XiaoMi-AI文件搜索系统
World File Search System或坏
人工智能——一个好仆人和一个坏主人？ - 彼得·桑塔维
本作品采用免费的国际 Creative Commons CC BY-SA 4.0 许可证发布（要求注明原作者，并有义务按照与原作品相同的许可证共享衍生作品）。
坏邻居：纤维化基质是黑色素瘤对靶向治疗产生耐药性的新因素
摘要：目前转移性皮肤黑色素瘤的治疗方法包括免疫疗法和针对丝裂原活化蛋白激酶 (MAPK) 通路关键分子的药物，该通路通常由 BRAF 驱动突变激活。转移性 BRAF 突变黑色素瘤患者的整体反应对于结合 BRAF 和丝裂原活化蛋白激酶激酶 (MEK) 抑制剂的疗法更好。然而，大多数最初对疗法有反应的患者在数月内就会产生耐药性。获得性对靶向疗法的耐药性可能是由于黑色素瘤细胞中的其他基因改变以及通常与转录重编程和去分化细胞状态相关的非遗传事件。在第二种情况下，有可能识别由靶向疗法诱导的促纤维化反应，这些反应有助于改变黑色素瘤肿瘤微环境。已证实多种恶性肿瘤（包括乳腺癌和胰腺癌）的慢性纤维化与癌症之间存在密切的相互关系。在此背景下，纤维化对黑色素瘤药物适应性和治疗耐药性的贡献正在迅速显现。在这篇综述中，我们总结了最近的证据，强调了药物暴露和耐药黑色素瘤中纤维化疾病的特征，包括细胞外基质重塑增加、肌动蛋白细胞骨架可塑性增强、对机械线索的高度敏感性以及炎症微环境的建立。我们还讨论了几种潜在的治疗方案，用于操纵这种纤维化样反应来对抗耐药性和侵袭性黑色素瘤。
肠道轴在坏死性小肠结肠炎的神经发育障碍中的作用
过去，由于糖尿病造成的肾功能障碍主要是蛋白尿之前首先发生的疾病，然后随后降低了EGFR（1，2）。最近，已经观察到没有明显蛋白尿的肾小球效果率（GFR）降低。因此，糖尿病肾病的概念已被认为是糖尿病性肾病的伞概念（1，2）。近年来，已经报道了SGLT2抑制剂和GLP-1受体激动剂的肾脏预后改善，并且在临床实践中实际上感觉到这些药物的作用（3），但DKD的发病机理仍然很大程度上仍然没有探索。最近，近端肾小管细胞在糖尿病肾脏病发病机理中的作用一直是研究的重点（4）。糖尿病性肾小球肾病主要是肾小球损伤。相比之下，糖尿病肾脏疾病不仅涉及肾肾小球肾病，而且还涉及肾小球纤维化。基于肾脏活检样本的解剖区域，糖尿病肾脏疾病可以分为肾小球糖尿病肾脏疾病和管状糖尿病性肾脏疾病。肾小球糖尿病肾病的共同特征涉及受损的肾小球滤过屏障，肾小球细胞增殖和肾小球骨膜硬化。管状糖尿病性肾脏疾病的主要表现包括肾小管重吸收和分泌的功能障碍以及肾小管纤维化（4）。此外，近端管状损伤在患有/没有蛋白尿的糖尿病肾脏疾病的进展中具有重要作用（2，4）。糖尿病肾脏疾病中肾小球和微管间质损伤的机制不同，但是相关途径和介体的相互作用很多。因此，在此卷中，一些论文集中在肾小管上皮细胞上。纤毛是一种基于微管的细胞器，它是从大多数脊椎动物细胞类型的表面投射，并检测和传输细胞外信号（5）。睫状生命周期也与细胞周期密切相关。肾纤毛是
用于癌症治疗的高级分子溶液 - 生物标志物范式的好，坏和丑陋
