XiaoMi-AI文件搜索系统
World File Search System现新
通过高通量机学习发现新的等离子金属
在金属中，可以通过可见的波长光激发荷载体，以形成振荡和费米水平附近的内映射，对应于电子的等离子体振荡。一旦激发，由于金属的有限程度，将等离子局部在界面上局部，形成局部的表面等离子体共振（LSPRS），或者沿延伸的界面作为表面等离子体plason Polaritons（spps）沿延伸界面。[1,2]等离子体的领域旨在精确地在纳米级的磁光，并具有有希望的应用，包括亚波伦长波导，[3,4]纳米antenennas，[5]超镜头，[6]亚波长度成像，[7] Nano-civillely，[7] Nano-civillery，[8,8,9]和生物体。[10]控制这种激发需要考虑使用的材料和所形成的几何形状。寻找可能充当等离子应用可行候选的新金属或掺杂的半导管仍然是一个重大问题。[11]在费米水平附近填充的状态贡献了能够对等离子体振荡进行的电子，而在费米水平以上的空状态则被内标转换填充。频带间的转变并不有助于等离子体的振荡，而通过光子吸收激发它们是一种损失机制。因此，完美的等离子金属将在费米水平附近的电子能够在材料中传播，并具有低标记损耗且无带间跃迁的材料。高电导率是一个有益的特征，因为它表明电子在材料中传播时，即由于诱导电子的电子 - 电子散射而导致的低损失。[1]但是，这不是一个足够的标准，因为弱电子 - 电子散射并不排除光线间过渡吸收的光的可能性，而不是令人兴奋的沿金属 - 介电界面传播电子模式。[12]
发现新型药物类抗结核病靶向药物...
图 2 ：(A) DZT 与 Dr DXPS 晶体结构（PDBID：2O1X）的顶级对接姿势。通过直接去除共结晶的 ThDP 制备 38 ApoDr DXPS，并在 Mg 2+ 存在下进行对接（本文其他对接操作相同）。（B）DZT 对 Dr DXPS 的抑制模式研究以及 DZT 对 Mt DXPS 和 H304A 突变体的剂量反应曲线。颜色代码：参考条件：紫色；变化的 [ThDP]：绿色；变化的 [PYR]：蓝色；变化的 [ D -GAP]：红色。（C）ThDP 和 DZT 的药效团视图。颜色代码：C 骨架：DZT：浅蓝色；ThDP：洋红色；His304（Dr DXPS）：灰色；His296（Mt DXPS）：棕色。表面：疏水位点：绿色；亲水位点：红色。（D）Dr DXPS (WT)、Dr DXPS (H304A) 和 Mt DXPS 的动力学表征（见图 S1 中的曲线）。（E）化合物 1 与 Dr DXPS 与 His304 相互作用的顶级对接姿势。（F）化合物 2 与 Dr DXPS 与 H304 相互作用的顶级对接姿势。本文中的所有对接研究均使用软件 LeadIT 44 进行；图 2C 使用 MOE 45 生成；图 2A、2E 和 2F 使用 Poseview 生成。46
对实现新颖的绿色消耗性阶段的技术的概念研究
PISA大学，民用与工业工程系 - 航空航天部，意大利PISA 56122 LILY.Blondel@ing.unipi.it； alberto.sarritzu@ing.unipi.it; Angelo.pasini@unipi.it B Politecnico di Milano，航空航天，科学技术部。