XiaoMi-AI文件搜索系统
World File Search System标记
tnm以外的预后标记
P-D-08研究摘要用于医学图像分割的黑盒改编Jay Nitin Paranjape； Shameema Sikder，医学博士，FACS； S. Swaroop Vedula，MBBS，博士，MPH；以及马里兰州巴尔的摩的Vishal M. Patel Johns Hopkins大学；约翰·霍普金斯大学医学院，马里兰州巴尔的摩简介：大型基础模型在一般计算机视觉任务中具有先进的图像细分，但是由于接受了非医疗数据培训，它们在医学图像细分方面经常表现不佳。当前用于将这些模型调整为医疗任务的方法通常假设对模型参数完全访问，这并不总是可行的，因为许多模型仅作为API或黑框可用。此外，对此类模型进行微调可能是计算密集的，并且隐私问题限制了与第三方共享医疗数据。方法：为了解决这些挑战，我们提出了BAPS（用于促进分割的黑盒改编），这是一种新型技术，旨在在黑盒条件下适应医疗图像分割中的基础模型。BAPS由两个组成部分组成：一个图像促销解码器（IP解码器），该解码器（IP解码器）从输入映像和提示中生成视觉提示，以及零订单优化（Zoo）方法，SPSA-GC，该方法可更新IP解码器，而无需通过基础模型进行回音。此方法允许在不了解模型的权重或梯度的情况下进行适应，因此它非常适合黑色盒子方案。结果：BAPS以四种不同的医学成像方式进行了测试，表明原始基础模型的性能大约提高了4％。公开可用的BAPS代码。实现了这种改进，而没有与基础模型的内部参数进行任何直接相互作用，从而突出了我们的黑盒适应方法的有效性。结论：BAPS为将基础模型调整为医学图像分割提供了创新的解决方案，尤其是在模型参数无法访问时。通过将图像推出解码器与零订单优化方法相结合，BAP可以有效地提高分割性能，而无需访问模型的内部结构。这种方法解决了计算和隐私方面的关键挑战，为在医学成像中应用基础模型提供了新的途径。
O-04研究中AI驱动的手动分析，以区分新手和医学教育专家技能Jafar Arash Mehr博士； ER tnm以外的预后标记 p-d-08-black-box-paptation-for-medical-image- ... 关于手术模拟会议的对话 比赛日 CTR指导辐射疗法治疗 引用：Mathews r;沉I;毛lur虫A.心房附属组织作为儿科心脏手术中的自体血管导管。 ACS案件评论 #talkitup 双侧导管导向急性的溶栓 议程2025 ACS癌症会议
O-04研究中AI驱动的手动分析，以区分新手和医学教育专家技能Jafar Arash Mehr博士；医学博士Eric S. Hungness； Amy L. Halverson，医学博士，FACS；以及伊利诺伊州芝加哥的西北大学杰弗里·H·巴尔苏克（Jeffrey H.西北医学 - 西北大学，伊利诺伊州芝加哥，简介：人工智能（AI）可以增强教师教育者对学习者任务绩效的评估。 我们旨在开发一种创新的工具，可以使用计算机视觉和AI在缝合任务过程中跟踪和分析手动运动，以区分新手和专家表现。 方法：我们对一位作者（JAM）进行了视频记录的简单中断缝合任务，该任务（JAM）在缝合板上模拟了专家和新手表演。 使用深度摄像头和开源机器学习和计算机视觉工具（图）记录了每个任务的视频。 使用OpenCV库检索视频帧，然后传递到Google MediaPipe库，该库在每只手上都跟踪21个地标。 intel pyrealsense2每0.1秒钟在3D空间中提取地标的坐标。 总共定义了16个指标，以表征手提动作。 来自这些指标的汇总组数据用于训练多层感知神经网络，以区分专家和新手。 构建了一个评分系统，用于定量评估。 16个指标中有14个可以区分新手和专家组（p值<0.05）。 评分系统已在另外10个专家和10个新手视频上进行了验证。O-04研究中AI驱动的手动分析，以区分新手和医学教育专家技能Jafar Arash Mehr博士；医学博士Eric S. Hungness； Amy L. Halverson，医学博士，FACS；以及伊利诺伊州芝加哥的西北大学杰弗里·H·巴尔苏克（Jeffrey H.西北医学 - 西北大学，伊利诺伊州芝加哥，简介：人工智能（AI）可以增强教师教育者对学习者任务绩效的评估。我们旨在开发一种创新的工具，可以使用计算机视觉和AI在缝合任务过程中跟踪和分析手动运动，以区分新手和专家表现。