XiaoMi-AI文件搜索系统
World File Search System编码
使用基于 dMRI 的自动编码器神经网络表征脑组织微结构
摘要近年来，多室模型被广泛用于尝试从扩散磁共振成像 (dMRI) 数据中表征脑组织微观结构。这种方法的主要缺点之一是需要先验决定微观结构特征的数量，并将其嵌入模型定义中。然而，在给定采集方案的情况下可以从 dMRI 数据中获得的微观结构特征数量仍然不清楚。在这项工作中，我们旨在使用自动编码器神经网络结合旋转不变特征来表征脑组织。通过改变自动编码器潜在空间中的神经元数量，我们可以有效地控制从数据中获得的微观结构特征的数量。通过将自动编码器重建误差绘制到特征数量，我们能够找到数据保真度和微观结构特征数量之间的最佳权衡。我们的结果显示了该数字如何受到壳层数量和用于采样 dMRI 信号的 b 值的影响。我们还展示了我们的技术如何为更丰富地表征体内脑组织微观结构铺平道路。
编码前建立出处
早期所有现代软件都依赖于其他软件组件 [1]。如图 1 所示，这些组件包括库、操作系统、构建工具和部署工具。作为规划过程的一部分，软件工程师决定使用哪些组件来构建他们的软件。这些依赖关系（以及它们所依赖的组件）创建了一个软件供应链，其中软件组件与其用户之间存在隐含的信任关系。当软件工程师决定在其软件中使用哪些组件时，他们也在决定要信任哪些组件。许多最近的网络安全攻击都利用了这些信任关系，针对软件组件和供应链 [1]。为此，许多研究人员提出了增强软件供应链安全性的建议。Okafor 等人的文献综述将这些建议总结为解决三个不同的属性：分离性以确保隔离一个组件中的故障、透明度以查看整个供应链以及有效性以表明组件没有被意外更改（完整性）[2]。综合起来，后两个属性可以描述单个软件组件和由此产生的供应链的出处。本文重点介绍一种用于软件组件出处的专门技术：软件签名。使用公钥加密的软件签名是确保工件来源的事实上的方法。
从跨编码数据中预测生物地球化学周期的粗粒表示
抽象动机：由于DNA测序的进步，现在常规地进行了环境微生物群落的分类学分析。确定这些群落在全球生物地球化学周期中的作用需要鉴定其代谢功能，例如氢氧化，还原和碳固定。这些功能可以直接从宏基因组学数据中推断出来，但是在许多环境应用中，MetabarCoding仍然是选择的方法。从元法编码数据及其整合到地球化学循环的粗粒表示中，代谢功能的重建仍然是当今有效的生物信息学问题。结果：我们开发了一条称为Tabigecy的管道，该管道利用分类学官员来预测构成生物地球化学周期的代谢功能。在第一个步骤中，Tabigecy使用该工具Esmecata从输入液位中预测共识蛋白质组。为了优化此过程，我们生成了一个预先计算的数据库，其中包含来自Uniprot的2,404个分类单元的信息。使用BigeCyhmm搜索了共有的蛋白质组织，BigeCyhmm是一个新开发的Python软件包，依靠隐藏的Markov模型来识别参与生物地球化学周期代谢功能的关键酶。然后将代谢功能投射到周期的粗粒表示上。我们将塔博基（Tabigecy）应用于两个盐洞数据集，并通过对样品进行的微生物活性和水力化学测量结果验证了其预测。结果突出了研究微生物群落对地理化学过程的影响的方法。关键字：微生物群落，生物地球化学周期，代谢功能，分类学官员
深度循环编码器：一种用于大规模脑磁图建模的端到端网络
图 E 1 用于预测 MEG 活动的深度循环编码器 (DRE) 模型的表示。被掩蔽的 MEG pt ⊙ xt 从底部进入网络，连同控制表示 ut 和主题嵌入 s 。编码器使用卷积和 ReLU 非线性转换输入。然后，LSTM 对隐藏状态序列 ht 进行建模，并将其转换回 MEG 活动估计 ˆ xt 。Conv 1 d ( C in , C out , K, S ) 表示随时间进行的卷积，其中输入通道为 C in，输出通道为 C out，内核大小为 K，步幅为 S。类似地，ConvTransposed 1 d ( C in , C out , K, S ) 表示随时间进行的转置卷积。
时间使空间：在编码时间连续感官体验的网络中的位置字段的出现
据信脊椎动物海马在区域CA3中使用复发连通性来支持部分提示的情节记忆回忆。这个大脑区域还包含放置细胞，其位置选择性射击场实现了支持空间内存的地图。在这里我们表明，将细胞出现在经过训练的网络中，以记住时间连续的感觉发作。我们将CA3模拟为一种反复的自动编码器，该自动编码器回顾并重建了通过遍历模拟竞技场的代理商嘈杂且部分遮挡观察的感觉体验。用啮齿动物和环境建模的逼真的轨迹移动的代理被建模为连续变化，高维，感官体验图（具有平滑的高斯随机场）。训练我们的自动编码器准确地模式结合和重建感觉体验，并限制对总活动的限制会导致空间定位的射击场，即位置单元格，以在编码层中出现。