XiaoMi-AI文件搜索系统
World File Search System指导的
通过图神经网络在表型预测中利用蛋白质 - 蛋白质相互作用通过大型语言模型指导的定向演化蛋白质设计
摘要 - 指导的进化，一种蛋白质工程的策略，通过严格且资源密集的筛查或在广泛的突变中进行筛选或选择的过程来优化蛋白质特性（即健身）。通过对序列属性进行计算机筛选，机器学习引导的定向进化（MLDE）可以加快优化过程并减轻实验工作量。在这项工作中，我们提出了一个通用的MLDE框架，在该框架中，我们应用了蛋白质表示学习和蛋白质属性预测中深度学习的最新进步，以加速搜索和优化过程。特别是我们引入了一条优化管道，该管道利用大型语言模型（LLMS）来查明序列中的突变热点，然后建议替换以提高整体适应性。与其他最先进的基线算法相比，我们提出的框架在条件蛋白质产生中的效率和功效提高了。我们希望这项工作将不仅对蛋白质工程，而且对使用数据驱动方法解决组合问题进行新的启示。我们的实施可在https://github.com/ hysonlab/directed Evolution上公开获取。
用来指导的小型自治 - surface-vessels-in ...
•保护部（DOC）在Kermadec和次北极岛的区域沿海计划下具有强制性的生物安全控制。如果您打算在这些区域6中运营，则可能需要满足保护和海洋野生动植物要求的许可证。•除了上述强制性生物安全控制外，DOC还具有围绕海洋哺乳动物的行为规则（1978年海洋哺乳动物保护法和1992年法规），并根据《海洋哺乳动物保护法》和法规适用于海洋储备。链接中提供了指南，但要确保合规性请联系Doc。
HDAC4通过与HDAC1＆SOL; HDAC2组装来控制DNA损伤响应并抵消衰老，以控制H2BK120乙酰化和指导的维修
抽象访问DNA是调节基因转录的第一级控制，该控制对于维持DNA完整性也至关重要。细胞衰老的特征是深刻的转录重排和DNA病变的积累。在这里，我们在H2BK120乙酰化中发现了一个表观遗传学的X介于C4和HD A C4和HD A C1 / HD A C2。HD A C4 / HD A C1 / HD A C2复合物通过H2BK120的动态脱乙酰化来调整通过同源重组的DNA修复效率。HD A C4的缺乏会导致H2BK120AC的积累，BRCA1的募集受损和CTIP募集到病变部位，累积DNA和衰老。在衰老细胞中，由于HD A C4的蛋白酶体降解增加，这种复合物被拆卸。在Ras诱导的衰老的HD A C4强迫表达降低了γH2AX的基因组扩散。 它也会影响H2BK120AC LE V ELS，在RAS诱导的衰老过程中积累的DNA受损区域中增加了。 总而言之，衰老过程中HD A C4的降解会导致DNA受损的积累，并有助于由维持衰老的超级增强剂控制的转录程序的激活。在Ras诱导的衰老的HD A C4强迫表达降低了γH2AX的基因组扩散。它也会影响H2BK120AC LE V ELS，在RAS诱导的衰老过程中积累的DNA受损区域中增加了。总而言之，衰老过程中HD A C4的降解会导致DNA受损的积累，并有助于由维持衰老的超级增强剂控制的转录程序的激活。
使用虚拟现实视频体验交通指导的社交机器人
将自动驾驶汽车和智能基础设施整合到官方系统中是开发未来城市的关键组成部分。因此，有效的公共交流和早期公民参与对于将期望与新技术的能力保持一致至关重要。我们建议在虚拟现实中使用360度视频的观点，以在早期阶段向利益相关者展示潜在的技术，并加速设计过程并衡量生理反应。我们使用V2X通信和手臂手势在未信号交叉点上使用V2X通信和手臂手势来证明我们提出的方法。在OZ环境中使用机器人的机器人的初始视频记录显示，行人对机器人用例表现出好奇心。
在基于针头干预期间进行指导的传感技术
摘要 - 针对临床实践，例如活检，区域麻醉，血液采样，神经外科手术和近距离治疗等临床实践。传统的针头插入依靠外科医生的专业知识和动力学反馈，但准确地靶向深层组织结构仍然具有挑战性。为了解决这个问题，显着的研究具有高级传感技术以帮助插入精度。本文全面回顾了针头插入感测技术的最新发展，包括针头尖端的位置跟踪，接近度测量和穿刺检测。它评估了跨指标的这些方法，包括准确性，成本效益，可移植性，兼容性，抵抗力能力，技术准备水平（TRL）和未来趋势。新兴的研究方向强调了机器学习整合，小型化和增强的多模式传感能力的范围，以改善程序结果并扩大应用程序域。
