XiaoMi-AI文件搜索系统
World File Search System计算分析
通过语音情感识别和视频面部表情分类进行基于人工智能的癌症疼痛评估 Marco Cascella 1、*、Francesco Cutugno 2、Fabio Mariani 2、Vincenzo Norman Vitale 2、Manuel Iuorio 2、Arturo Cuomo 3、Sabrina Bimonte 3、Valeria会计 1 ，Francesco Sabbatino 1 ，Alfonso Maria Ponsiglione 2 ，Jonathan Montomoli 4 ，Valentina Bellini 5 ，Federico Semeraro 6 ，Alessandro Vittori 7 ，Elena Giovanna Bignami 5 ，Ornella Piazza 1
摘要 有效评估癌症疼痛需要对构成疼痛体验的所有组成部分进行细致的分析。实施自动疼痛评估 (APA) 方法和计算分析方法，特别关注情感内容，可以促进对疼痛的彻底描述。所提出的方法转向使用语音记录中的自动情感识别以及我们之前开发的用于检查疼痛面部表情的模型。对于训练和验证，我们采用了 EMOVO 数据集，该数据集模拟了六种情绪状态（大六）。由多层感知器组成的神经网络在 181 个韵律特征上进行了训练以对情绪进行分类。为了进行测试，我们使用了从癌症患者收集的访谈数据集并选择了两个案例研究。使用 Eudico Linguistic Annotator (ELAN) 6.7 版进行语音注释和连续面部表情分析（得出疼痛/无痛分类）。情绪分析模型的准确率达到 84%，所有类别的精确度、召回率和 F1 分数指标都令人鼓舞。初步结果表明，人工智能 (AI) 策略可用于从视频记录中连续估计情绪状态，揭示主要的情绪状态，并提供证实相应疼痛评估的能力。尽管存在局限性，但提出的 AI 框架仍表现出整体和实时疼痛评估的潜力，为肿瘤环境中的个性化疼痛管理策略铺平了道路。临床试验注册：NCT04726228。
经过过急性障碍患者的选择性孕酮受体调节剂的白质体积和治疗
经前烦恼障碍（PMDD）是一种情绪障碍，已证明选择性孕激素受体模型（SPRM）治疗已被证明是有益的。到目前为止，这种治疗的神经特征已被确定为对挑衅的积极反应期间的额额分子反应性更大，但没有变化的灰质结构变化。白质最近发现PMDD患者和健康对照患者之间有所不同。因此，本研究试图研究PMDD患者的白质体积与SPRM治疗之间的关系。对参与随机对照试验的PMDD患者进行了一项药物神经影像学研究。参与者在处理与醋酸乌蛋白葡萄酸盐（SPRM）或安慰剂的处理前后进行了磁共振成像，持续了三个月。评估了按时间处理对白质体积（WMV）的相互作用效果。基于体素的形态计算分析均在整个大脑探索性水平和感兴趣的区域进行。在任何区域中均未观察到对WMV的治疗效果，包括前丘脑前辐射，扣带，镊子小辅助，福尼克斯，下额肌枕骨下肌，小脑梗梗，上等纵向肌张力肌和fasciculus。这是第一个发现，表明三个月pro生存的拮抗作用没有白质体积改变，这表明白质体积在PMDD的SPRM治疗后没有参与症状缓解。
朝着极端条件下的LI金属电池运行的溶剂化溶剂化介绍描述
将来在规模上使用LI金属电池（LMB）需要电解质，这些电解质在快速充电和低温工作方面赋予了性能。最近的著作表明，li +的脱溶性动力学在实现这种行为方面起着至关重要的作用。但是，通常通过将定性离子配对诱导到系统中来实现此过程的调制。在这项工作中，我们发现对离子配对的更定量控制对于最大程度地减少电气界面处的脱溶剂惩罚至关重要，从而在动力学菌株下的Li金属阳极的可逆性至关重要。基于强和弱结合的醚溶剂的局部电解质中证明了这种效果，从而可以对溶剂化学和结构进行反卷积。出乎意料的是，我们发现超高度温度和高速率运行的最大离子配对度是次优的，并且通过远离饱和点的轻微局部稀释，可逆性大大提高。此外，我们发现，在每个系统的最佳离子配对程度下，弱结合的溶剂仍然会产生较高的行为。这些结构和化学对电荷转移的影响将通过实验和计算分析明确解决。最后，我们证明了局部优化的二乙基醚 - 基于局部 - 高浓度电解质支持动力学紧张的工作条件，包括循环至-60°C和LMB全细胞中的20-分钟快速充电。这项工作表明，对于开发能够低温度和高速运行的LMB电解质，必须进行明确的定量优化。
欧洲药物化学杂志
