XiaoMi-AI文件搜索系统
World File Search System异质性
探索获得性脑损伤后认知触发性异质性：提示理解的聚类分析
Natacha Cordonier，Marion Fossard，YvesTillé，Maud Champagne-Lavau。探索获得性脑损伤后认知务实的异质性：提示理解的聚类分析。《美国语言病理学杂志》，2023，32（6），第2752-2767页。10.1044/2023_AJSLP- 22-00389。hal-04330850
使用带有可变形天花板的微设备来探测3D细胞骨料内的刚度异质性
摘要机械生物学领域的最新进展已导致开发了表征单细胞或单层机械性能并将其链接到其功能行为的方法。但是，仍然需要建立三维（3D）多细胞聚集体的联系，从而更好地模拟组织功能。在这里，我们提出了一个平台，以在一个可变形的微设备中启动并观察许多此类骨料。该平台由在3D打印的模具上铸造的单个聚二甲基硅氧烷片组成，并粘合到载玻片或盖玻片上。它由一个包含细胞球体的腔室组成，该腔室与流体独立的空气腔相邻。控制这些空气腔中的气压会导致房间天花板的垂直位移。该设备可以在秒钟到小时的时间尺度上以静态或动态模式使用，并且位移幅度从几µm到几十万微米。此外，我们通过比较不同级别的压缩级别的球体的图像相关性与有限元仿真来展示如何使用压缩方案来获得单个共培养球体内刚度异质性的测量。将细胞的标记及其细胞骨架与图像相关方法结合使用，以将共培养球体的结构与其在不同位置的机械性能相关联。该设备与各种显微镜技术兼容，包括共聚焦显微镜，可用于观察聚集体内单细胞和邻域的位移和重排。现在可以使用完整的实验和成像平台来提供多尺度的测量，这些测量将单细胞行为与聚集体的全局机械响应联系起来。
癌症生长和药物治疗的数学建模：考虑细胞群体的异质性和可塑性
摘要 — 在细胞群自适应动力学框架内，提出了癌症生长和癌细胞特征（又称性状或表型）演变的数学模型，以及控制它们的优化和最优控制方法。它们考虑了癌细胞群的异质性，即它们的生物变异性，以及它们的内在可塑性，即它们的非遗传不稳定性，这使得它们能够快速适应不断变化的环境。所提出的癌症疾病观点特定于多细胞生物，依赖于一种相对新颖的观点，与十亿年的进化观点一致。基于癌症哲学方面的最新贡献，这些数学模型旨在设计理论治疗策略，以同时控制肿瘤进展并将药物不良事件限制在健康细胞群中。
与年龄相关的对 SARS-CoV 的免疫反应异质性......
尽管两剂 mRNA 疫苗可以很好地预防 SARS-CoV-2，但关于疫苗对八十岁以上人群关注变体 (VOC) 的有效性的信息很少 1 。在这里，我们分析了老年参与者和年轻医护人员接种 BNT162b2 mRNA 疫苗 2 后的免疫反应。老年人在接种第一剂疫苗后，血清中和作用和结合 IgG 或 IgA 水平较低，八十岁以上的参与者尤其明显下降。八十岁以上参与者的血清对 B.1.1.7（Alpha）、B.1.351（Beta）和 P.1.（Gamma）VOC 的中和效力低于对野生型病毒的中和效力，并且在第一剂后更有可能缺乏对 VOC 的任何中和作用。但是，在第二剂之后，无论年龄大小，都可以检测到对 VOC 的中和作用。首次接种后，对疫苗有反应的老年患者（其血清显示出中和活性）中 SARS-CoV-2 刺突特异性记忆 B 细胞的频率高于无反应者。老年参与者的类别转换细胞的体细胞超突变明显减少。老年参与者中 SARS-CoV-2 刺突特异性 T 细胞产生的干扰素-γ 和白细胞介素-2 较少，这两种细胞因子主要由 CD4 T 细胞分泌。我们得出结论，老年人是高风险人群，有必要采取特定措施来增强该人群的疫苗反应，特别是在令人担忧的变种正在传播的情况下。
肿瘤异质性预测的块神经网络
准确的肿瘤分类对于选择有效治疗至关重要，但是当前方法有局限性。标准肿瘤分级基于细胞分化对TUMOR进行分类，不建议将其作为独立手术，因为某些差异良好的肿瘤可能是恶性的。通过单细胞测序评估肿瘤异质性评估提供了深刻的见解，但可能会昂贵，并且仍然需要大量的手动干预。 许多现有的用于肿瘤数据的统计机器学习方法仍然需要对MRI和组织疗法数据进行复杂的预处理。 在本文中，我们建议建立在模拟肿瘤进化的数学模型上（OTAńSKI（2017）），并生成用于肿瘤分类的人工数据集。 使用归一化熵估算肿瘤异质性，其阈值将肿瘤视为具有高或低异质性。 我们的贡献是三重的：（1）从人工数据中的剪切和图生成过程，（2）肿瘤特征的设计，以及（3）构建块图神经网络（BGNN），这是一种基于图神经网络的方法，以预测肿瘤异质性。 表现出的结果表明，所提出的特征和模型的组合在人为生成的数据上产生了出色的结果（89。 测试数据的精度为67％）。 