XiaoMi-AI文件搜索系统
World File Search System受试者
lncRNA-PART1-PHB2轴的阻塞赋予对PARP抑制剂的抗性，并促进卵巢癌的细胞衰老 场景设置和强迫数据进行影响模型评估和影响归因于部门间影响模型的第三轮 5：2饮食会影响有或没有2型糖尿病的受试者的胰岛素分泌和灵敏度的标记 - 非随机对照试验 在地下地雷管理电池电动汽车（BEV）的消防安全 由大量元素制成的钠离子电池的前瞻性生命周期评估 基于属性的遥测数据共享 - 适应欧盟项目的国际业务模型：跨国协作中Uppsala模型的宏观和微观创建 福利技术的想象力和政治 用于多功能应用的基于物理壳聚糖的可持续涂料中的博士学位论文 进一步开发瑞典可持续林业指标 机器人技术和自主系统 使用终身自我适应性来处理基于学习的自适应系统中适应空间的漂移
parpi目前是几十年来治疗卵巢癌的最重要突破，并且已融入了卵巢癌的初始维持疗法中。然而，导致PARPI耐药性的机制仍然没有核定。我们的研究旨在筛选新的目标，以更好地预测对PARPI的耐药性并探索潜在机制。在这里，我们对TCGA卵巢癌队列中的铂敏感和抗铂抗性基团之间的差异表达基因进行了比较分析。分析表明，与TCGA-ov队列中抗铂的个体相比，LNCRNA Part1在铂敏感的患者中得到了高度表达，并在GEO数据集和Qilu医院队列中进一步验证。此外，部分1的上调与卵巢癌的有利预后正相关。此外，体外和体内实验表明，部分1抑制对顺铂和PARP抑制剂的耐药性并促进了细胞衰老。衰老细胞对化学疗法更具耐药性。RNA反义纯化和RNA免疫沉淀测定法显示了Part1和PHB2（一种至关重要的线粒体受体）之间的相互作用。敲低部分可以促进PHB2的降解，损害线粒体并导致细胞衰老。 救援分析表明，PHB2的过表达明显降低了对PARPI的耐药性和由部分1敲低引起的细胞衰老。 PDX模型被用于进一步确认发现。敲低部分可以促进PHB2的降解，损害线粒体并导致细胞衰老。救援分析表明，PHB2的过表达明显降低了对PARPI的耐药性和由部分1敲低引起的细胞衰老。PDX模型被用于进一步确认发现。总的来说，我们的研究表明，lncRNA Part1有可能成为逆转parpi抗性并改善卵巢癌预后的新颖目标。
实时的混合二次二次编程，用于车辆决策和运动计划 /作者= Quirynen，Rien； Safaoui，Sleiman； di cairano，Stefano /creationDate = 2024年9月4日 /受试者=控制，动态系统，优化，机器人技术< /div < /div>
摘要我们为自动驾驶的实时可行的基于组合编程的决策（MIP-DM）系统开发。使用线性车辆模型在公路对准的坐标框架中，车道变化限制，避免碰撞和运行规则可以作为混合成分不平等的配方，从而导致混合构成二次统一程序（MIQP）。提出的MIP-DM通过在每个采样瞬间求解MIQP来执行操纵选择和轨迹产生。过去认为实时求解MIQP是棘手的，但我们表明我们最近开发的求解器BB-ASIPM能够实时解决嵌入式硬件的MIP-DM问题。在各种情况下，在仿真中说明了这种方法的性能，包括合并点和交叉点，以及在dspace scalexio和microautobox-iii中的硬件式仿真。最后，我们显示了使用小型车辆的实验。
电动机轴承故障检测的监督对比度学习 /作者=张，亨格鲁伊； Wang，Bingnan /CreationDate = 2024年9月4日 /受试者=电气系统，机器学习，多物理建模< /div < /div>
