我们如何判断两个神经网络是否在特定计算中使用相同的内部过程?这个问题与神经科学和机器学习的多个子领域有关,包括神经人工智能、机械可解释性和脑机接口。比较神经网络的标准方法侧重于潜在状态的空间几何形状。然而,在循环网络中,计算是在动态层面实现的,两个执行相同计算且具有相同动态的网络不必具有相同的几何形状。为了弥合这一差距,我们引入了一种新颖的相似性度量,可在动态层面比较两个系统,称为动态相似性分析 (DSA)。我们的方法包含两个部分:利用数据驱动动态系统理论的最新进展,我们学习一个高维线性系统,该系统可准确捕捉原始非线性动力学的核心特征。接下来,我们使用 Procrustes 分析的新颖扩展来比较通过此嵌入的不同系统,该扩展解释了矢量场在正交变换下如何变化。在四个案例研究中,我们证明了我们的方法可以解开共轭和非共轭循环神经网络 (RNN),而几何方法则存在不足。我们还表明,我们的方法可以以无监督的方式区分学习规则。我们的方法为比较分析神经回路中计算的基本时间结构打开了大门。
。cc-by-nc-nd 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,该版本发布于2023年10月27日。 https://doi.org/10.1101/2023.10.25.563839 doi:Biorxiv Preprint
MET/AKT 轴驱动“闪光”效应。(A)EBC1 和 HS746T 细胞系用 JNJ-605 或 DMSO (VEH) 处理。在抑制剂停用 (WO) 后,在指定时间点 (h) 收获细胞。如左图所示,对顶部所示样品的总细胞裂解物进行免疫印迹。黑边矩形勾勒出印迹。虚线红色垂直线突出显示细胞系之间的分离,以便清晰查看。(B)未经处理或经 JNJ-605 处理的 EBC1 和 HS746T 细胞的共聚焦切片
摘要:宿主免疫系统的体内平衡受白细胞的调节,其中有8种细胞表面受体用于细胞因子。趋化性细胞因子(趋化因子)激活其受体9,以唤起稳态迁移或炎症条件下的免疫细胞的趋化性,即炎症组织或病原体。免疫系统的失调导致11种疾病,例如过敏,自身免疫性疾病或癌症,需要有效,快速作用的药物,以最大程度地减少慢性炎症的12种长期影响。在这里,我们进行了基于结构的虚拟筛选13(SBV),由KERAS/Tensorflow神经网络(NN)辅助,以查找在三个趋化因子受体上作用的新型化合物支架14:CCR2,CCR3和一个CXC受体CXCR3。keras/tensorflow 15 nn在这里不是用作典型使用的二进制分类器,而是作为有效的多级分类器16,不仅可以丢弃非活性化合物,而且还可以丢弃低或中等活性化合物。在100 ns全原子分子动力学中测试了SBV和NN提出的几种化合物,以确认其结合亲和力。为改善化合物的基本结合亲和力,提出了新的19种化学修饰。将修饰的化合物与这三个趋化因子受体的已知20个雄鹿主义者进行了比较。已知的CXCR3是预测的21磅,因此在基于结构的方法中显示了在药物发现中使用Keras/Tensorflow的好处。此外,我们表明KERAS/Tensorflow NN可以预测化合物的受体亚型选择性,SBV通常会失败。我们跨越了24个测试的趋化因子受体数据集,这些数据集从Chembl和策划的大麻素25受体中策划的数据集获取,网址为:http://db-gpcr-chem.uw.edu.pl。在从Chembl检索的大麻素26受体数据集上训练的NN模型是受体亚型选择性27预测中最准确的。在趋化因子受体数据集训练的NN模型中,CXCR3模型28在区分给定化合物数据集的受体亚型方面表现出最高的精度。29
此预印本版的版权持有人于2023年9月18日发布。 https://doi.org/10.1101/2023.09.14.557734 doi:Biorxiv Preprint
上诉时,第二巡回赛逆转。接受美国国务院在一份法庭之友摘要中提出的论点,认为FSIA的“最自然阅读”是,即使他们获得了中国主权地位,也可以“给予外国主权豁免权。” 4第二巡回法院引用了FSIA的结构,目的和历史背景,其重点是保护外国主权“免受诉讼的不便,作为Comity的姿态”。 5这种保护,即第二巡回法院,应以“当前的政治现实”为指导,并暗示“外国主权在判决前的任何时候都受诉讼负担。” 6因此,应根据被告的当前身份确定主权豁免权。