酪氨酸酶是一种在黑色素生物合成中至关重要的含铜的酶，是人类超质刺激和黑色素瘤的关键药物靶标。使用脂肪菌（Abtyr）的酪氨酸酶（ABTYR）测试化合物的抑制作用一直是从合成和自然来源中鉴定潜在的疗法的常见实践。但是，人类酪氨酸酶（HTYR）和ABTYR之间的结构多样性在开发治疗上有效的药物方面提出了挑战。在这项研究中，我们将回顾性和计算分析与实验数据相结合，以洞悉针对HTYR和ABTYR的新抑制剂的发展。我们观察到硫代醇™和我们的4-（4-羟基苯基）哌嗪-1-基源（6）对这两种酶的对比作用；基于这一发现，我们旨在研究其在HTYR和ABTYR中的结合模式，以确定可显着提高亲和力的残基。所有信息导致发现Com Pound [4-（4-羟基苯基）哌嗪-1-基]（2-甲氧基苯基）甲酮（MEHT-3，7），在ABTYR（IC 50 =3.52μm）和Htyr（IC 50 = 50 =5.4μm）上显示出对ABTYR（IC 50 =3.52μm）的综合活性。基于这些成就，我们建议对我们的计算结果开发，以提供相关的结构信息，以开发较新的双靶向分子，可以在ABTYR上先对ABTYR进行初步测试，以作为快速且廉价的筛选程序在HTYR上进行测试。
表征有利于 Cas9 诱导的双链断裂处替代末端连接的序列背景
替代末端连接 (alt-EJ) 机制，例如聚合酶θ介导的末端连接，越来越多地被认为是导致双链断裂修复不准确的重要因素。我们之前提出了一个 alt-EJ 模型，其中双链断裂附近的短 DNA 重复退火形成二级结构，从而引发有限的 DNA 合成。然后，新生的 DNA 与另一个断裂端的微同源序列配对。这种合成依赖性微同源介导的末端连接 (SD-MMEJ) 解释了果蝇 I-SceI 核酸酶切割后恢复的许多 alt-EJ 修复产物。然而，影响 SD-MMEJ 修复的序列特异性因素仍有待充分表征。在这里，我们通过对 1100 种不同序列环境中 Cas9 诱导的双链断裂处的修复产物进行计算分析，扩展了 SD-MMEJ 模型的实用性。我们在单核苷酸分辨率下发现了成功修复 SD-MMEJ 的序列特征的证据。这些特征包括最佳引物重复长度、重复与断裂的距离、引物重复之间的 DNA 序列灵活性以及微同源模板相对于首选引物重复的定位。此外，我们还表明 DNA 聚合酶 theta 是 Cas9 断裂处大多数 SD-MMEJ 修复所必需的。本文描述的分析包括一个计算流程，可用于表征任何序列环境中 alt-EJ 修复的首选机制。
热固性复合材料残余应力预测的工艺建模与表征
聚合物基复合材料 (PMC) 因其优良的性能和较高的强度重量比而广泛应用于风能行业的主要承重部件[1]。然而，制造这种复合材料仍然是一项艰巨的任务。随着固化的进行，成分基质的化学流变和热机械性能会发生变化。化学收缩、放热产热和成分材料性能不匹配等多种多物理现象进一步影响原位基质响应，并导致制造过程中残余应力的积累、变形和损坏[2-9]。这些残余应力对复合材料性能的改变程度尚不完全清楚。基于准确而全面的材料表征的过程建模模拟可以填补这一知识空白。由此产生的过程模型可用于优化复合材料制造，以提高风能应用复合部件的性能。过程建模利用强大的计算分析工具，能够准确预测复合材料在受到各种热机械载荷时的微尺度响应[2-8,10-16]。许多基于航空级复合材料的计算研究报告了现象学和本构关系，以预测基质固化的演变[17]，估计工艺引起的残余应力产生[18-27]，并评估其对加工复合材料性能的影响[3-6、8、10、11、28]。然而，由于缺乏完整的固化和温度相关材料属性数据集，此类研究通常依赖室温数据或采用确定性基质属性进行分析。因此，
纳米颗粒阵列中的等离子表面晶格共振
这项工作综述了文献，并提供了一维银和金纳米颗粒的光学特性的详细计算分析，重点是表面晶格共振（SLR），这些共振（SLR）在本地化的等离激子共振（LSPRS）中跨越纳米颗粒的跨度跨度时，它们会在nanopartiles中跨度散布，以使某些散布的跨度散布，以使某些跨度的跨度散布在跨度上，以使某些相互构想的跨度散布在跨度上。激发类型连贯耦合。组合基于偶联偶极近似，该偶极近似提供了几乎定量的描述这种类型的阵列的灭绝光谱，其中颗粒良好分离而不太大。这些计算用于确定与下极化模式相关的SLR的许多特征，该模式大多是光子本质上的，我们还研究了由LSPR响应所支配的上极性体，以及瑞利异常（RAS），以及对纯粹衍射激发的贡献。计算探讨了这些激发对入射波和极化向量相对于阵列轴的方向的敏感性，阵列间距和阵列中颗粒数的影响以及纳米颗粒半径和背景折射指标的效果。提供了确定蓝色和/或红色移位的物理机制的细节，因为提供了变化的结构参数，SLR对远场耦合很敏感，而LSPR在某些情况下也可能对近中间和中间田间相互作用敏感，在某些情况下与在Dye Molecule Molecule Cotregate中发现的效果相似。