抽象的各种故障会导致电动机故障，从而导致停机时间和资产损失。故障检测技术在行业中非常需要预测和防止此类故障。机器学习的最新进展已启用数据驱动的模型，这些模型可以从电动机中监视的信号中识别故障。但是，这些信号可能很复杂，并且表明故障的特征是微妙的。因此，需要提取与信号故障相关的信息特征的有效方法。在本文中，我们探讨了对比度学习在检测相位电流信号的轴承断层中的使用。我们开发了一个模型架构，该模型结构由两个部分，一个特征提取器和一个分类器组成，其中特征提取器使用监督的对比度学习进行了预训练。在Pader-Born University轴承故障数据集上进行了测试，我们的模型达到了87％的高故障分类精度，这表现优于常规机器学习模型。我们还进行了消融测试，以证明该模型中基于对比的学习培训的重要性。通过研究模型的分类结果和提取的特征，我们进一步探讨了对比度学习在提取区分不同类别的特征中的效果。我们预计对比度学习可以奠定更准确的故障检测模型的基础，并将其扩展到其他实际的故障检测任务。
近死和迷幻经历的受试者内部比较：急性和持久效果
神秘的意识状态可能是通过迷幻物质等手段出现的，但也可能出乎意料地发生在近死亡的经历（NDES）中。到目前为止，比较血清素能迷幻和NDE引起的经验的研究以及其持久的效果，采用了受试者之间的设计，限制了直接比较。我们提出了一项在线调查的结果，该调查探讨了NDES和迷幻经历（PES）的现象学，心理学见解以及对他们一生中某个时候经历过的个人的持久影响（PES）。，我们使用了常见主义者和贝叶斯分析来确定两者之间的显着差异和重叠（无效假设的证据）。三十一个成年人报告既有NDE（即nde-c量表总评分≥27/80）和PE（脂肪酸二乙酰胺的摄入，psilocy-bin/蘑菇，ayahuasca，n，n，N-二甲基甲氨酰胺或甲麦氨酸）。结果揭示了两种经验的现象学，现实归因，心理见解和持久影响之间的重叠领域。对现象学的细粒度分析表明，神秘的效应有显着的重叠，而低级现象（感觉效应）显着差异，NDES表现出更高的不体面的分数，并且PES较高的视觉图像得分较高。这表明迷幻药是研究NDE引起的神秘效应的有用模型，同时强调了感觉体验的区别。
![肿瘤细胞中MHC-1表达的药理诱导振兴T细胞抗肿瘤免疫
基于聚（乳酸）（PLA）的混合和修改策略的开发：改善技术应用的关键特性的方法 - 回顾
通过[18F] FDOPA和[... 的双PET/CT评估大脑评估
konjac glucomannan对体外高尿酸血症受试者的肠道菌群的影响：发酵特征和抑制性黄嘌呤氧化酶活性
益生菌对运动技能的影响：评论
了解互联网当前时代的数字痴呆症和认知影响：评论
对于JHRR的贡献，请通过电子邮件联系：editor@jhrlmc.com，基于虚拟现实的康复计划的原始文章有效性与](/simg/6/63981a3f51d04d07d7ce908770b4edfbd7ff8ec3.webp)
肿瘤细胞中MHC-1表达的药理诱导振兴T细胞抗肿瘤免疫 基于聚（乳酸）（PLA）的混合和修改策略的开发：改善技术应用的关键特性的方法 - 回顾 通过[18F] FDOPA和[... 的双PET/CT评估大脑评估 konjac glucomannan对体外高尿酸血症受试者的肠道菌群的影响：发酵特征和抑制性黄嘌呤氧化酶活性 益生菌对运动技能的影响：评论 了解互联网当前时代的数字痴呆症和认知影响：评论 对于JHRR的贡献，请通过电子邮件联系：editor@jhrlmc.com，基于虚拟现实的康复计划的原始文章有效性与
