女性在绝经后患阿尔茨海默氏症和其他神经系统疾病的风险更高,但将女性大脑健康与性激素波动联系起来的研究却有限。我们希望通过开发工具来量化性激素波动过程中大脑的三维形状变化,以研究这种联系。三维离散曲面空间上的测地线回归提供了一种表征大脑形状演变的原则性方法。然而,就目前的形式而言,这种方法的计算成本太高,不便于实际使用。在本文中,我们提出了加速三维离散曲面形状空间上的测地线回归的近似方案。我们还提供了每种近似值可使用的经验法则。我们在合成数据上测试了我们的方法,以量化这些近似值的速度-准确度权衡,并表明从业者可以期待非常显着的速度提升,同时只牺牲很少的准确性。最后,我们将该方法应用于真实的大脑形状数据,并首次表征了女性海马体在月经周期中如何随着孕酮的变化而改变形状:我们的近似方案(实际上)使这一表征成为可能。我们的工作为生物医学和计算机视觉领域的全面、实用的形状分析铺平了道路。我们的实现在 GitHub 上公开可用。
世界正在努力解决毁灭性的生物多样性丧失,这不仅影响着珍贵的物种的灭绝和不可替代的遗传变异,而且危害了人们的粮食生产,健康和安全。所有旨在保护生物多样性的举措在很大程度上依赖于对物种和人群的监测,以获得准确的空间模式和整体人口评估。传统的监测技术,例如视觉调查和计数个体,由于识别隐性物种或不成熟的生命阶段的挑战,这是有问题的。环境DNA(EDNA)是一项相对较新的技术,具有更快,无创和具有成本效益的工具,以监视生物多样性,保护和管理实践。edna是从古老和现在的材料中提取的,其应用范围从单个物种到整个生态系统的研究。在过去的几年中,Edna在与生态保护和保护有关的研究中的使用情况大大增加。但是,仍然需要解决一些技术问题。为了减少当前Edna技术产生的假阳性和/或假阴性的数量,有必要在过程的每个阶段改进和优化校准和验证。非常需要更多关于EDNA使用的物理和生态限制及其合成,当前状态,预期寿命和潜在运动模式的信息。由于EDNA研究的广泛使用,评估这些研究的程度和广度也至关重要。在本文中,我们严格审查了埃德娜在地下和水生入侵物种中的主要应用。通过此评论,读者可以更好地了解Edna Metabarcoding的挑战和局限性。
CRISPR/Cas9 产生的双链断裂的致突变结果取决于切割两侧的序列和细胞 DNA 损伤修复。这些特征之间的相互作用在很大程度上尚未得到探索,这限制了我们理解和操纵结果的能力。在这里,我们测量了 18 个修复基因的缺失如何改变小鼠胚胎干细胞中 2,838 个合成靶序列中 Cas9 双链断裂产生的 83,680 个独特突变结果的频率。这项大规模调查使我们能够以无偏见的方式对结果进行分类,从而产生有关双链断裂修复新模式的假设。我们的数据表明,Prkdc(DNA-PKcs 蛋白)和 Polm(Polμ)在创建与 Cas9 切口近端核苷酸(相对于原间隔区相邻基序 (PAM))相匹配的 1bp 插入方面发挥着特殊作用,Nbn(NBN)和 Polq(Polθ)在创建不同的删除结果方面发挥着不同的作用,并且存在一类独特的单向删除结果,这些结果既依赖于末端保护基因 Xrcc5(Ku80),也依赖于切除基因 Nbn(NBN)。我们利用修复环境中可重复变异的知识,建立了 Cas9 断裂诱变结果的预测模型,该模型优于当前标准。这项工作提高了我们对 DNA 修复基因功能的理解,并为更精确地调节 CRISPR/Cas9 产生的突变提供了途径。
“编码抗生素耐药性的 DNA 可能通过医院或农场的废水进入环境。如果留在水柱中,DNA 会迅速降解,但如果它与绕过的矿物表面结合,DNA 就会稳定下来并存活下来。因此,沉积的矿物可以充当一种基因库,将基因从一个环境带到另一个环境,这可能会导致抗生素耐药性的传播,”Krarup Sand 说。