识别最有效的可操作分子，其“智能”操纵可能有选择地杀死/减速/停止癌细胞的增殖，而对组织的正常细胞的副作用很少，一直是无数研究者的单个主要目标。本期特刊（SI）是“癌症中的分子” [1]的分子生物学当前问题的延续，旨在介绍癌症治疗的分子解决方案中的最新发展，以及将治疗方法个性化治疗的方式呈现给患者的个体特征。作者通过执行准确的实验，重新分析了公开访问的基因组数据集（包括癌症基因组图集（TCGA）[2]）或对文献的全面评论。在有趣的提出的溶液中，需要注意的是：通过CRISPR [3]的靶向递送到T细胞中[3]，通过基于蛋氨酸的氨基酸限制的代谢沉默[4]，ERK5 [5]的抑制[5]，ADRA2A [6]的激活[6]，以及乳腺癌的治疗[7]。大多数涉及应激活或抑制分子机制直接破坏癌细胞（例如[5]）或通过增加免疫[3，8]，化学疗法和放射性疗法的功效的分子机制的。 很长一段时间以来，绝大多数研究人员和临床上的人都认为，某些基因的突变和/或改变的表达（称为“生物标志物”）负责触发癌化。 好（BMP承诺）。。很长一段时间以来，绝大多数研究人员和临床上的人都认为，某些基因的突变和/或改变的表达（称为“生物标志物”）负责触发癌化。好（BMP承诺）。此外，希望恢复这种基因生物标志物的正常状态能够提供天然的抗癌疗法。在标准的人类癌细胞培养物和动物模型上都测试了各种以生物标志物为导向的基因疗法的功效。但是，让我们讨论如何发现癌症生物标志物，其对诊断和治疗的实际价值以及其对动物模型和人类细胞培养的可靠性的可靠性。在实验和理论基因组研究的几乎所有阶段的工作都使用了许多类型的平台，并迫使我承担讨论“好，坏和丑陋”的风险企业。对我的实验室培养细胞培养物和来自手术的人类肿瘤的组织，以及人类疾病的动物（小鼠，大鼠，兔，狗，鸡肉）模型的各种细胞和组织。除了优化湿方案外，我们还引入了基因组织物范式，并开发了高级数学算法和计算机软件来分析基因组数据。癌症是一种多因素疾病，由大量多样化的偏爱护发素调节，对此远非完整。因此，依靠一些基因生物标志物（即使每个基因都呈现几种变体[9]）是对诊断过程的相当简化。BMP的最大优势之一是（从理论上）它提供了对各种癌症形式起源的分子解释。已经开发了几个测试试剂盒（例如[10-12]），目前正在用于基因组检测现有的特定癌症形式或组织
使用局部异常因子 (LOF) 进行适应性强且稳健的 EEG 坏通道检测
摘要：脑电图 (EEG) 数据通常会受到伪影的影响。检测和去除坏通道（即信噪比较差的通道）是至关重要的初始步骤。由于数据质量、伪影性质和所采用的实验范式存在内在差异，从不同人群获取的 EEG 数据需要不同的清理策略。为了处理这些差异，我们提出了一种基于局部离群因子 (LOF) 算法的稳健 EEG 坏通道检测方法。与大多数现有的寻找通道全局分布的坏通道检测算法不同，LOF 相对于通道的局部集群来识别坏通道，这使其适用于任何类型的 EEG。为了测试所提算法的性能和多功能性，我们在从三个人群（新生儿、婴儿和成人）获取的 EEG 上进行了验证，并使用了两个实验范式（事件相关和频率标记）。我们发现，在校准其主要超参数（LOF 阈值）后，LOF 可应用于所有类型的 EEG 数据。我们利用现有的最先进 (SoA) 坏通道检测方法对该方法的性能进行了基准测试。我们发现，LOF 通过将 F1 分数（我们选择的性能指标）提高到新生儿和婴儿的约 40%，将成人的 F1 分数提高到 87.5%，从而超越了所有方法。
杏仁核在行动：功能连接...
