XiaoMi-AI文件搜索系统
World File Search System完善
完善 AML 治疗：遗传学在新药疗效和耐药性评估中的作用
1 Charité-Universitätsmedizin Berlin，柏林自由大学、柏林洪堡大学和柏林健康研究所的企业成员，医学部，血液学、肿瘤学和癌症免疫学部，13353 Berlin，Germany； adriane.halik@charite.de (AH); christopher-maximilian.arends@charite.de (CMA)； lars.bullinger@charite.de (LB)； frederik.damm@charite.de (FD) 2 柏林夏里特医学院柏林健康研究所、BIH 生物医学创新学院、BIH、夏里特临床科学家项目、Charité platz 1, 10117 Berlin, Germany 3 德国癌症联盟 (DKTK) 和德国癌症研究中心 (DKFZ)，69120 Heidelberg, Germany * 通讯地址：mareike.frick@charite.de；电话：+49-30-450-559075；传真：+49-30-450-559975 † 这些作者对本文的贡献相同。
组织肉瘤并完善Cinsarc签名
抽象背景软组织肉瘤（STSS）是异质和侵略性肿瘤，具有高转移性风险。排斥反应的免疫学常数（ICR）20基因签名是细胞毒性免疫反应的特征。我们假设ICR可能会改善对早期STS的预后评估。方法我们追溯地将ICR应用于1455个非转移性STS，并搜索了ICR类与临床病理学和生物学变量之间的相关性，包括无转移生存（MFS）。结果将34％的肿瘤分为ICR1、27％ICR2、24％ICR3和15％ICR4。这些类别与患者的年龄，病理类型和肿瘤深度有关，以及免疫反应的定量/定性评分的富集。ICR1类与转移性复发的风险增加59％有关。在多元分析中，ICR分类与MFS保持相关，以及肉瘤（Cinsarc）分类中的病理类型和复杂性指数，提示独立的预后价值。在学习集（n = 339）中构建了包括三个变量在内的预后临床基因组模型，并在独立集（n = 339）中进行了验证，显示出比单独或单独或Doublet中的每个变量更高的预后精度。最后，连通映射分析确定了药物类别可能能够扭转较差的预后肿瘤的表达谱，例如化学疗法和靶向疗法。结论ICR签名与早期ST的术后MF独立相关，独立于包括Cinsarc在内的其他预后特征。我们建立了一个结合ICR，Cinsarc和病理类型的强大预后临床基因组模型，并建议每个预后组对不同的全身疗法的差异脆弱性。
完善的交通反种族主义战略
• 无论种族如何，所有人都被赋予权力、蓬勃发展并能够最大限度地发挥自己的潜力。• 所有决定都以种族平等的视角来处理。• 为所有乘客提供优质服务。• 与社区建立信任。• 社区成员有平等的发展机会。
完善的制度架构助力政策组合优化
最后，也是非常重要的一点，该条约没有预见到需要采取重大的总体财政行动来平稳周期并协助共同货币政策。例如，在欧元区主权债务危机后的低通胀时期，财政框架规定的财政政策协调程度低于补充货币政策所需的总体刺激，这一点显而易见。而且，由于缺乏预先确定的总体财政工具，在 COVID 危机期间，必须采取临时的、集中的财政手段作为临时应对措施。首先，启动了 SGP 2 中的一般豁免条款，允许在国家层面采取非常扩张性的财政立场。其次，通过 SURE 和 ESM 的疫情信贷额度，以优惠利率向各国提供紧急援助，没有严格的条件限制。第三，NGEU 向各国提供资金，专门用于投资数字能力和应对气候变化，以换取实施结构性改革。
GAO-22-563，无障碍版本，导弹防御：最近的采购政策变化平衡了风险和灵活性，但需要采取行动来完善需求流程
美国政府问责署还发现，国防部通常通过以下方式满足国会为改变导弹防御非标准采购流程和职责而制定的法定要求：(a) 与国防部所需官员协商；(b) 证明已进行协商；(c) 向国会报告变更；(d) 通常等待规定的 120 天后再实施变更。美国战略司令部确定，它不需要对需求制定流程所做的变更采取相同的行动。美国政府问责署还发现，国防部通常满足法定要求，即获得有关 MDA 采购流程和国防部内部组织位置的独立研究。根据要求，国防部向国会国防委员会通报了研究报告的范围，并向国会委员会提供了报告。但是，国防部比法定报告期限晚了 13 天。
血脑屏障的生物学和模型在CRISPR中完善定位