方法：我们对一位作者（JAM）进行了视频记录的简单中断缝合任务，该任务（JAM）在缝合板上模拟了专家和新手表演。使用深度摄像头和开源机器学习和计算机视觉工具（图）记录了每个任务的视频。使用OpenCV库检索视频帧，然后传递到Google MediaPipe库，该库在每只手上都跟踪21个地标。intel pyrealsense2每0.1秒钟在3D空间中提取地标的坐标。总共定义了16个指标，以表征手提动作。来自这些指标的汇总组数据用于训练多层感知神经网络，以区分专家和新手。构建了一个评分系统，用于定量评估。16个指标中有14个可以区分新手和专家组（p值<0.05）。评分系统已在另外10个专家和10个新手视频上进行了验证。创建工具后，同一位作者将模拟更多的专家和新手表演，并允许该工具根据评分系统预测性能水平：初步结果：使用50个模拟专家和50个新手视频对神经网络进行了培训。分别发现评分的准确性和精度分别为85％和90％。下一步：我们开发了一个创新的基于AI的视频分析框架，能够区分专家和新手的基本缝合技能。该工具有可能通过减少教师培训和评估学习者的需求，在其他医疗任务中使用有意义的医学教育贡献。
组蛋白乙酰化相关基因标记对胃腺癌预后和免疫治疗效果的预测及体外验证
建立了由8个组蛋白乙酰化相关基因组成的STAD预后模型，根据中位风险评分将STAD患者分为高危组和低危组，高危组的预后较低危组差。两组在体细胞突变、免疫亚型、临床病理特征、肿瘤微环境、免疫细胞浸润和免疫活性、免疫治疗预测和药物敏感性等方面存在明显差异。基因本体论（GO）和京都基因与基因组百科全书（KEGG）分析结果表明，两组中的差异表达基因（DEG）参与了与癌症相关的过程和途径。细胞分析表明，DCLK1是胃癌的促癌因子，可促进胃癌细胞对奥沙利铂产生耐药性。
利用 CRISPR-Cas9 系统进行基因标记以促进大分子复合物的纯化
摘要 生成表达标记目标蛋白的修饰细胞系的需求变得越来越重要。在这里，我们描述了一种简单的 CRISPR/Cas9 介导的基因标记和分离修饰细胞的详细方案。在这个方案中，我们结合了两种以前发表的促进 CRISPR/Cas9 介导的基因标记的策略：使用化学修饰的单链寡核苷酸作为供体模板，以及同时针对 ATP1A1 基因和目标基因的共选择策略。总之，与其他生成表达标记目标蛋白的细胞的方法相比，这里提出的方案既简单又节省时间，这对于从人细胞中纯化天然复合物至关重要。关键词（以“-”分隔）CRISPR/Cas9 - 共选择 - 复合物纯化 - 单链寡核苷酸供体
tert启动子突变是不良预后的独立预后标记，MAPK抑制剂治疗的黑色素瘤
1实体瘤，病理学和癌症学的生物学实验室，中心医院的蒙彼利埃大学，法国34000蒙彼利埃； p-blateau@chu-montpellier.fr（p.b.）; b-beganton@chu-montpellier.fr（B.B.）; v-ducros@chu-montpellier.fr（V.D.）; g-chauchard@chu-montpellier.fr（G.C.）; j-vendrell@chu-montpellier.fr（J.A.V.）2 Institute for research in the Cancan é rologie de Montpellier, Inserm, University of Montpellier, Institut du Cancer de Montpellier, University of Montpellier, 34000 Montpellier, France 3 Laboratory Prot omique r e ponse in fl ammmattoire spectromé de mass (Prism), Inserm U1192, University Center,里尔（Lille），F-59000 Lille，法国； coyleud@gmail.com（E.C。）; estellelaurent81@gmail.com（E.L。） *通信：j-soletol@chu-montpellier.fr;这样的。： + 33-467-33-58-71
脑转移复发预后的标记
主要创新和优点本发明人发现，分析接受治疗（例如脑外科手术）的受试者分离样本中本发明特征基因的表达水平，可构成预测受试者脑转移复发的可靠方法。因此，本发明的特征是预测治疗后（更具体地说是脑外科手术后）脑转移复发的可靠方法和试剂盒的基础。
