XiaoMi-AI文件搜索系统
World File Search System本构
Cas9和雷帕霉素诱导的CRE重组酶的本构表达促进了Berghei疟原虫中的条件基因组编辑
疟疾是由疟原虫属的原生动物寄生虫引起的，并且仍然是全球健康问题。寄生虫具有高度适应的生命周期，其中包括脊椎动物宿主中的连续无性复制和蚊子载体围绕中的性成熟。寄生虫的遗传操纵对破译疟原虫基因功能的功能具有重要作用。常规的反向遗传工具不能用于研究无性血液阶段的基本基因，从而需要制定条件策略。在各种此类策略中，雷帕霉素可诱导的可二聚化CRE（DICRE）重组酶系统是一种有条件地编辑人类感染的恶性疟原虫和啮齿动物疟疾模型寄生虫寄生虫P. Berghei的强大方法。我们先前生成了表达二甲虫的berghei线，并通过有条件地删除了几个必不可少的无性阶段基因来验证它，从而揭示了它们在孢子虫中的重要作用。另一个有效的工具是CRISPR/CAS9技术，该技术已启用了具有更高精度和特异性的目标基因组编辑，并且在疟原虫属中具有大量先进的基因组工程。在这里，我们通过在寄生虫中整合了Dicre盒和荧光标记来开发新的Berghei寄生虫线，以组成表达Cas9。由于CRISPR/CAS9和DICRE的双重整合，这些新系列允许同时进行无与伦比的基因修饰和条件调节。为了说明这种新工具的多功能性，我们有条件地淘汰了编码贝尔格（P. Berghei）类似claudin的apicomplexan微米蛋白（夹具）的基本基因，并确认了夹具在侵入红细胞细胞中的作用。
综合创新战略2024基本构想
⚫ 在日本，随着人力短缺问题的日益严重，通过人工智能和机器人技术实现自动化和省力化已成为当务之急，而对频繁发生的灾害的防备和应对也是当务之急。随着科学、技术和创新在这些领域发挥越来越重要的作用，技术的社会应用将加速。
本构模型的物理解释神经网络
(人工)神经网络在力学和材料科学领域越来越受欢迎，它利用模型降阶技术加速计算，并作为各种材料的通用模型。然而，神经网络的主要缺点仍然存在：它们的众多参数难以解释和解释。因此，神经网络通常被称为黑匣子，其结果往往难以人类解释。物理信息神经网络这一新兴的活跃领域试图通过基于机械知识设计深度神经网络来减轻这一缺点。通过利用这种先验知识，更深层、更复杂的神经网络变得可行，因为机械假设可以得到解释。然而，神经网络参数的内部推理和解释仍然是个谜。作为物理信息方法的补充，我们提出了迈向物理解释方法的第一步，该方法对在机械数据上训练的神经网络进行后验解释。这种概念验证可解释的人工智能方法旨在阐明神经网络的黑匣子及其高维表示。其中，主成分分析将 RNN 单元状态中的分布式表示去相关，并允许与已知和基本函数进行比较。这种新方法由系统超参数搜索策略支持，该策略可识别最佳神经网络架构和训练参数。三个关于基本本构模型（超弹性、弹塑性和粘弹性）的案例研究的结果表明，所提出的策略可以帮助识别数值和分析闭式解来表征新材料。
基于机器学习的复合材料中观本构模型多尺度校准：应用于脑白质
摘要 提出了一种用于改进复合材料本构建模的模块化流程。该方法可用于开发特定受试者的空间变化脑白质力学性能。对于此应用，从扩散磁共振成像 (dMRI) 扫描中提取白质微观结构信息，并用于生成数百个具有随机分布纤维特性的代表性体积元素 (RVE)。通过对这些 RVE 自动运行有限元分析，可以生成与多个 RVE 特定载荷情况相对应的应力-应变曲线。然后针对每个 RVE 校准一个使 RVE 行为均质化的中观本构模型，从而针对每组 RVE 微观结构特征生成一个校准参数库。最后，实现一个机器学习层，直接从任何新的微观结构预测本构模型参数。结果表明，该方法可以高精度地预测校准后的中观材料性能。更一般地说，当提供实验测量的特定位置的纤维几何特性时，整体框架可以有效模拟复合材料的空间变化机械行为。
LYN激酶的本构激活增强了BCR的响应性，但不能增强E M -TCL1小鼠中CLL的发展
B细胞受体（BCR）信号通路对于确定正常和恶性B细胞的命运至关重要。通过BCR的抗原接合触发了与BCR相关激酶的一系列磷酸化，而SRC家族的酪氨酸激酶（SFK）激活是最早的事件之一。lyn激酶是B细胞中主要的SFK，最初被任命为B细胞激活的关键介体。1 lyn活性受到类似于其他SFK的串行磷酸化依赖性构象变化的严格调节。2在BCR参与后，LYN和其他SFK磷酸化了免疫球蛋白A（IG-A）中基于酪氨酸酪氨酸的活化基序，而BCR的Ig-B成分磷酸化，从而导致形成BCR信号体复合体的其他激酶的募集和磷酸化。3-5 Lyn与其他SFK不同，因为它也能够在抑制性细胞表面受体中磷酸化免疫感受器酪氨酸基于酪氨酸的抑制基序，这对于募集酪氨酸磷酸酶（例如SHP-1/2和Ship-1）很重要，这反过来促进了BCR触发BCR触发的激活活性反应。3,5,6在Lyn敲除小鼠中，B细胞中磷酸酶的缺陷导致对BCR刺激的过度反应，从而有利于抑制性，而不是激活信号传导。 7,8，另一方面，具有功能奖励突变（Y508F; lyn up/up）的小鼠发展出循环自动反应3,5,6在Lyn敲除小鼠中，B细胞中磷酸酶的缺陷导致对BCR刺激的过度反应，从而有利于抑制性，而不是激活信号传导。7,8，另一方面，具有功能奖励突变（Y508F; lyn up/up）的小鼠发展出循环自动反应
