XiaoMi-AI文件搜索系统
World File Search System聚合
苏核苷酸对非酶模板指导聚合影响的结构解释
核糖核苷酸的生物起源前合成可能伴随着非规范核苷酸的合成，包括 TNA 的苏核苷酸构件。在这里，我们研究了活化苏核苷酸参与非酶模板指导聚合的能力。我们发现，与核糖核苷酸相比，多个连续苏核苷酸单体的引物延伸非常不利。动力学、核磁共振和晶体学研究表明，这部分是由于引物延伸过程中咪唑桥接 TNA 二核苷酸中间体的形成速度较慢，部分是由于攻击 RNA 引物 3'-羟基与进入的苏核苷酸中间体的磷酸盐之间的距离较大。在存在活化下游 RNA 寡核苷酸的情况下，即使是单个活化苏核苷酸，添加到引物中的速度也比活化核糖核苷酸慢 10 倍。相反，RNA 引物末端或 RNA 模板中单个活化的苏核苷酸仅导致引物延伸率略有下降，这与晶体结构所揭示的微小和局部结构扭曲相一致。我们的结果与异质原始寡核苷酸通过复制循环产生越来越同质的 RNA 链的模型相一致。
光学微孔子的两光子聚合用于精确的pH传感
水监测，环境分析，细胞培养稳定性和生物医学应用需要精确控制。传统方法（例如pH条和米）具有局限性：pH条缺乏精度，而电化学仪表虽然更准确，但脆弱，容易漂移，不适合小体积。在本文中，我们提出了一种基于多重传感器的光学检测方法，该传感器具有通过两光子聚合制造的4D微腔。这种方法采用微孔子几何形状的pH触发变化，并整合了数百种双光学耦合的4D微腔，以达到0.003 pH单元的检测极限。所提出的解决方案是面向用例的高质量聚合结构的用用例使用的明确示例。由于多路复用成像平台的好处，双4D微孔子可以与其他微孔子类型集成以进行pH校正的生化研究。
通过两种催化剂催化的耦合聚合制备染料半导体，并应用于晶体管
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
TDP-43聚合播种会损害自动调节并导致TDP-43功能障碍
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。它是此预印本版本的版权持有人，该版本发布于2025年2月12日。 https://doi.org/10.1101/2025.02.11.637743 doi：Biorxiv Preprint
DNA损伤和心脏肥大的核形态变化是由SNRK通过肌动蛋白去聚合
5药物和生物化学系，德国图宾根大学的药物基因组学与药物研究中心，德国Tübingen * *通讯作者的关键字多尺度熵，神经发育，eeg，eeg，eeg，fnirs摘要，自然界的生物学系统，例如人类大脑，包括复杂的动力学和非网络动力学。 量化信号复杂性的一种方法是多尺度熵（MSE），它适用于在不同时间尺度下具有远距离相关的结构。 在发育神经科学中，MSE可以作为大脑成熟的指数，并可以区分健康和病理发展。 在我们目前的工作中，我们根据30个同时发生的EEG - 妊娠27至34周的胎龄（WGA）探索了MSE的发育趋势。 为了探索影响MSE的潜在因素，我们确定了MSE与EEG功率谱密度（PSD）与自发活性瞬变（SATS）之间的关系。 结果，通过WGA，在脑电图上计算出的MSE增加，因此反映了脑网络中的成熟过程，而在FNIRS中，MSE降低，这可能表明脑血液供应的成熟。 此外，我们建议Beta频段（13-30 Hz）中的EEG功率可能是EEG中MSE的主要贡献者。 最后，我们强调了SATS确定MSE的重要性，该MSE是从FNIRS记录中计算得出的。 突出显示生物系统显示复杂和非线性动力学。 使用多尺度熵（MSE），我们研究了早产婴儿的同时脑电图。5药物和生物化学系，德国图宾根大学的药物基因组学与药物研究中心，德国Tübingen * *通讯作者的关键字多尺度熵，神经发育，eeg，eeg，eeg，fnirs摘要，自然界的生物学系统，例如人类大脑，包括复杂的动力学和非网络动力学。