CRISPR (clustered regularly interspaced short palindromic repeats) is a natural bacterial defense system against bacteriophage infection that has recently been harnessed for genome and tran- scriptome editing in a wide range of organisms based on the generation of double-strand DNA breaks (DSBs) and RNA cleavage (3, 24, 32, 47, 52, 58, 73, 76, 79, 91，127）。是根据工程II（CAS9）和VI型（CAS13）可编程核酸酶，DNA和RNA基础编辑，质量编辑以及CRISPR干扰/激活（CRISPRI/A）编辑（CRISPRI/A）编辑（CRISPRI/A）编辑，启用与基本疾病的校正和安装基本疾病的校正和安装，40个基本疾病的突变（30; 69–71、87、105、115、135），例如转录扰动（138）和表观遗传调节（94）。这些基于DNA的编辑器是通过没有DSB活性的死亡CAS9（DCAS9）或CAS9 Nickase（CAS9N）的融合而生成的，只有对胞嘧啶脱氨酶的活性（例如，APOBEC和C-TO-T编辑的APOBEC和辅助）或trans-FER RNA（TRNA）腺苷（TRNA）腺苷氨基氨基酶（例如，tada）（例如，tada）（37）（37）（37）（37）。RNA编辑系统是通过将DCAS13B/DCAS13D/DCAS13X融合而成的，没有RNA裂解活性与腺苷脱氨酶结构域（例如，ADAR2 DD用于A-TO-I编辑）或工程型胞质Deam-Inase Inase Insaine（例如，ADAR2DD）的87，C-TON 7，c-us-n.7，c.-ty 7，c c. 47，c. 47，c.-ty 7，c-ty 7，c-ty 7，c-us-c.-edy in 13，c-u-u--u-u-udy in 13，c-u-udy in 34，c-u-u--为了启用序列特异性基因组调节，DCAS蛋白还融合到多个基因调节效应子，例如逆转录酶（10），转录阻遏物和激活剂（40，101）和表观遗传性调节器（17，99）。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
化学功能的定量结构使用关系（QSUR）模型的评估和完善
•定量结构使用关系（QSUR）模型是使用化学品结构预测其功能使用的分类模型。•模型评估表明，对具有工业用例的化学物质进行测试时，我们现有的模型表现不佳。•新的化学使用数据用于使用由经济合作与发展组织开发的统一功能类别（OECD）建立精致的QSUR模型。•将14种产品使用类别的描述符（PUC）与化学结构一起纳入，以通过用例（例如，在消费产品或行业中）对功能预测进行分层。•可以为大多数经合组织函数构建成功的QSUR模型（平衡精度> 75％）。•在这些新的精制模型中，预期用例影响了功能使用的预测。
完善SNP变异的基因组位置，影响大西洋鲑鱼成熟时间在关键的大效应基因座
。cc-by-nc-nd 4.0国际许可证（未获得同行评审证书）获得的是作者/资助者，他已授予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2021年6月16日。 https://doi.org/10.1101/2021.04.26.441431 doi：biorxiv preprint
市场不完善下的政府风险承担
大量文献讨论了是否应使用市场价格来衡量政府活动中风险的收益和成本，还是应将政府视为风险中性。本文探讨了在市场不完善的正式模型中政府承担风险的收益和成本，在这些模型中，政府充当其财政中不同利益相关者之间的中介。一些利益相关者无法参与市场，要么是因为他们属于后代，要么是因为他们没有资金投资并面临借贷限制。在自由放任政策下，这些政府利益相关者的风险成本可能不等于市场价格，但在帕累托有效政策下，风险成本将与市场价格相同，从而产生超边际效益。在世代重叠模型中，风险的市场价格可能会低估或高估政府转嫁给后代的风险成本，这取决于不确定性是由技术的永久性冲击还是暂时性冲击引起的。技术的永久性冲击导致风险的市场价格低估了后代的风险成本，而暂时性冲击则导致其高估此类风险的成本。