基于深度学习的卷积神经网络最近已证明其能够基于弥散加权成像快速分割主要脑束结构。脑束的定量分析则依赖于来自纤维束成像过程本身或束上每个体素的指标。在疾病的背景下,对异常体素的统计检测通常依赖于单变量和多变量统计模型,例如一般线性模型 (GLM)。然而,在高维低样本量数据的情况下,尽管通常使用平滑过程,但由于解剖学差异,GLM 通常意味着对照的标准差范围较大。这可能导致难以在体素尺度上检测到脑束中细微的定量变化。在这里,我们介绍了 TractLearn,这是一个使用测地线学习作为数据驱动学习任务的脑束定量分析统一框架。 TractLearn 允许使用黎曼方法在图像高维域和脑束的减少潜在空间之间进行映射。我们通过重测采集多壳扩散 MRI 数据说明了该方法对健康人群的稳健性,表明可以分别研究不同 MRI 会话导致的整体影响和局部束改变的影响。然后,我们在 5 名年龄匹配的轻度脑外伤受试者样本上测试了我们算法的效率。我们的贡献是提出:1/ 一种捕捉控制变异性的流形方法作为标准参考,而不是基于欧几里得均值的图谱方法。2/ 一种检测体素定量值整体变化的工具,它考虑了结构中体素的相互作用,而不是独立分析体素。3/ 一种即用型算法,用于突出显示扩散 MRI 指标的非线性变化。在这方面,TractLearn 是一个可立即使用的精准医疗算法。
1 LATMOS,国家科学研究中心 (CNRS)、凡尔赛圣康坦伊夫林大学 (UVSQ)、巴黎萨克雷大学、索邦大学 (SU),11 Boulevard d'Alembert,78280 Guyancourt,法国; cannelle.clavier@latmos.ipsl.fr(抄送); alain.sarkissian@latmos.ipsl.fr(AS); alain.hauchecorne@latmos.ipsl.fr(AH); slimane.bekki@latmos.ipsl.fr (SB); franck.lefevre@latmos.ipsl.fr(佛罗里达州); patrick.galopeau@latmos.ipsl.fr(PG); pierre-richard.dahoo@latmos.ipsl.fr (P.-RD); andrea.pazmino@latmos.ipsl.fr(美联社) andre-jean.vieau@latmos.ipsl.fr(A.-JV); christophe.dufour@latmos.ipsl.fr (光盘); pierre.maso@uvsq.fr(下午); nicolas.caignard@latmos.ipsl.fr (北卡罗来纳州); frederic.ferreira@latmos.ipsl.fr(FF); pierre.gilbert@latmos.ipsl.fr(PG); catherine.billard@uvsq.fr(CB); philippe.keckhut@latmos.ipsl.fr (PK)2 ACRI-ST—CERGA,10 Avenue Nicolas Copernic,06130 Grasse,法国; oha@acri-st.fr(OHFd); sandrine.mathieu@acri-st.fr (SM); antoine.mangin@acri-st.fr (AM) * 通信地址:Mustapha.Meftah@latmos.ipsl.fr;电话:+33-1-8028-5179 † 这些作者对这项工作做出了同等贡献。
•本第四版的技术审查委员会辩论了持续使用样本(在第三版中作为标准用作),考虑到在写作和成本方面的效力时,请记住实践。•有许多论文比较不同的调查方法。许多人认为静态调查更有效(Stahlschimidt和Bruhl(2012),Braun de Torrezet al。(2017)和Teetset Al。(2019年),而其他人则得出结论,方法组合很重要(Perks and Goodenough(2021)。
