摘要 - 在动态图上检测到的动态检测旨在与图表中观察到的标准模式及其时间信息相比,识别表现出异常行为的实体。由于其在财务,网络安全和社交网络等各个领域的应用,它引起了越来越多的关注。但是,现有方法面临两个重大挑战:(1)动态结构捕获挑战:如何有效地使用复杂的时间信息捕获图形结构,以及(2)负面采样挑战:如何为无人看管的学习构建高质量的负样本。为了应对这些挑战,我们提出了对动态图(Gady)的生成异常检测。gady是一个连续的动态图模型,可以捕获细粒的时间信息以应对动态结构捕获挑战,从而克服了现有离散方法的局限性。指定,我们建议使用优先级的时间聚集和状态特征来增强动态图编码器以进行异常检测。在第二个挑战中,我们引入了生成对抗网络的新颖使用来产生负面子图。此外,在发电机训练目标中引入了辅助损失功能,以确保同时生成的样品的多样性和质量。广泛的实验表明,我们提出的Gady在三个现实世界数据集上的表现明显优于现状方法。补充实验进一步验证了我们的模型设计的有效性和每个组件的必要性。
1 1表遗传学和细胞命运中心,CNRS /PARISITéParisCité,巴黎,法国2 Arthur和Sonia Labatt脑肿瘤研究中心,病假儿童医院,多伦多,多伦多,加拿大,加拿大玛格丽特癌症中心,玛格丽特癌症中心,大学健康网络,大学街101号,多伦多,多伦多,M5G1L7,M5G1L7 INSERM,CHU LILLE,U1192 -PROTéomiqueréponseinfymatoirespectrométrieDeMasse- Prism- Prism- F -59000法国Lille,法国6生物科学系,纽约大学,纽约,纽约,10027,10027 York, NY 10032, USA 9 CNRS UMR9019 Genome Integrity and Cancers, Université Paris-Saclay, Gustave Roussy Institute, Villejuif, France 10 Department of Medical Oncology, Dana-Farber Cancer Institute, Boston, USA 11 Protein Analysis Unit, BioMedical Center, Faculty of Medicine, Ludwig-Maximilians-University, Martinsried, Germany 12 Department of美国波士顿的小儿肿瘤学,达纳 - 法伯波士顿儿童癌和血液疾病中心1表遗传学和细胞命运中心,CNRS /PARISITéParisCité,巴黎,法国2 Arthur和Sonia Labatt脑肿瘤研究中心,病假儿童医院,多伦多,多伦多,加拿大,加拿大玛格丽特癌症中心,玛格丽特癌症中心,大学健康网络,大学街101号,多伦多,多伦多,M5G1L7,M5G1L7 INSERM,CHU LILLE,U1192 -PROTéomiqueréponseinfymatoirespectrométrieDeMasse- Prism- Prism- F -59000法国Lille,法国6生物科学系,纽约大学,纽约,纽约,10027,10027 York, NY 10032, USA 9 CNRS UMR9019 Genome Integrity and Cancers, Université Paris-Saclay, Gustave Roussy Institute, Villejuif, France 10 Department of Medical Oncology, Dana-Farber Cancer Institute, Boston, USA 11 Protein Analysis Unit, BioMedical Center, Faculty of Medicine, Ludwig-Maximilians-University, Martinsried, Germany 12 Department of美国波士顿的小儿肿瘤学,达纳 - 法伯波士顿儿童癌和血液疾病中心