（daer），20156年意大利米兰市inigo.alforja@polimi.it; michelle.lavagna@polimi.it c Technische Universität Braunschweig, Institute of Space Systems, 38106 Braunschweig, Germany l.ayala-fernande@tu-braunschweig.de D Université Libre de Bruxelles, Aero-Thermo-Mechanics Department, 1050 Bruxelles, Belgium riccardo.gelain@ulb.be; patrick.hendrick@ulb.be e Onera/dmpe，Toulouse大学，F-31410 Mauzac，法国Christopher.glaser.glaser@onera.fr; jerome.anthoine@onera.fr; jouke.hijlkema@onera.fr f TechnisscheUniversitätDresden，航空航天工程学院，01062德累斯顿，德国，livia.ordonjez-valles@hs-bremen.de; martin.tajmar@tu-dresden.de G Hochschule Bremen，28199 Bremen，德国Livia.ordonjez-valles@hs-bremen.de; uapel@fbm.hs-bremen.de H TechnischeUniversität柏林，太空技术主席，10587柏林，德国e.stoll@tu-berlin.de *通讯作者
用于发现新型天然抗癌化合物的先进计算方法
天然化合物因其程序性坏死特性而受到广泛研究。筛选此类化合物的传统方法之一是使用浓缩植物提取物而不分离活性部分来了解药理活性。在过去的二十年里，现代医学主要依赖于一两种复杂的活性和异构体化合物的分离和纯化。多靶点药物的概念从 2000 年代初首次提出的创新模式迅速而令人印象深刻地发展成为 2021 年药物开发的流行趋势之一。或者，基于片段的药物发现也被用于确定有效的天然抗癌剂的靶点药物发现，它基于明确的片段，而不是使用天然混合物。本综述总结了天然抗癌化合物的当前关键进展；计算机辅助/基于片段的结构解析和用于探索天然化合物的多靶点方法。
![用于人工智能和神经形态计算的硅光子学 Bhavin J. Shastri 1,2、Thomas Ferreira de Lima 2、Chaoran Huang 2、Bicky A. Marquez 1、Sudip Shekhar 3、Lukas Chrostowski 3 和 Paul R. Prucnal 2 1 加拿大安大略省金斯顿皇后大学物理、工程物理和天文学系，邮编 K7L 3N6 2 普林斯顿大学电气工程系，邮编 新泽西州普林斯顿 08544，美国 3 加拿大不列颠哥伦比亚大学电气与计算机工程系，邮编 BC 温哥华，邮编 V6T 1Z4 shastri@ieee.org 摘要：由神经网络驱动的人工智能和神经形态计算已经实现了许多应用。电子平台上神经网络的软件实现在速度和能效方面受到限制。神经形态光子学旨在构建处理器，其中光学硬件模拟大脑中的神经网络。 © 2021 作者 神经形态计算领域旨在弥合冯·诺依曼计算机与人脑之间的能源效率差距。神经形态计算的兴起可以归因于当前计算能力与当前计算需求之间的差距不断扩大 [1]、[2]。因此，这催生了对新型大脑启发算法和应用程序的研究，这些算法和应用程序特别适合神经形态处理器。这些算法试图实时解决人工智能 (AI) 任务，同时消耗更少的能量。我们假设 [3]，我们可以利用光子学的高并行性和速度，将相同的神经形态算法带到需要多通道多千兆赫模拟信号的应用，而数字处理很难实时处理这些信号。通过将光子设备的高带宽和并行性与类似大脑中的方法所实现的适应性和复杂性相结合，光子神经网络有可能比最先进的电子处理器快至少一万倍，同时每次计算消耗的能量更少 [4]。一个例子是非线性反馈控制；这是一项非常具有挑战性的任务，涉及实时计算约束二次优化问题的解。神经形态光子学可以实现新的应用，因为没有通用硬件能够处理微秒级的环境变化 [5]。](/simg/d/d0b24e3de4e984953fcbe1080336ba472eefd4f9.png)
