XiaoMi-AI文件搜索系统
World File Search System衰老
创新的移动应用程序可在黑暗中导航时释放衰老大脑的潜力
从人出生到成年，人类大脑都具有神经可塑性，具有适应和改变的能力。赖希曼大学科学家最近在《iScience》杂志上发表的一项研究揭示了一种利用这种能力来改善大脑终身健康的方法。使用由 Remepy Inc. 开发的创新移动应用程序，经历主观认知衰退 (SCD) 的老年人可以增强他们的导航知识，包括空间导航和空间记忆技能。
STAT3表达在HFPEF中的心脏周细胞中降低，其损失降低了细胞粘附并诱导周细胞衰老
1心血管再生研究所，歌德大学法兰克福大学，西奥多·斯特恩·凯7，德国法兰克福AM，德国法兰克福。2个心肺研究所，德国法兰克福AM。 3 DZHK，Site Rhein/Main，Frankfurt Am Main，德国。 4肺部健康研究所。 Justus-Liebig-University Giessen，Aulweg 132，Giessen，德国，Giessen和Marburg Lung Center（UGMLC），德国肺部研究中心（DZL），Justus-Liebig University Giessen Giessen，Giessen，Giessen，Giessen，德国，德国。 6心脏诊断与治疗研究所，德国IKDT GMBH柏林。 7，法兰克福大学法兰克福大学医院心脏病学系。 德国法兰克福AM。 8 DZHK心血管成像中心实验和转化心血管成像研究所，德国法兰克福大学歌德大学。2个心肺研究所，德国法兰克福AM。3 DZHK，Site Rhein/Main，Frankfurt Am Main，德国。4肺部健康研究所。 Justus-Liebig-University Giessen，Aulweg 132，Giessen，德国，Giessen和Marburg Lung Center（UGMLC），德国肺部研究中心（DZL），Justus-Liebig University Giessen Giessen，Giessen，Giessen，Giessen，德国，德国。 6心脏诊断与治疗研究所，德国IKDT GMBH柏林。 7，法兰克福大学法兰克福大学医院心脏病学系。 德国法兰克福AM。 8 DZHK心血管成像中心实验和转化心血管成像研究所，德国法兰克福大学歌德大学。4肺部健康研究所。Justus-Liebig-University Giessen，Aulweg 132，Giessen，德国，Giessen和Marburg Lung Center（UGMLC），德国肺部研究中心（DZL），Justus-Liebig University Giessen Giessen，Giessen，Giessen，Giessen，德国，德国。6心脏诊断与治疗研究所，德国IKDT GMBH柏林。7，法兰克福大学法兰克福大学医院心脏病学系。 德国法兰克福AM。 8 DZHK心血管成像中心实验和转化心血管成像研究所，德国法兰克福大学歌德大学。7，法兰克福大学法兰克福大学医院心脏病学系。德国法兰克福AM。8 DZHK心血管成像中心实验和转化心血管成像研究所，德国法兰克福大学歌德大学。
心脏PI3KP110α衰减延迟衰老...
1个心脏病学系，格拉兹医科大学，奥地利格拉兹8036。2 Center de Recherche des Cordeliers，EquipeLabelliséeParla Ligue Contre cancer，ParisUniversitéde Paris，SorbonneUniversité，Inserm U1138，法国Insteritaire U1138，法国75006，法国，法国。3代谢组学和细胞生物学平台，法国Vilejuif 94805 Institut Gustave Roussy。4 Biotechmed Graz，8010 Graz，奥地利。5分子生物科学研究所，格拉兹大学，格拉兹大学，奥地利8010。6卓越领域BioHealth，格拉兹大学，奥地利格拉兹8010。7 Innsbruck University Innsbruck生物化学研究所和分子生物科学中心，因斯布鲁克大学，因斯布鲁克大学，奥地利6020。 8荷兰格罗宁根大学医学中心格罗宁根大学新陈代谢和信号的小儿科学医学。 9医学与健康科学学院的神经科学系卡尔·冯·奥塞埃茨基大学奥尔登堡，奥尔登堡26129，德国。 10癌症研究所巴黎木匠，生物学系，HôpitalEuropéenGeorges Pompidou，AP-HP，巴黎7015，法国。 11生理学研究所，马里波大学医学院，2000年，斯洛文尼亚马里博尔。 *相应的作者：Mahmoud Abdellatif，医学博士，博士，格拉兹医科大学心脏病学系Auenbruggerplatz 15，A-8036 A-8036 Graz，奥地利；电子邮件：mahmoud.abdellatif@medunigraz.at Simon Sedej，博士，Graz医科大学心脏病学系，Auenbruggerplatz 15，A-8036，奥地利A-8036；电子邮件：simon.sedej@medunigraz.at7 Innsbruck University Innsbruck生物化学研究所和分子生物科学中心，因斯布鲁克大学，因斯布鲁克大学，奥地利6020。8荷兰格罗宁根大学医学中心格罗宁根大学新陈代谢和信号的小儿科学医学。9医学与健康科学学院的神经科学系卡尔·冯·奥塞埃茨基大学奥尔登堡，奥尔登堡26129，德国。10癌症研究所巴黎木匠，生物学系，HôpitalEuropéenGeorges Pompidou，AP-HP，巴黎7015，法国。 11生理学研究所，马里波大学医学院，2000年，斯洛文尼亚马里博尔。 *相应的作者：Mahmoud Abdellatif，医学博士，博士，格拉兹医科大学心脏病学系Auenbruggerplatz 15，A-8036 A-8036 Graz，奥地利；电子邮件：mahmoud.abdellatif@medunigraz.at Simon Sedej，博士，Graz医科大学心脏病学系，Auenbruggerplatz 15，A-8036，奥地利A-8036；电子邮件：simon.sedej@medunigraz.at10癌症研究所巴黎木匠，生物学系，HôpitalEuropéenGeorges Pompidou，AP-HP，巴黎7015，法国。11生理学研究所，马里波大学医学院，2000年，斯洛文尼亚马里博尔。 *相应的作者：Mahmoud Abdellatif，医学博士，博士，格拉兹医科大学心脏病学系Auenbruggerplatz 15，A-8036 A-8036 Graz，奥地利；电子邮件：mahmoud.abdellatif@medunigraz.at Simon Sedej，博士，Graz医科大学心脏病学系，Auenbruggerplatz 15，A-8036，奥地利A-8036；电子邮件：simon.sedej@medunigraz.at11生理学研究所，马里波大学医学院，2000年，斯洛文尼亚马里博尔。*相应的作者：Mahmoud Abdellatif，医学博士，博士，格拉兹医科大学心脏病学系Auenbruggerplatz 15，A-8036 A-8036 Graz，奥地利；电子邮件：mahmoud.abdellatif@medunigraz.at Simon Sedej，博士，Graz医科大学心脏病学系，Auenbruggerplatz 15，A-8036，奥地利A-8036；电子邮件：simon.sedej@medunigraz.at
虚拟衰老大脑：老年人认知能力下降的模型驱动解释
健康衰老伴随着个体认知能力的异质性下降，尤其是在衰老期间。这种变异的机制尚不清楚，但与白质纤维束的重组和大脑区域的功能共同激活有关。在这里，我们建立了一个因果推理框架，以提供结构连接和大脑功能之间联系的机制洞察，并基于大脑图像数据和网络建模。通过应用不同程度的半球间结构连接退化，我们不仅能够重现与年龄相关的半球间功能通信下降和相关的动态灵活性，而且我们获得了衰老过程中结构连接对大脑功能的整体调节增加。值得注意的是，结构连接和大脑功能之间的调节增加幅度更大，在认知能力较差的老年人中增加幅度更大。我们通过基于深度学习的贝叶斯方法独立验证了我们框架的因果假设。当前的结果可能是首次在大型群体中从机制上证明衰老过程中的去分化和支架作用会导致认知能力下降。
全基因组对大肠杆菌中替代性肽聚糖交联所需的基因的鉴定揭示了-lactams的意外影响多层网络中的遗传合作性暗示了亨廷顿氏病小鼠与症状同步的纹状体中的细胞存活和衰老
动机：亨廷顿氏病（HD）可以通过基因放松来发展。然而，基因放松管制对HD遗传合作的动力学的影响仍然很差。在这里，我们在HD敲入小鼠的大脑（等位基因HDH小鼠）的大脑中建立了一个多层网络模型。为了增强生物学精度和基因优先序列，我们整合了三个源网络的互补家族，所有这些都从HDH小鼠中的相同RNA-SEQ时间序列数据推断为加权 - 边缘网络，在该网络中，Edge-Edge-Edge-lates跨源网络跨源网络跨源网络和时点的路径长度变化。结果：加权边缘网络识别出富含受管化基因（临界阶段）的紧密遗传合作性的连续波，在皮质中曾经久经术，与纹状体呈现，并与纹状体相关，与细胞的存活有关（例如hipk4）与细胞增殖相互缠绕（例如scn4b）和细胞衰老（例如CDKN2A产品）响应。顶部纹状体加权边缘在HD发病机理的无脊椎动物模型中富含有缺陷行为的调节剂，从而验证了它们与体内神经元功能障碍的相关性。共同揭示了HDH小鼠大脑中遗传合作的高度动态的时间特征，其中2步逻辑突出了症状小鼠纹状体中细胞维持和延伸的重要性，提供了高度优先的靶标。联系人：Christian.neri@inserm.fr补充信息：补充数据可在Online BioInformatics获得。可用性和实现：加权边缘网络分析（WENA）数据和源代码，用于执行信号（SDS）的光谱分解（SDS）和Wena分析，均为使用Python编写，可在http://www.broca.inserm.inserm.inserm.fr/hd-wena/上获得。