抽象的背景定量间质异常(QIA)是自动化计算机断层扫描(CT)发现早期实质性肺部疾病的发现,与肺功能较差,运动能力降低,增加疗程症状和死亡相关。与QIA相关的代谢组扰动尚不清楚。我们试图鉴定吸烟者中与QIA相关的血浆代谢产物。我们还试图确定QIA和肺气肿之间的共享和区分代谢组学特征,这是另一种与吸烟有关的晚期放射学异常。在COPD队列的遗传流行病学中的928例和当前吸烟者中的方法,我们使用自动化的局部密度直方图方法测量了QIA和肺气肿,并使用液态色谱 - 质谱法(Metabolon)从血浆样品中产生了来自等离子体样品的代谢物谱。我们使用多变量的线性回归模型评估了代谢物水平与QIA之间的关联,该模型根据年龄,性别,体重指数,吸烟状态,包装年和吸入的皮质类固醇使用,并在本杰米尼 - 霍赫伯格(Benjamini – Hochberg)的false-hochberg false发现率p值≤0.0.05。使用针对这些协变量调整的多项式回归模型,我们评估了代谢物水平与以下CT表型之间的关联:QIA-PREDOMONINENS,EMPHYSEMA-PREDOMINALS-促剂,良好的促进性,预先主导和既不优势。使用化合生剂进行富集分析。结果,我们发现85种代谢物与QIA显着相关,而烟酸和烟酰胺,组氨酸,淀粉,淀粉和蔗糖,吡啶胺,磷脂酰胆碱,溶血磷脂和鞘磷脂素途径过高。这些包括参与炎症和免疫反应的代谢产物,细胞外基质重塑,表面活性剂和肌肉缓存。在QIA-促剂和肺气肿促性表型之间存在75种代谢物,并且磷脂酰乙醇胺,烟酸和烟酰胺,氨基酰胺,氨基酰胺,精氨酸,精氨酸,蛋白酶,豆氨酸,蛋白酶,碱基,碱性,果碱和胶质酸含量过多。
1。新泽西州医学院的细胞生物学和分子医学系,罗格斯生物医学和健康科学,美国新泽西州纽瓦克2。犹他大学神经生物学和解剖学系,美国犹他州盐湖城3.AIX-MARSELILLE大学,CNRS UMR 7288,马赛发展生物学研究所,法国马赛4. 韦斯研究中心,吉林诊所,宾夕法尼亚州丹维尔市盖辛格诊所的分子和功能基因组学系5。AIX-MARSELILLE大学,CNRS UMR 7288,马赛发展生物学研究所,法国马赛4.韦斯研究中心,吉林诊所,宾夕法尼亚州丹维尔市盖辛格诊所的分子和功能基因组学系5。人类遗传学系,犹他大学,犹他州盐湖城,美国人类遗传学系,犹他大学,犹他州盐湖城,美国
Arabella Bouzigues 1 · Lucy L. Russell 1 · Georgia Peakman 1 · Martina Bocchetta 1 · Caroline V. Greaves 1 · Rhian S. Convery 1 · Emily Todd 1 · James B. Rowe 2 · Barbara Borroni 3 · Daniela Galimberti 4.5 · Pietro Tiraboschi 6 · Mario Masellis 7 Maria Carmela Tartaglia 8·Elizabeth Finger 9·John C. Van Swieten 10·Harro Seelaar 10·Lize Jiskoot 10·Sandro Sorbi 11.12·Chris R. Chris R. Butler 13.14·Caroline Graff 15.16·Caroline Graff 15.16·亚历山大·盖尔哈德(Alexander Gerhard)17,18·tob tob tob tob tob lobers langheinrich。拉奎尔·桑切斯(Raquel Sanchez)-Valle 21·Alexandre deMendonça22·Fermin Moreno 23.24·MATTHIS SANOFZIK 25.26·Rik Vandenberghe 27,28.29·Simon Ducharmor 30.31 ·Markus Otto 38·佛罗伦萨Pasquier 39,40.41·Isabel Santana 42.43·Jonathan D. Rohrer 1·遗传FTD倡议,Genfi
