XiaoMi-AI文件搜索系统
World File Search System散粒
粗粒模型的耗散粒子动力学
我们开发了一种基于耗散粒子动力学（DPD）的计算方法，该方法将溶剂的水动力相互作用引入了溶质的粗粒模型，例如离子，分子或聚合物。dpd-solvent（DPDS）是一种完全非驻留方法，可以直接通过任何基于粒子的溶质模型以所需的溶剂粘度，可压缩性和溶质扩散率直接掺入流体动力学。溶质仅通过DPD恒温器与溶剂相互作用，这确保了溶质系统的平衡性能不受引入DPD溶剂的影响，而恒温器耦合强度则设定了所需的溶质扩散率。因此，DPD可以用作替代传统分子动力学恒温器，例如Nosé -Hoover和Langevin。我们证明了在聚合物动力学和通过纳米孔电流流动的情况下，DPD的适用性。该方法应广泛用作将流体动力相互作用引入现有的粗粒溶质和软材料模型的一种手段。
ORNL 散裂中子源的基础中子物理光束线
光束线的设计旨在支持各种基础物理实验，这些实验旨在解答有关宇宙中物质的性质和存在的问题，并由同行评审分配访问权限和时间。由于这类实验几乎总是受到统计限制，因此光束线的设计旨在提供最高强度的脉冲中子，尤其是冷中子，同时还提供充足的地面空间来安装实验。
散发性和 MEN1 相关 GEP NET 的新治疗方法
胃肠胰神经内分泌肿瘤 (GEP NET) 是一组异质性且多样化的肿瘤，它们源自共同的神经内分泌细胞。这些肿瘤大多数是偶发性的，而约 20% 则表现为遗传综合征。种系 MEN1 突变会导致一种综合征，这种综合征会增加对多灶性原发性 GEP NET 的易感性。此外，体细胞 MEN1 突变也会发生在这些偶发性病变中。MEN1 变异是胰腺神经内分泌肿瘤中最常见的体细胞突变。在这篇综述中，我们探讨了 MEN1 编码蛋白 menin 的缺失作为 GEP NET 亚群中关键致病驱动因素的含义，其下游后果包括致癌受体 c-MET（肝细胞生长因子受体）的上调。此外，本综述将总结与这些肿瘤在散发性和生殖系 MEN1 突变相关情况下的临床表现、治疗标准和结果相关的数据。最后，我们将介绍 GEP NET 中 c-MET 表达的数据、使用 c-MET 抑制剂的临床试验，并概述这些病变中 c-MET 抑制代表潜在精准医疗靶向方法的分子机制。
慢性粒单核细胞白血病的真实世界数据
简单总结：慢性粒单核细胞白血病 (CMML) 是一种罕见疾病，预后不良，有进展为急性髓系白血病 (AML) 的风险。干细胞移植 (alloSCT) 是唯一可能治愈的选择。针对特定基因突变的新型靶向药物 (NTD) 对 AML 有用，但人们对 CMML 如何进展为 AML 以及这些药物是否对 CMML 有效知之甚少。在我们的研究中，38% 的患者接受了低甲基化药物治疗，但其中不到一半有反应。六名患者接受了 NTD 治疗，反应良好。只有 10% 的患者可以进行 AlloSCT。25% 的患者进展为 AML，在诊断和进展之间，他们的基因突变发生了变化。尽管 CMML 的预后较差，但分析基因突变有助于更好地分层每位患者的风险，并确定每位患者可能有效的 NTD。
模糊遗传粒子群优化卷积神经...
