XiaoMi-AI文件搜索系统
World File Search System组关
工业论坛第五工作组关于先进制造业是欧洲韧性、可持续性和竞争力的核心的报告
免责声明 本报告反映了工业论坛的集体观点；这些建议不一定代表个别成员的立场，也不一定代表个别成员国或欧盟委员会的立场。 关于工业论坛 工业论坛由工业战略设立，由广泛的利益相关者组成，包括代表不同工业生态系统的工业代表、成员国当局、非政府组织、研究机构和社会伙伴。 论坛的主要任务是协助委员会跟踪 2020 年 3 月工业战略和 2021 年 5 月工业战略更新的实施情况，并为委员会在复苏背景下的工业生态系统工作及其绿色和数字化转型做出贡献，重点是跨境和跨生态系统合作。 有关专家组的更多信息，请访问 https://ec.europa.eu/transparency/expert-groups-register/screen/expert-groups/consult?lang=en&groupID=3743
超越全基因组关联研究对抗高血压：微生物组和人工智能为精准医疗带来机遇
人类死亡的最大单一因素是心血管疾病，而其最大的风险因素是高血压 (HTN)。过去二十年，人们非常重视识别导致高血压的遗传因素。因此，超过 1,500 个遗传等位基因与人类高血压有关。使用高血压遗传模型的绘图研究已经产生了数百个血压 (BP) 基因座，但它们对血压的个体影响很小，这限制了在临床上针对它们的机会。收集全基因组关联数据的价值在正在进行的研究中显而易见，该研究开始利用这些数据在个体层面的遗传差异，结合人工智能 (AI) 策略来开发用于预测高血压的多基因风险评分 (PRS)。然而，仅 PRS 可能不足以解释高血压的发病率和进展，因为遗传因素占影响高血压发病病因的风险因素的不到 30%。因此，整合影响血压调节的其他非遗传因素的数据对于增强 PRS 的能力非常重要。其中一个因素是肠道微生物的组成，这是最近发现的导致高血压的重要因素。迄今为止的研究已清楚地表明，从正常血压稳态到血压升高状态的转变与肠道微生物的组成变化及其与宿主的相互作用有关。在这里，我们首先记录了对动物模型和高血压患者肠道菌群失调研究的证据，然后讨论了使用微生物数据开发高血压宏基因组风险评分 (MRS) 并与 PRS 和临床风险评分 (CRS) 相结合的前景。最后，我们建议整合人工智能从 PRS、MRS 和 CRS 的组合中学习，可能会进一步增强对高血压易感性和进展的预测能力。
全基因组关联分析和门德尔随机化蛋白质组学确定心力衰竭的药物靶标
Genome-wide association analysis and Mendelian randomization proteomics identify drug targets for heart failure Authors: Danielle Rasooly, PhD* 1,2 , Gina M Peloso, PhD* 2,3 , Alexandre C Pereira, MD, PhD 4,5 , Hesam Dashti, PhD 1,6 , Claudia Giambartolomei, PhD 7,8 , Eleanor Wheeler, PhD 9 , Nay Aung, MD, PhD 10,11 , Brian R Ferolito, MS 2 , Maik Pietzner, PhD 9,12,13 , Eric H Farber-Eger, BS 14 , Quinn Stanton Wells, MD 15 , Nicole M Kosik, MPH 2 , Liam Gaziano, MPhil, PhD 2,16 , Daniel C Posner, PhD 2 , A Patrícia Bento,博士学位17，Qin Hui，PhD 18，19，Chang Liu，MPH 18，Krishna Aragam，MD 2,6,20，Zeyuan Wang，MPH 18，Brian Charest MS，MPH 2，MPH 2，Jennifer E Huffman，Jennifer E Huffman，Phd 2，Peter W.F.，Peter W.F.威尔逊，医学博士19，21，劳伦斯·菲利普斯（Lawrence S Phillips），医学博士19，22，约翰·惠特克（John Whittaker） Gaziano，医学博士，MPH 1,2，VA百万退伍军人计划27，Claudia Langenberg，MD，PhD 9，12，13†，Yan V Sun，Phd，MS，MS，18，19，19，28†，Jacob Joseph，Joseph，Mbbs，Mbbs，Md 29†，Juan P Casas，Md casas，Md，Md，Md，Phd 1,2 1,2 agnorty for equalty for equalty for equalty progutty for equalty progutty for equalty progutty for equalty progutty这些著作。