XiaoMi-AI文件搜索系统
World File Search System平均大小
使用光谱光谱和定量超声检查的癌症表征：肉瘤亚型的实体研究
组织学分析是癌症诊断的黄金标准方法。但是，它容易出现主观性和采样偏差。应对这些局限性，我们引入了一种定量的双峰方法，旨在为可疑区域提供非侵入性指导。将光谱光谱和定量超声技术组合在一起，以表征来自动物模型的两种不同的骨肿瘤类型：软骨肉瘤和骨肉瘤。使用两种不同的细胞系诱导骨肉瘤的生长。进行组织学分析作为参考。光反射率的三个超声参数和强度显示，在5％水平上，软骨肉瘤和骨肉瘤之间存在显着差异。同样，尽管在组织学检查中观察到了两种类型的骨肉瘤，但两种类型的骨肉瘤的变化也被报道了两种类型的骨肉瘤。这些观察结果表明我们技术在探测细组织特性中的敏感性。其次，超声基于光谱的技术鉴定了软骨肉瘤细胞和核的平均大小，相对误差分别为22％和9％。光学当量技术正确提取了软骨肉瘤和骨肉瘤的细胞和细胞的散射尺寸分布（分别为9.5±2.6和µ）。软骨肉瘤的核的光散射贡献估计为52％，骨肉瘤的光散射贡献可能分别表明大量和不存在细胞外基质。因此，超声和光学方法带来了互补参数。他们在细胞和核尺度上成功估计了形态学参数，这使我们的双峰技术有望用于肿瘤表征。
无性水平和扩散规模
羊栖菜是东亚地区一种具有商业价值的大型藻类，了解这种大型藻类的繁殖策略对于保护和恢复至关重要。在这里，我们使用种群遗传学方法来确定羊栖菜的繁殖策略。为此，我们执行了两种采样程序：随机采样和方形采样。对于随机采样，我们在相距 700 米的 A、B、C 和 D 地点以 > 1 米的间隔采集了 80 个样本。对于方形采样，我们在 B 和 D 两个地点使用由 10 厘米网格组成的 50 厘米 × 50 厘米方形采集了 207 个样本。使用 14 个（随机采样）或 13 个微卫星（方形采样）通过基因分型识别这些样本中的克隆同源体。对于通过随机采样获得的样本，仅检测到三对克隆对。对于通过样方取样获得的样本，每个样方包含 4– 7 个基株，平均大小为 23.2 ± 14.3 厘米（标准差），最大为 70.7 厘米。地点 B 的无性水平高于地点 D，这可能是由于暴露时间较长。地点 B 位于该物种潮间带的后缘。通过有性生殖的基因流动超过 65% 局限于样方内，而至少 10% 延伸至数米至数公里。综合起来，这些结果表明 S. fusiforme 在小范围内通过有性和无性传播其后代，在更大范围内通过有性传播，无性水平取决于暴露产生的压力。
Biomodex 患者专用脑动脉瘤模型
摘要 背景 随着该领域先进技术的出现，使用血管内技术治疗神经血管疾病正在迅速发展。在这里，我们描述了使用 Biomodex EVIAS 患者特定 3D 打印模型进行术前模拟的经验，以规划使用血管内机器人和新型流量分流装置治疗动脉瘤。 方法 在第一次人体实验之前，使用 8 例脑动脉瘤患者的 3D 打印患者特定模型进行术前演练。为了评估实验模型的可靠性，比较了患者和 3D 模型之间动脉瘤的特征。演练用于确定患者治疗计划，包括技术、装置尺寸和手术工作投影。 结果 该研究包括八名患者及其各自的 EVIAS 3D 动脉瘤模型。对首次人体机器人辅助神经血管干预（n=2）和新一代流量分流支架（n=6）进行了术前模拟。动脉瘤位于前循环（n=5）和后循环（n=3），平均大小为 11.0±6.5 毫米。我们发现 3D 模型和患者解剖结构可靠地再现了动脉瘤特征，母血管解剖结构的尺寸相似。详细描述了从术前体外模拟中得到的信息，包括改进的患者治疗计划，这有助于成功完成世界上首例手术，且没有术中并发症。结论使用患者特定的 3D 模型进行术前演练可提供精确的手术计划，这可能会提高操作员的信心，减少辐射剂量并提高患者的安全性，尤其是在首次人体体验中。
线粒体在与Desmin突变相关的心肌病的发展中的关键贡献