皮肤表皮的假定的流体界面干细胞具有特定的机械特征，在衰老期间演变
。cc-by-nc-nd 4.0国际许可证。是根据作者/资助者提供的预印本（未经Peer Review的认证）提供的，他已授予Biorxiv的许可证，以在2025年2月16日发布的此版本中显示此版本的版权持有人。 https://doi.org/10.1101/2025.02.12.12.637845 doi：Biorxiv Preprint
通过细胞衰老对细胞功能和身份的调节
在衰老和某些情况下，例如胚胎发育，伤口愈合以及癌症，衰老细胞等疾病在不同的病理生理功能中积累并发挥关键作用。长期以来的信念是，鉴于衰老细胞增殖的丧失，细胞衰老会降低正常细胞功能。在发现衰老相关的分泌表型（SASP）之后，这种观点彻底改变了，衰老细胞释放到微环境中。现在有积累的证据表明，细胞衰老还通过建立，增强或改变细胞身份来促进功能促进作用，这可能对病理生理产生有益或有害的影响。这些影响可能涉及增殖停滞和自分泌SASP的产生，尽管它们在很大程度上仍有待定义。在这里，我们提供了有关衰老的首次研究以及对衰老对细胞身份影响的新兴趋势的洞察力的历史概述。
网格存储模式对LifePo 4电池模块衰老的效果的实验研究
在减轻碳排放的全球举措的背景下，功率电网经历了一个变革性的时期，其标志是可再生能源的整合不断升级（Ijeoma等，2024; Uddin et al。，2018; Christodoulides; Christodoulides et al。，2024）。这种范式转移，同时推动清洁能源的普遍采用，同时向电力系统注入了更大的不确定性（Choi等，2021）。此外，热功率单元的逐渐退役使该系统的灵活性资源紧张（Lin等，2024； Chen，2023）。这在峰值剃须区域（PS）和频率调节（FR）的区域尤为明显，该系统面临前所未有的压力（Rosewater和Ferreira，2016年）。为了有效应对这一挑战，大规模的电池储能系统（BESS）已成为突出的重要技术，是一种枢纽技术，用于强化不断发展的电力基础设施的可靠性和安全性（Parag and Sovacool，2016; Liu等，2019）。在不同的成熟度水平之间，锂离子电池占主导地位，占全球部署的70％以上。LifePo4电池，特别是由于其高能量密度，稳定性和安全特征，在储能电站中广泛使用（Kim等，2015； Orikasa等，2013）。行业基准要求，对于220AH储能电池，在标准PS和FR操作期间，目前的速率不得超过0.5°C，以维护运营完整性（Panda等，2022）。尽管如此，关于此操作方案的缺乏特定分析。必须深入研究系统的实验研究，以剖析
衰老，性别，代谢和生活经验因素
，RMIT大学，Bundoora，墨尔本，维多利亚州墨尔本3083，澳大利亚B级测量与信息系统系，布达佩斯技术与经济学系，1111，匈牙利C学院，匈牙利C学院，De Recherche de recherche de recherche du Chu de Qu e ebec-Laval University，Queebec G1 Queebec g1 Queebec g1 Queebec g1 cancase dev0a6，cancase dav0a66666法国E Optinutribrain-Nutrineuro，BORDEAUX F-33000，法国E研究所和临床药学研究所，马尔堡菲利普斯大学，马尔堡D-35032，德国D-35032，Mind and Bravicy-CMBB，Giessen，Marburg d-35392，Marburg D-35032，Marburg d-35392，Marburg d-35392 Liebig University Giessen，Giessen D-35392，德国H神经科学中心，Swmermdam生命科学研究所，阿姆斯特丹大学，阿姆斯特丹大学1018年，荷兰I大学，I大学和数据科学，阿姆斯特丹大学医学中心，阿姆斯特丹大学，1018年，荷兰K Barwon Health，吉朗，维多利亚州吉朗市，3220，澳大利亚L Impact -L Impact -laumpt-，RMIT大学，Bundoora，墨尔本，维多利亚州墨尔本3083，澳大利亚B级测量与信息系统系，布达佩斯技术与经济学系，1111，匈牙利C学院，匈牙利C学院，De Recherche de recherche de recherche du Chu de Qu e ebec-Laval University，Queebec G1 Queebec g1 Queebec g1 Queebec g1 