XiaoMi-AI文件搜索系统
World File Search System计算分析
增材制造的变形行为分析...
金属增材制造 (MAM) 是一项快速发展的技术，有可能彻底改变制造业。当前的 MAM 工艺之一是直接能量沉积 (DED)，它使用逐层沉积来设计零件以进行整合并最大限度地减少材料浪费。然而，DED 工艺的反复加热和冷却通常会导致 AM 组件发生变形，从而导致过早失效。该研究利用数值计算软件 Simufact Welding 对利用 DED 工艺在 SS316 基材上增材制造的 Inconel 718 的热致变形进行了数值计算分析。Inconel 718 组件和 SS316 基材的几何设计旨在更深入地了解 LMD 工艺的变形行为。模拟结果表明，变形随层数的增加而增加，并且变形率沿沉积高度而变化。节点 S3 和 S5 处的基材变形在每一沉积层中均呈线性增加，但在最后四层中节点 S1 和 S2 处的变形速率降低，这表明基材和沉积材料之间的温度均匀性。
single-cell-genomics and-computations- ...
单细胞技术的出现和快速发展使得以前所未有的分辨率和规模研究细胞异质性成为可能。细胞异质性是个体之间表型差异的基础，研究细胞异质性是我们对疾病分子机制理解的重要一步。单细胞技术提供了从不同角度表征细胞异质性的机会，但是如何将细胞性均质与疾病表型联系起来需要仔细的计算分析。在本文中，我们将回顾人类疾病研究中单细胞方法的当前应用，并描述我们迄今为止对人类遗传变异的研究所学到的知识。随着单细胞技术广泛适用于人类疾病研究，人口水平的研究已成为现实。我们将描述应如何追求和设计这些研究，特别是如何选择研究对象，如何确定每个受试者的细胞数量以及每个细胞所需的测序深度。我们还讨论了用于分析单细胞数据的计算策略，并描述了如何将单细胞数据与批量组织数据和从全基因组关联研究产生的数据集成在一起。最后，我们指出了开放的问题和未来的研究方向。
二氧化碳在3D混凝土印刷结构的特性上的潜力
光子神经网络（PNN）已成为传统电子神经网络的有前途的替代品。然而，PNN的培训，尤其是在传统实践中被认为是高度有效的分析梯度下降算法的芯片实施，这仍然是一个重大挑战，因为物理系统并非差异。提出了诸如无梯度和数值梯度方法之类的训练方法，但它们却没有过度测量和有限的可伸缩性。最新的原位培训方法也受到成本挑战，需要昂贵的在线显示器和频繁的光学I/O切换。在这里，提出了一种物理感知的分析梯度培训（PAGT）方法，该方法在分裂和串联策略中计算分析梯度，从而克服了芯片在PNNS训练中造成的不良性引起的差异。在芯片上实施了多种训练案例，尤其是生成对抗网络，与原位方法相比，时间消耗显着降低（从31 h到62分钟），能源消耗降低了四倍。结果为训练混合光子 - 数字电子神经网络提供了低成本，实用和加速的解决方案。
基于活动的CRIS扫描发现DNA甲基化维护机械的变构
抽象变构可以动态控制蛋白质功能。一个范式的例子是DNA甲基化维持的紧密策划过程。尽管变构站点具有根本的重要性，但它们的识别仍然是高度挑战。在这里，我们对基于基于活动的抑制剂Decitabine的基本维护甲基化机制进行了CRISPR扫描，以发现调节DNMT1的变构机制。与非共价DNMT1抑制相反，基于活性的选择暗示了DNMT1功能中催化结构域以外的许多区域。通过计算分析，我们从活跃位点的DNMT1远端中识别出涵盖多层自身抑制性界面和未表征的BAH2结构域的突变的远端突变点。我们将这些突变表征为功能获得，表现出增加的DNMT1活性。将我们的分析推送到UHRF1中，我们辨别了多个域中的功能收益突变，包括跨自抑制性TTD – PBR界面的关键残基。共同研究了基于活动的CRISPR扫描以提名候选变构站点的实用性，更广泛地介绍了新的分析工具，从而进一步完善了CRISPR扫描框架。
教程：使用RIMA