■ 动机是情绪的一个重要特征。通过推动积极事件的趋近和促进对消极刺激的回避，动机推动适应性行动和目标追求。杏仁核与各种情感过程有关，特别是刺激效价的评估，这被认为在趋近和回避行为的产生中起着至关重要的作用。在这里，我们测量了参与者在玩视频游戏时杏仁核的功能连接模式，该游戏通过好、中性或坏怪物的存在来操纵目标倾向。正如预期的那样，好怪物与坏怪物引发了相反的动机行为，其中好怪物诱发更多的趋近，而坏怪物引发更多的回避。这些相反的方向性行为与杏仁核和内侧脑区（如 OFC 和后扣带回）之间连接的增加相一致，好与坏相对，杏仁核和
ZBP1通过诱导RIPK3介导的坏死性和RIPK1激酶活性非依赖性凋亡引起炎症
Z-DNA结合蛋白1（ZBP1）在抗病毒免疫和炎症反应的调节中具有重要功能。ZBP1通过直接参与和激活RIPK3诱导坏死性，但是，ZBP1诱导炎症的机制，尤其是RIPK1的作用以及不可用的RIPK1和细胞死亡依赖性信号的作用仍然难以捉摸。在这里，我们表明ZBP1通过诱导RIPK3介导的坏死作用和RIPK1-Caspase-8介导的角质细胞中的RIPK3介导的坏死性凋亡引起皮肤炎症。ZBP1通过触发角质形成细胞坏死性诱导的FADD诱导小鼠诱导TNFR1非依赖性皮肤肿瘤。此外，小鼠表皮中C末端截短的组成性活性ZBP1（ZBP1CA）的转基因表达导致皮肤炎症，这仅通过消除RIPK3-MLKL依赖性坏死而部分抑制，并通过Mlklkl和Caspase-8的合并效率完全预防。重要的是，ZBP1CA诱导了caspase-8介导的皮肤肿瘤，依赖于rhim依赖但激酶活性与无关的RIPK1信号传导。此外，ZBP1CA诱导的皮肤中的炎性细胞因子产生被完全阻止了对ZBP1的细胞死亡 - 独立的独立促启动功能的凋亡和坏死性抑制。共同表明，ZBP1通过激活坏死性和RIPK1激酶活性非依赖性细胞凋亡而诱导炎症。
在古典世界中作为量子计算机生存
14 如果值得做，就值得过度做：阈值定理 245 14.1 对抗性错误 ............................................245 14.2 好的和坏的扩展矩形 ..。。。。。。。。。。。。。。。。。。。。。。。。......247 14.3 正确性 ...............。。。。。。。。。。。。。。。。。。。。。。。。.....248 14.4 不正确：具有不良扩展矩形的模拟 .................252 14.5 出现坏矩形的概率 ..................。。。。。。。。。。.255 14.6 级别降低 .....................。。。。。。。。。。。。。。。。。。。。。。260 14.7 连接和阈值定理 .....................。。。。。。263
脑电图记录中的错误通道检测
摘要：脑电图 (EEG) 广泛应用于临床应用和基础研究。干脑电图为游戏和神经反馈期间的自我应用等新领域开辟了应用领域。在记录过程中，信号总是受到伪影的影响。手动检测坏通道是凝胶和干脑电图的黄金标准，但很耗时。我们提出了一种简单而强大的方法，用于自动检测脑电图中的坏通道。我们的方法基于对每个通道标准差的迭代计算。这些标准差的统计测量可作为坏通道检测的指标。我们将新方法与从手动识别的脑电图记录坏通道获得的结果进行了比较。我们分析了闭眼静息状态下的脑电图信号和头部运动数据集。结果显示，凝胶和干脑电图的静息状态脑电图准确率为 99.69%。对于两种设置中带有头部运动的数据集，我们的新方法的准确率为 99.38%。手动识别不良通道的黄金标准与我们的迭代标准差方法之间没有显著差异。因此，所提出的迭代标准差方法可用于静息态和运动脑电图记录中的不良通道检测。
在古典世界中作为量子计算机生存
14 如果值得做，就值得过度做：阈值定理 235 14.1 对抗性错误 .............................................235 14.2 好的和坏的扩展矩形 ..。。。。。。。。。。。。。。。。。。。。。。。。......237 14.3 正确性 ...............。。。。。。。。。。。。。。。。。。。。。。。。.....238 14.4 不正确：具有不良扩展矩形的模拟 .................242 14.5 出现坏矩形的概率 ..................。。。。。。。。。。.245 14.6 级别降低 .....................。。。。。。。。。。。。。。。。。。。。。。250 14.7 连接和阈值定理 .....................。。。。。。253