cancase dev0a6，cancase dav0a66666法国E Optinutribrain-Nutrineuro，BORDEAUX F-33000，法国E研究所和临床药学研究所，马尔堡菲利普斯大学，马尔堡D-35032，德国D-35032，Mind and Bravicy-CMBB，Giessen，Marburg d-35392，Marburg D-35032，Marburg d-35392，Marburg d-35392 Liebig University Giessen，Giessen D-35392，德国H神经科学中心，Swmermdam生命科学研究所，阿姆斯特丹大学，阿姆斯特丹大学1018年，荷兰I大学，I大学和数据科学，阿姆斯特丹大学医学中心，阿姆斯特丹大学，1018年，荷兰K Barwon Health，吉朗，维多利亚州吉朗市，3220，澳大利亚L Impact -L Impact -laumpt-，RMIT大学，Bundoora，墨尔本，维多利亚州墨尔本3083，澳大利亚B级测量与信息系统系，布达佩斯技术与经济学系，1111，匈牙利C学院，匈牙利C学院，De Recherche de recherche de recherche du Chu de Qu e ebec-Laval University，Queebec G1 Queebec g1 Queebec g1 Queebec g1 cancase dev0a6，cancase dav0a66666法国E Optinutribrain-Nutrineuro，BORDEAUX F-33000，法国E研究所和临床药学研究所，马尔堡菲利普斯大学，马尔堡D-35032，德国D-35032，Mind and Bravicy-CMBB，Giessen，Marburg d-35392，Marburg D-35032，Marburg d-35392，Marburg d-35392 Liebig University Giessen，Giessen D-35392，德国H神经科学中心，Swmermdam生命科学研究所，阿姆斯特丹大学，阿姆斯特丹大学1018年，荷兰I大学，I大学和数据科学，阿姆斯特丹大学医学中心，阿姆斯特丹大学，1018年，荷兰K Barwon Health，吉朗，维多利亚州吉朗市，3220，澳大利亚L Impact -L Impact -laumpt-，RMIT大学，Bundoora，墨尔本，维多利亚州墨尔本3083，澳大利亚B级测量与信息系统系，布达佩斯技术与经济学系，1111，匈牙利C学院，匈牙利C学院，De Recherche de recherche de recherche du Chu de Qu e ebec-Laval University，Queebec G1 Queebec g1 Queebec g1 Queebec g1 cancase dev0a6，cancase dav0a66666法国E Optinutribrain-Nutrineuro，BORDEAUX F-33000，法国E研究所和临床药学研究所，马尔堡菲利普斯大学，马尔堡D-35032，德国D-35032，Mind and Bravicy-CMBB，Giessen，Marburg d-35392，Marburg D-35032，Marburg d-35392，Marburg d-35392 Liebig University Giessen，Giessen D-35392，德国H神经科学中心，Swmermdam生命科学研究所，阿姆斯特丹大学，阿姆斯特丹大学1018年，荷兰I大学，I大学和数据科学，阿姆斯特丹大学医学中心，阿姆斯特丹大学，1018年，荷兰K Barwon Health，吉朗，维多利亚州吉朗市，3220，澳大利亚L Impact -L Impact -laumpt-
单细胞和表观遗传数据的可解释深度学习揭示了衰老方面的新分子见解
深度学习 (DL) 和可解释人工智能 (XAI) 已成为强大的机器学习工具，可用于识别空间或时间域中的复杂预测数据模式。在这里，我们考虑将 DL 和 XAI 应用于大型组学数据集，以便在分子水平上研究生物衰老。我们开发了一种先进的多视图图级表示学习 (MGRL) 框架，该框架整合了先前的生物网络信息，以细胞类型分辨率构建分子衰老时钟，随后我们使用 XAI 对其进行解释。我们将该框架应用于最大的单细胞转录组数据集之一，该数据集包含来自 981 名捐赠者的一百万多个免疫细胞，揭示了一个核糖体基因子网络，其表达与年龄无关，与细胞类型无关。将相同的 DL-XAI 框架应用于分类单核细胞的 DNA 甲基化数据，揭示了一种表观遗传失调的炎症反应途径，其活性随着年龄的增长而增加。我们表明，如果我们使用更标准的机器学习方法，就不会发现核糖体模块和炎症途径。总之，这里介绍的计算深度学习框架说明了深度学习与可解释的人工智能工具相结合如何揭示对复杂衰老过程的新颖生物学见解。