摘要:可再生能源是未来几年的希望,因为它们在自然界中储量丰富,而且免费提供。此外,这些能源无污染,是化石燃料的完美替代品。混合动力系统 (HPS) 是一种具有多个发电源的系统,如光伏 (PV) 系统、风力涡轮机、燃料电池等,它们相互连接以提供电力,以满足有/无储能备份的不同需求。本文集中于可再生能源系统的控制和集成自动化,即光伏系统、固体氧化物燃料电池 (SOFC) 与镍氢 (Ni-MH) 电池以及可变负载。建议的 HPS 主要侧重于使用 100% 清洁的光伏,发电时不会产生有毒排放。在这里,太阳能光伏系统通过算法提取最大功率,作为 HPS 中的主要供应贡献者,以满足可变负载需求。如果光伏系统电力供应不足,则利用镍氢电池/固体氧化物燃料电池的电力来满足不断变化的负载需求。另一方面,如果光伏系统电力供应过剩,则多余的能量将储存在镍氢电池中。为了实现有效的供需平衡,HPS 利用各种控制策略,即比例积分 (PI) 和自适应神经模糊推理系统 (ANFIS)。关键词:自适应神经模糊推理系统 (ANFIS);最大功率点跟踪系统 (MPPT);镍氢电池 (Ni-MH);光伏 (PV);固体氧化物燃料电池 (SOFC) 1 引言
1剑桥大学心理学系,CB2 3EB剑桥,2个Vicertoria de Revissionacion y Posgrado,Catolica del Maule,TALCA 3480112,智利,3个大脑和思维研究所,西安塔里奥大学,伦敦,伦敦大学,伦敦,伦敦46a 3k7,46a 3k7 IAGO 8370076,智利,6个计划,伊伯氏丝比,医院,布宜诺斯艾利斯艾利斯,布宜诺斯艾利斯C1199BB,阿根廷7实验心理学和神经科学实验室(LPEN),认知和转化神经科学研究所(Incogentical Cockience and intaimentimen)技术研究委员会(CONICET),布宜诺斯艾利斯,阿根廷,心理学9学院,社会和认知神经科学中心(CSCN),阿道夫大学智利圣地亚哥伊巴涅斯 2485,10 肯特大学计算机学院,ME4 4AG 查塔姆,英国和 11 剑桥大学临床神经科学系,CB2 3EB 剑桥,英国
摘要:肝细胞癌是最常见的恶性肿瘤之一,死亡率高,生存率低。本研究旨在寻找一种敏感性和特异性高的新型分子,用于HCC的早期诊断和治疗评估。本研究旨在探讨Axin1对肝细胞癌细胞增殖、侵袭、迁移和上皮间质转化(EMT)的影响和重要作用。qRT-PCR结果显示HCC中Axin1表达水平较低,而miR-650表达水平较高。荧光素酶报告基因检测验证Axin1和miR-650 mRNA水平之间呈负相关。CCK-8检测结果显示在SK-HEP-1细胞中Axin1过表达显著抑制细胞增殖能力。划痕愈合实验结果显示Axin1过表达显著抑制细胞迁移能力。跨孔侵袭实验结果显示,过表达Axin1导致SK-HEP-1细胞侵袭能力下降;WB结果显示,过表达Axin1后,E-cad蛋白水平明显升高,N-cad、vimentin、snail蛋白水平明显降低;而过表达Axin1对细胞增殖、迁移、侵袭及EMT的抑制作用可被miR-650模拟物所消除。本研究结果证实了过表达Axin1可能通过下调miR-650的表达来抑制细胞增殖、迁移、侵袭及EMT。