RNA序列（RNA-SEQ）已成为肿瘤分子分析和免疫表征的越来越成本效益的技术。在过去十年中，已经开发出许多计算工具来表征来自基因表达数据的肿瘤免疫。然而，大规模RNA-seq数据的分析需要生物信息学水平，大量计算资源以及癌症基因组学和免疫学知识。在本教程中，我们提供了用于肿瘤免疫表征的大量RNA-SEQ数据的计算分析，并引入了与癌症免疫学和免疫疗法有关的常用计算工具。这些工具具有多种功能，例如评估表达特征，免疫浸润的估计，免疫曲目的推断，预测免疫疗法反应，新抗原检测和微生物组定量。我们描述了RNA-Seq免疫分析（RIMA）管道，将其中许多工具整合到简化RNA-Seq分析。我们还采用了带有文本和视频演示的GitBook的形式制定了全面且用户友好的指南，以帮助用户使用RIMA分析单个样本和队列级别的批量RNA-Seq数据，以通过RIMA使用RIMA进行免疫表征。
计算生物学博士学位（F/M/D）
delta4是位于维也纳的Techbio公司，位于数字药物发现和开发的最前沿。Delta4利用专有计算分析平台（Hyper-C），结合了生物医学测试和候选药物的临床验证。我们独特的方法在硅和实验筛选中整合了迭代的大数据/，提供了最有效的临床指示和化合物/药物效应的匹配。我们的研发过程允许快速进行临床阶段测试；我们的方法论核心是针对精确的，以增加成功的可能性。我们的重点是重新定位现有药物以进行新颖的适应症。通过为这种药物疾病组合生成IP，我们建立了临床和经济上有吸引力的指示的管道。我们关于罕见慢性肾脏疾病局灶性节段性肾小球硬化的铅计划的结果已发表（TranspRes。2023 259：28-34;肾脏INTREP。20239（2）：478-481）。以前2018 9（91）：36379-36391; PLOS一个。2019 14（1）：E0210859）。 促进财团 /背景< / div>2019 14（1）：E0210859）。促进财团 /背景< / div>
当前吸烟严重程度对阿片类药物使用障碍中脑灰质体积的影响 - 体素-BAS
摘要背景：吸烟（CS）和阿片类药物使用障碍（OUD）显着改变了脑裁缝。尽管OUD和吸烟是高度合并的，但大多数先前在OUD的神经影像学研究都无法控制吸烟严重程度。具体来说，吸烟和OUD对脑灰质体积（GMV）的综合作用尚不清楚。目的：我们使用结构磁共振成像（SMRI）检查：（1）OUD和非淘汰的人之间的GMV差异具有可比的吸烟严重程度； （2）吸烟严重程度对具有和没有OUD的个体之间的大脑GMV的差异作用。方法：我们对每天抽烟的116个人的现有SMRI数据集进行了二次分析，其中60个患有Oud（CS-OUD； 37名男性，23名女性）和56个没有（CS； CS； 31名男性，25名女性）。通过基于体素的形态计算分析估计脑GMV。 结果：与CS组相比，CS-OUD组在枕皮层中具有较高的GMV，在前额叶和颞皮层，纹状体和胸膜前/后中心回旋（全脑校正）中的GMV较高（全脑校正 - P <.05）。 在内侧轨道额皮层中GMV的组与吸烟严重程度之间存在显着相互作用（全脑校正-p <.05），因此吸烟较重与CS-OUD中较低的内侧眶额GMV相关，但CS-OUD中的CS-OUD，但不是CS参与者（R = –0.32 vs. 0.12 vs. 0.12）。 结论：我们的发现表明，吸烟和Oud对脑灰质的独立和互动效果的结合。通过基于体素的形态计算分析估计脑GMV。结果：与CS组相比，CS-OUD组在枕皮层中具有较高的GMV，在前额叶和颞皮层，纹状体和胸膜前/后中心回旋（全脑校正）中的GMV较高（全脑校正 - P <.05）。在内侧轨道额皮层中GMV的组与吸烟严重程度之间存在显着相互作用（全脑校正-p <.05），因此吸烟较重与CS-OUD中较低的内侧眶额GMV相关，但CS-OUD中的CS-OUD，但不是CS参与者（R = –0.32 vs. 0.12 vs. 0.12）。结论：我们的发现表明，吸烟和Oud对脑灰质的独立和互动效果的结合。阐明经竞标阿片类药物和烟草使用的神经解剖学相关性可能会使受影响个体的新干预措施开发出来。
生成式人工智能和版权 - 新加坡
