XiaoMi-AI文件搜索系统
World File Search System工具箱
基于连接组的储层计算工具箱
神经回路的连接模式形成一个复杂的网络。这些电路中的信号如何表现为复杂的认知和适应性行为仍然是神经科学中的核心问题。伴随连接组和人工智能的进步从根本上开放了新的机会，以了解连接模式如何影响生物脑网络中的计算能力。储层计算是一种多功能范式，它使用高维动力系统的非线性动力学来执行计算和近似认知功能。在这里我们提供Conn2Res：一种开源Python工具箱，用于实现生物神经网络作为人工神经网络。conn2res是模块化的，允许施加任意体系结构和任意动态。该工具箱允许研究人员输入使用多种技术重建的连接组，从图形跟踪到非侵入性扩散成像，并施加多个动力学系统，从简单的尖峰神经元到磁性动力学。CONN2RES工具箱的多功能性使我们能够在神经科学和人工智能的汇合处提出新问题。通过将函数重新概念化为计算，Conn2Res为对大脑网络中结构功能关系的更机械理解设定了阶段。
使用 CRISPR/Cas9 胞嘧啶碱基编辑工具箱对利什曼原虫进行基因编辑和可扩展的功能基因组筛选 LeishBASEedit
摘要 CRISPR/Cas9 基因编辑彻底改变了利什曼病的病原体利什曼原虫的功能丧失实验。然而，由于利什曼原虫缺乏功能性非同源 DNA 末端连接途径，因此获得无效突变体通常需要额外的供体 DNA、选择与药物耐药性相关的编辑或耗时的克隆分离。因此，目前无法在不同条件下和多种利什曼原虫物种中进行全基因组功能丧失筛选。在这里，我们报告了一个克服这些限制的 CRISPR/Cas9 胞嘧啶碱基编辑器 (CBE) 工具箱。我们利用利什曼原虫中的 CBE 通过将胞嘧啶转化为胸腺嘧啶来引入终止密码子，并创建了用于动基体中 CBE 引物设计的 http://www.leishbaseedit.net/。通过报告基因检测以及针对 L. mexicana 、 L. major 、 L. donovani 和 L. infantum 中的单拷贝和多拷贝基因，我们展示了该工具如何通过仅表达一个单向导 RNA 来有效生成功能性无效突变体，在非克隆群体中达到高达 100% 的编辑率。然后，我们生成了针对利什曼原虫优化的 CBE，并成功地针对质粒文库传递的 L. mexicana 中的功能丧失筛选中的必需基因。由于我们的方法不需要 DNA 双链断裂、同源重组、供体 DNA 或克隆分离，我们相信这首次使通过质粒文库传递在利什曼原虫中进行功能性遗传筛选成为可能。
有效的CRISPR/CAS12A基于甲虫中代谢工程的基因组编辑工具箱单细胞揭示的对植物中真菌感染的细胞类型反应
。cc-by-nc 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权所有，该版本于2023年4月4日发布。 https://doi.org/10.1101/2023.04.03.535386 doi：Biorxiv Preprint
实现欧盟混合工具箱：机遇与陷阱
近年来，欧洲和其他国家越来越多地成为各种操纵或胁迫手段的目标，这些手段仍处于暴力的门槛之下，通常被称为混合威胁。1 例如，2016 年，美国大选被外国政府通过有针对性的宣传和泄露黑客材料操纵，这些材料危及了其中一位总统候选人的安全。同年，英国留在欧盟的公投也成为精心策划的宣传行动的目标。2 因此，欧盟战略指南承认需要全面应对这些威胁。它规定开发一个工具箱，为成员国提供广泛的措施来应对混合活动，如果它们选择寻求欧盟的援助。欧盟混合工具箱 (EUHT) 旨在收集所有可用于对抗混合战役的民用和军用工具。计划在 2022 年底前投入使用，但这似乎已无法实现。然而，乌克兰冲突证明了拥有协调反应能力以对抗混合战役的重要性，并可能为 EUHT 的发展提供动力。
Sporothrix brasiliensis 遗传工具箱 - RepositóriUM
摘要................................................................................................................................................ v
推出 CRISPR/Cas9 胞嘧啶碱基编辑器工具箱“LeishBASEedit”——无需 DNA 双链断裂、同源重组或供体 DNA 即可对利什曼原虫进行基因编辑和高通量筛选
。CC-BY-NC 4.0 国际许可证永久有效。它是在预印本（未经同行评审认证）下提供的，作者/资助者已授予 bioRxiv 许可，可以在该版本中显示预印本。此版本的版权持有者于 2022 年 12 月 8 日发布。；https://doi.org/10.1101/2022.12.08.519658 doi：bioRxiv 预印本
低碳和可再生氢能政策工具箱
虽然快速的技术学习使某些应用具备了成本竞争力，但要充分发挥低碳和可再生氢能（定义见附录）的潜力，还需要进一步制定政策。尽管有大量项目和资金公告，但距离实现全球气候变化减缓目标仍然存在巨大差距。到 2030 年，要充分发挥氢能的潜力，需要直接投资约 7000 亿美元。目前已宣布的价值 1600 亿美元的项目和政府支持，留下了近 5400 亿美元的缺口2。为了实现这些投资，该行业需要明确的政策和监管框架，以及对扩大氢能解决方案的支持，特别是在早期的市场建设阶段。一方面协调政策和监管活动，另一方面协调项目和投资活动，对于行业和政府尽快共同实现共同气候目标至关重要。
NETKET 3：多体机器学习工具箱......
1 洛桑联邦理工学院 (EPFL)，物理研究所，CH-1015 洛桑，瑞士 2 洛桑联邦理工学院 (EPFL) 量子科学与工程中心，CH-1015 洛桑，瑞士 3 马克斯普朗克物质结构与动力学研究所，自由电子激光科学中心 (CFEL)，Luruper Chaussee 149，22761 汉堡，德国 4 牛津大学鲁道夫佩尔斯理论物理中心，牛津 OX1 3PU，英国 5 ISIS 设施，卢瑟福阿普尔顿实验室，哈威尔校区，迪德科特 OX11 0QX，英国 6 德克萨斯大学奥斯汀分校物理系 7 哥伦比亚国立大学超导和纳米技术组，物理系，哥伦比亚波哥大 8 苏黎世大学物理系，CH-8057 瑞士苏黎世
NetKet 3：多体量子系统的机器学习工具箱
我们推出了 NetKet 的第 3 版，它是用于多体量子物理的机器学习工具箱。NetKet 围绕神经量子态构建，并为其评估和优化提供有效的算法。这个新版本建立在 JAX 之上，JAX 是 Python 编程语言的可微分编程和加速线性代数框架。最重要的新功能是可以使用机器学习框架的简洁符号在纯 Python 代码中定义任意神经网络解析器，这允许即时编译以及由于自动微分而隐式生成梯度。NetKet 3 还支持 GPU 和 TPU 加速器、对离散对称群的高级支持、分块以扩展到数千个自由度、量子动力学应用程序的驱动程序以及改进的模块化，允许用户仅使用工具箱的部分内容作为自己代码的基础。