人类MHC-I分子（通常称为HLA）在抗原呈递T细胞和肿瘤免疫逃生中起着至关重要的作用（6）。以前的研究强调了各种癌症类型的MHC-I表达与患者预后之间存在正相关（7）。相反，MHC-I的下调与疾病的进展和不良预后有关，例如乳腺癌（8），结肠癌（9），Hodgkin淋巴瘤（10），非小细胞肺癌（11）和Bladder Carcinomas（12）。重要的是，降低的MHC-I表达与对免疫检查 - 点治疗（ICT）的抗性有关（13），其中治疗功效依赖于识别MHC-I在肿瘤细胞表面上识别的胞质抗原的细胞毒性T细胞（14，15）。各种策略恶性细胞用于颠覆免疫监视，这强调了确定能够克服这些逃避机制的有效小分子的关键需求。事实证明，免疫检查点阻塞是阻碍免疫监视的关键治疗策略，但重点主要集中在抗体上。针对程序性细胞死亡1/促进的细胞死亡配体1（PD-1/ PD-L1）功能的小分子也出现并进入了临床试验。，对特异性调节MHC-I表达的分子的研究相对有限。值得注意的是，先前的观察结果表明，用
未服药且有精神状态危险、后来患上精神病的受试者的静息态脑电图：低分辨率电磁断层扫描分析
方法：纳入未服用任何精神药物且符合危险精神状态综合评估标准的 ARMS 患者。出现精神病性障碍的患者被标记为 ARMS-P 组，而前瞻性随访超过 2 年且未出现精神病性障碍的 ARMS 患者被归类为 ARMS-NP 组。在静息状态下测量脑电图，并使用标准化低分辨率脑电磁断层扫描 (sLORETA) 分析频率。七个波段 (δ、θ、α 1、α 2、β 1–3) 进行了分析。比较了 ARMS-P 组和 ARMS-NP 组之间的 sLORETA 值 (电流源密度 [CSD])。使用阳性和阴性症状量表 (PANSS) 在脑电图测量时评估临床症状。
在随机MPC中使用深层生成干扰模型的贝叶斯预测，用于构建能量系统 /作者= Sorouifar，Farshud；鲍尔森（Joel A。）；王，你们； Quirynen，Rien； Laughman，Christopher R。； Chakrabarty，Ankush /creationDate = 2024年8月22日 /受试者=控制，机器学习，优化< /div < /div>
抽象预测控制在很大程度上取决于干扰预测的质量。虽然重新干扰建模效果已经采用了概率的观点来防止不可靠的确定性预测，但这种概率模型通常仅适用于数据丰富的设置或涉及对基本分布的简化假设。生成模型，例如条件变异自动编码器（CVAE），为从数据中学习分布提供了一种表达和自动化的方法。通过对学习的潜在空间进行采样，可以产生看不见的干扰实现。在本文中，我们开发了利用这些生成模型的方法来设计经济随机模型预测控制（SMPC），该模型利用CVAE产生的干扰信号进行在线适应。CVAE产生的方案可以转换为对学到的潜在矢量的条件概率，其中条件与影响干扰信号形状本身的因素（例如，工作日/周末在内部热载荷上的影响）以及观察到的数据（即，基于观测的数据）。因此，我们可以生成最相关的干扰信号，以在基于情况的SMPC方法中使用，以减少控制策略的保守性，同时满足约束。
来自健康受试者的生成全脑动力学模型预测单个患者水平的中风的功能改变
