XiaoMi-AI文件搜索系统
World File Search System计算模型
全脑计算模型揭示艾滋病毒感染者的微尺度大脑动态紊乱
。CC-BY-NC-ND 4.0 国际许可 它是根据作者/资助者提供的，他已授予 medRxiv 永久展示预印本的许可。（未经同行评审认证）
计算模型用于识别针对以糖酵解增强为特征的转移性去势抵抗性前列腺癌的药物
摘要：由于缺乏有效的治疗方法，转移性去势抵抗性前列腺癌 (mCRPC) 仍然是一种致命疾病。癌症代谢向糖酵解升高方向重编程是 mCRPC 的标志。我们的目标是确定与高糖酵解特别相关的治疗方法。在这里，我们建立了一个计算框架，以在肿瘤微环境下识别具有增强糖酵解活性的 mCRPC 的新药物，然后进行体外验证。首先，使用我们已建立的计算工具 OncoPredict，我们估算了来自两个大型临床患者队列的每个 mCRPC 肿瘤中大约 1900 种药物对药物反应的可能性。我们选择了预测敏感性与糖酵解评分高度相关的药物。总共确定了 77 种预测在高糖酵解 mCRPC 肿瘤中更敏感的药物。这些药物代表了不同的作用机制。基于在泛癌细胞系中与糖酵解/OXPHOS 相关的最高测量药物反应，我们选择了三种候选药物伊维菌素、CNF2024 和 P276-00 进行后续体外验证。通过降低培养基中的输入葡萄糖水平以模拟 mCRPC 肿瘤微环境，我们在 PC3 细胞中诱导了高糖酵解条件，并验证了在此条件下这三种药物预计的更高敏感性（所有药物的 p < 0.0001）。对于生物标志物的发现，预测伊维菌素和 P276-00 对具有低雄激素受体活性和高糖酵解活性（AR（低）Gly（高））的 mCRPC 肿瘤更敏感。此外，我们整合了蛋白质-蛋白质相互作用网络和拓扑方法来识别这些候选药物的生物标志物。通过多个独立的生物标志物提名管道，EEF1B2 和 CCNA2 分别被确定为伊维菌素和 CNF2024 的关键生物标志物。总之，这项研究通过精准靶向高糖酵解的 mCRPC，提供了超越传统雄激素剥夺疗法的新型有效治疗方法。
个性化医疗临床应用的计算模型——数据集成和模型验证指南和建议
1 诺和诺德基金会蛋白质研究中心，哥本哈根大学健康与医学科学学院，2200 N Copenhagen，丹麦；catherine.bjerre.collin@cpr.ku.dk (CBC)；tugce.karaderi@sund.ku.dk (TK) 2 罗斯托克大学系统生物学和生物信息学系，18057 罗斯托克，德国；tom.gebhardt@uni-rostock.de (TG)；maximilian.hillemanns@uni-rostock.de (MH)；faiz.khan3@uni-rostock.de (FMK) 3 海德堡理论研究所 gGmbH，69118 海德堡，德国； martin.golebiewski@h-its.org 4 哥本哈根大学健康与医学科学学院健康数据科学中心，2200 N Copenhagen，丹麦 5 马克斯普朗克多学科科学研究所，37077 Göttingen，德国；ali.salehzadeh-yazdi@mpinat.mpg.de 6 Forschungszentrum Jülich GmbH，项目管理 Jülich，52425 Jülich，德国；m.kirschner@fz-juelich.de（MK）；s.krobitsch@fz-juelich.de（SK） 7 专注于器官相互作用的系统医学研究所，亚琛工业大学医院，52074 Aachen，德国* 通讯地址：lkuepfer@ukaachen.de；电话：+49-241-8085900 † EU-STANDS4PM 协调员联系方式；EU-STANDS4PM 联盟成员信息在致谢中提供。
面对面：梭状回面部区域的计算模型与有争议的面部刺激之间的对立
