XiaoMi-AI文件搜索系统
World File Search System多状态
grnade：3D RNA逆设计的几何深度学习
计算RNA设计任务通常被提出为反问题，其中设计序列是基于采用单个所需的二级结构而不考虑3D几何和构象多样性的。我们介绍了Grnade，这是在3D RNA骨干上运行的G型RNA de标志管道，以设计明确解释结构和动力学的序列。在引擎盖下，Grnade是一个多状态图神经网络，它在一个或多个3D主干结构上生成候选RNA序列，在该结构中，碱的身份未知。在单态固定骨架上，来自Das等人鉴定的PDB的14个RNA结构的重新设计基准。[2010]，与罗塞塔（Rosetta）相比，Grnade获得了更高的天然序列恢复率（平均为56％）（平均45％），与Rosetta报道的小时相比，要花一秒钟的时间才能产生设计。我们进一步证明了Grnade在用于结构柔性RNA的多状态设计的新基准上的实用性，以及对最近的RNA聚合酶核酶结构的回顾性分析中突变适应性景观的零摄像排名。
3D RNA逆设计的几何深度学习
计算RNA设计任务通常被提出为反问题，其中设计序列是基于采用单个所需的二级结构而不考虑3D几何和构象多样性的。我们介绍了Grnade，这是在3D RNA骨干上运行的G型RNA de标志管道，以设计明确解释结构和动力学的序列。在引擎盖下，Grnade是一个多状态图神经网络，它在一个或多个3D主干结构上生成候选RNA序列，在该结构中，碱的身份未知。在单态固定骨架上，来自Das等人鉴定的PDB的14个RNA结构的重新设计基准。[2010]，与罗塞塔（Rosetta）相比，Grnade获得了更高的天然序列恢复率（平均为56％）（平均45％），与Rosetta报道的小时相比，要花一秒钟的时间才能产生设计。我们进一步证明了Grnade在用于结构柔性RNA的多状态设计的新基准上的实用性，以及对最近的RNA聚合酶核酶结构的回顾性分析中突变适应性景观的零摄像排名。
考虑大规模电池储能热致事故的可再生能源系统可靠性评估
摘要 — 电池储能系统 (BESS) 被认为是电力系统中可再生能源容纳的有效解决方案。然而，大型 BESS 的剩余容量和最大功率受到电池性能下降和热失控 (TR) 传播等热诱发事件的严重影响。在现有技术研究中，热诱发事件对 BESS 服务性能的影响尚未得到很好的建模，导致电力系统的可靠性估计相对过于乐观。本文研究了考虑电池性能下降和 TR 传播的大型并网 BESS 的可靠性及其对电力系统整体可靠性的影响。为了量化 BESS 的时变性能，构建了一个多状态模型。所提出的模型描述了 BESS 内部电池的老化过程，结合了连续 TR 和周围电池因吸热而导致的性能下降的综合影响。基于蒙特卡罗方法，模拟了反映间歇性风力发电和波动负载不确定性的场景。建立了储能系统最优调度模型，提出了求解算法，计算了储能系统在实时性能范围内考虑热工条件的调度结果，并通过实例验证了所提模型和技术的有效性。
![arxiv：2305.14749v7 [cs.lg] 2025年2月25日](/simg/g:\will\search\icon\source\c\c76d39d4c6e939d3fabf8e266ba4e6c3a39b970f.webp)
arxiv：2305.14749v7 [cs.lg] 2025年2月25日
