XiaoMi-AI文件搜索系统
World File Search System性预
FHWA-HRT-22-063：增强车辆燃油经济性预测和其他车辆运行成本评估
总体而言，潜在用户对 VOC 模型的早期兴趣和计划使用支持了以下假设：更新后的 VOC 模型将引起更多关注，并被政府和非政府实体使用。研究承包商在研究过程中以及更新后的 VOC 模型交付后开展了推广活动。此次推广活动向来自学术界、政府和私营部门的数百名利益相关者介绍了这些程序和模型。感兴趣的各方联系了 FHWA，有时直接联系了研究承包商，以获取有关模型的更多信息，其中包括一家私营公司，该公司表示计划将该方法纳入其路面生命周期评估软件中。
自杀性预防和反应 - 策略-2021-2026。 ...
“在2021年博尔顿大学学生心理健康和福祉策略批准后，我很高兴被要求为博尔顿大学预防和应对策略的发展做出贡献。学生会是大学学生心理健康和福祉工作组的积极成员，预防自杀和反应工作组。学生的工会已经并继续与博尔顿大学合作，以支持学生的健康和福祉。在博尔顿的大学和学生会都始终将学生的福祉和心理健康放在首位，这种策略是继续这项出色工作的策略。像大学一样，学生会致力于将学生置于我们所做的一切的核心，而学生工会将继续通过他们在博尔顿大学及其他地区的成员时可能面临的任何挑战来支持学生。” - 珍妮特·加利根（Janet Galligan），博尔顿学生工会总经理
聚合物和聚合物复合材料的环境老化建模——耐久性预测方法
摘要：聚合物和聚合物复合材料受到环境老化的负面影响，从而缩短了它们的使用寿命。材料与环境相互作用的不确定性损害了它们的优异强度和刚度。新型复合材料和结构的验证通常涉及冗长而昂贵的测试程序。因此，建模是一种经济实惠的替代方案，可以部分替代大量测试，从而降低验证成本。耐久性预测模型通常会受到多功能性和验证所需的最少实验工作量之间相互冲突的要求。基于对复合材料宏观性能的物理观察，工程和现象学模型提供了复杂机械模型的可管理表示。本综述系统地概述了用于预测聚合物和聚合物复合材料长期机械性能的最新模型和加速测试方法。概述了在环境因素的单一或耦合影响下预测各种聚合物和聚合物复合材料的静态、蠕变和疲劳寿命的加速测试方法。通过降解率模型、叠加原理和参数化技术预测使用寿命。本综述是作者关于聚合物复合材料环境老化建模工作的延续：综述的第一部分涵盖了环境降解的多尺度和模块化建模方法。本研究的重点是工程机械性能建模。
CF-020400-059 的可靠性预测报告 (CF...
制造商和制造商零件编号取自扩展的物料清单 (BOM)，用于获取制造商数据表。制造商数据表定义零件质量等级，并提供用于将零件分配到 MIL-HDBK-217 中定义的零件分类和类别的信息。使用 MIL-HDBK-217 中的故障率模型，将数据表中确定的零件分类和质量等级与使用环境和应用压力因素一起考虑，以确定每个零件对整体产品故障率的贡献。如果制造商数据表没有充分定义这些参数，则使用基于零件描述、与类似组件的比较和/或默认假设的估计值。供应商提供的故障率数据在可用时也会使用。
一种 Google Earth Engine 方法，用于融合不同空间分辨率遥感数据的野火易感性预测
1 地理信息学系—Z_GIS，萨尔茨堡大学，5020 萨尔茨堡，奥地利； sepideh.tavakkoli-piralilou@stud.sbg.ac.at (S.T.P.)； Thomas.Blaschke@sbg.ac.at (T.B.) 2 大不里士大学遥感与地理信息系统系，伊朗大不里士 5166616471； Golzar.einali@yahoo.com (G.E.)； khalil.gh3@gmail.com (K.G.) 3 人工智能高级研究所 (IARAI)，Landstraßer Hauptstraße 5, 1030 Vienna, Austria； pedram.ghamisi@iarai.ac.at 4 集团数字化转型——新主张 Swiss Re Europe S.A., 德国分公司,arabellastrasse 30, 81925 慕尼黑, 德国; Thimmaiah_GudiyangadaNachappa@swissre.com 5 Helmholtz-Zentrum Dresden-Rossendorf，亥姆霍兹弗莱贝格资源技术研究所，09599 Freiberg，德国 * 通讯地址：omid.ghorbanzadeh@iarai.ac.at
频繁的人际压力和炎症反应性预测抑郁症的增加：抑郁症的社会信号转变理论的两个测试
摘要抑郁症的社会信号转移理论断言，经历持续的人际压力源并对社会压力产生更大的炎症反应的人面临较高的抑郁症风险。当前的研究在两个成年样本中检验了该理论。在研究1中，身体健康的成年人（n = 76）报告了频繁的人际紧张症状在访问2时增加了抑郁症状，但前提是他们对婚姻冲突的炎症反应更大。同样，在研究2中，孤独和社会支持的乳腺癌幸存者的抑郁症状增加（n = 79）。在访问时对社会评估压力源的炎症反应性较高的参与者中，这种效果最为明显。在这两项研究中，非人中压力都没有与炎症反应性相互作用，以预测以后的抑郁症状。