dharanir.pec@gmail.com, ramesh.revathy@gmail.com, danesh.kn1@gmail.com Received : 31 July 2023, Revised: 14 October 2023, Accepted : 21 October 2023 * Corresponding Author ABSTRACT Oral cancer presents a pressing global health concern, ranking as the eighth most prevalent cancer worldwide and leading to a significant number of deaths, particularly evident in India with an annual toll of大约有130,000人死于口腔癌。早期检测的紧迫性是显而易见的，因为由于临床检查和活检而导致的疾病识别延迟可以阻碍有效的治疗和改善患者的结果。这项研究通过开发能够识别受疾病影响的口腔区域并准确分类各种口腔癌疾病的系统来解决这一关键需求。该研究利用深度学习算法来检测和精确定位口服图像中的受影响区域，并结合了高级特征提取技术，尤其是基于模式的特征。使用创新的蜜蜂脉冲夫妇神经网络（BEEPCNN）算法用于对受影响区域的有效分割。为了进一步提高检测效率，引入了一种新型模糊遗传粒子群卷积神经网络（FGPSOCNN），从而降低了计算复杂性，同时保持了高精度水平。拟议的系统使用从Arthi Scan医院收集的实时MRI图像进行了严格的评估。实验结果令人信服地证明了与现有的口腔癌检测方法相比，FGPSOCNN模型的优越性。1。简介这项综合研究不仅满足了早期口腔癌检测的关键需求，而且还引入了一种创新的方法，可以显着提高效率而不会损害准确性。这项研究对口腔癌诊断的潜在影响是很大的，为全球关键的全球健康挑战提供了有希望的解决方案。关键字：口腔癌，深度学习，蜂鸣声，模糊，粒子群优化，fgpsocnn。
ERO1α调节内质网 - 松粒界面（MAM）
引言内质网（ER）是一种多功能细胞器，涉及蛋白质折叠和组装，分离键的形成以及Ca 2 +储存。在ER中，源自与Ca 2 + - 和氧化还原依赖性事件相互之间的源自展开的蛋白质反应（UPR）的信号（17，25）。它们的整合对于细胞分化和死亡决策至关重要（19）。为了实现其许多功能，ER由专门的子区域组成（38，44），其中之一是一个关键信号枢纽：线粒体相关的膜（MAM）保证与线粒体与线粒体的物理关联，用于CA 2 +信号传导和细胞存活的基础（13）。富含Ca 2 +辅助蛋白，氧化还原酶和伴侣蛋白，MAM产生高[Ca 2 +]的微区域，从而激活线粒体Ca 2 + Uniporter（MCU）（MCU）（12、13、16）。ER是过氧化氢的潜在来源（H 2 O 2）。ERO1 A和ERO1 B脂蛋白可持续氧化蛋白折叠，通过PDI将电子从货物蛋白转移到分子氧，并作为副产物产生H 2 O 2（27）。in
用于 CNN 的粒子群优化模糊积分 - ...
摘要 最近，使用卷积神经网络 (CNN) 解码人类脑电图 (EEG) 数据推动了脑机接口 (BCI) 中运动想象脑电图模式识别的最新技术。虽然已经使用多种 CNN 模型来对运动想象脑电图数据进行分类，但尚不清楚聚合异构 CNN 模型集合是否可以进一步提高分类性能。为了整合集成分类器的输出，本研究利用模糊积分和粒子群优化 (PSO) 来估计分配给分类器的最佳置信度水平。所提出的框架聚合了 CNN 分类器和模糊积分与 PSO，根据 BCI 使用场景，在各种 CNN 模型训练方案中实现运动想象脑电图数据的单次试验分类的稳健性能。这项概念验证研究证明了应用模糊融合技术增强基于 CNN 的 EEG 解码的可行性，并有利于 BCI 的实际应用。关键词：脑机接口 (BCI)、脑电图 (EEG)、卷积神经网络 (CNN)、模糊积分、运动想象 (MI)、粒子群优化 (PSO)。
埃塞俄比亚硬粒小麦地方品种的遗传多样性
作物遗传多样性和种群结构评估对于标记性状关联、标记辅助育种和作物种质保护至关重要。我们分析了一组 285 个硬粒小麦种质，其中包括 215 个埃塞俄比亚硬粒小麦地方品种、10 个已发布的硬粒小麦品种、10 个来自埃塞俄比亚的先进硬粒小麦品系和 50 个来自 CIMMYT 的硬粒小麦品系。我们分别基于 11,919 个已知物理位置的 SNP 标记，调查了整个小组以及 215 个地方品种的遗传多样性和种群结构。整个小组聚类为两个种群，一方面主要代表地方品种，另一方面主要代表已发布的、先进和 CIMMYT 品系。对地方品种的进一步种群结构分析发现了 4 个亚群，强调了埃塞俄比亚硬粒小麦地方品种中高度的遗传多样性。基于两组群体结构的 AMOVA 分析表明，群体间和群体内均存在显著 (P < 0.001) 的变异。两组群体内的总变异 (81%、76%) 高于群体间的总变异 (19%、24%)。基于群体结构分析的全组和埃塞俄比亚地方品种的遗传分化 (FST) 和基因流 (Nm) 分别为 0.19 和 0.24、1.04 和 0.81，表明遗传分化程度高，基因流有限。多样性指数证实，地方品种组 (I = 0.7、He = 0.46、uHe = 0.46) 比高级品系 (I = 0.6、He = 0.42、uHe = 0.42) 更具多样性。同样，也观察到地方品种群内的差异。总之，我们发现埃塞俄比亚硬粒小麦地方品种具有很高的遗传多样性，这可能是国家和国际小麦改良计划的目标，以利用其宝贵的特性来对抗生物和非生物胁迫。
