XiaoMi-AI文件搜索系统
World File Search System相似的
通过 CRISPR 生成的大豆 KASI 直系同源基因和敲除等位基因观察到相似的种子组成表型
在模型植物系统中，b-酮酰基-[酰基载体蛋白]合酶 1 (KASI) 基因已被证明对蔗糖转化为油至关重要。先前的一项研究描述了与相互染色体易位相关的形态和种子组成表型，这种易位破坏了大豆中的一种 KASI 基因。这项研究的主要发现包括种子起皱表型、种子蔗糖增加、种子油减少和易位传播频率低。然而，仍不清楚这些表型中的哪一个（如果有的话）是由 KASI 基因功能丧失直接引起的，而不是染色体易位或其他相关因素。在本研究中，使用 CRISPR/Cas9 诱变来生成该基因的多个敲除等位基因，以及一个符合读框的等位基因。对这些大豆植物的形态、种子组成性状和遗传传递进行了评估。我们的结果表明，CRISPR/Cas9 突变体表现出与染色体易位突变体相同的表型，证实了观察到的表型是由基因功能丧失引起的。此外，与含有纯合敲除突变的植物相比，含有纯合框内突变的植物表现出相似的表型。这一结果表明，框内突变体中丢失的氨基酸对于基因的正常功能至关重要。为了产生新的种子组成表型，该基因的框内编辑可能需要靶向不太重要和/或进化保守的结构域。
猕猴顶上小叶 5 区 (PE) 细分的相应解剖结构揭示了与人类相似的连接模式
基于影像特征将动物脑作为跨物种研究的工具，可为揭示人类大脑的综合分析提供更多潜力。先前的研究表明，人类布罗德曼5区（BA5）和恒河猴的PE为同源区域，均参与手臂运动中触觉过程中的深度和方向信息处理。但最近的研究表明，BA5与PE并不同源，根据细胞构架，BA5被细分为三个不同的亚区域，PE可细分为PEl、PEla和PEm，BA5与PE之间各亚区域之间的物种同源关系尚不明确。同时，基于白质纤维束解剖连接对PE的细分需要更多的验证。本研究依据白质纤维束解剖连接对恒河猴的PE进行了细分。基于概率纤维追踪技术定义前侧和背侧两个PE亚区，最后针对BA5和PE亚区绘制具有预定义同源靶区的连通性指纹，揭示结构和功能特征，并给出识别出的同源对应关系。
补充婴儿配方和人类母乳在调节婴儿菌群组成和功能体外表现出相似的模式
摘要：健康母乳喂养的婴儿的肠道菌群通常以双歧杆菌为主。为了模仿母乳喂养的婴儿的微生物群，现代配方是用生物活性和生物生成成分加强的。这些成分促进了婴儿的最佳健康和发展以及婴儿菌群的发展。Here, we used INFOGEST and an in vitro batch fermentation model to investigate the gut health-promoting effects of a commercial infant formula supplemented with a blend containing docosahexaenoic acid (DHA) (20 mg/100 kcal), polydextrose and galactooligosaccharides (PDX/GOS) (4 g/L, 1:1 ratio), milk fat globule membrane （MFGM）（5 g/L），乳铁蛋白（0.6 g/L）和动物双歧杆菌亚种。乳酸，BB-12（BB-12）（10 6 CFU/G）。使用三个健康婴儿的粪便接种，我们评估了菌群的变化，生成效应以及补充测试配方的短链脂肪酸（SCFA）产生的短链脂肪酸（SCFA），并将其与从未含有的碱基配方和母乳对照中获得的数据进行了比较。我们的结果表明，即使在配方的含量消化之后，补充配方仍然可以保持其生物活性并调节婴儿的微生物群组成，促进更快的双歧杆菌生长并刺激SCFA的产生。因此，可以得出结论，含有生物活性混合物的测试配方会促进婴儿肠道菌群和SCFA概况，但与母乳喂养婴儿的测试配方相似，但并不相同。
2024年第一季法人说明会
企业架构/ 治理• 台北和蒙特娄的双总部架构• 全心投入的Future 管理团队，与文晔科技具有相似的创业精神和文化• Future 的执行长将在交易完成后加入文晔科技董事会• 保持文晔科技与Future 的互补商业模式业务营运• 全球服务团队为主要供应商和客户提供服务• 共享知识经验（ know-how ），确保典范实务• 优化关键部门的全球资源
利用chatgpt选择文献进行荟萃分析显示减少工作量，同时保持与手动策划相似的召回水平