3D 打印正在改变着各个行业的技术 [1–7]。3D 打印材料最显著的优势之一是选择范围广泛。与通常仅限于特定材料的传统制造工艺不同,3D 打印提供了可用于生产的各种材料。这些材料包括塑料、金属、陶瓷、复合材料甚至生物材料 [8–12]。每种材料都有其独特的属性,使得以前无法创造出的复杂设计得以实现。3D 打印新材料的开发也显著提高了打印物体的性能。传统制造方法在生产复杂形状的能力方面有限,但 3D 打印可以创建具有复杂几何形状的物体,精确地根据其所需功能进行定制 [13–16]。近年来,3D 打印领域呈指数级增长和快速进步。这一发展的主要驱动力之一是 3D 打印材料的不断改进。从早期的3D打印采用简单的塑料材料,到目前采用金属合金、生物相容性材料等先进材料,3D打印材料的演变大大拓展了该技术的应用范围。其构造示意图如下图1所示。
摘要:背景:骨质疏松症 (OP) 是一种影响全球老年人的常见骨病。确定可靠的诊断标记对于 OP 的临床管理至关重要。方法:利用 GEO 数据库 (GSE35959),我们获取了 OP 和正常样本的表达谱。通过 STRING、GEO2R 和 Cytoscape 确定差异表达基因 (DEG) 和中心基因。使用 miRTarBase、miRDB 和 MiRcode 数据库构建竞争内源 RNA (ceRNA) 网络。通过 DAVID 进行基因本体论 (GO) 和 KEGG 通路富集分析。验证涉及来自巴基斯坦人群的临床 OP 样本,使用实时定量聚合酶链反应 (RT-qPCR) 评估中心基因表达。结果:在 GSE35959 中,OP 和正常样本之间共鉴定出 2124 个差异表达基因 (DEG)。这些 DEG 中选定的枢纽基因是剪接因子 3a 亚基 1 (SF3A1)、Ataxin 2 样 (ATXN2L)、热休克蛋白 90 Beta 家族成员 1 (HSP90B1)、分化簇 74 (CD74)、DExH-Box 解旋酶 29 (DHX29)、ALG5 多萜醇磷酸 β-葡萄糖基转移酶 (ALG5)、NudC 结构域含 2 (NUDCD2) 和 Ras 相关蛋白 Rab-2A (RAB2A)。在巴基斯坦 OP 患者中对这些基因的表达验证显示,在 OP 患者中,SF3A1、ATXN2L 和 CD74 显着上调,而 HSP90B1、DHX29、ALG5、NUDCD2 和 RAB2A 显着 (P <0.05) 下调。受试者工作特征(ROC)分析显示这些枢纽基因对OP的诊断准确率较高。枢纽基因的ceRNA网络分析揭示了一些重要的枢纽基因调控miRNA和lncRNA。通过KEGG分析发现,枢纽基因在N-糖生物合成、甲状腺激素合成、IL-17信号通路、前列腺癌、AMPK信号通路、剪接体、雌激素信号通路、流体剪切应力和动脉粥样硬化等通路中富集。结论:本研究鉴定出的8个枢纽基因可以可靠地区分OP患者和正常个体,这可能为OP的诊断研究提供新的思路。
摘要:目的:本研究旨在评估各种降维方法(包括主成分分析 (PCA)、拉普拉斯评分和卡方特征选择)对脑电图 (EEG) 数据集分类性能的影响。方法:我们应用了降维技术,包括 PCA、拉普拉斯评分和卡方特征选择,并使用线性回归、K 最近邻 (KNN) 和朴素贝叶斯分类器评估了它们对 EEG 数据分类性能的影响。对模型的分类准确性和计算效率进行了评估。结果:我们的研究结果表明,所有降维策略通常都能提高或保持分类准确性,同时减少计算负荷。值得注意的是,PCA 和 Autofeat 技术可提高模型的准确性。结论:使用降维技术可以通过减少计算需求而不影响准确性来增强 EEG 数据分类。这些结果表明,这些技术有可能应用于既需要计算效率又需要高精度的场景。本研究中使用的代码可在https://github.com/movahedso/Emotion-analysis找到。
