XiaoMi-AI文件搜索系统
World File Search System折叠型
1型和2型糖尿病的动物模型
糖尿病通常称为糖尿病，是一组代谢性疾病，其特征是血糖水平的慢性升高，这是由于胰岛素产生不足，细胞对细胞外胰岛素的缺陷反应和/或葡萄糖代谢受损而导致的。大多数糖尿病患者的两种主要类型是1型糖尿病（T1DM）和2型糖尿病（T2DM），每个糖尿病都有自己的病理生理特征。t1d是一种自身免疫性条件，人体的免疫系统攻击并破坏胰腺中胰岛素的β细胞。这导致缺乏胰岛素，这是调节血糖水平和细胞葡萄糖摄取的重要激素。因此，患有T1D的人依靠终身胰岛素治疗来控制其血糖水平。相比之下，T2DM的特征是胰岛素抵抗，该胰岛素耐药性不对胰岛素有效反应，并与相对胰岛素的缺乏症相结合。这种形式的糖尿病通常与肥胖，久坐的生活方式和/或遗传因素有关，并且通过生活方式的改变和口服药物来管理。动物模型在糖尿病研究中起着至关重要的作用。然而，鉴于T1DM和T2DM之间的明显差异，研究人员必须采用针对每种条件的特定动物模型，以更好地了解每种情况下的机制受损机制，并评估新疗法的效率。在这篇综述中，我们讨论了1型和2型糖尿病研究中使用的不同动物模型，并讨论了它们的优势和局限性。
从游戏到前沿生物学：人工智能与蛋白质折叠问题
理论上，氨基酸链可以折叠成大量的三级结构：对于含有 100 个氨基酸的蛋白质，估计有 10 300 个（即 10 后面跟着 299 个零！）可能的结构。自然界中，蛋白质通常折叠成最稳定的结构。这种最小能量结构可以计算出来，但是，比较所有可能的结构需要大量的计算能力。解决“折叠问题”的努力包括分布式计算项目 Folding@home [6]，它通过借用志愿者的计算能力，已成为世界上最快的计算系统之一。您可以通过将计算机、智能手机或 PlayStation3 上未使用的 CPU 贡献给蛋白质折叠来参与并帮助科学家！
脑脊液压力对脑折叠影响的数值研究
在过去的几十年中，层状材料的屈曲不稳定性一直是分析、实验和数值研究的主题。这些系统传统上被认为是无应力表面，而表面压力的影响研究不足。在这项研究中，我们开发了一个双层压缩的有限元模型，发现它在表面压力下的表现不同。我们研究了双层系统在两种压缩模式（外部施加和内部生长产生的）下的屈曲开始、初始波长和后屈曲行为。在各种刚度比（1 < μ f / μ s < 100）中，我们观察到在存在表面压力的情况下稳定性会降低，尤其是在低刚度对比度状态（μ f / μ s < 10）下。我们的结果表明压力边界条件对于双层系统稳定性分析的重要性，尤其是在软物质和生物物质物理学中，例如在脑脊液压力下大脑皮层的折叠，其中压力可能会影响形态发生和屈曲模式。[DOI：10.1115 / 1.4057020]
脑脊液压力对脑折叠影响的数值研究
在过去的几十年中，层状材料的屈曲不稳定性一直是分析、实验和数值研究的主题。这些系统传统上被认为是无应力表面，而表面压力的影响研究不足。在这项研究中，我们开发了一个双层压缩的有限元模型，发现它在表面压力下的表现不同。我们研究了双层系统在两种压缩模式（外部施加和内部生长产生的）下的屈曲开始、初始波长和后屈曲行为。在各种刚度比（1 < μ f / μ s < 100）中，我们观察到在存在表面压力的情况下稳定性会降低，尤其是在低刚度对比度状态（μ f / μ s < 10）下。我们的结果表明压力边界条件对于双层系统稳定性分析的重要性，尤其是在软物质和生物物质物理学中，例如在脑脊液压力下大脑皮层的折叠，其中压力可能会影响形态发生和屈曲模式。[DOI：10.1115 / 1.4057020]
折叠方案带有隐私保存选择性验证
摘要。折叠方案是一个令人兴奋的新原始性，它改变了执行多个零知识的知识证明以建立关系的任务，以仅执行一个零知识证明，以进行相同的关系，并进行许多廉价的包容性证明。最近，折叠方案已被用来摊销与具有各种应用程序的多个不同验证者证明不同陈述相关的成本。我们观察到，对于这些用途，泄漏有关折叠的陈述的信息可能是有问题的，但是以前的构造会发生这种情况。为解决此问题，我们对保留折叠计划的隐私及其应提供的安全性提供了自然的定义。为了构建保留折叠方案的隐私，我们首先定义了声明hiders，这是一种可能具有独立感兴趣的原始性。简而言之，一种语句隐藏了一个关系的实例作为新实例。当且仅当初始实例为时，新实例才在关系中。使用此构建块，我们可以通过首先隐藏每个语句来利用现有的折叠方案来构建隐私折叠方案。折叠方案允许验证语句折叠到另一个语句中，而语句隐藏器允许验证语句被隐藏为另一个语句。
折叠：期待已久的对halomonadaceae家族的半分基因组研究
在发表的文章中，新组合Vreelandella utahensis的形成出现了错误，该组合应该被称为Vreelandella halolophila梳子。nov。取而代之的是，在规则41a的应用中使用该物种的最早合法词（Oren等，2023）。对分类学结论部分进行了更正，特别是对Vreelandella utahensis梳子的描述。nov。本节先前指的是：“ Vreelandella utahensis梳子的描述。nov。 vreelandella utahensis（U.Ta.Hen'sis。N.L. fem。 adj。 utahensis，指的是犹他州）。 基础：Halomonas utahensis Sorokin和Tindall，2006年。 该描述如该提议所述（Sorokin和Tindall，2006年），并具有以下添加。 类型应变的基因组大小为3.73 MBP。 DNA G + C含量为55.8 mol％。 与大盐湖（美国）的北部的地表水分离出来。 类型应变为孤立III T = ATCC 49240 T = CECT 5286 T = CIP 105504 T = DSM 3051 T = IAM 14440 T = JCM 21223 T = NBRC 102410 t。 类型应变基因组序列登录号：GCA_007991175.1。 类型16S rRNA基因序列登录号：AJ306893。”N.L.fem。adj。utahensis，指的是犹他州）。基础：Halomonas utahensis Sorokin和Tindall，2006年。该描述如该提议所述（Sorokin和Tindall，2006年），并具有以下添加。类型应变的基因组大小为3.73 MBP。DNA G + C含量为55.8 mol％。与大盐湖（美国）的北部的地表水分离出来。类型应变为孤立III T = ATCC 49240 T = CECT 5286 T = CIP 105504 T = DSM 3051 T = IAM 14440 T = JCM 21223 T = NBRC 102410 t。类型应变基因组序列登录号：GCA_007991175.1。类型16S rRNA基因序列登录号：AJ306893。”
使用接触图生成蛋白质折叠轨迹...
