XiaoMi-AI文件搜索系统
World File Search System在线分析
确保3D印刷药的质量
半固体挤出（SSE）3D打印具有巨大的潜力，可以通过使用预填充和一次性的药物墨水注射器来满足监管良好的制造实践（GMP）重新质量。质量测试的均匀性是一个关键的质量属性，可以通过在单批批次中称量特定量的剂量单元并找到平均质量来评估任何偏差来执行。但是，对一小部分3D印刷药物的测试可能需要权衡整个制造的批次。为了克服这一限制，在GMP Pharmaceutical 3D打印机内实施了在线分析平衡，并具有专门的软件控制权重系统，用于整个印刷批次的自动质量均匀性测试。氢化软管药物INK的三个不同剂量批次（n = 28）打印并进行内部质量均匀性测试。开发的软件能够记录所有单个打印线的权重，并准确地检测到可接受的限制内的任何偏差。只有一个打印线位于公认的重量范围之外，这是由于药物的半固定性质而经常不完美的结果。将重量结果与外部分析平衡进行了比较，没有发现显着差异。这项研究是第一个在药品打印机内整合分析平衡的研究，使剂型形成质量均匀性测试自动化，该测试可以节省时间，人工和资源，同时改善了3D印刷药物的质量控制测试。
开源人类在循环的BCI研究框架
大脑计算机界面（BCIS）将大脑活动转化为数字命令，以与物理世界互动。该技术在几个应用领域具有巨大的潜力，从医疗应用到娱乐业，并为认知神经科学的基础研究创造了新的条件。当今的BCIS，仅对用户当前心理状态的原油在线分类，而对精神状态的更复杂的解码取决于耗时的offline数据分析。本文通过利用一组分析管道的改进来直接解决此限制，从而为下一代在线BCI铺平了道路。特别是我们引入了一个开放源研究框架，该框架具有模块化和可定制的硬件设计。此框架促进了人类在循环（HIL）模型培训和再训练，实时刺激控制，并使转移学习和云计算用于脑电图（EEG）数据的在线分类。刺激和研究人员的诊断。使用实验室流层标准和Websocket发送消息。实时信号处理和分类以及机器学习模型的培训，由开源Python包装时间频率促进。框架在Linux，MacOS和Windows上运行。虽然在线分析是BCI-HIL框架的主要目标，但可以通过MNE，EEGLAB或FIELDTRIP（例如Python，Matlab和Julia）对EEG数据进行OfflINE分析。本文描述并讨论了人类在BCI研究平台的理想特性。BCI-HIL框架是根据MIT许可发布的，其示例为：bci.lu.se/bci-hil（或at：github.com/bci-hil/bci-hil）。
研究论文 LncRNA XIST 充当 MicroRNA-520 海绵，通过 CeRNA 网络介导 BAX 来调节 NSCLC 细胞中的顺铂耐药性
背景：近年来，LncRNA作为竞争性内源性RNA（ceRNA）的一员，在肺癌耐药中发挥着重要作用。本研究旨在利用全面的ceRNA网络识别顺铂耐药肺癌细胞的潜在生物标志物。方法：GSE6410（GPL-201）分析了A549 NSCLC细胞中顺铂耐药基因表达变化。GSE43249（GPL-14613）包括源自顺铂耐药A549肺细胞的非编码RNA表达谱。在线分析工具GEO2R分析了差异表达的mRNA和miRNA（DEmRNA和DEmiRNA）。为了探索差异表达mRNA的功能富集意义，我们使用了GO（基因本体）和KEGG（京都基因和基因组百科全书）通路分析。通过 miRDB、Targetscan、Starbase 和 miRWalk 寻找靶向 miRNA，采用 Kaplan-Meier 曲线法对靶向 RNA 的临床生存率进行分析（ P<0.05），Starbase 数据库预测了潜在的 lncRNA 介导的靶向 miRNA。最后利用 cytoscape3.7.2 构建了 lncRNA、miRNA、mRNA 的新型 ceRNA 网络。结果：118 个差异表达的 mRNA 构成了介导的 ceRNA 网络的基础。DAVID 和 Kaplan-Meier 筛选出凋亡调节因子 BAX，维恩图显示 8 个 miRNA 共同调控 BAX。Starbase 预测 lncRNA XIST 介导的 miRNA。最后，lncRNA XIST 可能是调节肺癌细胞顺铂耐药性的有用生物标志物，进一步探讨了 BAX 可能影响肿瘤浸润免疫细胞。结论：LncRNA XIST在BAX调控顺铂耐药过程中与miRNA 520竞争性结合，参与p53信号通路引起细胞凋亡。
改进单次试验分类中的意图检测......