用于人工智能和神经形态计算的硅光子学 Bhavin J. Shastri 1,2、Thomas Ferreira de Lima 2、Chaoran Huang 2、Bicky A. Marquez 1、Sudip Shekhar 3、Lukas Chrostowski 3 和 Paul R. Prucnal 2 1 加拿大安大略省金斯顿皇后大学物理、工程物理和天文学系，邮编 K7L 3N6 2 普林斯顿大学电气工程系，邮编 新泽西州普林斯顿 08544，美国 3 加拿大不列颠哥伦比亚大学电气与计算机工程系，邮编 BC 温哥华，邮编 V6T 1Z4 shastri@ieee.org 摘要：由神经网络驱动的人工智能和神经形态计算已经实现了许多应用。电子平台上神经网络的软件实现在速度和能效方面受到限制。神经形态光子学旨在构建处理器，其中光学硬件模拟大脑中的神经网络。 © 2021 作者 神经形态计算领域旨在弥合冯·诺依曼计算机与人脑之间的能源效率差距。神经形态计算的兴起可以归因于当前计算能力与当前计算需求之间的差距不断扩大 [1]、[2]。因此，这催生了对新型大脑启发算法和应用程序的研究，这些算法和应用程序特别适合神经形态处理器。这些算法试图实时解决人工智能 (AI) 任务，同时消耗更少的能量。我们假设 [3]，我们可以利用光子学的高并行性和速度，将相同的神经形态算法带到需要多通道多千兆赫模拟信号的应用，而数字处理很难实时处理这些信号。通过将光子设备的高带宽和并行性与类似大脑中的方法所实现的适应性和复杂性相结合，光子神经网络有可能比最先进的电子处理器快至少一万倍，同时每次计算消耗的能量更少 [4]。一个例子是非线性反馈控制；这是一项非常具有挑战性的任务，涉及实时计算约束二次优化问题的解。神经形态光子学可以实现新的应用，因为没有通用硬件能够处理微秒级的环境变化 [5]。
用于人工智能和神经形态计算的硅光子学 Bhavin J. Shastri 1,2、Thomas Ferreira de Lima 2、Chaoran Huang 2、Bicky A. Marquez 1、Sudip Shekhar 3、Lukas Chrostowski 3 和 Paul R. Prucnal 2 1 加拿大安大略省金斯顿皇后大学物理、工程物理和天文学系，邮编 K7L 3N6 2 普林斯顿大学电气工程系，邮编 新泽西州普林斯顿 08544，美国 3 加拿大不列颠哥伦比亚大学电气与计算机工程系，邮编 BC 温哥华，邮编 V6T 1Z4 shastri@ieee.org 摘要：由神经网络驱动的人工智能和神经形态计算已经实现了许多应用。电子平台上神经网络的软件实现在速度和能效方面受到限制。神经形态光子学旨在构建处理器，其中光学硬件模拟大脑中的神经网络。 © 2021 作者 神经形态计算领域旨在弥合冯·诺依曼计算机与人脑之间的能源效率差距。神经形态计算的兴起可以归因于当前计算能力与当前计算需求之间的差距不断扩大 [1]、[2]。因此，这催生了对新型大脑启发算法和应用程序的研究，这些算法和应用程序特别适合神经形态处理器。这些算法试图实时解决人工智能 (AI) 任务，同时消耗更少的能量。我们假设 [3]，我们可以利用光子学的高并行性和速度，将相同的神经形态算法带到需要多通道多千兆赫模拟信号的应用，而数字处理很难实时处理这些信号。通过将光子设备的高带宽和并行性与类似大脑中的方法所实现的适应性和复杂性相结合，光子神经网络有可能比最先进的电子处理器快至少一万倍，同时每次计算消耗的能量更少 [4]。一个例子是非线性反馈控制；这是一项非常具有挑战性的任务，涉及实时计算约束二次优化问题的解。神经形态光子学可以实现新的应用，因为没有通用硬件能够处理微秒级的环境变化 [5]。
