XiaoMi-AI文件搜索系统
World File Search System和产
预测学习规则产生了概率感官体验的类似皮质的重播
。cc-by 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他已授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权持有人，该版本于2024年7月29日发布。 https://doi.org/10.1101/2023.02.17.528958 doi：Biorxiv Preprint
评论文章 C1 气体发酵产乙酸底盘生物的遗传和代谢工程挑战
石油和石油资源的开采和利用以及将其转化为基本燃料和化学品，对环境产生了严重影响，导致全球变暖和气候变化。此外，化石燃料是有限的资源，很快就会短缺。因此，研究工作越来越侧重于开发化学品和燃料生产的可持续替代品。在这种情况下，依赖微生物的生物过程引起了特别的兴趣。例如，产乙酸菌使用 Wood-Ljungdahl 途径以单碳 C1 气体（CO 2 和 CO）作为唯一碳源生长，并产生有价值的产品，如醋酸盐或乙醇。因此，这些自养生物可用于大规模发酵过程，从丰富的温室气体中生产工业相关化学品。此外，最近已经开发出遗传工具，通过合成生物学方法改进这些底盘生物。本综述将重点介绍遗传和代谢改造产乙酸菌的挑战。它将首先讨论这些生物体中成功进行 DNA 转移的物理和生化障碍。然后将介绍目前为几种产乙酸菌开发的遗传工具，这些工具对于菌株工程巩固和扩大其产品目录至关重要。最后将介绍用于代谢工程目的的最新工具应用，这些工具允许重新定向代谢通量或生产非天然化合物。
针对产肠毒素大肠杆菌菌毛的多价候选疫苗，可广泛预防猪断奶后腹泻
摘要 菌毛介导的初始粘附是产肠毒素大肠杆菌 (ETEC) 感染所需的初始和关键步骤。因此，已经开发出针对这些菌毛并诱导特异性抗菌毛抗体以阻断 ETEC 初始粘附的候选疫苗。虽然这种疫苗可以有效预防 ETEC 相关的断奶后腹泻 (PWD)，但由于这些抗原之间的免疫异质性，开发一种广泛有效的针对 ETEC 初始粘附的疫苗仍然是一个具有挑战性的问题。在这里，我们应用多表位融合抗原 (MEFA) 技术构建了 FaeG–FedF–FanC–FasA–Fim41a MEFA，使用主要菌毛 K88 和 F18 的粘附亚基作为骨架，它还整合了来自稀有菌毛 K99、987P 和 F41 的粘附亚基的表位；然后我们生成了一个 MEFA 计算模型并在免疫小鼠中测试了这种 MEFA 蛋白的免疫原性。接下来我们通过体外评估其抗菌毛、抗体导向的细菌粘附抑制作用，评估了针对菌毛的 MEFA 作为疫苗候选物有效预防 PWD 的潜力。计算模型表明，所有相关表位都暴露在 MEFA 表面，并且用 MEFA 蛋白皮下免疫的小鼠产生了针对所有五种菌毛的 IgG 抗体。此外，MEFA 蛋白诱导的抗菌毛抗体显著抑制了 K88 + 、F18 + 、K99 + 、987P + 和 F41 + ETEC 菌株对猪小肠 IPEC-1 和 IPEC-J2 细胞系的粘附。综合起来，这些结果表明 FaeG–FedF–FanC–FasA–Fim41a MEFA 蛋白诱导了针对五种目标菌毛的特异性抗菌毛中和抗体。至关重要的是，这些结果显示了菌毛靶向 MEFA 的潜力，并表明它们有望成为一种广泛有效的 PWD 疫苗。关键词：ETEC、PWD、菌毛、MEFA、疫苗
证据的综合产生了由于结构模型变化和不确定性而导致的碳的高社会成本