摘要 — 意图解码是免提人机交互 (HCI) 中不可或缺的过程。传统的眼动追踪系统使用单一模型注视持续时间可能会发出忽略用户真实期望的命令。在本研究中，引入了一种眼脑混合脑机接口 (BCI) 交互系统，通过融合多模态眼动追踪和 ERP（源自 EEG 的测量）特征来检测意图。当 64 名健康参与者在 25 个图标中执行 40 分钟的定制自由搜索任务时，记录了他们的眼动追踪和 EEG 数据。提取了相应的眼动追踪和 ERP 注视持续时间。采用五个已验证的基于LDA的分类器（包括RLDA，SWLDA，BLDA，SKLDA和STDA）和广泛使用的CNN方法从离线和伪在线分析中验证特征融合的有效性，并通过调节训练集和系统响应持续时间来评估最佳方法。我们的研究表明，多模态眼动和ERP特征的输入在主动搜索任务的单次试验分类中实现了意图检测的优异性能。并且与单模型ERP特征相比，该新策略也在不同的分类器之间获得了一致的准确率。此外，与其他分类方法相比，我们发现SKLDA在离线测试（ACC=0.8783，AUC=0.9004）和不同样本量和持续时间长度的在线模拟中融合特征时表现出更优异的性能。总之，本研究揭示了一种利用眼脑混合BCI进行意图分类的新颖有效的方法，并进一步以更精确、更稳定的方式支持了免提HCI的实际应用。
BCI评估的伪在线框架：MOABB透视
目的：BCI（脑部计算机界面）技术以三种模式运行：在线，OfflINE和伪内线。在在线模式下，经常分析实时脑电图数据。在offl ine模式下，后来获取并处理信号。伪在线模式处理收集的数据，就像实时接收一样。主要的区分是OfflINE模式经常分析整个数据，而在线和伪在线模式仅在短时间窗口中分析数据。offlINE分析通常是使用异步BCI进行的，该分析将分析限制为预先确定的时间窗口。异步BCI与在线和伪在线模式相吻合，允许灵活的心理活动持续时间。offlINE处理往往更准确，而在线分析对治疗应用更好。伪在线实现近似于在线处理而无需实时限制。与现实生活相比，许多BCI研究都引入了偏见，从而影响了分类算法的性能。方法：因此，本研究论文的目的是扩展以O fflINE模式运行的当前MOABB框架，以便允许在伪内部设置中使用不同的算法与基于重叠滑动窗口的技术的使用进行比较。这样做将需要在数据集中引入空闲状态事件，该事件考虑了所有不是任务思维的不同可能性。为了验证算法的性能，我们将使用归一化的Matthews相关系数（NMCC）和信息传输率（ITR）。主要结果：我们分析了过去15年的最新算法，该算法是由几个受试者组成的几个运动图像（MI）数据集，显示了从统计学的角度来看两种方法之间的差异。引人注目的能力：分析在OfflINE和伪在线模式中不同算法的性能的能力将使BCI社区获得有关分类算法性能的更准确和全面的报告。
研究机器学习算法作为预测疾病严重程度的分类器的有效性
将计算科学纳入医学和生物学领域的最新趋势导致有关医学和实验信息的大量数据积累。数据挖掘在医疗保健领域的应用可以通过进行数据分析并从看似无关的大量收集数据中发现关系来早期预测患者状况及其行为。由于其使所有各方受益的能力，数据挖掘在医疗保健运营中的普及也越来越高。例如，该部门的数据挖掘应用有助于确保患者获得更实惠，更好的医疗服务，医生确定最佳实践和有效治疗，医疗保健公司对客户关系管理做出明智的决定，并发现医疗保险公司发现虐待和欺诈。尽管有这些有希望的趋势，但是，医疗保健交易产生的结果和庞大的数据量证明了大量且过于复杂，无法使用传统方法进行处理和分析。此外，从数据仓库中提取信息的常规机制并未确定所涉及的隐藏模式，因此在本研究中采用了一种新方法来对数据进行分类以预测患者的医疗状况。此外，在这项研究中，基于医学属性，使用机器学习算法作为分类器的医学属性来描述与大脑相关疾病严重程度的预测。这是通过利用从医疗数据仓库（DWE）获得的数据来实现的。简介使用提取，转换，负载（ETL）过程和在线分析处理（OLAP）方法用于特征提取，训练和测试数据。机器学习算法（例如人工神经网络（ANN）和支持向量机（SVM））用于生成优化的输入参数（权重和偏差），以选择最佳内核来对数据进行分类以进行进一步诊断。发现所提出的模型在鉴定疾病时提供了快速的响应时间和最小错误率。因此，建议的框架可用于预测患者的状况，并在医疗机构或组织中治疗疾病的治疗方面提供最佳决定。关键字：支持向量机（SVM），人工神经网络（ANN），ETL（提取，转换和负载）过程，机器学习，疾病严重性，数据仓库1。
CRABP2（细胞视黄酸结合蛋白2D）