计算RNA设计任务通常是作为反问题提出的，其中设计是基于采用单个所需的二级结构，考虑到3D构象多样性。我们介绍了Grnade，这是在3D RNA骨架上运行的G型RNA DE标志管道，以设计出解释结构和动力学的序列。GRNADE使用多状态图neu-ral网络和自回归解码来生成候选RNA序列，该候选RNA序列在一个或多个3D骨干结构上，在一个或多个碱的身份未知。在单态固定骨架上，来自Das等人鉴定的PDB的14个RNA结构的重新设计基准。（2010年），与罗塞塔（Rosetta）相比，Grnade获得了更高的天然序列恢复率（平均为56％）（平均45％），与Rosetta报告的小时相比，要花一秒钟的时间才能产生设计。我们进一步证明了Grnade在用于结构柔性RNA的多状态设计基准上的实用性，以及对最近的核酶的回顾性分析，突变适应性景观的零摄像排名。对10种不同结构化RNA骨架的实验性湿实验室验证发现，在设计伪后的RNA结构时，Grnade的成功率为50％，对于Rosetta而言，超过35％的增长率超过35％。开源代码和教程可在以下网址找到：github.com/chaitjo/ geometric-rna-design
使用 CaverDock 和机器学习筛选全球批准的针对 SARS-CoV-2 高动态刺突糖蛋白的药物
新型严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2) 会引起病理性肺部症状。针对这种病毒的疫苗和药物的大多数开发工作都针对刺突糖蛋白，特别是其 S1 亚基，该亚基被血管紧张素转换酶 2 识别。在这里，我们使用内部开发的工具 CaverDock 使用低温电子显微镜结构 (PDB-ID: 6VXX) 和来自先前发布的分子动力学模拟的五个最密集簇的代表性结构对刺突糖蛋白进行虚拟筛选。配体数据集来自 ZINC 数据库，包括全球批准用于临床的药物。针对完整数据集计算了单个药物通过刺突糖蛋白同源三聚体通道的轨迹、它们在通道内的结合能以及它们与三聚体三个亚基的接触持续时间。然后使用多元统计方法建立结构-活性关系并选择运动抑制的最佳候选药物。这种用于快速筛选多状态蛋白质结构（6 种状态）中全球批准药物（4359 种配体）的新协议在完成计算的速度方面表现出很高的稳健性。该协议是通用的，可以应用于任何具有包含蛋白质隧道或通道的实验性三级结构的目标蛋白质。该协议将在 CaverWeb 的下一个版本中实现（https://loschmidt.chemi.- muni.cz/caverweb/），以便更广泛的科学界可以访问它。2021 作者。由 Elsevier BV 代表计算和结构生物技术研究网络出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons. org/licenses/by/4.0/）。
面向 Qudit 系统的量子编译
量子计算为解决传统计算机难以解决的问题提供了一种有前途的替代方案。绝大多数量子计算文献涉及量子比特、双态系统的集合以及产生它们之间任意相互作用的门。在任意相互作用的假设下，量子计算机的计算空间可缩放为 2 N ，其中 N 是量子比特的数量。状态空间的指数增长以及这些状态任意叠加的能力是量子计算机相对于传统计算的主要优势之一。然而，设计量子计算机的最大挑战之一是实现量子比特之间的相互作用，同时尽量减少与环境以及其他量子和经典噪声源的相互作用。最近的努力试图将量子问题映射到 d 状态（qudit）量子计算机上 [1]–[3]。早期的实验方法已将问题映射到多状态系统或量子比特的最优控制问题。这样的计算系统可按 d N 的量级缩放，其中 N 是量子比特的数量。其中一个主要目标是，与严格的量子比特系统相比，qudit 系统将具有更高的噪声容忍度。这与当今的主要方法形成了鲜明对比——使用一组双态单元或量子比特 [4]，[5]。除了利用物理系统的自然特性来容忍噪声之外，qudit 量子计算机还可以减少空间需求。具体来说，高维系统上的量子计算可能比量子比特更有效率，甚至可能比量子比特系统提供渐近计算改进 [6]。此外，高维系统上的纠缠态无法通过成对纠缠量子比特态的张量积来模拟 [7]。