摘要：机器学习方法的最新进展对蛋白质结构预测产生了重大影响，但准确生成和表征蛋白质折叠途径仍然难以实现。在这里，我们展示了如何使用在残基级接触图定义的空间中运行的定向行走策略生成蛋白质折叠轨迹。这种双端策略将蛋白质折叠视为势能表面上连接最小值之间的一系列离散转换。随后对每个转换进行反应路径分析，可以对每条蛋白质折叠路径进行热力学和动力学表征。我们根据由疏水和极性残基构成的一系列模型粗粒度蛋白质的直接分子动力学模拟，验证了我们的离散行走策略生成的蛋白质折叠路径。这种比较表明，基于中间能量屏障对离散路径进行排序为识别物理上合理的折叠集合提供了一种方便的途径。重要的是，通过在蛋白质接触图空间中使用定向行走，我们绕过了与蛋白质折叠研究相关的几个传统挑战，即需要较长的时间尺度和选择特定的顺序参数来驱动折叠过程。因此，我们的方法为研究蛋白质折叠问题提供了一种有用的新途径。■ 简介
折叠是否会提高交互界面的可用性...
近年来，许多飞机制造商都提出了基于触摸屏的创新驾驶舱概念。尽管具有大量优势，但此类解决方案在操作使用方面受到严重限制，特别是几乎不可能实现无需注视的交互，而且在湍流条件下使用触摸屏非常复杂。我们通过引入一种形状可变的触摸屏来研究物理特性对克服这些弱点的贡献，这种触摸屏提供了可供用户手部休息的褶皱。在模拟器中，在湍流和脑力负荷各不相同的驾驶条件下，对该表面进行了评估。结果表明，褶皱有助于通过稳定手臂和手部来减少体力消耗。这种物理特性还与驾驶任务中的更好表现以及对飞机系统状态的更好态势感知有关，这肯定是因为折叠提供的形状具有更好的视觉特性（显著性），使得对它们的监控在注意力资源方面成本更低。
蛋白质如何在细胞中折叠？合成成功
该行业在确保其未来成功的行动是什么？无论您在媒体上可能会读到什么，工业都会继续投资于非常激动人心的研究，并正在增加管道中的分子数量 - 过去五年中约为4,000。例如，管道中有很多不同的创新潜在癌症药物。如果人们读到制药行业只是对我们已经拥有的成功药物进行的次要修改，那么事实并非如此。也可能值得记住的是，将新药物带给患者的过程非常漫长且不确定，需要大量投资 - 最近的数字表明，每药约为5亿英镑。如此之高，以至于成功的人也必须为那些辍学的人付费：我们可能以5,000至10,000个分子开始
学习有效的面料折叠而没有专家演示
抽象的自主织物操纵是一项艰巨的任务，这是由于复杂的动态和织物处理过程中的潜在自我封锁。首先，一种直观的织物折叠操作方法涉及在折叠过程开始之前获得光滑而展开的织物配置。然而，诸如拾音器和地点之类的准静态动作与动态动作（如流动）的结合证明在有效地展开长袖T恤上，袖子大多在服装内部塞满了袖子。为了解决此限制，本文介绍了一种称为Pick＆Drag的增强的准静态动作，该动作专门设计用于处理这种类型的织物配置。此外，本文设计了一个有效的双臂操纵系统，该系统结合了准静态（包括拾取和位置和拾取和拖动）和动态动作，以使织物脱颖而出地将织物操纵为未折叠和平滑的构造。随后，一旦确定织物可以很好地展开并检测到所有织物关键点，则使用基于密钥的启发式折叠算法用于织物折叠过程。为了解决真实织物的公开可用关键点检测数据集的稀缺性，我们收集了各种织物配置和类型的图像，以创建用于织物折叠的综合关键点数据集。此数据集旨在提高按键点检测的成功率。此外，我们在现实世界中评估了我们提出的系统的效果，在现实世界中，它始终可靠地展开并折叠了各种类型的织物，包括具有挑战性的情境，例如长期扎根的T恤，包括大部分袖子都在衣服内部藏起来。特别是，我们的方法达到的覆盖率为0.822，长袖T恤折叠的成功率为0.88。补充材料和数据集可在我们的项目网页上找到，网址为https://sites.google.com/view/fabricfolding。