XiaoMi-AI文件搜索系统
World File Search System文章
文章利用计算机靶标预测寻找熟悉天然产物的新分子靶标
1 因斯布鲁克大学药学/生药学研究所、因斯布鲁克分子生物科学中心 (CMBI)，Innrain 80 / 82, 6020 因斯布鲁克，奥地利； F.Mayr@uibk.ac.at (FM)； Veronika.Temml@pmu.ac.at (佛蒙特州)； birgit.waltenberger@uibk.ac.at (BW); Stefan.Schwaiger@uibk.ac.at (SS)； hermann.stuppner@uibk.ac.at (HS) 2 研究单位分子内分泌学和代谢，亥姆霍兹中心慕尼黑，Ingolstädter Landstraße 1, 85764 Neuherberg，德国； gabriele.moeller@helmholtz-muenchen.de（总经理）； adamski@helmholtz-muenchen.de (JA) 3 格赖夫斯瓦尔德大学药学院制药/药物化学系，Friedrich-Ludwig-Jahn-Straße 17, 17489 Greifswald，德国；ulrike.garscha@uni-greifswald.de (UG)；jana.fischer@uni-greifswald.de (JF) 4 伯尔尼大学儿童医院儿科内分泌、糖尿病和代谢科，Freiburgstrasse 15, 3010 Bern，瑞士；patrirodcas@gmail.com (PRC)； amit.pandey@dbmr.unibe.ch (AVP) 5 伯尔尼大学生物医学研究系，Freiburgstrasse 15, 3010 伯尔尼，瑞士 6 巴塞尔大学药学系分子与系统毒理学分部，Klingelbergstrasse 50, 4056 巴塞尔，瑞士；silvia.inderbinen@unibas.ch (SGI)；alex.odermatt@unibas.ch (AO) 7 萨尔州亥姆霍兹药物研究所 (HIPS)，药物设计和优化系，E8.1 校区，66123 萨尔布吕肯，德国； rolf.hartmann@helmholtz-hzi.de 8 萨尔大学，制药和药物化学，E8.1 校区，66123 萨尔布吕肯，德国 9 海德堡大学，药学和分子生物技术研究所 (IPMB)，药物化学，Im Neuenheimer Feld 364，69120 海德堡，德国；christian.gege@web.de 10 埃德蒙马赫基金会 (FEM) 研究与创新中心，Via Mach 1，38010 San Michele all'Adige，意大利；stefan.martens@fmach.it 11 耶拿弗里德里希席勒大学药学研究所制药/药物化学系，Philosophenweg 14，07743 耶拿，德国； oliver.werz@uni-jena.de 12 遗传学实验学校，慕尼黑工业大学，Emil-Erlenmeyer-Forum 5, 85356 Freising-Weihenstephan, 德国 13 新加坡国立大学杨潞龄医学院生物化学系，8 Medical Drive, Singapore 117597，新加坡 14 药学研究所，萨尔茨堡帕拉塞尔苏斯医科大学制药和药物化学系，Strubergasse 21, 5020 Salzburg, Austria 15 药学/药物化学研究所，因斯布鲁克分子生物科学中心 (CMBI)，因斯布鲁克大学，Innrain 80 / 82, 6020 Innsbruck, Austria * 通讯作者：daniela.schuster@pmu.ac.at；电话：+43-699-14420025
纳格尔·托马斯 (Nagel Thomas) 撰写的《成为蝙蝠是什么感觉》文章
研讨会“心灵哲学：老鼠、人类和机器”从更哲学、伦理和道德的角度探讨了与人工智能相关的主题，同时也采用了更全面的方法。讨论的一个方面是，我们如何将不同程度的责任、自由、惩罚归因于未来具有增强能力的人工智能——甚至拥有良知。一个主要障碍是如何正确评估这样的人工智能：它的能力、能力和可能性，以便我们获得正确的结果，从而进一步使我们能够决定和应用正确的政策。在这种情况下，我们讨论了纳格尔的作品“成为蝙蝠是什么感觉” [4]。纳格尔的观点是，如果不能通过自己的眼睛看世界，就不可能正确评价另一个实体。在本文中，我想探讨一下，至少在与该主题相关的大多数社会实际需求的范围内，是否有必要真正能够“从内部体验”以决定并赋予这种人工智能一定程度的自由、责任等。
在发表的文章中，I.Van Wyk，2023年，“南非中小型企业的战略决策”，《南非非洲杂志》
在南非背景下，中小型企业还面临着其他挑战，例如犯罪，腐败，对市场进入的挑战以及缺乏管理技能（Mhlongo＆Daya 2023; Viviers＆Venter 2008）。税收立法也不总是提供必要的支持和鼓励，以帮助小型企业采用较低的税收优惠和倡议（Painter-Morland＆Spence 2009）。与大型组织类似，中小型企业还面临官僚主义挑战，导致业务和管理技能，决策和实践差（2016年经济研究局； Gopaul 2019； Mhlongo＆Daya 2023）。除了所有这些挑战外，是否缺乏或不足的战略决策（SDM）技能也可以刺激中小企业的表现不佳和失败（Gopaul＆Rampersad 2020； Hang＆Wang 2012）。