配电系统维护优化
摘要 最大限度提高资产绩效是电力配电系统运营商 (DSO) 的主要目标之一。为了实现这一目标，在满足客户和监管机构的需求的同时，最小化生命周期成本和优化维护至关重要。因此，基本目标之一是以高效和有效的方式将维护和可靠性联系起来。此外，这需要确定预防性维护和纠正性维护之间的最佳平衡，这是本文要解决的主要问题。预防性维护和纠正性维护之间的平衡被视为一个多目标优化问题，一方面是客户中断成本，另一方面是 DSO 的维护预算。使用针对特定问题开发的元启发式方法以及进化粒子群优化算法获得解决方案。这些方法提供了一个帕累托边界，即一组多个解决方案，操作员可以根据偏好从中进行选择。优化建立在专门为电力系统开发的组件可靠性重要性指标之上。这些指标的一个重要方面是它们同时与多个电源和负载点一起工作，解决电力系统的多状态可靠性问题。为了计算这些指标，使用了基于分析和模拟的技术。这些指标构成了组件可靠性性能和系统性能之间的联系，从而实现了维护优化。所开发的方法已在两个基于实际系统和数据的案例研究中进行了测试和改进，证明了这些方法的实用性，并表明它们已准备好应用于配电系统。此外，值得注意的是，经过一些修改，这些方法可以应用于其他类型的基础设施。但是，为了进行优化，需要研究电力系统的可靠性模型，以及对维护行动的影响（故障率变化）及其相关成本的估计。鉴于此，可以分别向 DSO 和客户提供总体降低的总维护成本和更好的系统可靠性性能。这是通过将预防性维护重点放在从系统角度来看具有高改进潜力的组件上来实现的。关键词：可靠性重要性指数、多目标优化、维护优化、资产管理、客户中断成本、以可靠性为中心的维护（RCM）、以可靠性为中心的资产管理（RCAM）、蒙特卡洛模拟、进化粒子群优化。
呼吸道合胞病毒和其他疫苗可预防的
由于疾病和治疗相关因素，感染是多发性骨髓瘤 (MM) 管理中的一个主要临床问题。因此，预防感染的措施（例如接种疫苗）对于 MM 患者的临床护理至关重要。使用现代疗法治疗的 MM 中疫苗可预防感染的数据很少。鉴于欧洲最近批准了两种针对 RSV 的免疫原性融合前 F 疫苗，有关呼吸道合胞病毒 (RSV) 感染负担的数据尤其令人感兴趣。本研究旨在使用真实世界数据估计骨髓瘤患者与健康人群相比疫苗可预防感染的风险。我们使用了前瞻性队列设计和外部比较人群。研究人群包括 2008 年至 2021 年期间在瑞典诊断出的所有有症状 MM 患者，这些患者均被纳入瑞典骨髓瘤登记处 (N=8,672)。瑞典骨髓瘤登记处的覆盖率很高，估计在 2008 年至 2022 年期间将超过 95%。从瑞典人口数据库中随机确定每个 MM 患者的四名对照，这些对照按年龄、性别和居住县匹配（N=34,567）。传染病诊断来自瑞典患者登记处，主要在住院和门诊就诊中对不同感染的诊断代码有很好的覆盖率。1 感染必须发生在至少相隔 1 个月的不同场合。对于 COVID-19，此间隔设置为 3 个月，因为免疫抑制患者中病毒复制时间延长很常见。对 MM 患者和对照者均进行随访，直至其死亡、永久移民或到 2022 年 12 月 31 日。使用以感染为时间依赖性协变量的多状态 Cox 比例风险模型来估计总体感染风险以及与对照者相比的 1 年和 5 年感染风险。所有模型均根据性别、年龄和诊断年份进行了调整。计算了风险比 (HR) 和 95% 置信区间 (CI)。分别评估了年龄、性别和自体干细胞移植 (auto-SCT) 的影响。当特定传染病的病例总数低于 10 例时，不进行统计分析。该研究经瑞典伦理审查局批准（许可证号：2020-01729）。大多数患者 (73%) 年龄在 65 岁及以上