2 在新加坡，如果侵权使用属于计算数据分析例外 2 或合理使用条款，版权法可以为侵权使用提供辩护。3 根据与将受版权保护的作品用于机器学习最相关的计算数据分析例外，必须满足五个严格条件，包括“合法访问”受版权保护的内容，并且复制不能用于除识别、提取或分析信息/数据并使用它来改进与该类型信息/数据相关的程序功能之外的任何其他目的。4 在实施版权审查报告第 8 号提案时，2021 年版权法第 5 条第 243 款引入了为计算数据分析目的而制作的作品复制的具体例外，前提是满足第 244 款中的许多条件。计算数据分析的定义并不详尽，即“使用计算机程序识别、提取和分析作品中的信息或数据” 6 – 这与文本和数据挖掘（“TDM”）同义。英国已经实施了 TDM 例外 – 尽管范围比新加坡版本要窄 – 即“合法访问作品的人可以对作品中记录的任何内容进行计算分析，但仅限于非商业目的的研究”。7 但是，TDM 例外往往范围狭窄，不太可能涵盖
中美法学院合作之路
全球推动国家控制数据，DATA CATALYST（2020 年 6 月），https://datacatalyst.org/wp-content/uploads/2020/06/Data-Nationalism-on-the-Rise.pdf；Bryce Baschuk，欧洲为何对美国的绿色补贴感到愤怒，WASH。POST（2023 年 1 月 19 日），https://tinyurl.com/yuc8mdt7；Matthew Studley，通过自动化实现在岸外包；延续不平等？，8 FRONTIERS ROBOTICS & AI 634297（2021 年 6 月 17 日），https://doi.org/10.3389/frobt.2021.634297；美元作为世界主要储备货币，C ONG。R SCH。S ERV。，IF11707（2022 年）；Dallas Card 等人，对 140 年美国政治演讲的计算分析揭示了更积极但日益两极化的移民框架，119 PNAS 31（2022 年）；Ewa Genge 和 Francesco Bartolucci，欧洲对移民的态度正在改变吗？基于潜在类别 IRT 模型的分析，16 ADVANCES D ATA A NALYSIS & C LASSIFICATION 235（2022 年）；Craig Calhoun，英国脱欧是对世界主义精英的叛变，33 N EW P ERSPS。问。50 (2016)。
课程vitae Qing nie -UCI数学 div>
联合导演（两个PI之一）：HHMI接口培训创新计划补充剂（HHMI Grant＃56007658）; $ 30K 2012-2014•形态学PI的计算分析：NSF DMS（DMS-0917492）; $ 250K 2009-2012•细胞信号的特异性和空间动力学：理论与实验2005-2011 PI； Nigms/NIH（R01GM75309）; 120万美元•强大的发展构图co-Pi原则； Nigms/NIH（R01GM67247-5）; 160万美元2007-2010•OVOL基因在表皮发展中的作用 - 补充PI：NIH（R01AR47320-08S1）； 150K 2008-2010•开发新的跨学科博士学位。数学，计算和系统生物学Co-Pi的程序；霍华德·休斯医学院（HHMI-56005680）; 2006-2009 $ 1000万美元•PI材料中的形态演变； DMS/NSF计算数学计划（DMS0511169）2005-2009•形态学系统：联合数学和实验研究CO-PI； Nigms/NIH（R01GM67247-1）; 140万美元2002-2006•生物系统Co-Pi的运输和复杂性； Nigms/NIH（P20GM66051）; 2002 - 2006年$ 70万美元•流体和材料中接口动力学的计算； DMS/NSF计算数学计划（DMS0074414）2000-2003•科学计算研究环境Co-PI； NSF（DMS0112416）2001-2003协同活动