drundiff-针对分子特性的柔性指导的小分子扩散模型
（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。此预印本版的版权持有人于2024年7月21日发布。 https://doi.org/10.1101/2024.07.17.603873 doi：biorxiv preprint
RNA指导的细胞命运重编程日元Choo，干细胞科学和再生医学的副教授
•将胰腺外分泌细胞转化为糖尿病治疗的新β小岛细胞•将耳蜗非感官细胞转化为新毛细胞，以恢复听力损失•我们使用生物信息学和高吞吐量组合筛选以识别mRNA组合以识别细胞重编程
视觉语言一致性指导的多模式及时学习盲人AI生成的图像质量评估
摘要 - 非常重要的是，文本提示调整在调整对比的语言图像预训练（剪辑）模型中表现出了启示性能，以对自然图像质量评估。但是，这种单模式提示学习方法仅调节剪辑模型的语言分支。这还不足以使剪辑模型适应AI生成的图像质量评估（AGIQA），因为AGIS在视觉上与自然图像有所不同。此外，没有研究与AGIS相关的AGIS和用户输入文本提示之间的一致性，该提示与AGIS的感知质量相关，并未研究以指导AgiQA。在这封信中，我们提出了视觉语言一致性指导的多模式的迅速学习，以学习为clip-agiqa。具体来说，我们分别在剪辑模型的语言和视觉分支中介绍了可学习的文本和视觉提示。此外，我们设计了一个文本对象对齐质量预测任务，该任务的学习视觉一致性知识用于指导上述多模式提示的优化。对两个公共AGIQA数据集的实验结果表明，所提出的方法超过了最先进的质量评估模型。源代码可在https://github.com/junfu1995/clip-agiqa上找到。
实例关系图指导的无源域自适应对象检测
无监督的域适应性（UDA）是解决域转移问题的有效方法。特别是UDA方法试图对齐源和目标代表，以改善对目标域的概括。，UDA方法在适应过程中可以访问源数据的假设下起作用。但是，在实际情况下，由于隐私法规，数据传输限制或专有数据关注，标记的源数据通常受到限制。源 - 自由域适应（SFDA）设置旨在通过对目标域进行源训练的模型来减轻这些问题，而无需访问源数据。在本文中，我们探讨了自适应对象检测任务的SFDA设置。为此，我们提出了一种新颖的培训策略，以使源训练的对象将对象降低到目标域而没有源数据。更重要的是，我们通过利用给定目标域输入的对象关系来设计一种新颖的对比损失，以增强目标表示形式。这些对象实例关系是使用实例关系图（IRG）网络建模的，然后将其用于指导对比度代表学习。此外，我们还利用学生教师将知识从源训练的模型提高到目标域。对多个OB-JECT检测基准数据集进行了广泛的实验表明，所提出的方法能够有效地适应源训练的对象检测器对目标域，超过了最先进的域自适应检测方法。代码和模型在https://viudomain.github.io/irg-sfda-web/中提供。
通过社交机器人指导的音乐干预增强痴呆症护理
摘要 - 为了满足对痴呆症护理的需求，我们开发了一种新型的社交机器人指导的音乐干预系统，使用社会引人入胜的机器人技术（MUSE），名为音乐干预。利用最先进的胡椒机器人，该系统是音乐疗法和先进的人类互动技术的创新融合。该系统试图提供护理，为患有阿尔茨海默氏病或相关痴呆症患者的整体福祉提供益处，同时也可以减轻负担重负担的护理人员。评估用户接受和改善缪斯系统的领域，我们与PWADRD进行了一系列研讨会。参与者是由社交机器人指导的，然后要求通过调查和半结构化访谈提供对系统的反馈。在研讨会之后，发现Pwadrd在社交机器人，音乐活动和应用方面都非常接受缪斯系统。还确定了可能改进的几个领域，包括系统量和可见度。这项研究不仅表明了有希望的用户接受，而且还以前所未有的方式为新时代，技术和音乐治疗融合了新时代。