从微藻中提取的富含胞外多糖 (EPS) 的提取物具有广泛的生物活性,包括抗菌和抗真菌特性。然而,这些特性因微藻种类、所用的抗菌检测方法和所选的目标微生物而异。这项研究旨在调查从五种很少在此方面研究的微藻中获得的富含胞外多糖的提取物的抗菌特性。本研究选定的目标微生物包括革兰氏阳性菌 (枯草芽孢杆菌) 和革兰氏阴性菌 (铜绿假单胞菌)、真菌 (枝孢菌) 和微藻 (小球藻)。使用扩散测定法、肉汤微量稀释测定法和使用吸光度的生长测量来比较方法并充分评估抗菌特性。使用吸光度测量,对于至少一种富含 EPS 的微藻提取物,所有目标物种的生长率抑制率至少达到 80%。在 500 mgGlcEq · L − 1 的浓度下,枯草芽孢杆菌的活性提取物大部分来自莱茵衣藻(生长抑制率 87.1%)、普通念珠藻(53.7%)和多色紫球藻(46.4%)。发现莱茵衣藻(86.2%)、普通念珠藻(59.9%)和紫球藻(31.1%)的富含 EPS 的提取物对铜绿假单胞菌最有效。微绿球藻(86.0%)、莱茵衣藻(16.6%)和多色紫球藻(17.8%)的 EPS 提取物的抗真菌活性最高。结果表明,富含 EPS 的 N. commune 提取物(99.3%)、C. reinhardtii 提取物(84.8%)和 M. gaditana 提取物(84.1%)可抑制微藻生长。据我们所知,这项研究首次探索了富含 EPS 的微藻提取物的杀藻特性,为未来研究其潜在应用确定了有希望的候选物。
认知脑成像正在积累有关许多不同心理过程的神经基础的数据集。然而,大多数研究都基于少数受试者,统计能力较低。跨研究分析数据可以带来更多的统计能力;然而,当前的脑成像分析框架无法大规模使用,因为它需要将所有认知任务置于统一的理论框架中。我们引入了一种新方法来分析跨任务的大脑反应,而无需心理过程的联合模型。该方法通过联合分析具有特定认知重点的小型研究与探究不太重点的心理过程的大型研究,提高了小型研究的统计能力。我们的方法提高了 35 项差异很大的功能成像研究中 80% 的解码性能。它通过预测心理过程的共同大脑表征,以数据驱动的方式发现跨任务的共性。这些是适应心理操纵的大脑网络。它们概述了可解释和合理的大脑结构。提取的网络已经可用;它们可以在新的神经成像研究中轻松重复使用。我们提供了一个多研究解码工具来适应新数据。
摘要 - 药物的建议是智能医疗保健系统的重要方面,因为它涉及根据患者的特定健康需求规定最合适的药物。不幸的是,当前正在使用的许多复杂模型倾向于忽略医疗数据的细微差别语义,同时仅依靠身份。此外,这些模型在处理涉及第一次访问医院的患者的病例中面临重大挑战,因为他们缺乏以前的处方历史。为了解决这些问题,我们利用大语模型(LLM)的强大语义理解和投入性特征。我们的研究旨在使用LLMS转变现有的药物建议方法。在本文中,我们介绍了一种名为“大语言模型”提炼药物建议(领导者)的新方法。我们首先创建适当的提示模板,使LLM能够有效建议药物。然而,LLM直接整合到推荐系统中会导致特定于药物的孔外问题。我们通过使用新颖的输出层和精制的调谐损耗函数来调整LLM来处理它。尽管基于LLM的模型表现出显着的功能,但它们在推理过程中受到高度计算成本的困扰,这对医疗保健行业来说是不切实际的。为了减轻这种情况,我们开发了一种功能级知识蒸馏技术,该技术将LLM的熟练程度转移到了更紧凑的模型中。为了简化实验的可重复性,我们在线发布实施代码1。在两个现实世界数据集(MIMIC-III和MIMIC-IV)上进行的广泛实验表明,我们提出的模型不仅可以提供有效的结果,而且还具有有效的效率。
1 有机化学实验室 LR17ES08,天然物质团队,斯法克斯大学科学学院,PB 1171,斯法克斯 3000,突尼斯;samet.sonda95@gmail.com(SS);amaniayachi21@gmail.com(AA);noureddineallouche@yahoo.fr(NA);raoudhajarraya@yahoo.fr(RM-J.)2 斯法克斯突尼斯大学斯法克斯生物技术中心微生物生物技术和酶工程实验室,Road of Sidi Mansour Km 6,PB 1177,斯法克斯 3018,突尼斯;mariamfourati@ymail.com(MF); lotfi.mallouli@cbs.mrt.tn (LM) 3 Equipe BTSB-EA 7417, Institut National Universitaire Jean-François Champollion, Université de Toulouse, Place de Verdun, 81012 Albi, France; michel.treilhou@univ-jfc.fr * 通讯:nathan.tene@univ-jfc.fr;电话:+33-667276471 † 这些作者对这项工作做出了同等贡献。