人工智能已经学会写作；它能帮助学生写好文章吗？1
最近（2022 年 6 月 30 日），《科学美国人》发表了一篇题为《我们要求 GPT-3 撰写一篇关于自己的学术论文——然后我们试图让它发表》的文章（Thunström，2022 年）。在这种情况下，GPT-3 得到的总体指示是“用 500 字写一篇关于 GPT-3 的学术论文，并在文中添加科学参考文献和引文”。然后，它针对标准学术论文格式中的引言、方法、结果和讨论部分分别给出了具体的提示。它为每个部分制作了最多三个版本，由人类合著者选择使用哪些版本。在期刊审阅该论文的同时，该论文的预印本可供查阅，GPT-3 被列为第一作者，创建提示的两位研究人员被列为合著者（GPT-3，Thunström 和 Steingrimsson，2022 年）。在人工智能与人类写作过程的描述中，我们再次看到了设定方向、提示人工智能、评估、管理和编辑输出的步骤。
![文章标题：人工智能（AI）在医疗保健中的应用：综述 作者：Mohammed Yousef Shaheen[1] 所属机构：沙特阿拉伯[1] Orcid ids：0000-0002-2993-2632[1] 联系电子邮件：yiroyo1235@tmednews.com 许可信息：本作品已根据知识共享署名许可 http://creativecommons.org/licenses/by/4.0/ 以开放获取的方式发表，允许在任何媒体中不受限制地使用、分发和复制，前提是对原始作品进行适当引用。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 上找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并已提交给 ScienceOpen Preprints 进行开放同行评审。 DOI：10.14293/S2199-1006.1.SOR-.PPVRY8K.v1 预印本首次在线发布：2021 年 9 月 25 日](/simg/d/d7cdd24d40fd1d294d48413a0763b9abd0fe8371.png)
文章标题：人工智能（AI）在医疗保健中的应用：综述 作者：Mohammed Yousef Shaheen[1] 所属机构：沙特阿拉伯[1] Orcid ids：0000-0002-2993-2632[1] 联系电子邮件：yiroyo1235@tmednews.com 许可信息：本作品已根据知识共享署名许可 http://creativecommons.org/licenses/by/4.0/ 以开放获取的方式发表，允许在任何媒体中不受限制地使用、分发和复制，前提是对原始作品进行适当引用。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 上找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并已提交给 ScienceOpen Preprints 进行开放同行评审。 DOI：10.14293/S2199-1006.1.SOR-.PPVRY8K.v1 预印本首次在线发布：2021 年 9 月 25 日
文章标题：人工智能（AI）在医疗保健中的应用：综述 作者：Mohammed Yousef Shaheen[1] 所属机构：沙特阿拉伯[1] Orcid ids：0000-0002-2993-2632[1] 联系电子邮件：yiroyo1235@tmednews.com 许可信息：本作品已根据知识共享署名许可 http://creativecommons.org/licenses/by/4.0/ 以开放获取的方式发表，允许在任何媒体中不受限制地使用、分发和复制，只要正确引用原始作品即可。使用条款和出版政策可在 https://www.scienceopen.com/ 上找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行开放同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVRY8K.v1 预印本首次在线发布：2021 年 9 月 25 日
![文章标题：在药物重新使用中的机器学习和人工智能 - 挑战和观点作者：Ezequiel Anokian [1]，Judith Ber](/simg/2/2867641feba13bf24711be4221be8a75a718a686.webp)
文章标题：在药物重新使用中的机器学习和人工智能 - 挑战和观点作者：Ezequiel Anokian [1]，Judith Ber
文章标题：药物重新培训中的机器学习和人工智能 - 挑战和观点作者：Ezequiel Anokian [1]，Judith Bernett [2]，Adrian Freeman [3]，Markus List [2]，LucíaPrietoSantamaría[4]，Auntorrarhman Tanoli [4] Bonnin [1]分支机构：发现与转化科学（DTS），Clarivate Analytics，巴塞罗那（西班牙）[1]，《系统生物学数据科学》，慕尼黑技术大学，慕尼黑技术大学，德国（德国）[2] Biopharmaceuticals R＆D，阿斯利康，剑桥（英国）[3]，EscuelaTécnicasuperior de gegenierossismorlosinformáticos，Madrid大学（西班牙）大学（西班牙） （FIMM），Hilife，Hilife，赫尔辛基大学（芬兰），Bioicawtech，赫尔辛基（芬兰）[5] [5] Orcid ID：0000-0003-0694-1867 [1] [1]，0000-0001-501-5812-8013 [2] 0000-0002-0941-4168 [2], 0000-0003-1545-3515 [4], 0000-0003-2435-9862 [5], 0000-0001-5159-2518 [1] Contact e-mail: Sarah.bonnin@clarivate.com Journal: Drugrxiv review statement:手稿目前正在审查中，应由酌处权对待。