b“由于四舍五入,总值可能不等于 100%。本文件是一般性沟通,仅供参考。它本质上是教育性的,并非旨在推荐任何特定的投资产品、策略、计划功能或其他目的。使用的任何示例都是通用的、假设的,仅供说明之用。在做出任何投资或财务决策之前,投资者应向个人财务、法律、税务和其他专业人士寻求个性化建议,这些建议会考虑到投资者自身情况的所有具体事实和情况。风险摘要以下风险可能导致该策略的投资组合亏损或表现不如其他投资。由于影响个别公司的因素以及经济或政治条件的变化,股票证券的价格可能会迅速或不可预测地波动。这些价格变动可能会导致您的投资损失。公司不保证会宣布、继续支付或增加股息。综合指数综合指数包括根据重点股息增长策略投资的所有可自由支配的独立管理账户。该策略旨在通过主要投资具有提高股息历史的美国公司来实现长期资本增长。指数管理账户收取费用会降低其表现:指数则不会。您不能直接投资指数。标准普尔 500 指数是一个非管理指数,通常代表美国股市大公司的表现。指数水平以总回报美元计算。过去的表现并不能保证未来的结果。前十大持股列出的前十大持股仅反映该策略的长期投资。不包括短期投资。持股可能会发生变化。列出的持股不应被视为购买或出售特定证券的建议。每种证券均按策略中持有的证券总市值的百分比计算,不包括使用衍生品头寸(如适用)。投资组合分析定义市盈率是每股收益乘以该数字以估算股票价值。
b"由于四舍五入,总值可能不等于 100%。本文件是一般性沟通,仅供参考。它本质上是教育性的,并非旨在推荐任何特定的投资产品、策略、计划功能或其他目的。使用的任何示例都是通用的、假设的,仅供说明之用。在做出任何投资或财务决策之前,投资者应向个人财务、法律、税务和其他专业人士寻求个性化建议,这些建议会考虑到投资者自身情况的所有具体事实和情况。风险摘要以下风险可能导致该策略的投资组合亏损或表现不如其他投资。由于影响个别公司的因素以及经济或政治条件的变化,股票证券的价格可能会迅速或不可预测地波动。这些价格变动可能会导致您的投资损失。不能保证公司会宣布、继续支付或增加股息。综合综合包括根据 JPMIM 的价值优势战略投资的所有可自由支配的独立管理账户。通过此策略,无论市值如何,上市公司都有资格购买。我们的投资流程力求找到那些能够产生大量现金流的公司,这些公司的管理团队能够有效地分配资本,以提高每股的内在价值。我们认为,这些公司最有可能在长期内跑赢市场。2008 年 6 月之前的表现来自 All Cap Value(以前称为 Value Advantage)机构综合指数,该指数可能反映出无法在 Value Advantage 管理账户中复制的投资。此类投资的示例包括但不限于以每股市场价值交易的证券,这将导致购买零碎股票和衍生品。成立日期为 2005 年 3 月 1 日。指数管理账户收取费用会降低其绩效,而指数则不会。您不能直接投资于指数。Russell 3000 价值指数是一种非管理指数,用于衡量市净率较低和预测增长值较低的 Russell 3000 公司(美国最大的 3000 家公司)的绩效。过去的表现并不能保证未来的结果。顶级持股 列出的十大持股仅反映该策略的长期投资。不包括短期投资。持股可能会发生变化。列出的持股不应被视为购买或出售特定证券的建议。每个人”
本文提出了一种新的一阶和二阶统计数据分类框架,即均值/位置和协方差矩阵。在过去十年中,已经提出了几种协方差矩阵分类算法。它们通常利用对称正定矩阵 (SPD) 的黎曼几何及其仿射不变度量,并在许多应用中表现出色。然而,它们背后的统计模型假设了零均值。在实践中,它通常在预处理步骤中被估计然后被删除。这当然会对均值作为判别特征的应用造成损害。不幸的是,均值和协方差矩阵的仿射不变度量相关的距离仍然未知。利用以前关于测地三角形的研究,我们提出了两个使用这两种统计数据的仿射不变散度。然后,我们推导出一种计算相关黎曼质心的算法。最后,将基于散度的最近质心应用于农作物分类数据集 Breizhcrops,显示了所提框架的趣味性。