为此，我们设计了四步管道Lars-GPT（图1）。首先，用户需要选择标准（通过过滤荟萃分析的某些合适标准），并为每个标准创建一个提示（单prompt;表1）。第二，用户需要使用一些记录来评估这些单个奖励，然后选择单个prompts的最佳组合。第三，用户需要选择一个最佳组合的及时策略，并根据所选的提示策略合并提示（组合启动；补充文件1）。最后，合并后的预订以及每个记录的标题和摘要将作为聊天完成。关于记录是否符合用户标准的决定将从返回的答案中提取。在这项研究中，我们使用OpenAI提供的API（应用程序编程界面）评估了GPT-3.5（GPT-3.5-Turbo-0301）和GPT-4（GPT-4-0314）。实际上，LARS-GPT可以使用Python分批进行。
阳离子两亲性药物六亚甲基阿米洛利以相似的效率消灭大量乳腺癌细胞和治疗耐药亚群
简单总结：乳腺癌和其他癌症患者成功治疗结果的一个限制因素是一小部分肿瘤细胞能够抵抗目前使用的治疗剂引起的细胞凋亡。这些对治疗有抗性的癌症干细胞群随后会播下复发性肿瘤和转移性病变的种子，从而影响治疗方案的疗效。我们研究的目的是评估以下假设：阳离子两亲药物 (CAD) 通过无关的程序性坏死机制诱导肿瘤细胞死亡，对目前使用的疗法有抗性的癌症干细胞群有效。我们发现，来自各种乳腺癌模型的对治疗有抗性的干细胞样细胞亚群对 CAD 的敏感性与大部分细胞群一样。我们的观察结果表明，将阳离子两亲抗癌剂纳入现有治疗方案最终可以通过最大限度地减少肿瘤复发和转移性生长来改善乳腺癌患者的治疗结果。
语义增强图像-文本预训练模型的零样本三维模型分类
Cheraghian 等人 [ 21 – 23 ] 在零样本 3 维模型分类方 面提出了 3 维点云的零样本学习方法、缓解 3 维零样 本学习中枢纽点问题的方法和基于直推式零样本学 习的 3 维点云分类方法，并将它们封装进一个全新 的零样本 3 维点云方法 [ 24 ] 中。以上方法均是利用已 知类样本的点云表征及其词向量对未知类别进行分 类，开创了零样本 3 维模型分类方法。近年来， CLIP 在零样本图像分类上取得了良好的效果，因此有研 究者将 CLIP 应用到零样本 3 维模型分类方法中， Zhang 等人 [ 25 ] 提出了基于 CLIP 的 3 维点云理解 (Point cloud understanding by CLIP, PointCLIP) 模型， PointCLIP 首先将 3 维点云投影成多个深度图，然 后利用 CLIP 的预训练图像编码器提取深度图特 征，同时将类别名称通过 CLIP 预先训练的文本编 码器提取文本特征。但是 PointCLIP 的性能受到深 度图和图像之间的域差异以及深度分布的多样性限 制。为了解决这一问题，基于图像 - 深度图预训练 CLIP 的点云分类方法 (transfer CLIP to Point cloud classification with image-depth pre-training, CLIP2Point) [ 26 ] 将跨模态学习与模态内学习相结合 训练了一个深度图编码器。在分类时，冻结 CLIP 的图像编码器，使用深度图编码器提取深度图特 征，该方法缓解了深度图和图像间的模型差异。用 于 3 维理解的图像 - 文本 - 点云一致性表征学习方法 (learning Unified representation of Language, Im- age and Point cloud for 3D understanding, ULIP) [ 27 ] 构建了一个图像、文本和点云 3 种模态的 统一嵌入空间，该方法利用大规模图像 - 文本对预 训练的视觉语言模型，并将 3 维点云编码器的特征 空间与预先对齐的视觉 - 文本特征空间对齐，大幅 提高了 3 维模型的识别能力。与之相似的是，基于 提示文本微调的 3 维识别方法 (CLIP Goes 3D, CG3D) [ 28 ] 同样使用 3 元组形式确保同一类别的 3 维模 型特征和图像特征之间以及 3 维模型特征和文本特 征之间存在相似性，从而使点云编码器获得零样本 识别的能力。另外， PointCLIP V2 [ 29 ] 在 Point- CLIP 的基础之上，通过利用更先进的投影算法和 更详细的 3 维模型描述，显着提高了零样本 3 维模型 分类准确率。本文采用语义增强 CLIP 解决图像和文 本的语义鸿沟问题，通过在语义层面为图像和文本 提供更多相似的语义信息，使图像和文本对齐更具有 一致性，从而有效提高 3 维模型的零样本分类性能。 2.2 提示工程