基于 CRISPR/Cas9 的非洲锥虫血液中必需基因的精准标记
目的蛋白质经常用融合标签来表达，以方便实验分析。在通常为二倍体的锥虫中，标签编码 DNA 片段通常与一个天然等位基因融合。然而，由于重组细胞在转染后占群体的 0.1% 以下，这些 DNA 片段还包含一个标记盒用于正向选择。因此，天然 mRNA 非翻译区 (UTR) 被替换，可能会扰乱基因表达；在锥虫中，UTR 通常会在广泛和组成性多顺反子转录的背景下影响基因表达。我们试图开发一种标记策略，以保留血流形式非洲锥虫的天然 UTR，在这里我们描述了一种基于 CRISPR/Cas9 的敲入方法来驱动精确和无标记的必需基因标记。使用简单的标签编码扩增子，我们标记了四种蛋白质：组蛋白乙酰转移酶，HAT2；组蛋白去乙酰化酶，HDAC3；切割和多聚腺苷酸化特异性因子 CPSF3；以及变体表面糖蛋白排除因子 VEX2。该方法保留了天然 UTR，并产生了表达功能性重组蛋白的克隆菌株，通常两个等位基因都被标记。我们展示了基于免疫荧光的定位和富集蛋白质复合物的实用性；在本例中是 GFP HAT2 或 GFP HDAC3 复合物。这种精确标记方法有助于组装表达必需重组基因的菌株，同时保留其天然 UTR。
使用 4D 雷达张量进行自动标记和语义分割
雷达在恶劣天气下的稳健性和提供动态信息的能力使其成为高级驾驶辅助系统 (ADAS) 中摄像头和激光雷达的宝贵补充 [1]。尽管用于 RGB 图像和激光雷达点云 (PC) 的语义分割深度学习方法已经很成熟，但它们在雷达中的应用仍未得到充分探索，尤其是包含额外海拔信息的 4D 雷达数据 [2] [3] [4] [5]。本文通过提出一种直接在距离-方位角-海拔-多普勒 (RAED) 张量上执行语义分割的方法来解决这一研究空白。此外，还引入了一种新颖的自动标记流程来在 RaDelft 数据集中生成逐点多类标签，从而实现使用雷达数据的联合检测和分类。
“领养组织”计划推动了识别马组织特异性组蛋白标记的努力
马遗传学和基因组学研究界有着长期的协同合作历史，致力于开发工具和资源来推动马生物学的发展。从 1995 年由 Dorothy Russell Havemeyer 基金会支持举办的第一届国际马基因图谱研讨会 ( Bailey, 2010 ) 开始，研究人员合作构建了全面的马连锁图谱 ( Guérin 等人, 1999, 2003; Penedo 等人, 2005; Swinburne 等人, 2006 )、辐射杂交和比较图谱 ( Caetano 等人, 1999; Chowdhary 等人, 2002 )、物理标记和 BAC 重叠群图谱 ( Raudsepp 等人, 2004, 2008; Leeb 等人, 2006 )、马的参考基因组 ( Wade 等人, 2009; Kalbfleisch 等人, 2018 ) 和基因分型阵列，以经济地绘制和研究马感兴趣的性状主人和饲养者（McCue 等人，2012 年；McCoy 和 McCue，2014 年；Schaefer 等人，2017 年）。为了延续基于社区的进步的传统，作为国际动物基因组功能注释 (FAANG) 联盟的一部分，一项新的集体努力于 2015 年启动，旨在对马的 DNA 元素进行功能注释（Andersson 等人，2015 年；Tuggle 等人，2016 年；Burns 等人，2018 年）。让人想起人类和小鼠的 ENCODE 项目（Dunham 等人，2012 年），FAANG 联盟的最终目标是注释家养动物物种基因组中的主要功能元素（Andersson 等人，2015 年）。具体来说，该联盟选择了四种组蛋白修饰来表征增强子（H3K4me1）、启动子和转录起始位点（H3K4me3）、具有活性调控元件的开放染色质（H3K27ac）和具有无法接近或受抑制的调控元件的兼性异染色质（H3K27me3）的基因组位置（Andersson 等人，2015；Giuuffra 和 Tuggle，2019）。最初的马 FAANG 努力通过对四个目标组蛋白标记进行染色质免疫沉淀测序（ChIP-Seq），在八个优先关注的组织（TOI）中确定了假定的调控区域（Kingsley 等人，2020）。在该研究中，整个马基因组中表征了超过一百万个假定的调控位点。马生物库中储存了 80 多种组织、细胞系和体液（Burns 等人，2018 年），因此有更多机会扩大注释工作的范围。为了充分利用生物库的优势，合作赞助