XiaoMi-AI文件搜索系统
World File Search System和域
cel：通过通过弹性重量巩固来利用域的适应域来进行疾病爆发预测的持续学习模型
1深圳先进技术研究所，中国科学院，深圳518055，中国2深圳先进技术学院，中国科学院科学院，北京大学100049，中国3号，3月3日中国 *通讯作者：Hongyan Wu（hy.wu@siat.ac.cn）摘要：持续学习，模型随着时间的流逝而不必忘记以前的知识，因此对新数据的适应性，在疾病爆发预测等动态领域中至关重要。深神经网络，即LSTM，由于灾难性遗忘而容易出错。这项研究引入了一种新型的CEL模型，用于通过通过弹性重量巩固（EWC）利用域的适应性来进行持续学习。该模型旨在减轻域增量设置中的灾难性遗忘现象。使用EWC构建Fisher Information Matrix（FIM），以开发正规化术语，该术语对重要参数的变化进行了惩罚，即重要的先前知识。CEL的表现通过不同的指标评估了三种不同的疾病，流感，MPOX和麻疹。在评估和重新评估期间，高R平方值在几种情况下优于其他最新模型，表明CEL可以很好地适应增量数据。cel的鲁棒性和可靠性受到其最小的65％遗忘率和更高的记忆稳定性的强调。它提供了一个有价值的模型，可以通过准确，及时的预测进行主动疾病控制。这项研究强调了CEL在疾病爆发预测中的多功能性，以时间模式解决了不断发展的数据。
多域战：21 世纪联合兵种的演变...
第 1 章 简介 1-1. 目的。多域战：21 世纪联合兵种的演变描述了美国地面部队作为联合部队的一部分并与合作伙伴在 2025-2040 年期间如何在所有领域（太空、网络空间、空中、陆地、海上）与同等对手成功作战、战斗和战役。 1 多域战是一种具有战略和战术意义的作战概念。它有意将重点放在越来越强大的对手身上，这些对手挑战威慑力并以两种方式对美国利益构成战略风险。首先，在武装冲突以下的行动中，这些对手使用系统来实现其战略目标，以避免战争和联合部队的传统作战方法。其次，如果这些对手选择发动军事行动，他们会使用集成系统，在所有领域同时在远距离上争夺和分离联合部队的能力，使友军的反应过于危险或无关紧要。在此背景下，多域战概念描述了美国及其合作伙伴部队如何跨域、跨环境、跨职能组织、练习和运用能力和方法，跨越时间和物理空间，在武装冲突以下的行动中对抗这些对手，并在必要时在武装冲突中击败他们。尽管该概念承认各军种的独特能力和作用，但它寻求一种共同且可互操作的能力发展
MCDC跨国多域命令和控制互操作性
1。在全球安全环境中的挑战1对联盟在整个竞争的连续体中获得并保持对对手的信息和决策优势的能力溢价。为了确保信息优势，各国正在追求各种各样的指挥和控制（C2）现代化计划。期望国家将与未来的运营环境中的合作伙伴一起运作，因此这些C2现代化计划的关键特征是它们在跨国跨国联盟部队中的互操作性。现代化C2的努力范围包括所有操作领域（土地，空气，海上，空间，网络空间），军事功能区域，效果维度，对手动作/能力的改进，启用/新兴技术的影响2和遗产C2功能的改造（见图1）。这种巨大的努力范围是试图改善其C2互操作性的资源约束国家的重要障碍。
SDTM 基因组学发现 (GF) 域简介
Glenn Barnes，CDISC 临床样本和数据管理高级顾问 Christine Connolly，CDISC 标准开发高级项目经理 Erin Muhlbradt 博士，NCI/EVS 临床/生物医学信息专家 Jon Neville，CDISC 高级标准开发人员
无监督域适应性的对比度适应网络
深度神经网络的最新进展成功地改善了各种学习问题[40，8，26，19，20]。但是，对于监督学习，大量的训练数据仍然是学习准确的深层模型的关键。尽管可能可用于一些预先规定的域，例如ImageNet [7]，但对于每个临时目标域或任务而言，手动标签通常很难或昂贵。缺少IN-ININAIN标记的数据阻碍了在许多实际问题中拟合模型的应用。在没有来自目标域的标记数据的情况下，已经出现了无监督的域适应（UDA）方法，以减轻数据分布的域移动[2，1，1，5，37，30，18，3，3，17]。它与无监督的学习有关，因为它仅需要从源域和目标域的零标签手动标签。在最近关于UDA的工作，这是Long等人提出的开创性工作。[22，25]旨在最大程度地减少深神经网络中源和目标域之间的差异，在此，在该网络中，域差异通过最大值