量化信号复杂性的一种方法是多尺度熵（MSE），它适用于在不同时间尺度下具有远距离相关的结构。在发育神经科学中，MSE可以作为大脑成熟的指数，并可以区分健康和病理发展。 在我们目前的工作中，我们根据30个同时发生的EEG - 妊娠27至34周的胎龄（WGA）探索了MSE的发育趋势。 为了探索影响MSE的潜在因素，我们确定了MSE与EEG功率谱密度（PSD）与自发活性瞬变（SATS）之间的关系。 结果，通过WGA，在脑电图上计算出的MSE增加，因此反映了脑网络中的成熟过程，而在FNIRS中，MSE降低，这可能表明脑血液供应的成熟。 此外，我们建议Beta频段（13-30 Hz）中的EEG功率可能是EEG中MSE的主要贡献者。 最后，我们强调了SATS确定MSE的重要性，该MSE是从FNIRS记录中计算得出的。 突出显示生物系统显示复杂和非线性动力学。 使用多尺度熵（MSE），我们研究了早产婴儿的同时脑电图。在发育神经科学中，MSE可以作为大脑成熟的指数，并可以区分健康和病理发展。在我们目前的工作中，我们根据30个同时发生的EEG - 妊娠27至34周的胎龄（WGA）探索了MSE的发育趋势。为了探索影响MSE的潜在因素，我们确定了MSE与EEG功率谱密度（PSD）与自发活性瞬变（SATS）之间的关系。结果，通过WGA，在脑电图上计算出的MSE增加，因此反映了脑网络中的成熟过程，而在FNIRS中，MSE降低，这可能表明脑血液供应的成熟。此外，我们建议Beta频段（13-30 Hz）中的EEG功率可能是EEG中MSE的主要贡献者。最后，我们强调了SATS确定MSE的重要性，该MSE是从FNIRS记录中计算得出的。突出显示生物系统显示复杂和非线性动力学。使用多尺度熵（MSE），我们研究了早产婴儿的同时脑电图。EEG中 MSE在胎龄增加，FNIRS中的MSE降低。 eeg功率谱密度和自发活性瞬变有助于MSE。MSE在胎龄增加，FNIRS中的MSE降低。eeg功率谱密度和自发活性瞬变有助于MSE。
微加工的新方法：基于光聚合技术的高精度创新增材制造解决方案
三维 (3D) 打印目前是研发 (R&D) 部门的一个极其重要的分支。这是因为它具有快速成型、快速消除设计错误和在成型阶段改进产品等特点。这种方法大大加快了新解决方案的实施，而无需花费大量生产成本，也无需在生产中测试未开发的模型。借助 3D 打印技术，可以在短时间内以前所未有的精度制作出具有复杂几何形状的原型 [1]。制造流程的逐步计算机化将我们带入了工业 4.0 的新时代。这种级别的智能生产得益于 21 世纪人工智能、机器人技术、纳米技术和 3D 打印方面的重大突破。由于生产技术的极度定制化和个性化，工业 4.0 的实践已成为制造流程每个环节中都可以观察到的现象。人工智能（AI）算法在3D模型准备和转换中的应用显著加快了3D图形的生成速度并提高了质量。人工智能已成功应用于可打印性检查、切片加速、喷嘴路径规划以及云服务平台等[2]。行业模型的演变如图1所示。
树引导的稀有功能选择和电子健康记录数据逻辑聚合
在分析电子健康记录（EHR）数据时，通常会遇到具有大量稀有二进制特征的统计学习，尤其是在具有先前医疗诊断和程序的疾病建模时。处理所产生的高度稀疏和大规模的二进制特征矩阵是众所周知的具有挑战性的，因为传统方法可能缺乏测试和模型拟合中的不一致性，而机器学习方法可能无法产生可解释的结果或临床上有意义的风险因素。为了改善基于EHR的建模并利用疾病分类的自然分层结构，我们提出了针对大规模回归的树木制定特征选择和逻辑方法，具有稀有的二进制特征，在这种情况下，不仅通过稀疏追求来实现降低尺寸，而且还可以通过与逻辑启动子进行逻辑启动子来实现。我们将组合问题转换为线性约束的正则化估计，该估计可以通过理论上的构造实现可扩展的计算。在具有EHR数据的自杀风险研究中，我们的方法能够选择和汇总以诊断疾病的诊断层次结构为指导的先前的心理健康诊断。通过平衡EHR诊断记录的稀有性和特异性，我们的策略都改善了预测和解释。我们确定了重要的高级类别和心理健康状况的子类别，并同时确定每个人都需要与自杀风险相关的特异性水平。