手稿提交日期：2024年3月12日关键字：机器学习，神经网络，人工智能，药物repurost
![文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控](/simg/8/8dd469c55249d1165cc0c55c494f5b27bda7b11b.png)
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
文章标题：抗击 COVID-19：人工智能技术与挑战 作者：Nikhil Patel[1]、Sandeep Trivedi[2]、Jyotir Moy Chatterjee[3] 所属机构：毕业于杜比克大学，联系电子邮件 ID：Patelnikhilr88@gmail.com[1]，IEEE 会员，毕业于 Technocrats Institute of Technology，联系电子邮件 ID：sandeep.trived.ieee@gmail.com[2]，尼泊尔加德满都佛陀教育基金会[3] Orcid id：0000-0001-6221-3843[1]、0000-0002-1709-247X[2]、0000-0003-2527-916X[3] 联系电子邮件：sandeep.trived.ieee@gmail.com 许可信息：本作品已以开放获取形式发表根据 Creative Commons 署名许可 http://creativecommons.org/licenses/by/4.0/，允许在任何媒体中不受限制地使用、分发和复制，前提是正确引用原始作品。条件、使用条款和出版政策可在 https://www.scienceopen.com/ 找到。预印本声明：本文为预印本，尚未经过同行评审，正在考虑并提交给 ScienceOpen Preprints 进行公开同行评审。DOI：10.14293/S2199-1006.1.SOR-.PPVK63O.v2 预印本首次在线发布：2022 年 7 月 25 日 关键词：COVID-19、SVM、神经网络、NLP、数学建模、高斯模型、疫情防控
文章探讨了青光眼中的眼表面微生物组和撕裂蛋白质组
摘要：尽管青光眼是全球不可逆性失明的主要原因，但其发病机理尚不完全理解，而眼内压（IOP）是靶向这种疾病的唯一可修改的危险因素。已经提出了包括IOP在内的肠道微生物组和青光眼之间的几个关联。越来越多的证据表明，在眼表面上的微生物之间的相互作用称为眼表面微生物组（OSM）和泪液蛋白质（统称为泪液蛋白质组），也可能在诸如青光眼等眼疾病中起作用。这项研究旨在在青光眼患者中找到OSM和撕裂蛋白的特征。32个结膜拭子的全元基因组shot弹枪测序鉴定出肌动杆菌，富公司和蛋白质细菌是同类中的主要门。该物种仅在健康对照中发现，与青光眼患者相比，它们的结膜微生物组可能富含磷脂酶途径的基因。尽管OSM在OSM中存在较小的差异，但与对照组相比，患者表现出与免疫系统相关的许多撕裂蛋白的富集。与OSM相反，这强调了蛋白质组的作用，并可能引起免疫过程在青光眼中的参与。这些发现可能有助于设计针对青光眼和其他相关疾病的新治疗方法。
文章锂离子电池储能系统的钴供应链和环境生命周期的影响
摘要：在电池储能系统（BESS）中部署的锂离子电池（LIB）可以降低发电部门的碳强度并改善环境可持续性。这项研究的目的是使用生命周期评估（LCA）建模，使用来自同行评审的文献以及公共和私人资源的数据，以量化钴的供应链沿供应链沿供应链量化，这是许多类型的LIB中的关键组成部分。该研究试图了解在生命周期阶段的位置，环境影响最高，从而强调了可以提高自由链供应链可持续性的行动。该LCA的系统边界是摇篮到门的。影响评估遵循食谱中点（H）2016。我们假设一个30年的建模期，并在第3年，第7和14年结束时进行了增强，然后在第21年完全替换。在场景中使用了三个炼油厂（中国，加拿大和芬兰），一系列矿石等级（NMC111，NMC532，NMC532，NMC622，NMC811和NCA），以更好地估计其对生命周期的影响。的见解是，根据与矿石等级的逆权法关系，几乎所有途径的影响都会增加；在中国以外的精炼可以将全球变暖潜力（GWP）降低超过12％； GWP对NCA和其他NMC电池化学中使用的钴的影响分别比NMC111低63％和45-74％。按单分析进行分析，海洋和淡水生态毒性是突出的。对于0.3％的矿石等级，加拿大路线的GWP值以58％至65％的速度降低，而芬兰路线的GWP值则下降了71％至76％。统计分析表明，电池中的钴含量是最高的预测因子（R 2 = 0.988），其次是矿石等级（R 2 = 0.966）和精炼位置（R 2 = 0.766），当分别评估相关性时。这里提出的结果指向可以减少环境负担的地区，因此它们有助于政策和投资决策者。