†这些作者共同监督这项工作。机构：1年老化师，杨百翰和妇女医院，哈佛医学院，美国马萨诸塞州波士顿75号，美国马萨诸塞州02130。2马萨诸塞州退伍军人流行病学研究与信息中心（Maveric），VA波士顿医疗保健系统，150。S. Huntington Ave，波士顿，马萨诸塞州02130，美国。 3马萨诸塞州马萨诸塞州马萨诸塞州马萨诸塞州马萨诸塞州801 Ave Crosstown中心的波士顿大学公共卫生学院生物统计学系，美国马萨诸塞州，美国马萨诸塞州02118。S. Huntington Ave，波士顿，马萨诸塞州02130，美国。3马萨诸塞州马萨诸塞州马萨诸塞州马萨诸塞州马萨诸塞州801 Ave Crosstown中心的波士顿大学公共卫生学院生物统计学系，美国马萨诸塞州，美国马萨诸塞州02118。4。02142，美国意大利。意大利，意大利，意大利。剑桥研究所。。Bartholomew的Barthol心脏中心，Bartholomew，比恩。
世卫组织战略咨询专家组关于在 OMICRON 和大规模人群免疫背景下使用 COVID-19 疫苗的路线图
1 RITAG：区域免疫技术咨询小组。 2 参见：https://www.who.int/publications/i/item/WHO-2019-nCoV-vaccines-SAGE-good-practice-statement-second-booster。 3 COVID-19 后遗症发生在有疑似或确诊 SARS-CoV-2 感染史的个体中，通常在 COVID-19 发病后 3 个月出现症状，并持续至少 2 个月，无法用其他诊断来解释。常见症状包括疲劳、呼吸急促、认知功能障碍等，通常会影响日常功能。症状可能是在从急性 COVID-19 发作中最初恢复后新出现的，也可能从最初的疾病中持续存在。症状也可能随着时间的推移而波动或复发。儿童可能适用单独的定义。
从全基因组关联数据推断人类大脑形态的一般尺寸
图 1 典型脑网络定义。为了将人类脑形态测量的遗传结构支撑到脑的典型网络组织上，我们考虑了九个重叠的脑网络。被认为位于这些网络内的区域体积通过 83 个灰质体积（N = 36,778）的全基因组关联数据表示，该图表明不同体积被分配到哪些网络。网络定义采用 Madole 等人（2021 年）的定义，但并非无可争议。我们使用这些基于理论的网络定义来应用我们新颖的降维技术基因组 PCA，以获得明确标记的网络下的遗传 PC。使用这些遗传 PC1，我们测试了不同的网络甚至整个大脑是否与认知衰老有遗传关联。
全基因组关联研究研究谷物蛋白，千核重量和面包小麦（Triticum aestivum L.）的归一化差异指数
摘要：研究谷物蛋白含量（GPC），1000个核重量（TKW）和归一化差异植被指数（NDVI）的基因组区域，以280种面包小麦类型类型进行了研究。使用35K公理阵列对全基因组关联（GWAS）面板进行了基因分型，并在三个环境中进行了表型。在覆盖面包小麦的A，B和D亚基因组的18个染色体上检测到总共26个标记性属性关联（MTA）。GPC显示最大MTA（16），其次是NDVI（6）和TKW（4）。最多10 mTA位于B亚基因组上，而在A和D亚基因组上映射了8个MTA。In silico analysis suggest that the SNPs were located on important putative candidate genes such as NAC domain superfamily, zinc finger RING-H2-type, aspartic peptidase domain, folylpolyglutamate syn- thase, serine/threonine-protein kinase LRK10, pentatricopeptide repeat, protein kinase-like domain superfamily,细胞色素P450和扩张蛋白。发现这些候选基因具有不同的作用，包括调节胁迫耐受性，养分重液，蛋白质积累，氮利用率，光合作用，谷物填充，线粒体功能和核心发育。新鉴定的MTA的影响将在不同的遗传背景中得到验证，以进一步利用标记育种。
水产养殖中的全基因组关联和基因组选择
图 1 繁殖种群由繁殖季节产卵的亲鱼组成，这些亲鱼会生成数个（数百个）全同胞和半同胞家族，并在不同的水箱中饲养。当这些个体长到足够大以进行物理标记时，它们会进行单独识别，以在整个周期内保持谱系可追溯性。一些带标记的动物会作为选择候选者留在繁殖核心中，直到它们达到商业重量为止。其他带标记的动物组（选择候选者的全同胞和半同胞）代表繁殖核心中的所有家族，它们会被送去进行环境基因型、产品质量和抗病性测试，以评估具有表型的训练基因型（即成为训练种群）。所有带物理标记的动物都会进行采样并使用 SNP 面板进行基因分型。通过基因组评估方法（例如 GBLUP）联合分析来自训练种群和选择候选种群的谱系、表型和基因型信息，以预测 GEBV，进而用于做出下一繁殖季节的选择决策，并通过繁殖加速将优良基因转移到商业农场