OpenCrowd：一种通过开放式答案聚合寻找社交影响者的人机协作方法
寻找社交影响者是许多在线应用（从品牌营销到意见挖掘）的一项基本任务。现有方法严重依赖专家标签的可用性，而专家标签的收集通常是一个费力的过程，即使对于领域专家也是如此。使用开放式问题，众包提供了一种经济有效的方式，可以在短时间内找到大量社交影响者。然而，个体众包工作者只拥有碎片化的知识，而且这些知识通常质量较低。为了解决这些问题，我们提出了 OpenCrowd，这是一个统一的贝叶斯框架，它无缝地结合了机器学习和众包，可以有效地找到社交影响者。为了推断一组影响者，OpenCrowd 使用少量专家标签引导学习过程，然后联合学习基于特征的答案质量模型和工作者的可靠性。模型参数和工作者可靠性会迭代更新，从而使他们的学习过程相互受益，直到就答案的质量达成一致。我们基于变分推理推导出一种原则性优化算法，该算法具有用于学习 OpenCrowd 参数的有效更新规则。在不同领域寻找社交影响者的实验结果表明，我们的方法将 AUC 提高了 11.5%，比现有技术水平有了显著提高。此外，我们通过经验表明，我们的方法在寻找与较小受众直接互动的微影响者方面特别有用。
在电力系统建模中表示电动汽车——聚合车辆表示与个人驾驶概况
摘要：本研究描述、应用和比较了三种不同的方法，将电动汽车 (EV) 整合到成本最小化的电力系统投资模型和调度模型中。这些方法包括聚合车辆表示和乘用电动汽车的个人驾驶概况。瑞典随机选择的 426 辆汽车的驾驶模式分别在 30 到 73 天之间记录，并用作个人驾驶概况的电力系统模型的输入。主要结论是，对于大多数建模场景，聚合车辆表示与包含个人驾驶概况时的结果相似。然而，本研究还得出结论，在以下情况下，在电力系统优化模型中表示个人驾驶概况的异质性非常重要：(i) 充电基础设施仅限于电力系统中太阳能和风能占比较高的地区的家庭位置，以及 (ii) 在解决特殊研究问题（例如车辆到电网 (V2G) 对电池健康状况的影响）时。如果充电基础设施仅限于家庭位置，则聚合车辆表示将高估 V2G 潜力，从而导致可变可再生电力发电的份额更高（高达 10 个百分点），并低估短期和长期存储技术的投资。
通过先进的处理方法解决 P3HT:Y 系列的可混合性问题，实现可调聚合
聚合物和小分子混合薄膜在有机电子器件，尤其是有机太阳能电池中具有极高的应用价值。普通 P3HT 和最先进的 Y 系列非富勒烯受体 (NFAs) 的混合物具有很高的可混溶性，可以抑制相分离和聚集，从而抑制电荷分离和传输。在最近的一项研究中，引入了电流诱导掺杂 (CID)，这是一种精确控制溶液中聚 (3-己基噻吩) (P3HT) 聚集的方法。本文使用溶液中高度有序的预聚集来控制纯膜和与 Y12 (BTP-4F-12) 的混合物中的 P3HT 聚集。这使得 P3HT 有机场效应晶体管 (OFET) 器件中的空穴迁移率提高了 25 倍，并且在 Y12 存在下 P3HT 聚集体质量可以在大范围内可调。同时，特别是 Y12 长程有序性因 P3HT 聚集性的增加而受到严重抑制。然而，溶剂蒸汽退火 (SVA) 可导致 Y12 有序性极高，Y12 晶体取向发生变化，P3HT 聚集性进一步改善。因此，仅通过改变加工参数而不改变材料系统的组成，就可以在最终薄膜中获得两种材料不同程度的聚集。