BRCA1及其脆弱的C端BRCT域
摘要：BRCA1是一个编码BRCA1蛋白的肿瘤抑制基因，在DNA修复，细胞周期调节和基因组稳定性的维持中起着至关重要的作用。BRCA1蛋白与各种其他在基因调节和胚胎发育中起重要作用的蛋白质相互作用。它是由多个结构域组成的大蛋白质。BRCA1蛋白的C末端区域由两个由短接头连接的BRCT结构域组成。BRCT结构域在蛋白质 - 蛋白质相互作用以及通过其磷酸化蛋白结合模块中调节DNA损伤反应和细胞周期调节至关重要，这些模块识别其他激酶的磷酸化蛋白序列基序。BRCT结构域中的突变会破坏BRCA1的正常功能，并导致患乳腺癌和卵巢癌的风险增加。在此，我们探讨了BRCA1的结构特征，重点是BRCT结构域，其与关键细胞成分的相互作用及其参与各种细胞过程。此外，讨论了BRCT结构域突变对乳腺癌和卵巢癌敏感性，预后和治疗选择的影响。通过对BRCA1的BRCT结构域提供全面的了解，本综述旨在阐明该重要领域在乳腺癌和卵巢癌的发病机理和潜在的治疗方法中的作用。
部分单峰域上的策略证明规则
摘要 我们考虑仅在线性有序替代方案集的子集上表现出单峰性的域。我们将此类域称为部分单峰域，并对这些域上的一致和策略证明社会选择函数进行了表征。我们获得了以下有趣的辅助结果：（i）我们表征了广义顶连通域上的所有一致和策略证明社会选择函数，广义顶连通域是最大单峰域的重要子类，（ii）我们表明策略证明性和群体策略证明性在部分单峰域上是等价的，（iii）最后，我们识别并表征接近匿名的部分单峰域上的一致和策略证明的 SCF。作为这一结果的应用，我们获得了多峰域（Stiglitz (1974)、Epple 和 Romano (1996a)）、多个单峰域（Reffgen (2015)）和图上的单峰域（Demange (1982)、Schummer 和 Vohra (2002)）上的一致和策略证明的社会选择函数的特征。
基于受体结合域的 COVID-19 疫苗开发
。CC-BY-NC-ND 4.0 国际许可，根据 （未经同行评审认证）提供，是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者，此版本于 2020 年 5 月 14 日发布。；https://doi.org/10.1101/2020.05.06.079830 doi：bioRxiv 预印本
论拓扑关联域的存在性和功能性
AD 是基因组折叠的一个基本特征，2012 年在首批全基因组染色质折叠图谱 1 – 4 中共同发现。TAD 最初在低分辨率（40 kb）哺乳动物 Hi-C 矩阵中通过算法定义为兆碱基规模的基因组块，其中 DNA 序列与域内其他 DNA 序列的相互作用频率明显高于与域外的相互作用频率（图 1a）。TAD 最显著的特征可能是它们有边界可划定（图 1a、b）。为解释这些开创性的经验观察结果，提出了一个令人信服的假设，即大多数哺乳动物基因组折叠成相邻的球状染色质相互作用域，由线性边界 1 – 4 连接（图 1b）。另一项进展是观察到较小的亚兆碱基级染色质结构域（即所谓的亚TAD）在哺乳动物 Hi-C 图谱 5、6 中以层次结构嵌套在 TAD 内（图 1c、d）。在原始低分辨率 Hi-C 数据中仅观察到一小部分嵌套的亚TAD，但在技术进步促进了超高分辨率（1-4 kb）架构图的创建后，它们可以很容易地在整个基因组范围内检测到。嵌套的亚TAD 类似于 TAD 的结构域，也由边界划分。然而，亚TAD 边界表现出较弱的绝缘强度，这表现为它们相对较低地减弱结构域间长距离接触的能力，并且它们比 TAD 更有可能表现出细胞类型动态折叠特性 1、5、7。我们和其他人假设较弱的细胞类型动态亚 TAD 边界具有与 TAD 边界不同的结构、分子或功能特性，但这种可能性仍是一个悬而未决的问题。术语“接触域”也用于 Hi-C 文献中，通常用作传达全套自缔合染色质域（TAD、嵌套亚 TAD 和隔室域（如下所述））的总称。此外，“微型域”或“微型 TAD”最近已用于描述哺乳动物 8、9 和苍蝇 10 中包含单个基因单元的最小规模染色质块。因此，随着技术进步使高分辨率 Hi-C 矩阵成为可能，染色质域的算法识别揭示了越来越小和更精细的结构。此外，一系列功能性遗传扰动实验