计算全脑模型基于局部模型，区域间功能相互作用以及指定区域间连接强度的结构连接组来描述每个大脑区域的静息活动。损害了构成这些模型的骨干的健康构成构成连接组，并在区域间功能相互作用中产生巨大变化。这些相互作用通常是通过将两个大脑区域之间的活动的时间序列相关联，该过程称为静止功能连接。我们表明，添加有关患者病变产生的结构断开信息的信息，以前是先前对来自大量健康受试者的结构和功能数据进行培训的全脑模型，可以预测患者的静止功能连接性，并直接适合该模型的数据，直接适合患者的数据（Pearson Earleration = 0.37 = 0.37 = 0.37;均一差异= 0.005）。此外，模型动力学再现了基于功能连通性的措施，这些措施通常是中风患者中的MAL和特异性分离这些异常的措施。因此，尽管全脑模型通常涉及大量自由参数，但结果表明，即使固定了这些参数，该模型也会从与训练模型的人群截然不同的人群中重现。除了验证模型外，这些结果还表明，该模型可以机械地捕获解剖结构与人脑的功能活性之间的关系。
通过全局-局部功能对齐增强跨受试者 fMRI 到视频解码
摘要。脑成像技术的进步使得从神经活动中解码思想和意图成为可能。然而，跨多个受试者的脑信号的 fMRI 到视频解码遇到了挑战，因为个体大脑之间存在结构和编码差异，而配对 fMRI 刺激数据的稀缺进一步加剧了这一挑战。为了解决这个问题，本文介绍了 fMRI 全局-局部功能对齐 (GLFA) 投影，这是一种将来自不同受试者的 fMRI 帧对齐到统一的大脑空间的新方法，从而增强了跨受试者解码。此外，我们还提供了一个精心策划的 fMRI-视频配对数据集，其中包含来自 8 个人的总共 75k 个 fMRI-刺激配对样本。这个数据集大约是以前基准数据集的 4.5 倍。在此基础上，我们用扩散视频生成器增强了基于变压器的 fMRI 编码器，深入研究了基于跨受试者 fMRI 的视频重建领域。这种创新方法忠实地捕捉了来自不同脑信号中的语义信息，从而生成了生动的视频，并在跨主题语义分类任务中实现了令人印象深刻的 84.7% 的平均准确率。
5：2饮食会影响有或没有2型糖尿病的受试者的胰岛素分泌和灵敏度的标记 - 非随机对照试验
在地下矿山中使用电池电动汽车（BEV）比传统使用柴油机提供了重大好处：通过产生零有毒气体和柴油机颗粒物（DPM）排放并降低热量和噪音水平，更健康的工作条件。其他好处包括潜在的降低通风和空调成本以及潜在的温室气体排放量。尽管如此，在地下地雷中使用BEV仍然有限。许多原因之一是，BEV的消防安全仍然不太了解。BEV的火灾风险与柴油机的火灾风险不同。BEV不带大量可燃液体（柴油燃料和发动机机油）。 他们也没有热排气系统。 但是，由于最初的火灾被扑灭后电池重新燃烧的可能性，BEV大火熄灭了。 目前，没有足够的数据表明，与地下矿山中的柴油大火相比，BEV大火更普遍或更危险，并且没有与地下矿山BEV火灾有关的记录死亡。 尽管如此，在地下矿山中，BEV大火的后果比柴油大火更高，因为熄灭要困难得多。 因此，地下矿山对BEV消防安全有足够的了解至关重要。 本文概述了防止热失控的措施，这是BEV火灾的主要原因，以及如何手动扑灭BEV火灾并管理地下地雷的电池充电防护区。BEV不带大量可燃液体（柴油燃料和发动机机油）。他们也没有热排气系统。但是，由于最初的火灾被扑灭后电池重新燃烧的可能性，BEV大火熄灭了。目前，没有足够的数据表明，与地下矿山中的柴油大火相比，BEV大火更普遍或更危险，并且没有与地下矿山BEV火灾有关的记录死亡。尽管如此，在地下矿山中，BEV大火的后果比柴油大火更高，因为熄灭要困难得多。因此，地下矿山对BEV消防安全有足够的了解至关重要。本文概述了防止热失控的措施，这是BEV火灾的主要原因，以及如何手动扑灭BEV火灾并管理地下地雷的电池充电防护区。