XiaoMi-AI文件搜索系统
World File Search System大型
利用大型语言模型预测抗流感的抗体生物学活性a血凝素
单克隆抗体（mAb）代表了用于治疗自身免疫性疾病，传染病和癌症的最普遍的FDA批准方式之一。但是，治疗性抗体的发现和开发仍然是一个耗时且昂贵的过程。机器学习（ML）和人工智能（AI）的最新进步表明，在革新抗体发现和优化方面表现出了显着的希望。特别是预测抗体生物学活性的模型可以对结合和功能特性进行核内评估；这样的模型可以优先考虑在昂贵和时间密集的实验室测试程序中成功的可能性最高的抗体。我们在这里探索了一种AI模型，用于预测抗体与胞素A血凝集素（HA）抗原的结合和受体阻断活性。我们目前的模型是通过生物制剂发现的哺乳动物框架开发的，可以仅使用序列信息预测抗体 - 抗原相互作用。为了评估模型的性能，我们在各种数据拆分条件下对其进行了测试，以模仿现实世界中的情况。
工程弓形虫Gondii分泌系统用于细胞内多种大型治疗蛋白向神经元的细胞内递送
在诸如血脑屏障之类的生物屏障中传递大分子，限制了它们在体内的应用。先前的工作表明，弓形虫弓形虫是一种自然从人肠道传播到中枢神经系统（CNS）的寄生虫，可以将蛋白质传递给宿主细胞。在这里，我们设计了T. gondii的内源性分泌系统，晶状体和致密颗粒，通过转化为毒素和gra16，将多个大型（> 100 kDa）治疗蛋白传递到神经元中。我们证明了使用成像，下拉测定，SCRNA-SEQ和荧光记者的培养细胞，脑器官和体内的递送以及探针蛋白活性。我们证明了小鼠腹膜内给药后的强大分娩，并表征了整个大脑的3D分布。作为概念证明，我们证明了GRA16介导的MECP2蛋白的大脑递送，MECP2蛋白是RETT综合征的假定治疗靶标。通过表征系统的潜在和当前局限性，我们旨在指导更广泛应用所需的未来改进。
通过时间异步和程序连接的活动跟踪实现大型神经网络模拟的可扩展性
图 2：混合算法 [19]（图 (a) 和 (b)）和 ATiTA(P)（图 (c) 和 (d)）的示意图。图 (a) 和 (c) 代表神经网络的观点，而 PU 的观点则显示在图 (b) 和 (d) 中。由于膜电位或强度的整合，所有地方的脉冲都用红色表示，突触传递事件用橙色表示，下一个脉冲的预测用绿色表示。对于 ATiTA(P)，灰色也表示计算后丢弃的潜在脉冲。在 (a) 中，由于大小为 T com 的突触延迟，下一个大小为 T com 的容器中的神经元会接收脉冲，然后对其进行整合以计算膜电位。在 (b) 中，每个 PU 的计算都是按大小为 T com 的容器进行的，并且需要在每个 T com 进行同步。根据 PU 的数量，一些 PU 可能会等待其他 PU，而不会在每个线程上进行大量计算，因此它们的负载较低。在 (c) 中，对于 ATiTA(P)，在网络级别使用离散事件方法：计算会跳转到下一个潜在尖峰。最小的尖峰被保留为实际的下一个尖峰。然后，仅对突触后神经元进行突触传递、相应强度的更新和下一个潜在尖峰的新计算。在 (d) 中，(c) 的不同操作按单个线程在单个 PU 上执行的连续操作的顺序排列，因此单个 PU 会随着时间的推移满负荷运行。请注意，两种算法（混合算法和 ATiTA(P)）都具有时间精度，可以是经典的数值精度 10 15，从这个意义上讲，它们都计算连续时间。
从三个大型语言模型概念证明
注意：应将本文档理解为对2024年期间三个时间点概念证明的反思，该证明是由政府CIO在公共支出部门NDP交付和改革部赞助的，并由相关行业的反馈告知。它旨在为公共服务中的非技术和技术人员提供背景和见解。，就采用人工智能而言，这并不是要表明整个公共服务中通常发生的事情。
大型语言模型如何解释用户所感知的业务流程？ ⋆
大型语言模型（LLM）接受了大量文本培训，以解释和生成类似人类的文本内容。他们正在成为实现自动企业愿景的重要工具，如今组织积极采用LLM来自动化其运营的许多方面。llms可能在未来的A-AVEN-AFMENT ADMENT业务流程管理系统（ABPMS）餐饮功能中发挥着重要作用。这样一个系统的功能是情况感知的解释性（SAX），它与生成因果关系且人性化解释的解释有关，这些解释考虑了发生的过程上下文。在本文中，我们介绍了为生成SAX解释而开发的SAX4BPM框架。SAX4BPM套件由一组服务和一个中央知识存储库组成。这些服务的功能是引起萨克斯解释的各种知识成分。这些成分之间的关键创新组件是因果关系执行视图。在这项工作中，我们将框架与LLM集成在一起，以利用其功能来合成各种输入成分，以改善SAX的解释。由于将LLM用于SAX，还伴随着一定程度的疑问，与其充分实现SAX的能力以及其幻觉的趋势以及缺乏固有的推理能力有关，我们对生成解释的感知质量进行方法论评估。为了实现这一目标，我们开发了指定的量表并进行了严格的用户研究。我们的发现表明，呈现给LLMS的输入有助于其性能的后卫，从而产生了萨克斯的解释，具有更好的忠诚度。对信任和好奇心的感知来调节这种改进。更重要的是，这种改进是以解释的可解释性为代价。
大型语言模型作为道德专家？ GPT-4O ...