The emergent place fields reproduce key aspects of hippocampal phenomenology: a) remapping (maintenance of and reversion to distinct learned maps in different environments), implemented via repositioning of experience manifolds in the network's hidden layer, b) orthogonality of spatial representations in different arenas, c) robust place field emergence in differently shaped rooms, with single units showing multiple place fields in large or complex spaces, and d）慢速代表性漂移的位置场。我们认为这些结果是因为空间的连续遍历使感觉体验在时间上连续。我们的实验代码可在1处获得。我们做出可测试的预测：a）a）迅速变化的感觉上下文将破坏位置字段，b）即使循环连接被阻止，位置字段也会形成，但是在重新映射时对先前学习的表示形式的尊重将被废除，c）临时平稳的体验的维度设置了位置字段的尺寸，包括在虚拟导航中，包括抽象的虚拟导航。
可转座元件进入人类长的非编码RNA Carmen是心脏前体细胞规范的开关
©作者2022。由牛津大学出版社出版，代表欧洲心脏病学会。这是根据Creative Commons Attribution-Noncmercial Licens（https://creativecommons.org/licenses/by-nc/4.0/）发行的一份开放访问文章，该媒介在任何媒介中都可以在任何媒介中进行任何媒介，但前提是原始工作被正确引用。有关商业重复使用，请联系journals.permissions@oup.com 1
长链非编码 RNA LUCAT1 是人类干扰素反应的负反馈调节剂
长链非编码 RNA 是包括免疫反应在内的生物过程的重要调节因子。lncRNA 的免疫调节功能主要在小鼠模型中得到揭示，而对 lncRNA 在人类免疫反应中的了解有限。在这里，我们鉴定出 lncRNA LUCAT1，它在受脂多糖和其他先天免疫刺激刺激的人类髓系细胞中上调。在髓系细胞中靶向删除 LUCAT1 会增加响应 LPS 的 I 型干扰素刺激基因的表达。相反，增加 LUCAT1 表达会导致可诱导的 ISG 反应降低。在活化细胞中，LUCAT1 在细胞核中富集，并与染色质结合。此外，LUCAT1 通过与细胞核中的 STAT1 相互作用来限制干扰素刺激基因的转录。总之，我们的研究强调了 lncRNA LUCAT1 作为诱导后反馈调节因子的作用，其功能是抑制人类细胞的免疫反应。
长的非编码RNA H19
摘要：癌症干细胞（CSC）代表了罕见的肿瘤细胞群，具有具有自我更新和分歧的能力的干细胞特性。现在，这些细胞被广泛接受为负责肿瘤起始，发育，对常规疗法的抗性和复发性。因此，对控制CSC涉及的分子机制的更好理解对于改善诊断和疗法的患者管理至关重要。CSC受肿瘤微环境以及内在遗传和表观遗传调节剂的信号调节。H19，第一个识别的lncRNA参与了许多不同癌症类型的发展和发展。最近，已证明H19与不同类型的癌症类型中的CSC有关。本综述的目的是概述H19在CSC的调节中的作用和机制。我们总结了H19如何调节CSC分裂和癌细胞重编程，从而影响转移和耐药性。我们还讨论了H19的潜在临床意义。
双极和精神分裂症风险基因AKAP11编码自噬受体，将PKA激酶网络稳态调节与突触传播的调控
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2025年1月29日发布。 https://doi.org/10.1101/2024.12.30.630813 doi：Biorxiv Preprint
复合 DNA 链断裂的编码
I. 引言 DNA 分子具有高密度和长期稳定性，因此成为存档海量信息的一种有前途的解决方案。传统数字存储介质（如硬盘和磁带）受限于物理尺寸，且易随时间推移而退化。相比之下，DNA（生物体中携带遗传信息的分子）则为数据存储提供了一种紧凑而耐用的介质。多项开创性研究已证明这一潜力 [1]–[4]。在传统的 DNA 数据存储系统中，二进制数据被编码为四种 DNA 碱基序列：腺嘌呤 (A)、胞嘧啶 (C)、鸟嘌呤 (G) 和胸腺嘧啶 (T)。然后，这些序列通过 DNA 合成的生化过程合成 DNA 分子，称为链。合成的链被集体储存在一个管子里，或封装在二氧化硅颗粒中，在适当的条件下，它们可以保持数千年的稳定 [5]。为了检索存储的二进制数据，需要使用 DNA 测序技术读取 DNA 链，该技术可以确定 DNA 分子中碱基的顺序。然后将测序数据解码回其原始二进制形式。然而，使用 DNA 存储和检索数据的过程并非没有挑战。一个重大问题是 DNA 合成、存储和测序过程中会出现错误。这些错误可能包括替换、插入、删除，尤其是链断裂。当 DNA 分子被切割成两个或多个片段时，就会发生链断裂，这会使准确重建原始数据的过程变得复杂。多项研究 [6]–[8] 已经探讨了纠正传统 DNA 数据存储通道中断裂的问题，这些研究提出了各种编码方案来减轻此类错误的影响。