XiaoMi-AI文件搜索系统
World File Search System工具
生物工具和欧盟AI法案
我们修改了先前描述的狭窄AI支持生物学工具的类别（Rose＆Nelson，2023），然后检查以下类别中的模型：蛋白质设计工具；蛋白质结构预测或表示工具；小型生物分子设计工具；疫苗设计工具；病毒矢量设计工具；遗传修饰工具；基因组装配工具；毒性预测或检测工具；病原体性质预测工具；宿主 - 病原体相互作用预测工具；免疫系统建模工具；实验设计，计划工具和仿真工具；自动实验平台；和生物基础模型（BioFMS）。对于这14个类别中的每一个，我们选择了2-7个AI模型。4对于每个模型，我们检查了它们是否满足GPAI分类的一般性和下游集成标准，并使用专业的情报评估概率概率标准来指定我们的估计。我们还考虑了使用自学阶段模型的Epoch AI数据集在大型数据集上使用至少1B参数训练的任何模型。我们分析的信息包括基本的学术论文或技术报告，有时包括文档或类似文档。
摘要 研究：AI 社会认知评估与建模。评估 LLM 中的心智理论及其在心理学中的应用 NLP：LLM IFT、表征学习（对比和三重态损失）、语义聚类、总结 DL：Transformers、MoE、EncDec、RNNs、DPO、LoRA 工具：Python、Pytorch、Deepspeed、AWS Sagemaker、hydra、SQL 管理：建立 ML 团队、职能、策略和 OKR、招募和指导科学家和实习生以及建立数据和注释伙伴关系。
摘要 研究：AI 社会认知评估与建模。评估 LLM 中的心智理论及其在心理学中的应用 NLP：LLM IFT、表征学习（对比和三重态损失）、语义聚类、总结 DL：Transformers、MoE、EncDec、RNNs、DPO、LoRA 工具：Python、Pytorch、Deepspeed、AWS Sagemaker、hydra、SQL 管理：建立 ML 团队、职能、策略和 OKR、招聘和指导科学家和实习生以及建立数据和注释合作伙伴关系。
第 14 章 CRISPR/Cas13：一种用于植物 RNA 编辑的新型新兴工具
摘要 成簇的规律间隔短回文重复序列（CRISPR）和CRISPR相关蛋白（Cas）是细菌和古菌中对抗入侵核酸和噬菌体的适应性免疫系统。根据效应蛋白的组成，CRISPR/Cas大致分为多种类型和亚型。其中，VI型CRISPR/Cas系统尤受关注，有VI-A、VI-B、VI-C和VI-D四个亚型，被认为从转座子进化而来。这些亚型在结构架构和机制上表现出差异，具有多种Cas13a（C2c2）、Cas13b1（C2c6）、Cas13b2（C2c6）、Cas13c（C2c7）和Cas13d效应蛋白。CRISPR/Cas13 核糖核酸酶将前 crRNA 加工成成熟的 crRNA，后者在病毒干扰过程中靶向并敲除噬菌体基因组的单链 RNA。这种蛋白质的高特异性 RNA 引导和 RNA 靶向能力使其能够与多种效应分子融合，为 Cas13 介导的 RNA 靶向、追踪和编辑领域开辟了新途径。CRISPR/Cas13 具有靶向包括植物在内的 RNA 的独特功能，因此可以用作一种新的工具，用于工程干扰植物病原体（包括 RNA 病毒），具有更好的特异性，并可用于植物中的其他 RNA 修饰。荧光探针标记的失活可编程 Cas13 蛋白可用作体外 RNA 研究的替代工具。工程化的 Cas13 也可用于可编程的 RNA 编辑。CRISPR/Cas13 的高靶向特异性、低成本和用户友好的操作使其成为多种基于 RNA 的研究和应用的有效工具。因此，本章的重点是 CRISPR/Cas 系统的分类、VI 型 CRISPR/Cas 系统的结构和功能多样性，包括其发现和起源、机制以及 Cas13 在植物 RNA 编辑中的作用。
EL-2203 / EH-2970-1 < / div> PC-3458 / PC-3459，PH-3958 < / div> raku®工具
我们关于材料使用的建议基于多年的经验以及当前的科学和实践知识。但是，他们没有任何义务提供，并且不会减轻买家的适用性测试。它们不构成法律关系，也没有受到任何受保护的第三方权利。技术数据表不是规格，而是仅包含近似值。