数百项研究已经描述了梭状回面部区域 (FFA) 的反应特性，但我们尚未揭示其表征背后的计算机制。一个方法论上的挑战是，不同的计算模型对随机抽样的面部做出的预测可能难以区分。这项 fMRI 研究采用了合成的争议性面部刺激，旨在引出六个候选神经网络模型对 FFA 中面部表征的不同预测。我们展示了对一位参与者进行四次扫描的初步数据。争议性面孔揭示了各模型在预测 FFA 表征相异矩阵 (RDM) 的能力方面存在许多显著差异，而随机抽样的面部无法实现模型之间的可靠裁决。经过逆向渲染（将面部图像映射到 3D 面部模型的潜在空间）训练的神经网络优于具有相同架构但经过识别、分类或自动编码训练的替代模型。我们的研究结果支持了这样的观点：面部识别涉及反映面部物理结构的表现形式，并证明了需要通过神经成像实验来优化有争议的刺激来裁决脑计算模型。
诱导性多能干细胞衍生的心肌细胞计算模型，用于 KCNQ1 基因变异的高通量风险分层
在过去十年中，在识别与临床疾病相关的遗传异常方面取得了巨大进展。新的实验平台将遗传变异与细胞和器官行为紊乱以及致心律失常心脏表型出现的潜在机制联系起来。诱导性多能干细胞衍生心肌细胞 (iPSC-CM) 的开发标志着在患者特定背景下研究遗传疾病的重要进展。然而，iPSC-CM 技术的重大局限性尚未得到解决：1) 看似相同的基因型扰动中的表型变异性，2) 低通量电生理测量，以及 3) 不成熟的表型可能会影响转化为成人心脏反应。我们已经开发出一种旨在解决这些问题的计算方法。我们应用了我们最近的 iPSC-CM 计算模型来预测 40 种 KCNQ1 遗传变异的致心律失常风险。将 I Ks 计算模型拟合到每个突变的实验数据，并在 iPSC-CM 模型群中模拟每个突变的影响。使用一组已知临床长 QT 表型的 15 个 KCNQ1 突变测试集，我们开发了一种基于致心律失常标志物对 KCNQ1 突变影响进行分层的方法。我们利用此方法预测其余 25 个临床意义不明的 KCNQ1 突变的严重程度。在突变扰动后，在 iPSC-CM 模型群中观察到了巨大的表型变异性。一个关键的新颖之处是我们报告了个体 KCNQ1 突变模型对成人心室心肌细胞电生理学的影响，从而可以预测突变对整个衰老过程的影响。这是将 iPSC-CM 模型中的预测反应转化为成人心室肌细胞在相同基因突变情况下的预测反应的第一步。总体而言，本研究提出了一种新的计算框架，可作为一种高通量方法，根据表型可变人群中的致心律失常行为来评估基因突变的风险。
用于合成听觉脑干反应的计算模型，以评估衰老和自闭症动物模型的神经元改变
此预印本版的版权持有人于2024年8月7日发布。 https://doi.org/10.1101/2024.08.04.606499 doi：biorxiv Preprint
使用计算模型减少马拉松石油卡特莱茨堡炼油厂 FCC 反应器旋风侵蚀
使用计算模型减少马拉松石油卡特莱茨堡炼油厂 FCC 反应器旋风分离器的侵蚀 Peter Blaser & Scott Thibault CPFD Software LLC 10899 Montgomery Blvd. NE, Suite A, Albuquerque, NM 87111, USA Jeffrey Sexton Marathon Petroleum Company LP 539 South Main, Findlay, OH, 45840, USA 摘要 计划对马拉松石油公司 (MPC) 卡特莱茨堡炼油厂的流化催化裂化 (FCC) 反应器内部进行改造，以减轻反应器旋风分离器的严重侵蚀。建立了专门针对气体-颗粒流的计算模型，以计算反应器旋风分离器的侵蚀模式。将候选重新设计的侵蚀特性与现有装置的验证模型进行了比较和对比。背景和概述流化催化裂化装置 (FCCU) 对许多炼油厂的性能至关重要，尤其是那些专注于汽油生产的炼油厂。FCCU 将较重、价值较低的原料转化为各种高价值产品，如汽油、柴油和其他较轻的气体。该工艺灵活，允许使用各种原料，并可通过改变操作条件和催化剂来生产各种产品混合物。图 1 左侧显示了通用 FCCU 的示意图，主要由反应器和再生器容器组成。重烃原料被注入热催化剂颗粒上并迅速蒸发。气粒混合物
引用出版物（APA）：Moye，A。J.，＆Vag，M。K.（2021）。计算模型或集中注意冥想及其转移到