标题：染色体 10q24.32 变异与不同人群的脑动脉 1 直径相关：全基因组关联研究 2
作者：Minghua Liu 1、Farid Khasiyev 2、Sanjeev Law 1,3,4、Antonio Spagnolo-Allende 1、3 Danurys L Sanchez 1,3,4、Howard Andrews 5、Qiong Yang 6、Alexa Beiser 6、Ye Qiao 7、Emy A 4 Thomas 8、Jose Rafael Romero 9、Ta tjana Rundek 10,11,12、Adam Brickman 1,3,4、Jennifer J Manly 1,3,4 5、Mitchell SV Elkind 1,13、Sudha Seshadri 9,14、Christopher Chen 15、Ralph L Sacco 10,11,12、Saima 6 Hilal 15、Bruce A Wasserman 7,16、Giuseppe 1,3,4、Myriam Fornage 8,17； 7 8 隶属关系： 9 1 哥伦比亚大学瓦格洛斯内科与外科医学院神经病学系，10 美国纽约州纽约市 11 2 圣路易斯大学医学院神经病学系。密苏里州路易斯，12 3 TAUB研究疾病研究所和衰老大脑，Vagelos学院，13个医师和外科医生，哥伦比亚大学，纽约，纽约，纽约，14 4 4 4 The Sergievsky Center，Vagelos医师和外科学院，哥伦比亚大学，15年，纽约大学，纽约大学，纽约，美国16 5 BISTATIS IS CUPPLY SHILLECH，MAIL SHICOL，MAIL SHILEBY，USY SEPRICY，MA SERVELY，MA NOWSONN，17 NY SONTON，BOST，NY ny约翰·霍普金斯大学医学院，美国马里兰州20 8布朗基金会分子医学研究所，MC政府医学院，美国德克萨斯州霍斯顿市德克萨斯大学卫生科学中心21 2 22 9美国马萨诸塞州波士顿医学院神经病学部美国佛罗里达州27号Iami Miller医学院28 13 13哥伦比亚大学哥伦比亚大学，美国新纽约州30 14 Glenn Biggs阿尔茨海默氏症和神经退行性疾病研究所，德克萨斯大学健康科学中心，美国德克萨斯州圣安东尼奥市31号
性健康和生殖健康工作组关于计划生育的战略
根据最近的多项研究，FDMN 妇女的避孕使用率估计值高于 2018 年的报告值。这一改善可归因于多种因素，包括有效的协调、基于证据的政策决策、在不同服务提供点提供广泛的计划生育服务、大量服务提供者的能力建设、监测计划生育服务质量、确保生殖健康商品和安全的不间断供应、社区动员和宣传。孟加拉国国际腹泻病研究中心 (Icddr,b-) (2019) 开展的一项研究表明，营地中 FDMN 人口的避孕普及率 (CPR) 增加了 2.1 个百分点，从 2018 年估计的 33.7% 6 增加到 2019 年的 35.8% 7。CPR 指的是使用任何避孕方法的当前已婚育龄妇女 (CMWRA) 的百分比。这些结果的取得得益于 FDMN 对现代计划生育方法认识的提高。营地中超过 80% 的 CMWRA 和新近分娩的妇女 (RDW) 听说过注射用 Depo-Provera 和口服避孕药，72% 至 87% 的 CMWRA 知道从哪里可以获得不同的计划生育方法。2020 年 SRH WG 情况说明书和 2020 年卫生部门公报指出，2020 年共报告了 142,509 次（101.7%）首次计划生育就诊，而设定的年度目标是 140,180 次。
一种无需基因组关系矩阵直接逆的有效基因组预测方法
GBLUP 是应用最广泛的基因组预测 (GP) 方法，由于需要求基因组关系矩阵 (GRM) 的逆，因此随着训练群体规模的增加，该方法会消耗大量且不断增加的计算资源。因此，在本研究中，我们结合随机 Haseman - Elston (HE) 回归 (RHE-reg) 和预条件共轭梯度 (PCG)，开发了一种新的基因组预测方法 (RHEPCG)，该方法避免了直接求 GRM 的逆。模拟结果表明，在大多数情况下，RHEPCG 不仅能达到与 GBLUP 相似的预测精度，而且还能显著减少计算时间。对于实际数据，与 GBLUP 相比，RHEPCG 对拟南芥 F2 群体的 7 个性状和高粱双色 RIL 群体的 4 个性状表现出相似或更好的预测精度。这表明 RHEPCG 是 GBLUP 的一个实用替代方案，并且具有更好的计算效率。