药物整合 药剂师工具包
版权页 版权所有 2021 国际药学联合会 (FIP) 国际药学联合会 (FIP) Andries Bickerweg 5 2517 JP 海牙 荷兰 www.fip.org 保留所有权利。 未经引用出处，不得将本出版物的任何部分存储在任何检索系统中或以任何形式或手段（电子、机械、录音或其他方式）转录。 FIP 对因使用本报告中的任何数据和信息而造成的任何损害不承担任何责任。已采取一切措施确保本报告中提供的数据和信息的准确性。 作者： Matthew Hung（FIP 实践发展项目助理） Victoria Chinwendu Ezeudensi（FIP 志愿者，尼日利亚） Gonçalo Sousa Pinto（FIP 实践发展和转型负责人） 本工具包包含来自 FIP 社区和医院药房部门的多项贡献，并在致谢部分列出。编辑：Gonçalo Sousa Pinto（FIP 实践发展与转型负责人）Matthew Hung（FIP 实践发展项目助理）Catherine Duggan（FIP 首席执行官）推荐引用：国际药学联合会 (FIP)。药物协调：药剂师工具包。海牙：国际药学联合会；2021 封面图片：© Tero Vesalainen | shutterstock.com
评估数字取证工具 (DFT)
作者：F Flandrin · 被引用 27 次 — NIST [14] 证明，如果硬盘的扇区数为奇数，著名的数据采集工具 dd [15] 就无法检索硬盘的最后一个扇区。
crispr，一种编辑基因组的工具
本文的重点是使用新工具CRISPR（经常分组的短篇小学重复），该工具可以比其他技术更准确地编辑生物的基因组；在整个文章中，提到了人类中的血管生成，癌症，卡波西肉瘤，帕金森氏症，帕金森氏症，再生和遗传修饰有关的作品，所有这些调查均已使用CRISPR工具。您还可以评论涉及在人类胚胎细胞的DNA中使用该技术的伦理并发症，根据不同的标准，这些并发症会进行改进的人类，这不仅没有对退行性或可治疗疾病的敏感性，而且在物理方面也没有改变与任何病理学相关的身体方面。
SynBioTools：搜索和选择合成生物学工具的一站式设施
© 作者 2023。开放存取 本文根据知识共享署名 4.0 国际许可协议进行授权，允许以任何媒体或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信任，提供知识共享许可协议的链接，并指明是否做出了更改。 本文中的图片或其他第三方资料包含在文章的知识共享许可协议中，除非在资料的致谢中另有说明。 如果资料未包含在文章的知识共享许可协议中，且您的预期用途不被法定规定允许或超出了允许的用途，则需要直接从版权所有者处获得许可。 要查看此许可证的副本，请访问 http:// creativecommons.org/licenses/by/4.0/ 。知识共享公共领域贡献豁免（http://creativecommons.org/publi cdomain/zero/1.0/）适用于本文中提供的数据，除非数据来源中另有说明。
机器学习筛查工具，用于预测废水中药物化合物的提取产率
药物化合物已成为废水中越来越重要的污染物来源，因为它是传统的处理方法无效地去除它们的方法，因此它们通常被放入环境中。可以使用液体液体提取成功去除药物，并且可以使用宇宙RS预测相互作用并识别最有前途的溶剂。但是，COSMO热模型无法解释关键过程参数，从而降低了这些计算模型的准确性。因此，需要替代计算方法来准确预测可以纳入处理和相互作用变量的药物的提取产率。这项工作使用机器学习来预测使用八种溶剂的11种药物的提取产率。探索了六个回归模型和两个分类模型。使用ANN回归器（测试MAE：4.510，测试R 2：0.884）和RF分类器（测试精度：0.938，测试召回：0.974）获得了最佳性能。RF回归分析和分类还显示了关键的提取产率特征：溶剂与喂养比，N - 辛烷 - 水分系数，氢键，氢键和范德华对多余的焓的贡献，以及pH距离至最近的PKA。机器学习显示为筛选和选择最有希望的溶剂和过程条件的绝佳工具，以从废水中去除药物。