XiaoMi-AI文件搜索系统
World File Search System扰动
监测电力系统扰动的标准化方法...
摘要 — 使用精确时间事件监控变电站及其互连拓扑对于现代复杂电力系统网络至关重要。电力系统故障从简单到复杂，需要提供适当的时间同步数字事件和模拟数据，例如电压、电流和频率。电力系统分析师、资产管理团队和工程师必须全面了解电力动态、高分辨率瞬态故障记录和比瞬态故障持续时间更长的低分辨率动态扰动记录，以及相应的顺序事件记录，以评估孤立和互连电力系统故障，准确找到故障源，并采取预防措施避免这些故障再次发生。现代变电站保护和控制智能电子设备 (IED) 提供高分辨率故障记录、时间同步相量数据和带时间戳的事件序列。由于 IED 可以通过全球定位系统 (GPS) 时钟源以亚微秒精度进行时间同步，因此现代 IED 是干扰监测所需的所有数据的完美来源。用于监控和数据采集 (SCADA) 的变电站以太网通信网络（IED 连接在其中）提供了一种经济的解决方案，可将干扰监测数据从 IED 传输到本地归档系统或远程集中系统。本文讨论了新的、优化的干扰监测系统组件及其要求、设计和性能。它展示了如何根据变电站的类型、基础设施或项目时间表，将优化的干扰监测系统经济地调整为独立、混合或完全 IED 集成的系统。它讨论了从不同变电站收集数据并使用工业协议将它们路由到集中位置。它讨论了现代
使用现代 IED 和通信网络监测电力系统扰动的标准化方法
摘要 — 使用精确时间事件监控变电站及其互连拓扑对于现代复杂电力系统网络至关重要。电力系统故障从简单到复杂，需要提供适当的时间同步数字事件和模拟数据，例如电压、电流和频率。电力系统分析师、资产管理团队和工程师必须全面了解电力动态、高分辨率瞬态故障记录和比瞬态故障持续时间更长的低分辨率动态扰动记录，以及相应的顺序事件记录，以评估孤立和互连电力系统故障，准确找到故障源，并采取预防措施避免这些故障再次发生。
使用现代 IED 和通信网络监测电力系统扰动的标准化方法
摘要 — 使用精确时间事件监控变电站及其互连拓扑对于现代复杂电力系统网络至关重要。电力系统故障从简单到复杂，需要提供适当的时间同步数字事件和模拟数据，例如电压、电流和频率。电力系统分析师、资产管理团队和工程师必须全面了解电力动态、高分辨率瞬态故障记录和比瞬态故障持续时间更长的低分辨率动态扰动记录，以及相应的顺序事件记录，以评估孤立和互连电力系统故障，准确找到故障源，并采取预防措施避免这些故障再次发生。
使用现代 IED 和通信网络监测电力系统扰动的标准化方法
摘要 — 使用精确时间事件监控变电站及其互连拓扑对于现代复杂电力系统网络至关重要。电力系统故障从简单到复杂，需要提供适当的时间同步数字事件和模拟数据，例如电压、电流和频率。电力系统分析师、资产管理团队和工程师必须全面了解电力动态、高分辨率瞬态故障记录和比瞬态故障持续时间更长的低分辨率动态扰动记录，以及相应的顺序事件记录，以评估孤立和互连电力系统故障，准确找到故障源，并采取预防措施避免这些故障再次发生。
使用现代 IED 和通信网络监测电力系统扰动的标准化方法
摘要 — 使用精确时间事件监控变电站及其互连拓扑对于现代复杂电力系统网络至关重要。电力系统故障从简单到复杂，需要提供适当的时间同步数字事件和模拟数据，例如电压、电流和频率。电力系统分析师、资产管理团队和工程师必须全面了解电力动态、高分辨率瞬态故障记录和比瞬态故障持续时间更长的低分辨率动态扰动记录，以及相应的顺序事件记录，以评估孤立和互连电力系统故障，准确找到故障源，并采取预防措施避免这些故障再次发生。
从GW扰动理论
我们介绍了使用GW扰动理论（GW PT）的电子波（E -PH）耦合的实际计算的工作流程。此工作流程结合了BerkeleyGW，ABINIT和EPW软件包，以在GW自我水平上启用精确的E-PH计算，超出了基于密度功能理论（DFT）和密度功能 - 功能扰动理论（DFPT）的标准计算。This workflow begins with DFT and DFPT calculations ( ABINIT ) as starting point, followed by GW and GW PT calculations ( BerkeleyGW ) for the quasiparticle band structures and e -ph matrix elements on coarse electron k - and phonon q -grids, which are then interpolated to finer grids through Wannier interpolation ( EPW ) for computations of various e -ph coupling determined physical诸如各向异性Eliashberg方程的电子自我甲基元或解决方案等数量。开发了一种量规的对称性展开技术，以降低GW PT（以及DFPT）的计算成本，同时满足Wannier插值的规格一致性要求。
果蝇中的单个转录本的组合遗传扰动的多顺基因转基因设计