摘要：异质性超导性发作是Cuprate和基于铁的家族的高-T C超级导管的常见现象。它是由从金属到零抗性状态的相当广泛的过渡表现出来的。通常，在这些强烈的各向异性材料中，超构型（SC）首先显示为孤立域。这会导致t c以上的各向异性过量电导率，并且传输测量值提供了有关样品内部深处的SC结构域结构的宝贵信息。在大量样品中，这种各向异性SC发作给出了SC晶粒的平均形状，而在薄样品中，这也表明SC晶粒的平均大小。在这项工作中，在各种厚度的FESE样品中，测量了层中的和内层的电阻率。为了测量层间电阻率，使用FIB制造了跨层的FESE MESA结构。随着样品厚度的降低，观察到超导过渡温度T C的显着增加：T C在厚度〜40 nm的微生物中从散装物质的8 K提高到12 K。我们应用了分析和数值计算来分析这些数据和早期数据，并发现了FESE中SC域的纵横比和大小与我们的电阻率和Diamamnetic响应测量相一致。我们提出了一种简单且相当准确的方法，用于估计各种小厚度样品中T C各向异性的SC域的长宽比。讨论了FESE中的nematic和超导域之间的关系。我们还将分析公式推广到异质各向异性超级导管中的电导率，以与两个具有相等体积分数的两个垂直方向的细长SC结构域的情况，对应于基于Fe的各种FE基超导体中的nematic结构域结构。
猪肉芽生菌在体外分泌的细胞外囊泡的隔离和表征
摘要：细胞外囊泡的分泌，EVS，是原核生物和真核细胞的常见过程，用于细胞间交流，生存和发病机理。先前的研究表明，来自细菌纯培养物的上清液中的EV存在，包括革兰氏阳性和革兰氏阴性的聚糖降解肠道分子。但是，复杂微生物群落分泌的电动汽车的隔离和表征尚未清楚地报告。在最近的一篇论文中，我们表明，木材衍生的复杂β -mannan与常规饮食纤维具有结构性相似，可用于调节猪肠道肠道菌群的组成和活性。在本文中，我们研究了24小时在复合β -Mannan富集后，猪粪便菌群分泌的EV的产生，大小，组成和蛋白质组。使用透射电子显微镜和纳米颗粒跟踪分析，我们以165 nm的平均大小识别电动汽车。我们利用猪蛋白的基于质谱的元蛋白质蛋白基于猪蛋白的数据库，并从猪群中鉴定出355个元基因组组装的基因组（MAG），从而鉴定出303蛋白。对于从β -mannan生长的培养物中分离出来的EV，大多数蛋白质映射到两个MAGS MAG53和MAG272，分别属于梭菌和细菌。此外，具有第三次蛋白质的MAG为MAG 343，属于肠杆菌阶。在β -Mannan EV蛋白质组中检测到的最丰富的蛋白质参与了翻译，能量产生，氨基酸和碳水化合物转运以及代谢。总体而言，这项概念验证研究表明，从复杂的微生物群落中释放出的电动汽车的成功隔离。此外，电动汽车的蛋白质含量反映了特定微生物对可用碳水化合物源的响应。
基于自动收集数据的树木采伐机性能分析中的数据挖掘
摘要：收割机自动记录的数据是一种很有前途的、可能非常有用的科学分析信息来源。大多数研究人员已将 StanForD 文件用于此目的，但这些文件很难获取，需要进行一些预处理。本研究利用了类似数据的新来源：JDLink，这是一项由机器制造商运营的基于云的服务，可实时存储来自传感器的数据。此类数据量巨大，难以理解和有效处理。数据挖掘技术有助于在此类数据库中发现趋势和模式。使用经典回归（线性和对数）、聚类分析（树状图和 k 均值）和主成分分析 (PCA) 分析了在波兰东北部工作的两台中型收割机的记录。线性回归表明，树木的平均大小是对每立方米燃料消耗和生产率影响最大的变量，而每小时燃料消耗也取决于低速行驶距离或高发动机负荷时间份额等因素。聚类和 PCA 的结果更难解释。树状图显示了最不相似的变量：每天采伐的总体积、每天的总燃料消耗和高转速 (RPM) 的工作时间份额。K 均值聚类使我们能够识别特定变量聚类更突出的时期。尽管 PCA 结果解释了近 90% 的方差，但机器之间的结果尚无定论，因此需要在后续研究中进行仔细审查。生产率值（平均约 10 m 3 /h）和燃料消耗率（平均 13.21 L/h，1.335 L/m 3）与其他作者在可比条件下报告的结果相似。本研究获得的一些新指标包括，例如，低速行驶距离（每天约 7 公里）或发动机在低、中或高负荷下运行的时间比例（分别为 34%、39% 和 7%）。本研究的假设是使用不从外部来源补充的数据，并且尽可能少地进行处理，这将分析方法限制在无监督学习上。在后续研究中扩展数据库将有助于监督学习技术在建模和预测中的应用。