M.D.在德国的卓越策略（EXC 2037和CLICCS）项目编号下，非常感谢DFG的支持。390683824，对汉堡大学地球系统研究与可持续性中心（CEN）的贡献。We are very grateful to our many survey respondents, to David Anthoff, Kenneth Gillingham, Frikk Nesje, James Archsmith, Radley Horton, Jim Stock, Bob Litterman, and seminar audiences at AERE 2022, AURO 2023, CESifo 2023, ASSA 2024, University of Potsdam, University of California San Diego, Columbia Business School, Harvard肯尼迪学校（Kennedy School）和在皮克（Pik）向罗伯特·鲍（Robert Bao）寻求技术援助的有益评论，并向约翰娜·达姆斯塔特（Johanna Darmstadt），卢克·埃斯普朗（Luc Esprabens），戴维·卢修斯（David Esprabens），戴维·卢修斯（David Lucius），尼尔·斯坦布雷赫（Nele Steinbrecher），亨利·威廉姆斯（Henry Williams），安吉拉·郑（Angela Zeng），尤其是马克·卢斯蒂格（Mark Lustig），以提供出色的研究帮助。本文所表达的观点是作者的观点，不一定反映国家经济研究局的观点。
埃塞俄比亚小规模奶牛养殖场杂交奶牛的产奶量、成分和繁殖性能
在现行管理实践下定期评估奶牛的表现对于奶牛生产和杂交育种计划的成功至关重要。然而，缺乏最新、全面和针对具体地点的信息阻碍了实施有效的干预策略以提高热带地区的奶牛生产率。这项研究旨在评估莱莫地区杂交奶牛的繁殖性能、产奶量和质量。共调查了 178 户家庭，并收集了 53 个牛奶样本进行实验室分析。结果表明，牛蒡叶和假茎、牧草和谷物作物残渣是主要饲料资源。育种方法包括 50% 的公牛配种和 33% 的人工授精 (AI)。杂交奶牛的平均日产奶量为 7.1±1.27 升/天。产奶量因农业生态、收入来源、经验、培训、饲料补充剂、供水和土地持有而存在显著差异 (p<0.05)。平均初配年龄和初产年龄分别为 27.58±2.14 个月和 36.65±2.70 个月。平均产犊间隔为 17.36±0.93 个月，超出推荐范围。脂肪、蛋白质、SNF、乳糖和总固体的平均值分别为 4.46±1.98、3.21±0.20、8.85±0.5、4.9±0.38 和 13.29±1.8。不同奶牛基因型的牛奶成分质量差异显著（p<0.05），符合埃塞俄比亚最低标准。建议为奶牛生产者提供一项以改进育种方法和提供能力建设培训为重点的小农奶牛项目。
证据的综合产生了由于结构模型变化和不确定性而导致的碳的高社会成本
从一吨二氧化碳（称为碳的社会成本）中估算社会成本（SCC） - 需要将气候系统的模型与气候变化的经济和社会影响相关联，以及在时间和空间之间的多样化，不确定的影响的综合影响。越来越多的文献研究了支持SCC计算的模型的基本结构元素的影响。这项工作以零碎的方式积累，使他们的相对重要性不清楚。在这里，我们对SCC上的证据进行了全面的综合，结合了147项研究的SCC的1823年估计以及对这些研究的作者的调查。已发表的2020 SCC值的分布宽且基本右翼，显示了右尾重的证据（截断的平均值为132美元）。方差分析揭示了包括持续损害，地球系统表示和分布权重的重要作用。但是，我们的调查表明，专家认为，由于结构模型变化的不足和损害功能和折扣率的偏见，文献偏向下降。为了解决这种不平衡，我们对文献中的变化进行了随机森林模型的培训，并使用它来生成合成的SCC分布，该分布更加与适当的模型结构和折现的专家评估更匹配。此合成分配的平均每吨二氧化碳的平均值分别为2020年的脉冲年度（5％–95％的范围：32-874美元），高于所有官方政府估计，包括美国EPA的2023年更新。
通过基于 Cas12a 的 CRISPR 干扰对溶剂产气梭菌进行单基因和多基因抑制
