] 的从 Petri 网到 HDA 的转换。为了克服这样构建的 HDA 的对称性，第 5 节引入了事件顺序，避免了构造中的阶乘爆炸。我们还给出了几个例子来说明 HDA 语义中的细节。然后，我们在第 6 节中考虑了具有抑制弧的 Petri 网（后验和先验语义），在第 7 节中考虑了广义自修改网。第 8 节介绍了我们的实现。
健康筛查结肠镜检查后的自由生活食物摄入量和肠道菌群的再现
1目标：微生物组的作用已与各种医学2条件有关。结肠镜检查后，已知发生结肠微生物负荷的重生，3然而，肠4制剂后尚未研究自然重生的质量和时机。此外，尚无研究记录详细的自由生活饮食摄入量，并在骨镜后同时使用肠道微生物组重生。在这里，我们试图确定相对于饮食摄入的6个早期重生模式。方法：健康的成年人（n = 15 [4雌性/11雄性]，BMI = 27.2±3.9 kg/m 2，年龄51.4±7.2 y）计划在密苏里州大学的胃肠病学诊所招募筛查8结肠镜检查。9在结肠镜检查（基线）的两周内，受试者完成了3天的详细食物记录10。后骨镜检查，受试者吃的自由饮食和详细的食物记录在第0、1、2、4、7、10和13天收集了11个。粪便样品是在骨内镜检查前的，并在第12天的第3、5、8、11和14天获得。肠道微生物组组成。结果：在手术后的5天内，受试者报告了14个相对于基线消耗的总能量更多的总能量，大概是为了弥补肠prep期间发生的低15能量摄入量。在基线时，纤维摄入量（21.0±9.1 g/d）比结肠镜检查当天高16，第0天（16.1±11.2，p = 0.0159）。此后，每日纤维17摄入量与基线相同。使用加权和未加权差异的主坐标分析观察到了18个标志性的微生物组β多样性（p = 0.0001，19 f = 15.23，单向Permanova）。精选的分类单群被枯竭后骨内镜检查（例如，杆菌中的20个）。具体而言，在21天和第3天的粪便样品之间观察到时间的显着影响（成对P = 0.0013，F = 2.9）。这些变化趋向于第5天返回22返回基线，随后的样本，使用加权差异分析（Bray-Curtis）测试23时，分类单元与基线相似。结论：这些结果定量24证明了微生物相对丰度和25种多样性的显着变化的幅度。手术后的26纤维摄入量的变化对齐的时间安排。这些数据突出了27次筛查结肠镜检查后在重建健康微生物组后的营养重要性。28 29关键字：结肠镜检查；结肠准备；微生物变异性；食物摄入；微生物30组成；微生物重生。
葡萄砧木品种‘Börner’1 的两个细胞器的基因组序列
1. Ferrarini M、Moretto M、Ward JA、Surbanovski N、Stevanovic V、Giongo L、Viola 88 R、Cavalieri D、Velasco R、Cestaro A、Sargent DJ。2013 年。对 89 PacBio RS 平台进行叶绿体基因组测序和从头组装的评估。BMC 基因组学 14:670。91 2. Stadermann KB、Weisshaar B、Holtgräwe D。2015 年。仅 SMRT 测序甜菜 (Beta vulgaris) 叶绿体基因组的从头组装。BMC 93 生物信息学 16:295。 94 3. Pucker B、Holtgräwe D、Stadermann KB、Frey K、Huettel B、Reinhardt R、95 Weisshaar B。2019 年。染色体水平序列组装揭示了拟南芥 Nd-1 基因组及其基因集的结构。PLoS One 97 14:e0216233。98 4. Altschul SF、Gish W、Miller W、Myers EW、Lipman DJ。1990 年。基本局部比对搜索工具。分子生物学杂志 215:403-410。100 5. Koren S、Walenz BP、Berlin K、Miller JR、Bergman NH、Phillippy AM。2017 年。Canu：通过自适应 k-mer 加权和 102 重复分离实现可扩展且准确的长读组装。基因组研究 27：722-736。103 6. Jansen RK、Kaittanis C、Saski C、Lee SB、Tomkins J、Alverson AJ、Daniell H. 2006. 基于完整叶绿体基因组序列的葡萄科（Vitaceae）系统发育分析：分类单元抽样和系统发育方法对解决蔷薇科间关系的影响。BMC 进化生物学 6：32。107 7. Goremykin VV、Salamini F、Velasco R、Viola R. 2009. 葡萄的线粒体 DNA 和猖獗的水平基因转移问题。分子生物学与进化 26：99-110。110 8. Wick RR、Schultz MB、Zobel J、Holt KE。 2015. Bandage：从头基因组组装的交互式可视化。生物信息学 31：3350-2。112 9. Wheeler TJ、Eddy SR。2013. nhmmer：使用概要 HMM 进行 DNA 同源性搜索。113 生物信息学 29：2487-2489。114 10. Chan PP、Lowe TM。2019. tRNAscan-SE：在基因组序列中搜索 tRNA 基因，第 1-14 页。在 Kollmar M（编辑）的《基因预测：方法和协议》中，116 2019/04/26 编辑，第 1962 卷。Springer New York，纽约。117 11. Lowe TM、Eddy SR。 1997. tRNAscan-SE：一种改进基因组序列中 118 种转移 RNA 基因检测的程序。核酸研究 25：955-964。119 12. Laslett D、Canback B。2004. ARAGORN，一种检测核苷酸序列中的 tRNA 基因和 120 种 tmRNA 基因的程序。核酸研究 32：11-16。121 13. Tillich M、Lehwark P、Pellizzer T、Ulbricht-Jones ES、Fischer A、Bock R、Greiner 122 S。2017. GeSeq - 多功能且准确的细胞器基因组注释。123 核酸研究 45：W6-W11。 124 14. Lohse M、Drechsel O、Kahlau S、Bock R. 2013. OrganellarGenomeDRAW——一套用于生成质体和线粒体基因组物理图谱并可视化表达数据集的工具。核酸研究 41：W575-581。127 15. Lohse M、Drechsel O、Bock R. 2007. OrganellarGenomeDRAW (OGDRAW)：128 一个用于轻松生成高质量自定义质体和 129 线粒体基因组图形图的工具。当代遗传学 52:267-274。130