人们认为AI在各个领域都具有专业知识，但是AI生成的道德专业知识的质量仍然不确定。最近的工作表明，大型语言模型（LLMS）在旨在评估道德一致性的任务上表现良好，以相对较高的精度反映了道德判断。由于LLM越来越多地在决策角色中使用，因此他们越来越期望他们不仅提供一致的判断，而且表现出合理的道德推理。在这里，我们推进了道德图灵测试的工作，发现美国人的道德建议比《纽约时报》受欢迎的咨询专栏《道德》（The Pollecicist）更具道德，值得信赖，周到和正确。参与者认为GPT模型既超过了美国人的代表性样本，又超过了著名的伦理学家提供道德理由和建议，这表明人们可能越来越多地将LLM的产出视为可行的道德专业知识来源。这项工作表明，人们可能会将LLMS视为对道德指导和决策中人类专业知识的有价值的补充。也强调了在LLMS中精心编程的道德准则的重要性，考虑到它们影响用户道德推理的潜力。
信托委员会（业务与风险） 2025 年 1 月 28 日星期二上午 9:30 菲尔德黑德医院健康与发展中心大型会议室
TB/24/111 欢迎、介绍和致歉（议程项目 1）副主席 Nat McMillan 欢迎大家参加会议，并解释说主席 Marie Burnham (MB) 迟到了，很快就会加入会议。会议已收到致歉，会议被视为已达到法定人数，可以继续进行。NM 概述了董事会会议的规程和礼仪，并报告说，会议正在进行直播，以保持包容性，让公众可以参加会议。NM 告知与会者，会议正在录制，用于行政目的，以支持会议记录，会议记录完成后，将不会保留录音。会议与会者被告知，除非他们在会议召开前获得信托基金的授权，否则他们不应录制会议。NM 提醒公众，在第 3 项中将有机会以书面形式回答收到的问题和评论。 TB/24/112 利益声明 (议程第 2 项) 没有利益声明。决议记录更新后的利益声明。
在大型城市中年人口中糖尿病前和未诊断糖尿病的患病率：谷瓦尔92队列
抽象背景本研究的目的是评估糖尿病前期和未知糖尿病的流行率及其在大型中年城市人口中的长期变化。我们在2007年至2018年之间进行了筛查运动，以了解巴黎西部郊区的心血管危险因素，包括40-70岁的受试者（Carvar 92）。在没有报告以前没有糖尿病的受试者中，糖尿病前和未诊断的糖尿病定义如下：禁食血浆葡萄糖（FPG）≥6.1mmol/L（110 mg/dl）和<7 mmol/l（126 mg/dl）（126 mg/dl）（126 mg/dl）（126 mg/dl）在who who who criter/criter/criter to a da中（5.6和5.6）（5.6）（5.6）（5.6）（5.6）（5.6）（5.6）（5.6）和5.69。未诊断的糖尿病的FPG≥7.0mmol/L。carvar 92队列中的32,721名受试者的结果，32,675名在此分析中包括在内。患者的中位年龄为56岁[30，94]，男性为45.4％，5.9％患有已知糖尿病，36.4％的人超重，肥胖为18.7％。在没有以前已知的糖尿病的患者中（n = 30,759），根据WHO标准（根据ADA标准为27.2％），有8.1％的患者患糖尿病，糖尿病为2.3％。与非糖尿病患者相比，患有糖尿病前和未知糖尿病的受试者更有可能是男性，年龄较大，超重或肥胖。从2007年到2018年，糖尿病前期，未知糖尿病和已知糖尿病的患病率降低了，除了糖尿病前期糖尿病前期的前糖尿病前期稳定的糖尿病患者对55-64岁的人保持稳定。结论糖尿病前和未知糖尿病的患病率仍然很高，但在12年期间降低。大约四分之一的糖尿病病例仍未诊断。我们的结果表明，仍然有筛查和心血管预防运动的空间。
社论：应用大型动物进行发育研究和疾病建模
1 中国医科大学健康科学研究所帕金森病及相关疾病研究实验室，中国沈阳，2 海南大学生物医学工程学院海南省生物医学工程重点实验室，中国海口，3 法国雷恩大学法国国家科学研究院上皮细胞动力学与力学系，雷恩遗传与发育研究所 (IGDR)，法国雷恩，4 军事医学研究所 (WIM-PIB) 分子肿瘤学与创新疗法实验室，波兰华沙，5 中国农业大学生物科学学院动物生物技术育种国家重点实验室，中国北京，6 中国农业大学三亚研究所，中国三亚，7 东北大学生命与健康科学学院辽宁省生物资源研究与开发重点实验室，中国沈阳