构成梭菌属的革兰氏阳性、产芽孢、专性厌氧厚壁菌种具有广泛的原料消耗能力并产生增值代谢产物，但基因操作困难，限制了它们的广泛吸引力。CRISPR-Cas 系统最近已应用于梭菌种，主要使用 Cas9 作为反选择标记与基于质粒的同源重组结合。CRISPR 干扰是一种通过精确靶向核酸酶缺陷型 Cas 效应蛋白来降低特定基因表达的方法。在这里，我们开发了一种基于 dCas12a 的 CRISPR 干扰系统，用于抑制多种中温梭菌种的转录基因。我们表明，与源自其他细菌的 CRISPR Cas 系统相比，由于梭菌种中的 GC 含量低，基于新凶手弗朗西斯菌 Cas12a 的系统具有更广泛的适用性。我们证实，丙酮丁醇梭菌中靶基因的转录水平降低了 99% 以上，巴氏梭菌中靶基因的转录水平降低了 75% 以上。我们还通过使用单个合成 CRISPR 阵列证实了多重抑制，靶基因表达降低了 99%，并阐明了其表达降低的独特代谢特征。总体而言，这项工作为无需基因编辑的高通量遗传筛选奠定了基础，而基因编辑是梭菌群落当前使用的筛选方法的一个关键限制。
部分相干泵浦光束产生下转换双光子场的空间相干特性
我们报告了一项关于使用部分空间相干泵浦光束产生的下转换光子的空间相干特性的理论研究。我们研究了两种几何结构中的重合率和双光子可见性，其中双缝要么放置在泵浦光束的路径中，要么放置在信号场和闲置场的路径中。研究推断干涉条纹的可见性受泵浦参数的强烈影响；泵浦尺寸和泵浦空间相干长度。具体而言，干涉条纹的可见性随着泵浦空间相干性或泵浦横向尺寸在晶面的增加而增加。双光子可见性随传播距离的增加验证了这两种情况下的范西特-泽尼克定理。具有可控泵浦空间相干性的下转换光子，反过来又可以控制下转换光子的空间相干性和纠缠，可以在量子成像、量子通信和非线性干涉测量中找到潜在的应用。
改良产气荚膜梭菌肠毒素靶向 claudin 过度表达的甲状腺癌和肺癌
产气荚膜梭菌肠毒素 (CPE) 可用于消除细胞表面 CPE 受体（一种 claudins 亚群，例如 Cldn3 和 Cldn4）过表达的癌细胞。但是，CPE 无法靶向仅表达 CPE 不敏感 claudins（例如 Cldn1 和 Cldn5）的肿瘤。为了克服这一限制，使用结构引导修饰来生成可以与 Cldn1、Cldn2 和/或 Cldn5 强结合的 CPE 变体，同时保持与 Cldn3 和 Cldn4 结合的能力。这使得 (a) 能够靶向最常见的内分泌恶性肿瘤，即 Cldn1 过表达的甲状腺癌，以及 (b) 能够更好地靶向全球最常见的癌症类型，即非小细胞肺癌 (NSCLC)，该类型的特点是高表达几种 claudins，包括 Cldn1 和 Cldn5。不同的 CPE 变体，包括新型突变体 CPE-Mut3 (S231R/S313H)，被应用于甲状腺癌 (K1 细胞) 和 NSCLC (PC-9 细胞) 模型。体外实验中，CPE-Mut3 而非 CPEwt 表现出对 K1 细胞的 Cldn1 依赖性结合和细胞毒性。对于 PC-9 细胞，与 CPEwt 相比，CPE-Mut3 改善了紧密连接蛋白依赖性的细胞毒性靶向性。体内实验中，在带有 K1 或 PC-9 肿瘤的异种移植模型中瘤内注射 CPE-Mut3 可诱导坏死并减缓两种肿瘤类型的生长。因此，通过使用新型 CPE-Mut3，定向修饰 CPE 能够消灭 CPEwt 无法靶向的肿瘤实体，例如过表达 Cldn1 的甲状腺癌。
机器学习筛查工具，用于预测废水中药物化合物的提取产率
药物化合物已成为废水中越来越重要的污染物来源，因为它是传统的处理方法无效地去除它们的方法，因此它们通常被放入环境中。可以使用液体液体提取成功去除药物，并且可以使用宇宙RS预测相互作用并识别最有前途的溶剂。但是，COSMO热模型无法解释关键过程参数，从而降低了这些计算模型的准确性。因此，需要替代计算方法来准确预测可以纳入处理和相互作用变量的药物的提取产率。这项工作使用机器学习来预测使用八种溶剂的11种药物的提取产率。探索了六个回归模型和两个分类模型。使用ANN回归器（测试MAE：4.510，测试R 2：0.884）和RF分类器（测试精度：0.938，测试召回：0.974）获得了最佳性能。RF回归分析和分类还显示了关键的提取产率特征：溶剂与喂养比，N - 辛烷 - 水分系数，氢键，氢键和范德华对多余的焓的贡献，以及pH距离至最近的PKA。机器学习显示为筛选和选择最有希望的溶剂和过程条件的绝佳工具，以从废水中去除药物。