人工智能系统在新闻制作中的应用引发了一系列法律问题,我们在本文中对这些问题进行了探讨。我们认为,核心概念是原创性和创造性,法律要求能够归属作者并对作品实施法律保护机制,无论是简单作品、合作作品,甚至是创作作品。最受质疑的作品类型是衍生作品,即通过对已有作品进行改造而获得的作品,其作者权和权利人的经济开发权必须始终受到尊重。人工智能学习系统的实践明确承认它们基于受版权保护的各种作品,这些实践引发了许多问题,不符合合理使用例外的条件,而且该例外只适用于在具有普通法法律传统的司法管辖区内制作的作品,而不适用于其他具有保护知识产权的版权制度的国家。
目的:糖尿病肾病 (DKD) 是全球慢性肾病 (CKD) 的主要原因。阐明 DKD 中铁死亡和免疫的分子机制可能有助于开发潜在有效的治疗方法。本研究旨在对 DKD 中的铁死亡和免疫相关差异表达 mRNA (DEG) 进行综合分析。材料和方法:从基因表达综合 (GEO) 数据库下载 DKD 患者和对照样本的基因表达谱。使用 R 软件筛选潜在的差异表达基因 (DEG),并从 DEG 中提取铁死亡免疫相关差异表达基因 (FIRDEG)。我们进行了功能富集分析,并构建了蛋白质-蛋白质相互作用 (PPI) 网络、转录因子 (TF)-基因网络和基因-药物网络,以探索它们的潜在生物学功能。相关性分析和受试者工作特征曲线用于评估 FIRDEG。我们使用CIBERSORT算法来检查免疫细胞的组成并确定FIRDEG特征与免疫细胞之间的关系。最后,使用RT-PCR在动物肾脏样本中验证了六种FIRDEG的RNA表达。结果:我们鉴定了80个FIRDEG并进行了功能分析。我们利用PPI网络鉴定了六个枢纽基因(Ccl5、Il18、Cybb、Fcgr2b、Myd88和Ccr2),并预测了潜在的TF基因网络和基因-药物对。DKD中的免疫细胞(包括M2巨噬细胞、静息肥大细胞和γ-delta T细胞)发生了改变;FIRDEG(Fcgr2b、Cybb、Ccr2和Ccl5)与M2巨噬细胞和γ-delta T细胞的浸润丰度密切相关。最后,在小鼠肾脏样本中验证了枢纽基因。结论:我们鉴定了 DKD 中的六个枢纽 FIRDEG(Ccl5、Il18、Cybb、Fcgr2b、Myd88 和 Ccr2),并预测了潜在的转录因子基因网络和未来研究的可能治疗靶点。关键词:糖尿病肾病、铁死亡、免疫、生物信息学
背景:通过心力衰竭 (HF) 患者的再入院率和死亡率来控制护理质量是发达国家医疗监管机构的一项国家优先事项。在这项纵向队列研究中,我们使用出院表 (HDF)、急诊科 (ED) 访问情况和生命统计数据等管理数据,测试了预测 HF 住院患者死亡率和再入院率的新协变量,并讨论了使用综合结果作为替代方案。方法:采用逐步选择法,对 70% 的样本估计逻辑模型,并对剩余的 30% 进行验证,以评估 30 天死亡率、30 天再入院率和综合结果。我们遵循了一种提取方法,用于提取 HF 住院后 30 天内的任何原因死亡率和计划外再入院率。通过 HDF 和 ED 数据集提取患者入院和既往病史的数据。结果:我们的主要发现表明,该模型的判别能力与文献一致,无论是死亡率(AUC=0.738,CI(0.729 – 0.748))还是再入院率(AUC=0.578,CI(0.562 – 0.594))。此外,综合结果模型的判别能力令人满意(AUC=0.675,CI(0.666 – 0.684))。结论:在逻辑模型中引入住院特征和患者病史并不能提高其判别能力。综合结果预测更多地由死亡率而不是再入院率决定,对再入院现象的理解没有改善。关键词:行政健康数据、心力衰竭、死亡率、患者再入院