本文涉及术语学中的“异常”语言功能。如果更一般的作品会引起与标准不同的变化(根据语域、地点、时间),那么“异常”一词已被各种作者用来描述不符合非专业情况下预期的语言功能(元素的添加或删除、参数的变化、某些类别的过度使用等)(例如,参见下面引用的 Lehrberger (1986) 和 Pearson (1998))。即使不使用“异常”一词,也可以从本质上描述的角度识别专业语言的特殊性。在本文中,我们对这种“异常”现象感兴趣,目的是进行解释。我们想表明的是,这些看似异常的功能实际上是由于情况的特殊性造成的。语言描述(尤其是有关词汇的描述)通常是针对中性情况进行的,即没有指定任何特定的上下文。然而,专业语言的一个固有特征是,它们从一开始就以定义话语社区的交流环境为特征。在大多数情况下,异常的语言功能可以通过在专业情况下建立话语社区的共同利益来解释。这种共同利益以专家的投入为前提,体现在特定的语言功能中。因此,本文唤起了经常被提及来解释行话使用的社会语言学方面,它建立了社区,但也可以孤立社区。根据语料库研究的结果,本文描述了语言功能:冗长(添加修饰语)、经济(删除介词和/或限定词),这些功能可以通过概念的精细度来解释
DNA 链之间的相互作用是细胞中许多基本过程的关键。DNA 寡核苷酸之间的杂交对于我们最灵敏的 DNA 检测方法至关重要,包括最先进的单分子技术。1–3 单分子技术通过提供有关生物反应和生理过程动力学的细节,丰富了生物分子研究,而这些细节在相应的批量测量中并不明显。在过去的几十年里,出现了强大的单分子传感和成像新方法。一个例子是基于荧光的单分子成像,它通过从高精度时间调制和单分子检测事件的积累中重建图像来克服衍射极限。4–7 其中,光激活定位显微镜
摘要 — 自动检测和去除脑电图 (EEG) 异常值对于设计强大的脑机接口 (BCI) 至关重要。在本文中,我们提出了一种新的异常值检测方法,该方法适用于样本协方差矩阵 (SCM) 的黎曼流形。现有的异常值检测方法存在错误地将某些样本拒绝为异常值的风险,即使没有异常值,因为检测基于参考矩阵和阈值。为了解决这一限制,我们的方法黎曼谱聚类 (RiSC) 基于提出的相似性度量将 SCM 聚类为非异常值和异常值,从而检测异常值。这考虑了空间的黎曼几何,并放大了非异常值簇内的相似性并削弱了非异常值和异常值簇之间的相似性,而不是设置阈值。为了评估 RiSC 的性能,我们生成了受不同强度和数量的异常值污染的人工 EEG 数据集。比较 RiSC 与现有异常值检测方法之间的 Hit-False (HF) 差异,证实 RiSC 可以显著更好地检测异常值 (p < 0.001)。特别是,对于异常值污染最严重的数据集,RiSC 对 HF 差异的改善最大。
T细胞急性淋巴细胞白血病(T-ALL)患者通常没有5年的无事件生存期。临床实践中唯一的T-All特定药物是Nelarabine。脱氧鸟苷类似物ARA-G的前药,Nelarabine是一种理性设计的药剂,可用于治疗T细胞恶性肿瘤。最初被批准用于复发/难治性T-ALL,它越来越多地用于T-ALL治疗,目前正在前期治疗中进行评估。虽然纳拉滨的临床使用一直是多个评论文章的主题,但缺乏详细介绍其抗白血病活动的分子基础的临床前数据的详细概述,这对于基于机械的使用至关重要。因此,在本文中,我们对文献进行了半系统评论,并批判性地评估了Nelarabine分子药理学的临床前知识。虽然早期研究将ARA-G三磷酸化为主要活性代谢产物和核DNA合成是关键目标,但仍有许多基本问题仍然可以告知未来对这种疗法的使用。其中包括奈拉滨诱导的DNA病变的性质及其修复,以及其他ARA-G代谢物的细胞靶标及其在效率和毒性中的作用。在当前的T-All化学疗法方案和新兴的抗白血病药物的背景下,对Nelarabine组合疗法进行了研究的关键途径是对Nelarabine组合疗法的研究,我们强调了一些追求的领域。总的来说,我们讨论了从整体上可以从临床前文献中学到的知识,并介绍了我们在T-All中对Nelarabine治疗的未来研究的看法。