捕获人类疾病遗传复杂性并允许对基础细胞，组织和器官相互作用进行机械探索的实验模型对于使我们对疾病生物学的理解至关重要。这样的模型需要对多个基因的组合操作，通常是一次以上的组织。在体内进行复杂的遗传操作的能力是果蝇的关键优势，其中许多用于复杂和正交遗传扰动的工具。然而，在这些已经复杂的遗传背景中建立更多代表性疾病模型和进行机械研究所需的大量转基因是具有挑战性的。在这里，我们提出了一种设计，该设计通过允许靶向组合异位表达和来自单个诱导型转基因的多个基因敲低的靶向组合异位表达来推动果蝇遗传学的极限。由该转基因编码的多余体转录本包括一个合成的短发夹簇，它克隆在转录本的5'末端的内含子中，然后是两个蛋白质编码序列，该蛋白质编码序列由介导核糖体跳过的T2A序列分开。这项技术对于建模癌症等遗传复杂疾病特别有用，癌症通常涉及多发性肿瘤基因的同时激活和多PLE肿瘤抑制剂的丧失。此外，将多种遗传扰动巩固到single转基因中，进一步简化了执行组合遗传操作的能力，并使其很容易适应广泛的转基因系统。这种用于组合遗传扰动的灵活设计也将是一种有价值的工具，用于探索从人类疾病的OMICS研究中鉴定出的多基因基因特征并创建人源化的果蝇模型，以表征人类基因中与疾病相关的变体。它也可以适用于研究正常组织稳态和发展需要同时操纵许多基因的生物学过程。
接受猪心脏异种移植的两个人类死者的综合多摩尼克分析显示，早期免疫细胞和细胞代谢反应中的强烈扰动
Eloi Schmauch 1,2* , Brian Piening 3* , Bo Xia 1,4* , Chenchen Zhu 5* , Jeffrey Stern 6,7* , Weimin Zhang 4* Alexa Dowdell 3 , Bao-Li Loza 8 , Maede Mohebnasab 9 , Loren Gragert 9b , Karen Khalil 6 , Brendan Camellato 4 , Michelli Faria de Oliveira 10 , Darragh O'Brien 11 , Elaina Weldon 6,7 , Xiangping Lin 5 , Hui Gao 8 , Larisa Kagermazova 4 , Jacqueline Kim 6,7 , Alexandre Loupy 12 , Adriana Heguy 13 , Sarah Taylor 10 , Florrie Zhu 4 , Sarah Gao 8 , Divya Gandla 8 , Kriyana Reddy 14 ，安德鲁·昌（Andrew Chang 8），罗勒·迈克尔（Basil Michael）5，lihua jiang 5，Ruiqi Jian 5，Navneet Narula 6,15，Suvi Linna-Kuosmanen 16，Minna Kaikkonen-Määttä1616，Marc Lorber 17，Marolis Kellis 1,18 Massimo Mangiola 6,7，Harvey Pass 20，Michael P. Snyder 5†，Robert A. Montgomery 6,7†，Jef D. Boeke 4†，Brendan J. Keating 4,6,7,7,8†
标题crispr-drug扰动图用于识别...
Hyeong-Min Lee 1, * , William C. Wright 1, * , Min Pan 1 , Jonathan Low 2 , Duane Currier 2 , Jie Fang 3 , Shivendra Singh 3 , Stephanie Nance 4 , Ian Delahunty 4 , Yuna Kim 1 , Richard H. Chapple 1 , Yinwen Zhang 1 , Xueying Liu 1 , Jacob A. Steele 5, 6 , Jun Qi 7, 8 ，Shondra M. Pruett-Miller 5，6，John Easton 1，Taosheng Chen 2，Jun Yang 3,9＃，Adam D. Durbin 4，＃，Paul Geeleher 1，＃
根据结构化合物表征和遗传扰动的转录组预测激活和抑制药物-靶标相互作用
通过计算方法识别药物-靶标相互作用 (DTI) 是加速药物开发和了解小分子作用机制的可靠策略。然而，目前预测 DTI 的方法主要集中于识别简单的相互作用，需要进一步的实验来了解药物的作用机制。在这里，我们提出了 AI-DTI，这是一种通过结合 mol2vec 和遗传扰动的转录组来预测激活和抑制 DTI 的新方法。我们在具有 MoA 的大规模 DTI 上训练了该模型，发现我们的模型优于之前预测激活和抑制 DTI 的模型。目标特征向量的数据增强使该模型能够预测广泛可用药靶标的 DTI。我们的方法在训练集中未见靶标的独立数据集和明确定义阳性和阴性样本的高通量筛选数据集中取得了显著的性能。此外，我们的方法成功地重新发现了用于治疗 COVID-19 的药物的大约一半的 DTI。这些结果表明，AI-DTI 是一种实用的工具，可以指导药物发现过程并产生合理的假设，从而揭示未知的药物作用机制。