在全球网络背景下的个性化发现罕见癌症驱动因素
摘要 基因组测序的最新进展将已知癌症驱动基因的空间扩大了数倍。然而，这种激增的大部分是基于对体细胞突变频率和/或其对蛋白质功能的影响的计算分析。相反，实验研究必然考虑突变与其他基因相互作用并赋予癌症表型的功能背景。最终，正是这样的结果成为癌症生物学的“硬通货”。新方法 NEAdriver 利用迄今为止以全局相互作用网络和功能注释途径形式积累的知识来恢复已知和预测新的驱动基因。通过考虑每个肿瘤基因组中突变的共现性，驱动基因的发现是个性化的——作为总结整个癌症患者队列信息的替代方案。对于每个体细胞基因组变化，来自两个网络分析通道的概率估计被组合成成为驱动基因的联合可能性。因此，检测以前未被注意到的候选驱动事件的能力来自于将个体基因组背景与网络视角相结合。该程序应用于 10 个最大的癌症队列，然后根据先前的癌症基因集评估错误率。发现的驱动基因组合对癌症结果具有重要意义。这揭示了具有单独稀疏突变模式的驱动基因，这些突变模式无法通过其他计算方法检测到，并且与先前分析很少涉及的癌症生物学领域相关。具体而言，在腺癌和胶质母细胞瘤中观察到胶原蛋白、层粘连蛋白和整合素基因的复发性突变。考虑个体癌症基因组中候选驱动基因的星座模式为个性化癌症医学开辟了一条新途径。
![arxiv：2502.11029v1 [cs.cr] 2025年2月16日](/simg/g:\will\search\icon\source\0\00c802e319afb1ff65548255ca871ea8ad48ff68.webp)
arxiv：2502.11029v1 [cs.cr] 2025年2月16日
基于多方的计算（MPC）的机器学习，重新为多方学习（MPL）已成为利用来自具有隐私保护的多个政党的数据的重要技术。近年来，为了在更实际的情况下应用MPL，已经提出了各种对MPC的模型，以减少MPL的非凡通信开销。在对MPC友好型模型的优化中，应对挑战的关键要素是分析模型的通信成本。但是，当前的解决方案主要取决于手动建立概况以识别模型的通信瓶颈，通常会在单调的过程中涉及繁重的人类努力。在本文中，我们提出了一个静态模型计算分析框架Hawkeye，它使模型设计师能够在MPL框架中获得Mod-Els的准确通信成本，而无需动态运行安全的模型培训或在特定MPL框架上的推理过程。首先，要通过复杂的结构来介绍模型的通信成本，我们提出了一种基于前缀结构的静态连接成本分析方法，该方法在静态分析过程中记录了函数调用链。其次，Hawkeye采用自动差异库来帮助模型设计师分析Pytorch模型的通信成本。最后，我们通过在五个流行的MPL框架上，Cryptflow2，Crypten，Delphi，Cheetah和SecretFlow-Semi2k上动态运行安全的模型训练和推理过程来核对鹰眼的静态分析结果。实验结果表明，鹰眼可以准确地介绍模型通信成本而无需动态分析。
有效药物的多尺度分析与验证......
药物基因组学是一个快速发展的领域，其目标是为每位患者提供个性化的治疗。此前，我们开发了新型药物机会计算分析 (CANDO) 平台，用于多尺度治疗发现，通过分析化合物与大型蛋白质库的相互作用，筛选出针对任何适应症/疾病的最佳化合物。我们在 CANDO 平台内实施了全面的精准医疗药物发现流程，以确定哪些药物最有可能对非小细胞肺癌 (NSCLC) 的突变表型有效，其依据的假设是具有相似相互作用特征（或特征）的药物将具有相似的行为，因此具有协同作用。 CANDO 预测，奥希替尼（一种 10 EGFR 抑制剂）最有可能与四种 KRAS 抑制剂产生协同作用。通过细胞毒性试验进行的验证研究 11 证实，奥希替尼与 KRAS G12C 抑制剂 ARS-1620 12 和泛 KRAS 抑制剂 BAY-293 联合使用，通过作用于突变型 KRAS 表现出协同作用 13，从而降低细胞增殖。基因表达研究 14 表明，MAPK 抑制是使用 KRAS 抑制剂 BAY-293 治疗后细胞增殖减少的关键相关因素 15，但使用 ARS-1620 或 16 奥希替尼治疗后则不是。我们的精准医疗管道可用于识别能够与 KRAS G12C 抑制剂产生协同作用的化合物，并通过了解它们在蛋白质组学/相互作用组学尺度上的行为来评估它们成为药物的可能性。