文章 基于自动采集数据的树木采伐机性能分析中的数据挖掘
摘要：收割机自动记录的数据是一种很有前途的、可能非常有用的科学分析信息来源。大多数研究人员已将 StanForD 文件用于此目的，但这些文件很难获取，需要进行一些预处理。本研究利用了类似数据的新来源：JDLink，这是一项由机器制造商运营的基于云的服务，可实时存储来自传感器的数据。此类数据量巨大，难以理解和有效处理。数据挖掘技术有助于在此类数据库中发现趋势和模式。使用经典回归（线性和对数）、聚类分析（树状图和 k 均值）和主成分分析 (PCA) 分析了在波兰东北部工作的两台中型收割机的记录。线性回归表明，树木的平均大小是对每立方米燃料消耗和生产率影响最大的变量，而每小时燃料消耗也取决于低速行驶距离或高发动机负荷时间份额等因素。聚类和 PCA 的结果更难解释。树状图显示了最不相似的变量：每天采伐的总体积、每天的总燃料消耗和高转速 (RPM) 的工作时间份额。K 均值聚类使我们能够识别特定变量聚类更突出的时期。尽管 PCA 结果解释了近 90% 的方差，但机器之间的结果尚无定论，因此需要在后续研究中进行仔细审查。生产率值（平均约 10 m 3 /h）和燃料消耗率（平均 13.21 L/h，1.335 L/m 3）与其他作者在可比条件下报告的结果相似。本研究获得的一些新指标包括，例如，低速行驶距离（每天约 7 公里）或发动机在低、中或高负荷下运行的时间比例（分别为 34%、39% 和 7%）。本研究的假设是使用不从外部来源补充的数据，并且尽可能少地进行处理，这将分析方法限制在无监督学习上。在后续研究中扩展数据库将有助于监督学习技术在建模和预测中的应用。
深度学习衍生的脂肪细胞大小揭示脂肪细胞肥大在遗传控制下
白色脂肪组织的抽象脂肪分布和宏观结构是预测肥胖相关疾病的重要因素，但是探索了白色脂肪组织的细胞微观结构。研究脂肪细胞大小与肥胖相关性状之间的关系以及其潜在的疾病驱动遗传关联，我们进行了最大的自动脂肪细胞表型研究，将组织学测量和遗传学联系起来。我们介绍了基于深度学习的方法，用于对5个独立队列的皮下和内脏脂肪组织组织学样本（n = 2,667）的可扩展和准确的语义分割，包括来自9,000个整个幻灯片图像的数据，超过2700万个脂肪细胞。对Glastonbury等人的脂肪细胞平均大小的估计值进行了验证。2020。我们表明，脂肪细胞肥大与不良代谢曲线相关，瘦素水平升高，空腹血浆葡萄糖，糖化血红蛋白和甘油三酸酯以及脂联蛋白和HDL胆固醇的水平降低。We performed the largest GWAS (N Subcutaneous = 2066, N Visceral = 1878) and subsequent meta-analysis of mean adipocyte area, and find two genome-wide significant loci (rs73184721, rs200047724) associated with increased 95%-quantile adipocyte size in respectively visceral and subcutaneous adipose tissue.通过性别进行分层，在女性中，我们发现两个基因组显着的基因座，一个变体（rs140503338）与皮下脂肪组织中平均脂肪细胞大小增加相关，另一个（rs11656704）与95％Quartile adipocococypose降低相关。引言肥胖是一个快速发展的全球医疗保健问题。患有肥胖症患者的特征是患有多种疾病的风险增加，包括2型糖尿病，冠状动脉疾病，非酒精性脂肪肝疾病（1,2）。最近大规模基因组的大规模基因组结合研究（GWAS），禁食胰岛素水平和2型糖尿病突出了白色脂肪组织作为一种关键组织，其中与疾病相关的变异体现了其作用（3）。
副细胞动物的蒸馏膜衍生的外膜...