发现新型对称的1,4-二氢吡啶是用于抗癌治疗的多药耐药蛋白（MRP4）外排泵的抑制剂
摘要：尽管癌症中有针对性的疗法发展了，但多药剂（MDR）的问题仍未解决。大多数转移性癌症患者死于MDR。跨膜ef泵作为MDR的主要原因，但是最突出和最长的EF泵泵P-糖蛋白（P-GP）的早期抑制剂是消除了抑制剂。这些抑制剂已被用于治疗肿瘤的P-gp表达的情况下使用。因此，在临床环境中，在各自的EF漏水泵表达的情况下，将跨膜EF泵泵的抑制剂重新考虑为有前途的策略。我们发现了由ABCC4基因编码的对称ef泵泵MRP4的新型对称抑制剂。MRP4参与了多种癌症，并且对抗癌药物有抗性。所有化合物在过表达MRP4的细胞系测定中表现出比最著名的MRP4抑制剂MK571更好的活性，并且这些活性可能与对称分子框架内的芳族残基的各种替代模式有关。最佳化合物之一被证明是在细胞系模型中克服MRP4介导的抗性，以恢复抗癌药物敏感性作为概念证明。
通过谱系追踪和体内成像发现新的祖细胞群
识别在发育、再生和疾病状态下产生分化细胞类型的祖细胞对于理解控制此类转变的机制至关重要。一个多世纪以来，人们开发了不同的谱系追踪策略，这有助于解开祖细胞与其后代之间的复杂关系。在这篇综述中，我们讨论了谱系追踪分析如何随着技术进步而发展，以及这种方法如何有助于在不同细胞分化背景下识别祖细胞。我们还重点介绍了几个例子，其中谱系追踪实验有助于解决长期存在的争论和识别意想不到的细胞起源。本讨论强调了这一百年来描绘细胞谱系关系的探索如何仍然活跃，并且随着新方法的发展，人们正在取得新的发现。
一种预测自闭症风险基因的机器学习方法：验证已知基因和发现新候选者
自闭症谱系障碍（ASD）是具有强大遗传基础的复杂神经发育状况。从头突变在ASD中的作用已经建立了很好的确立，但是迄今为止涉及的基因集仍然远非完整。当前的研究采用基于机器学习的方法来预测ASD风险基因，使用人类大脑时代基因表达模式，基因级约束指标和其他基因变异特征的特征。通过我们的预测模型鉴定的基因富含ASD风险基因的独立集，并倾向于在ASD大脑中降低表达，尤其是在额叶和顶叶皮层中。最高的基因不仅包括具有强烈参与ASD（例如NBEA，HERC1和TCF20）的先前证据的基因，而且还指出了与蛋白质泛素化有关的潜在新型候选者，例如，MyCBP2和CAND1。我们还表明，我们的方法优于排名策划的ASD候选基因的最先进的评分系统。对我们预测的风险基因的基因本体学富集分析揭示了与ASD明显相关的生物学过程，包括神经元信号传导，神经发生和染色质重塑，但还强调了其他可能是ASD的潜在机制，这些机制可能是RNA的替代性斑点和植物素质与蛋白质的蛋白质DEgradation。我们的研究表明，人脑时空基因表达模式和基因级约束指标可以帮助预测ASD风险基因。我们的基因排名系统为优先考虑ASD候选基因提供了有用的资源。
在ISIS中子和MUON来源发现新的中子调整材料
主持人是neuton源的最重要组成部分。它的作用是减慢从目标（基于加速器的中子来源）或反应器中渗出的中子，或对材料研究所需的非常低的能量。从历史上讲，专门用于中子散射实验的第一个新来源使用了热中子。如今，由于其对材料研究的显着优势，因此中子源的冷（和超低）中子的产生越来越多。液体 /固体氘（D 2），液体氢（H 2）和碳氢化合物（例如，液化 /甲烷）是反应堆和基于加速器的冷中子源的主持材料的标准选择。所有这些材料具有非常好的中子变化特性，但也具有严重的缺点：在液态氢或有限使用碳氢化合物材料的情况下，在高功率中子源中使用有限的中子能量范围（质子密度相对较低），因为它们容易受到严重辐射损害。因此，在世界各地正在积极寻找一种新型的调制材料，尤其是低温主持人的材料。在本文中，提出了与寻找新的中子调整材料有关的ISIS中子和MUON来源[1]的持续活动。