尤其是与AI辅助分级和空间转录组学的新兴趋势保持一致，我们的结果表明，通过出生（例如KI-67增殖指数）丰富传统的分级方法和死亡标记物和死亡标记物可以改善异质性预测和增强肿瘤分类。通过单细胞测序评估肿瘤异质性评估提供了深刻的见解，但可能会昂贵，并且仍然需要大量的手动干预。许多现有的用于肿瘤数据的统计机器学习方法仍然需要对MRI和组织疗法数据进行复杂的预处理。在本文中，我们建议建立在模拟肿瘤进化的数学模型上（OTAńSKI（2017）），并生成用于肿瘤分类的人工数据集。肿瘤异质性，其阈值将肿瘤视为具有高或低异质性。我们的贡献是三重的：（1）从人工数据中的剪切和图生成过程，（2）肿瘤特征的设计，以及（3）构建块图神经网络（BGNN），这是一种基于图神经网络的方法，以预测肿瘤异质性。表现出的结果表明，所提出的特征和模型的组合在人为生成的数据上产生了出色的结果（89。测试数据的精度为67％）。尤其是与AI辅助分级和空间转录组学的新兴趋势保持一致，我们的结果表明，通过出生（例如KI-67增殖指数）丰富传统的分级方法和死亡标记物和死亡标记物可以改善异质性预测和增强肿瘤分类。
人类胰腺导管腺癌中的克隆异质性及其对肿瘤进展的影响
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。该预印本版的版权持有人于2025年2月15日发布。 https://doi.org/10.1101/2025.02.11.637729 doi：Biorxiv Preprint
基于机器学习的评估制造过程对电池电极异质性的影响
电极制造过程强烈影响锂离子电池特性。电极浆料特性和涂料参数是影响电池性能和寿命的电极异质性影响的主要因素。然而，由于可以在此过程中可以调整的大量参数，因此很难对电极制造参数对电极异质性的影响进行分析。在这项工作中，开发了一种数据驱动的方法，以自动评估参数的影响，例如浆料中的配方和液体与固定比，以及用于电流收集器上电极异质性的涂层的差距。通过实验测量产生的数据集用于训练和测试机器学习（ML）分类器，即高斯naives贝叶斯算法，用于预测电极是否均质或异质性，具体取决于制定量参数。通过2D表示，详细评估了制造参数对电极异质性的影响，为优化下一代电池电极的强大工具铺平了道路。
人类和小鼠星形胶质细胞的综合交叉疾病图集揭示了神经变性中星形胶质细胞亚型的异质性和保守性
星形胶质细胞在中枢神经系统稳态和神经炎症中起着关键作用。尽管在单细胞分析中取得了进步，但神经退行性疾病中反应性星形胶质细胞的异质性，尤其是整个物种的异质性。在这里，我们提出了来自阿尔茨海默氏症（AD）小鼠模型和多发性硬化症（MS）的187,000个星形胶质细胞的整合地图集，以及来自AD，MS和Parkinson's（PD）患者的438,000个星形胶质细胞。我们的分析确定了四个不同的小鼠星形胶质细胞簇，包括两个与疾病相关的星形胶质细胞（DAA）簇DAA1和DAA2。daa1表现出类似于急性刺激的反应，包括内毒素血症，而DAA2表示众所周知的AD风险基因。在AD模型中，DAA1和DAA2与淀粉样斑块表现出不同的空间关系。在人类中，我们确定了八个不同的星形胶质细胞簇，其中包括体内平衡和疾病相关的亚型。跨物种分析联系了与疾病相关的簇，同时也突出了其他人的表达。我们的星形胶质细胞地图集可通过用户友好的，可搜索的网站提供：http：//research-pub.gene.com/astrotlas/。
癌症生长和药物治疗的数学建模：考虑细胞群体的异质性和可塑性
摘要 — 在细胞群自适应动力学框架内，提出了癌症生长和癌细胞特征（又称性状或表型）演变的数学模型，以及控制它们的优化和最优控制方法。它们考虑了癌细胞群的异质性，即它们的生物变异性，以及它们的内在可塑性，即它们的非遗传不稳定性，这使得它们能够快速适应不断变化的环境。所提出的癌症疾病观点特定于多细胞生物，依赖于一种相对新颖的观点，与十亿年的进化观点一致。基于癌症哲学方面的最新贡献，这些数学模型旨在设计理论治疗策略，以同时控制肿瘤进展并将药物不良事件限制在健康细胞群中。
13 种 IFN-α 亚型的异质性和功能
I 型 IFN 对宿主对病毒感染的反应至关重要，也与多种自身免疫性疾病的发病机制有关。I 型 IFN 家族中有多种亚型，特别是 13 种不同的 IFN-α 基因，它们通过哺乳动物细胞中普遍表达的相同异二聚体受体发出信号。进化遗传学研究和功能性抗病毒检测都强烈表明 13 种 IFN-α 亚型之间存在不同的功能和活性，但我们仍然对这些不同的作用缺乏清晰的认识。本综述总结了描述 IFN-α 亚型不同功能的研究证据，并强调了报告之间存在差异的潜在原因。我们研究了急性和慢性病毒感染以及自身免疫，并整合了最近对抗 IFN-α 自身抗体在这些不同情况下塑造 I 型 IFN 反应的重要性的认识。