目的：鉴于细菌外膜囊泡（OMV）的有效免疫刺激作用以及副胶束滴虫剂（PD）的显着抗癌特性（PD），该研究旨在阐明PD衍生的OMVS（PD -OMVS）（PD -OMVS）（PD -OMVS）对抗结肠癌的作用和潜在机制。方法：这项研究将PD培养物隔离和纯化的PD -OMV并评估了它们的特征。在体外研究了PD -OMV对CT26细胞摄取，增殖和侵袭的影响。在体内，使用CT26结肠肿瘤模型来研究PD -OMV的抗颜色肿瘤效应和潜在的机制。最后，我们评估了PD -OMV的生物安全。结果：纯化的PD -OMV具有均匀的杯形结构，平均大小为165.5 nm，ZETA电位约为-9.56 mV，其蛋白质与与免疫和凋亡有关的途径有关。体外实验表明，CT26细胞将PD -OMV内化，从而显着降低其增殖和侵袭能力。进一步的体内研究证实了肿瘤组织中PD -OMV的积累，这显着抑制了结肠肿瘤的生长。从机械上讲，Pd -OMVS增加了CXCL10的表达，促进CD8 + T细胞浸润到肿瘤组织中，并表达促炎性因子TNF-α，IL-1β和IL-6。值得注意的是，PD -OMVS表现出高水平的生物安全。这表明PD -OMV可以作为一种新型的纳米级有效免疫刺激剂开发，具有在肿瘤免疫疗法中施用的巨大潜力。结论：本文阐明了PD -OMV可以通过上调趋化因子CXCL10的表达来发挥明显的抗细性肿瘤作用，从而将CD8 + T细胞的浸润增加到肿瘤中并增强抗肿瘤免疫反应。以及开发为一种新型的纳米递送载体，以与其他抗肿瘤药物结合使用。关键字：副细胞曲盘，外膜囊泡，结肠肿瘤，CXCL10，CD8 + T细胞
与可再生能源集成的电力系统的全生命周期管理：概念，发展和观点
泡沫在两个不混溶的阶段之间具有细胞网络结构。泡沫的结构动力学吸引了科学和工业应用中的研究人员。尤其是，由于物理和机械性能的组合，固体金属泡沫令人兴奋，例如与低特异性重量或高抗压强度结合使用，结合了合适的能量吸收特性，因此具有高度和机械性能。他们的网络结构使它们适合于汽车和航空航天行业的轻质结构或崩溃的能量吸收[1]。复合金属泡沫适用于锂离子电池[2]。流体泡沫或细胞流体由均匀分散的气泡和连续的液体组成。流体泡沫内部的气泡通常不稳定，并且随着时间的流逝而发展以最大程度地减少其表面能量[3]。在物理学中，泡沫是一种最小化表面能量的材料的模型系统：肥皂泡沫，乳液，磁石材和晶界[3]，因为它们最终发展为统计平衡的固定状态[4]。在数学中，泡沫是一个模型系统，用于研究与最小周长相关的等速度问题，并且在一个区域中具有固定数量的气泡[3]。二维随机细胞网络（2D泡沫）无处不在，例如肥皂泡沫，破碎模式和生物表皮[4]。初始瞬态后，纤维破裂引发了气泡的动态重排，那里的气泡迅速融合并慢慢发展到新的准平衡状态。清洁泡沫最初不稳定的泡沫随着时间的流逝而发展，通过减少其总表面积，随着气泡的平均大小随时间的变化而通过气泡之间的破裂（聚结）破裂或通过气体的不同交换而增长（凝聚）[5]。在玻璃，凝胶和泡沫等均衡系统中缓慢的动态和老化影响是一个丰富而有趣的话题，但仍然知之甚少[6]。诸如泡沫之类的细胞模式在自然界中广泛出现，例如生物组织中的细胞，多晶中的晶粒，胶体材料中的谷物聚集体以及一品脱啤酒的气泡[7，8]。物理学家在理论上和实验上广泛研究了泡沫的集体静态和动力学[7-15]。泡沫不仅在工程上，而且在软物质物理学上都引起了很多关注[7]。