关键词：颗粒介质；流体力学；流变学，CFD；DEM；人工智能；机器学习和神经网络。 背景与目标：该研究项目是圣埃蒂安矿业学院（法国顶级工程学院）与世界核能领导者奥拉诺公司长期合作的一部分。该项目专注于颗粒流建模。这些流体具有不同于传统流体的迷人特征。我们在自然环境（泥流、雪崩……）或工业过程（粉末混合、气力输送、筒仓卸料……）中发现了它们，其中含有各种材料（金属、氧化物、有机化合物……）。我们的研究小组开发了数值策略来高效、快速地模拟涉及大量颗粒（10 6 10 18 ）的工业过程。在这篇博士论文中，候选人将探索人工智能的潜力，以减少使用离散元法 (DEM) 进行模拟所产生的数据量，离散元法通常用于对颗粒物质进行建模。他/她将使用这种简化的信息（例如以本构方程的形式）来为 CFD 模型提供数据。研究结果将发表在该领域的顶级期刊上，并由博士生在国际会议上发表。所需个人资料和技能：至少在以下一个领域拥有理学硕士学位：流体力学、材料物理、软物质物理、数值模拟。您喜欢建模和解决难题
关键词：颗粒介质；流体力学；流变学、CFD；DEM；人工智能；机器学习和神经网络。背景和目标：该研究项目是圣艾蒂安矿业学院（法国顶级工程学院）与世界核能领导者 Orano 长期合作的一部分。该项目专注于颗粒流建模。这些流体具有与传统流体不同的迷人特征。我们在自然环境（泥流、雪崩……）或工业过程（粉末混合、气动输送、筒仓排放……）中发现它们，其中有各种材料（金属、氧化物、有机化合物……）。我们的研究小组开发了数值策略来高效、快速地模拟涉及大量粒子（10 6 10 18 ）的工业过程。在这篇博士论文中，候选人将探索人工智能的潜力，以减少使用离散元法 (DEM) 进行模拟生成的数据量，离散元法通常用于对颗粒物质进行建模。他/她将使用这种简化的信息（例如以本构方程的形式）来输入 CFD 模型。研究结果将发表在该领域的顶级期刊上，并由博士生在国际会议上发表。所需个人资料和技能：至少在以下领域获得硕士学位：流体力学、材料物理、软物质物理、数值模拟。您喜欢建模和解决难题。好奇心、严谨性、参与度、批判性分析能力、倾听能力，当然还有对科学和技术的热情，这些都是成功答辩优秀论文的关键资产。英语流利 + 愿意学习基础法语。申请：文件包括四项：求职信 + 简历 + 至少一封推荐信 + 硕士排名或学术成绩。其他：最好从 2020 年 10 月 1 日开始。在工业资助和合作下
解读人工智能——人工智能 (AI) 的构建模块如何帮助从大数据中创造市场知识 1 摘要 目的：本研究阐述人工智能 (AI) 及其对从大数据中创造市场知识的贡献。具体来说，本研究描述了任何人工智能技术的基本构建模块、它们的相互关系以及不同构建模块对创造市场知识的影响，并提供了说明性示例。
设计/方法/方法：该研究是概念性的，并提出了一个框架来阐明人工智能现象及其构成要素。它进一步提供了一个模型，说明人工智能如何有助于从大数据中创造市场知识。结果：该研究从输入-过程-输出的角度解释人工智能，并阐明人工智能的六个基本构成要素。它讨论了如何使用不同的构成要素将数据转化为信息和知识。它提出了一个概念模型来阐明人工智能在创造市场知识中的作用，并提出了未来研究的途径。实际意义本研究解释了人工智能现象、它的工作原理及其与 B2B 公司创造市场知识的相关性。原创性/价值：该研究为市场知识文献做出了贡献，并呼吁进行更多的学术研究以了解人工智能及其对创造市场知识的影响。
验证先进本构模型对 TPU 进行精确 FE 建模
在过去的几年中，热塑性聚氨酯 (TPU) 已成为许多行业中要求高应变率应用的首选材料。由于 TPU 材料具有相对较高的耐磨性和韧性，因此非常适合在恶劣环境条件下承受高压的关键部件。本演示介绍了 TPU 组件的一个相对较新的关键应用领域。虽然工作压力保持在最高 50 bar 的适中水平，但高频、循环负载条件带来了挑战。为了设计坚固的动态 TPU 组件，必须完成两个主要任务：(i) 粘弹塑性材料建模和参数识别，以及 (ii) 通过先进的有限元 (FE) 模拟在系统级的实际动态负载条件下进行材料验证。本文 (i) 强调材料校准过程，(ii) 专门展示所选 TPU 材料在系统级的材料验证。在此背景下，讨论了各种 TPU 等级的应变率依赖性，这说明了商用有限元软件中可用的经典材料建模技术与先进的非线性模型相比的不足之处。最后，提出了一种高效且准确的固体 TPU 材料校准流程建议，可显著增强产品创新流程。版权所有 © VBRI Press。关键词：TPU、系统验证、材料校准、FE 模拟。简介