目的：CRABP2（Cellula Retinoi Aci Bindin Protei 2D）过表达可促进多种肿瘤进展，但对肺腺癌（LUAD）中CRABP2的综合分析研究较少。方法：利用TCGA、GEO、GEPIA2、UALCAN、Kaplan Meier plotter、LinkedOmics、TIMER、CCLE、Metascape等大型公共数据库和在线分析工具进行大数据挖掘分析，利用RNA干扰技术、CCK8检测、流式细胞术及凋亡检测、Western blot等进行体外实验。结果：研究通过对丽水市中心医院640例LUAD患者及640例健康对照血浆样本的分析，发现早期（IA期）LUAD患者血浆中CRABP2的表达水平高于对照组（平均31.6587±13.8541 ng/mL vs. 13.9328±5.5805 ng/mL，p<0.0001）。受试者工作特征曲线显示，CRABP2对预测早期LUAD具有一定的准确性，灵敏度为70.98%，特异度为94.53%，临界值为0.6551 ng/mL，曲线下面积为0.839（95%CI：0.817-0.859，p<0.0001）。与正常肺组织相比，CRABP2在LUAD中显著高表达（p<0.05）。LUAD中CRABP2高表达提示LUAD患者总生存期（95%CI：1.04-1.46，HR：1.23，p=0.018）和首次进展（95%CI：1.10-1.65，HR=1.35，p=0.0032）预后不良。CRABP2可能通过促进G2/M期转变、抑制细胞凋亡、参与免疫微环境调控等作用，促进LUAD的进展。CRABP2高表达会抑制免疫效应细胞的募集，促进免疫抑制细胞比例的增加，从而促进LUAD的进展。 LUAD中CRABP2的低表达可能使CD274(PD-L1)、HAVCR2和PDCD1LG2(PD-L2)的表达增强，而CRABP2的高表达可能使CTLA4、LAG3、PDCD1(PD-1)、TIGIT和IGSF8的表达增强。结论：CRABP2可能是LUAD诊断、治疗及预后的重要生物标志物。LUAD中CRABP2高表达的患者使用针对CD274、HAVCR2和PDCD1LG2的抑制剂治疗疗效可能不理想，而使用针对CTLA4、LAG3、PDCD1、TIGIT和IGSF8的抑制剂治疗疗效可能更好。大多数CRABP2高表达的癌症患者可能受益于免疫检查点抑制剂治疗。我们的研究结果为LUAD的诊断和治疗奠定了积极基础。
地中海 - 局部方法停止高血压饮食干预以进行神经退行性延迟（思维）饮食：文献计量分析
思维饮食是一种健康的饮食模式，可为许多健康结果带来一些好处。我们的研究旨在对思维饮食进行文献计量分析，确定领先的边缘和热点，以提供未来研究的参考。关于思维饮食的研究是从科学核心收集（WOSCC）数据库中收集的。用于文献分析，VosViewer 1.6.16和WOSCC在线分析平台被使用。总的来说，这项全面的调查涵盖了思维饮食领域的171个文件。出版物是全球分布的，来自37个国家/地区的362个机构中的953位作者的贡献，并在94篇期刊上发表。美国有72份出版物，伊朗和中华人民共和国也分别表现出与28和19个出版物的显着参与。拉什大学（Rush University）在哈佛大学和德黑兰医学科学大学（University of Tehran Medical Sciences）中脱颖而出，其次是对这一领域的实质性贡献。玛莎·克莱尔·莫里斯（Martha Clare Morris）是一个关键人物，有10个出版物，以及克洛迪安·达纳（Klodian Dhana）和普贾·阿加瓦尔（Puja Agarwal），每本书都有9份出版物，强调了它们在思维饮食研究中的影响。杂志“营养”是一个主要的出版物场所，其中有20篇相关文章，其次是“营养前沿”和“营养健康杂志”，反映了他们在促进有关思维饮食知识的知识中的关键作用。总而言之，这是第一项全面的书目计量研究，对思维饮食领域的出版物进行了定量和定性分析。第一个高引用的出版物发表在阿尔茨海默氏症和痴呆症中，并由玛莎·克莱尔·莫里斯（Martha Clare Morris）进行，该出版物侧重于心灵饮食与阿尔茨海默氏病预防和认知能力下降的关系，并强调饮食的神经药物的保护性潜在的潜力，从而大大降低了阿尔兹海姆的风险降低，并降低了阿尔兹海姆的风险降低，并降低了速度的降低。思维饮食可能是痴呆症的有前途的饮食模式。但是，当前的证据受到限制，并突出了进一步研究的紧迫性和必要性，以研究这种饮食对认知功能的疗效。此外，心灵饮食可能会对其他健康结果（包括CVD，癌症和糖尿病）有一些好处。思维饮食领域的研究数量有限。需要更多的研究，并将为我们提供更多有关改善人类健康的思维饮食的知识，尤其是对于痴呆症。