液压蓄能器是流体等效的电容器(Yudell 和 Van de Ven,2017 年;Leon-Quiroga 等人,2020 年)。因此,它们被用来储存能量。它们的应用包括混合动力汽车(Costa 和 Sepehri,2015 年;美国环境保护署,2020 年;Pourmovahed 等人,1992 年;Deppen 等人,2012 年;Deppen 等人,2015 年;Beachley 等人,1983 年;Ho 和 Ahn,2010 年;Chapp,2004 年;Chen 等人,2022 年;Sprengel 和 Ivantysynova,2013 年)、风能和波浪能提取(Dutta 等人,2014 年;Fan 等人,2016a 年;Fan 等人,2016b 年;Fan 等人,2016c 年;Irizar 和 Andreasen,2017 年;Fan 和 Mu,2020 年)、挖掘机和类似机械(Heybroek 等人等,2012;林和王,2012;沉等,2013; Hippalgaonkar 和 Ivantysynova,2016a; Hippalgaonkar 和 Ivantysynova,2016b;任等人,2018;于和安,2020; Bertolin 和 Vacca,2021)。蓄能器还被用作闭式液压回路中的低压罐(Çal ış kan et al., 2015; Costa and Sepehri, 2019)、减震器(Porumamilla et al., 2008)以及作为切换液压回路的一部分,其中执行器的液压动力由快速切换液压阀而不是滑阀控制(以减少节流损失)(Brown et al., 1988; De Negri et al., 2014; Kogler and Scheidl, 2016; Yudell and Van de Ven, 2017)。根据其结构类型,蓄能器分为气体加载型、重量加载型和弹簧加载型(Costa and Sepehri, 2015)。气体加载(液压气动)蓄能器是液压回路中最常用的蓄能器,迄今为止引用的所有参考资料都证明了这一点,也是本文的重点。然而,在继续之前,有必要谈谈重量和弹簧加载蓄能器。重量加载蓄能器在排放过程中提供(几乎)恒定的压力,因为它们将潜在的重力能量存储在垂直移动的质量中,如图 1 所示。
摘要背景:抑郁症家族史是早发性抑郁症的有力预测因素,这可能通过与奖励和情绪处理有关的神经回路的改变而带来风险。这些改变可能在有家族性抑郁症风险但目前没有患抑郁症的年轻人身上很明显。然而,由于研究数量少、样本量小,很难找到可靠且可重复的发现。在目前的研究中,我们试图确定与抑郁症家族风险相关的功能连接 (FC) 模式。方法:参与者包括健康的(即一生中没有精神病诊断)青少年,他们有较高的家庭抑郁症风险(HR)(n = 754;至少有一位父母有抑郁症病史)和健康的青少年,他们有较低的家庭精神病风险(LR)(n = 1745;没有父母精神病史),年龄在 9 至 10 岁之间,来自青少年大脑认知发展 (ABCD) 研究样本。我们进行了全脑种子到体素分析,以检查杏仁核、尾状核、伏隔核和壳核的静息态 FC 的组间差异。我们假设 HR 青少年会表现出整体杏仁核高连接和纹状体低连接模式,这主要由母亲风险驱动。结果:HR 青少年的尾状角回 FC 弱于 LR 青少年(a = 0.04,Cohen 'sd = 0.17)。有母亲抑郁病史的 HR 青少年特别表现出比 LR 青少年更弱的尾状角回 FC(a = 0.03,Cohen 'sd = 0.19)以及更弱的尾状背外侧前额皮质 FC(a = 0.04,Cohen 'sd = 0.21)。结论:纹状体连接较弱可能与家庭抑郁症风险增加有关,这主要是由母亲病史引起的。确定青少年抑郁风险的大脑标志物可以为改善早期发现、诊断和治疗的方法提供信息。
少突胶质细胞前体细胞(OPC)是非神经元脑细胞,会产生少突胶质细胞,胶质细胞,麦芽胶质,髓鞘在脑中神经元的轴突。经典以通过少突义生成对髓鞘形成的贡献而闻名,OPC越来越多地赞赏从血管形成到抗原表现,在神经系统中扮演着各种各样的作用。在这里,我们回顾了新兴文献,这表明OPC可能对通过与少突胶质细胞的产生不同的机械学对发展中和成人大脑的神经回路建立和重塑至关重要。我们讨论了将这些细胞定位的OPC的专业特征,以整合活性依赖性和分子提示以塑造脑接线。最后,我们将OPC放置在越来越多的领域的背景下,专注于在健康和疾病的背景下了解神经元和神经胶质之间的交流的重要性。
摘要 Ð CRISPR 介导的基因调控因其可扩展性而备受关注,可以创建越来越大的遗传回路。由于不同小向导 RNA 之间对 dCas9 资源的竞争而产生的非预期相互作用已被广泛描述为 CRISPR 介导的抑制 (CRISPRi)。对于 CRISPR 介导的激活 (CRISPRa),这种分析在很大程度上是缺失的。在本文中,我们考虑两个必需的共享资源 (dCas9 和激活蛋白) 对 CRISPRa 进行建模,并确定通过资源竞争出现的相互作用图。多个支架 RNA (scRNA) 之间存在两个共享资源是造成两种主要现象的原因。首先,我们用数学证明了“自我隔离”效应的存在,其中 scRNA 抑制其自身的靶基因而不是激活它,从而否定了 CRISPRa 的功能。其次,我们证明与单一资源的情况相比,非靶基因的不必要抑制要强得多。这些结果表明,同时调节多种资源的新控制方法将有助于减轻 CRISPRa 中资源竞争的不良影响。