OHBM COBIDAS MEEG报告了像许多其他科学社区一样，神经影像社区正在积极从事开放科学实践，旨在提高科学发现的可重复性和可复制性1。OHBM通过其在数据分析和共享方面的最佳实践委员会（Cobidas; https：//www.humanbrainmap-ping.org/i4a/pages/index.cfm?pageID = 3728），促进和分布式和分布式的实践疗法，以实式化的术语来促进和分布，并在其他方面进行正式化的术语，并在其他方面进行了术语，并在其他方面促进和分布。OHBM开发了Cobidas报告2，3，以介绍特定神经成像方法的最佳实践，提出了一种标准化的科学语言，用于报告和促进数据和方法的有效共享。这些报告对（i）准备手稿的研究人员很有用，（ii）编辑和审稿人，（iii）神经成像教育者以及（iv）具有专业知识的人，他们试图熟悉另一种神经图像。从这个角度来看，我们专注于Cobidas Meeg 3报告，强调了一些主要问题并随之而来的推荐委员会产生了建议。我们的目的是更好地了解某些获取参数，设计，分析和报告选择如何影响可重复性。除此之外，许多其他问题还在推荐中找到了自己的方式（框1和2和表1-3）。因此，这些建议表示要报告的最低要求，以确保可重现的MEG和EEG（MEEG）研究，并且可以在Cobidas报告本身中找到每个建议的全部详细信息。同时，这些看似基本的建议中的许多是有争议的。在文学上进行了大量讨论，我们的建议是一种共识，它采用并扩展了大脑成像数据结构中使用的术语（bids;
回顾大数据分析、人工智能和自然启发计算模型，以准确检测 COVID-19 疫情病例并进行接触者追踪
摘要：2019 年新型冠状病毒 (COVID-19) 的出现被宣布为大流行病，已蔓延至全球 210 个国家。它对当代社会的卫生系统以及经济、教育和社会方面产生了重大影响。随着传播率的增加，利益相关者之间采取了各种合作方式，以开发创新方法，以相应的速度筛查、检测和诊断人类中的 COVID-19 病例。此外，与第四次工业革命技术相关的计算模型在实现预期成就方面的实用性也得到了强调。然而，在 COVID-19 病例的检测和预测以及追踪感染者接触者的准确性方面存在差距。本文回顾了可用于提高检测和预测 COVID-19 大流行病例性能的计算模型。我们重点介绍可在当前大流行中采用的大数据、人工智能 (AI) 和自然启发计算 (NIC) 模型。这篇评论指出，人工智能模型已用于 COVID-19 病例检测。同样，大数据平台也已用于追踪接触者。然而，在医学问题的特征选择中表现良好的自然启发式计算 (NIC) 模型尚未被探索用于当前 COVID-19 大流行中的病例检测和接触者追踪。这项研究对从业者和研究人员都具有重要意义，因为它阐明了 NIC 在准确检测大流行病例和优化接触者追踪方面的潜力。
CAR T细胞免疫疗法的计算模型解剖并预测白血病患者的缓解，抗药性和复发时的反应
抽象背景自适应CD19靶向的嵌合抗原受体（CAR）T细胞转移已成为白血病的有前途的治疗方法。尽管患者反应在不同的临床试验中有所不同，但目前缺乏可靠的方法来剖析和预测患者对新疗法的反应。最近，在计算机计算模型中，已经实现了患者反应的描述，并且预测应用受到限制。方法，我们建立了一种CAR T细胞治疗的计算模型，以通过连续缓解（CR），无反应（NR）和CD19阳性（CD19 +）和CD19-Negation（CD19-Negation（CD19-）复发的反应来概括关键的细胞机制和动力学。从临床研究中收集了209例患者的实时车T细胞和肿瘤负担数据，并用骨髓中的统一单位进行了标准化。参数估计是使用随机近似期望最大化算法进行非线性混合效应建模的。结果我们揭示了与患者缓解，抗药性和复发时患者反应有关的关键决定因素。对于Cr，NR和CD19 +复发，CAR T细胞的总体功能导致了各种结果，而CD19 +抗原的丧失以及CAR T细胞的旁观者杀死效应可能部分解释了CD19-复发的进展。此外，我们通过结合CAR T细胞的峰值和累积值或输入早期阶段T细胞动力学来预测患者的反应。进行了基于实际临床患者数据集生成的虚拟患者队列的临床试验模拟，以进一步验证预测。结论我们的模型解剖了白血病对汽车T细胞疗法的不同反应背后的机制。这种基于患者的计算免疫肿瘤学模型可以预测较晚的反应，并且在临床治疗和管理中可能是有益的。