固定微生物在活化的沸石珠和碱性预处理
一家安全，健康与环境研究所，胡志明市，越南B纳里技术开发公司有限公司，南京，江苏210012，中国c供水，卫生与环境工程部，伊尔德尔特水供应，卫生与环境工程系泰米尔纳德邦632014，印度E环境健康研究中心，库尔德斯坦医学科学研究所，库尔德斯坦库尔德斯坦省库尔德斯坦省库尔德斯坦省72m2 mhq，伊朗应用科学学院72m2 mhq越南 *通讯作者。电子邮件：nguyentanphong@tdtu.edu.vn
药物敏感性预测的生物信息学研究
随着技术的重大进步，已经开发出多种方法来预测肿瘤对抗癌药物的敏感性，从而可以提高药物疗效、减少副作用和减少患者的治疗经济负担。利用患者细胞系可以评估肿瘤对抗癌药物的敏感性，从而有助于使用协同方案（Liu et al., 2016）。不幸的是，该过程需要大量时间并且具有很高的风险（Hanna，2006；Russo，2015；Cheng et al., 2019；Zhuang et al., 2020）。此外，肿瘤耐药性是抗癌药物研发和医疗领域的另一个关键问题（Liu et al., 2020；Zhang et al., 2020a）。众所周知，传统的癌症治疗方法主要是为了消灭快速增殖的肿瘤细胞（Restifo et al., 2016; Cheng et al., 2018; O'Donnell et al., 2018; Liu and Chen, 2020; Liu et al., 2021a）。然而，现有证据表明，肿瘤细胞亚群可以通过耐药机制抵抗治疗而存活，这些细胞最终会进化为耐药肿瘤细胞。阐明肿瘤获得耐药的机制、预测耐药肿瘤的演变以及确定适当的策略来消灭顽固细胞是一项挑战。此外，鉴定增加对抗癌药物敏感性的突变并针对具有特定基因突变的患者群体制定适当的治疗计划对于开发靶向治疗和实现人类癌症的精准治疗至关重要。然而传统的基于与已知突变的相似性来预测药物敏感性的策略存在局限性（Carr et al., 2016 ; Jennifer et al., 2016 ; Schmitt et al., 2016 ; Li et al., 2017 ; Song et al., 2020 ; Qi et al., 2021）。同时，大量与抗癌药物敏感性标志物相关的数据资源需要整合。最重要的是，在癌症中，有些是可以传播的，从而引发恐慌。因此，迫切需要可以阻止癌症传播的治疗药物。耐药菌株的传播是一个极其严重的重大公共卫生问题。同时，药物敏感性的预测也需要大量的数据资源。
一个有前景的毒性预测平台
是否会导致皮疹、肝炎或结肠炎，具体取决于皮肤、肝脏还是肠道受到侵袭（ Marin-Acevedo 等人，2019 年）。因此，肿瘤学的一大挑战是预测哪些新的免疫治疗药物对患者危害太大。这通常在动物模型中进行检查，但由于它们的免疫系统与人类免疫系统不同，因此很难可靠地预测毒性（ Zschaler 等人，2014 年）。现在，在 eLife 上，Nikolce Gjorevski（罗氏公司）、Lauriane Cabon（罗氏公司）及其同事（包括波士顿 Emulate Inc 的 Jordan Kerns 和 Chaitra Belgur 作为共同第一作者）报告了体外模型如何帮助 T 细胞双特异性抗体免疫疗法绕过这一问题（ Kerns 等人，2021 年）。 T 细胞双特异性抗体 (或 TCB) 可以识别并结合肿瘤表面的“抗原”蛋白，以及免疫“T 细胞”显示的受体：通过使两种类型的细胞更接近，该过程有助于激活 T 细胞并使其杀死目标。然而，TCB 结合的抗原并不总是癌细胞独有的。识别与肿瘤共享抗原的非癌细胞（称为靶向、脱肿瘤效应）可导致正常细胞受损（ Labrijn 等人，2019 年；图 1 ）。预测哪些正在临床开发中的 TCB 会导致这种不良毒性是肿瘤学中的一个重要挑战。为了解决这个问题，Kerns 等人。首先利用肺芯片模型（Huh 等人，2010 年）——一种在模拟体内条件下生长的系统——来预测对 TCB 的毒性。这个“微型器官”暴露于
使用描述符 obta 进行高精度材料特性预测的实验设计
摘要 在材料科学中，可控和不可控描述符均可用于表征材料。可控描述符的例子包括元素组成和制造过程；相反，不可控描述符由表征特定样品的实验数据生成，例如原始光谱数据或比重。在本研究中，我们考虑一种实验设计来获得一个高精度预测模型，其中材料的不可控描述符是特征，其材料属性是标签。一般而言，由于不可控描述符与材料属性更密切相关，因此基于它们的预测将更准确。本研究中实验设计的目标不是改善材料属性本身，而是预测其属性。为了实现这种设计，我们选择合适的可控描述符来合成候选材料，当相应的不可控描述符和材料属性添加到训练数据中时，预测精度会提高。我们提出了两种实验设计方法，一种基于贝叶斯优化，另一种基于不确定性抽样。使用记录了可控和不可控描述符以及机械性能的聚合物数据库，我们确认我们的方法可以选择合适的候选材料来训练一个高精度预测模型，其中材料性能由不可控描述符预测。我们提出的方法可以应用于材料开发，其中不可控描述符比获得目标材料性能更容易通过实验获得；它也将有助于提取材料结构和性能之间的关系。