摘要。本文重点研究历史手写结婚记录中的信息提取。传统方法依赖于两个连续任务的顺序流水线:在命名实体识别之前应用手写识别。最近,人们研究了同时处理这两个任务的联合方法,并取得了最先进的成果。然而,由于这些方法已在不同的实验条件下使用,因此尚未对它们进行公平比较。在这项工作中,我们对基于相同基于注意的架构的顺序和联合方法进行了比较研究,以量化可归因于联合学习策略的收益。我们还研究了三种基于多任务或多尺度学习的新联合学习配置。我们的研究表明,依靠联合学习策略可以使完整识别分数提高 8%。我们还强调了多任务学习的兴趣,并展示了基于注意的网络对信息提取的好处。我们的工作在 Esposalles 数据库上的 ICDAR 2017 信息提取竞赛中以行级实现了最先进的性能,无需任何语言建模或后处理。
1 伊拉克巴格达中等技术大学健康与医疗技术学院 *通讯作者:Fatima Abdulrahman Dohi 伊拉克巴格达中等技术大学健康与医疗技术学院 文章历史 收到日期:2024 年 12 月 11 日 接受日期:2025 年 1 月 17 日 发表日期:2025 年 1 月 25 日 摘要:车前草叶在传统医学中用于治疗多种疾病;本研究旨在定性研究目标草药中的植物成分,并研究其对从临床样本中分离出的某些类型细菌的抗菌活性。用水/乙醇(1:1)提取植物叶粉。经过对植物成分的定性筛选,粗提取物显示存在几类化学物质,包括皂苷、糖苷、酚、单宁、类固醇、生物碱、黄酮类化合物和萜类化合物。使用纸片扩散法测试了三种浓度的粗提取物对五种细菌(包括革兰氏阴性菌和革兰氏阳性菌)(金黄色葡萄球菌、化脓性链球菌、假单胞菌、变形杆菌属)的抑制作用。三种浓度的粗提取物对所有测试细菌的活性百分比不同。关键词:车前子、抗菌、植物成分、革兰氏阳性菌、革兰氏阴性菌。引言
已知流行的阿育吠陀植物Evolvulus Alsinoides具有适应性特性。适应原会减轻压力和焦虑,从而促进个人的整体福祉。由于慢性应激与预期寿命低于正常寿命相关,因此任何已知减少应力的草药都应产生相反的影响。因此,这项研究旨在研究evolvulus alsinoides在良好的老化模型Caenorhabditis elegans中的抗衰老活性。在秀丽隐杆线虫的最佳生长和生存条件下评估了长寿增强的影响。氧化应激,并在转基因秀丽隐杆线虫TJ 356中诱导热应力,该曲杆秀丽隐杆线虫TJ 356在控制热休克蛋白启动子的控制下表达了绿色荧光蛋白(GFP),以可见抗压肿基因诱导的诱导。通过寿命分析分析了应力的影响,并通过Kaplein Meyer统计分析分析了数据。结果表明,在0.1 mg/ml -1和1 mg/ml -1的浓度下,在最佳的生长和生存条件下,在0.1 mg/ml -1和1 mg/ml -1的浓度下,埃及素依赖的剂量依赖性依赖性的剂量将其平均寿命增加18.0%和26.2%。针对热诱导的应激,绿ote虫的E. alsinoides提取的秀丽隐杆线虫的存活率大于未经处理的秀丽隐杆线虫的存活率。对于氧化应激,阿尔西诺伊斯E. alsinoides的处理不是显着的。发现,Evolvulus Alsinoides提取物通过促进抗压力耐受性和修补胰岛素/IGF信号传导途径来促进秀丽隐杆线虫的寿命。
摘要 — 我们提出了一种基于电荷准静态模型的显式小信号石墨烯场效应晶体管 (GFET) 参数提取程序。通过对 300 nm 器件进行高频(高达 18 GHz)晶圆上测量,精确验证了小信号参数对栅极电压和频率的依赖性。与其他只关注少数参数的工作不同,这些参数是同时研究的。首次将有效的程序应用于 GFET,以从 Y 参数中去除接触电阻和栅极电阻。使用这些方法可以得到提取小信号模型参数的简单方程,这对于射频电路设计非常有用。此外,我们首次展示了本征 GFET 非互易电容模型与栅极电压和频率的实验验证。还给出了测量的单位增益和最大振荡频率以及电流和功率增益与栅极电压依赖性的精确模型。
5. Luiza Koop B. 等人。“黄酮类化合物、花青素、甜菜碱、姜黄素和胡萝卜素:来源、分类以及通过封装和吸附增强稳定性”。食品研究国际 153 (2022):110929。
摘要:确定房地产价格的传统(手动)方法在某些情况下容易犯错,这些错误可能是由于分心,缺乏专心或易受房地产经纪人欺诈的脆弱性。这项工作着重于使用更多最新方法评估房地产的房屋价格预测。使用诸如房屋定价指数和随机森林机器学习技术等方法的房屋定价已被讨论,提出了一种新方法,作为使用额外树回归的模型,因为它在树木建造过程中引入了额外的随机性。Kaggle波士顿壳体数据集具有506个条目,并采用了14个功能来训练和测试开发的模型,然后通过平均绝对误差和平均平方误差来确定效率。此外,在随机森林回归模型和提出的预测模型之间进行了比较,该模型表明,新的预测模型比随机森林回归产生的性能更好。