XiaoMi-AI文件搜索系统
World File Search System趋化性
17 June 2024 学术论文
研究团队开发了自适应采样器ASr，一种基于任务多样性、熵和难度动态加权的分 布生成函数，以优化元学习模型的泛化性能，并为此提出了一种通用的元学习算法。 研究团队在多个基准数据集和不同学习场景下对所提方法进行了广泛实验，包括小 样本学习、跨域学习、多域学习和增量学习等，并从多个维度对方法的有效性、泛化性 、计算效率等进行了评估和对比，结果证明了所提方法在不同网络架构和元学习框架下 的优越性能和通用性。
物流和供应链管理中的人工智能：研究的底漆和路线图。
严重的共同感染后的抽象目的，一定比例的个体出现了长时间的症状。我们调查了急性Covid-19的症状持续性几个月的持续性的免疫功能障碍。方法我们分析了细胞因子，细胞表型，SARS-COV-2峰值特异性和中和抗体以及住院后1、3和6个月患者的全血液基因表达谱。结果我们观察到持续异常，直到第6个月为标志，以（i）高血清单核细胞/巨噬细胞和内皮激活标记，趋化性和造血细胞因子的高度水平； （ii）中央记忆CD4 +和效应子CD8 + T细胞的高频； （iii）抗SARS-COV-2尖峰和中和抗体的降低； （iv）与血小板，中性粒细胞激活，红细胞，髓样细胞分化和Runx1信号有关的基因的上调。我们确定了与血栓性事件史相关的“核心基因特征”，并上调了一组参与中性粒细胞激活，血小板，造血和血液凝结的基因。结论在随访6个月后，即使在经历了严重的Covid-19的Asymp-Tomatic患者中，基因表达缺乏恢复到正常特征，这表明需要仔细扩展其临床随访并提出预防措施。
一种行为体系结构，用于对果蝇幼虫运动和觅食的逼真模拟
摘要果蝇幼虫被广泛用作模型生物体7研究，其中精确的行为跟踪能够对个体和8个种群级行为指标进行统计分析，这些指标可以为幼虫行为的数学模型提供信息。9在这里，我们提出了一个分层模型架构，其中包括三层，以促进模块化10模型构建，闭环模拟以及经验和11个模拟数据之间的直接比较。在基本层，自主运动模型能够执行12个探索。基于新颖的运动学分析，我们的模型特征是间歇性向前爬行13，该爬行13与横向弯曲相结合。在第二层中，通过在模拟环境中进行主动14传感和自上而下的运动调制来实现导航。在顶层，15个行为适应需要关联学习。我们评估了16个基于代理的自主探索，趋化性和气味偏好17测试的虚拟幼虫行为。我们的行为体系结构非常适合18个神经力学，神经或单纯的统计模型组件的模块化组合，从而促进其评估，19比较，扩展和集成到多功能控制体系结构中。20
髓系细胞介导的药物输送
在组织炎症、损伤或癌症存在的情况下，髓系细胞通过涉及骨髓生成、趋化性、细胞迁移和细胞渗出等多步骤过程被募集到疾病区域。作为一种新兴的药物输送方法，细胞介导的药物输送利用细胞募集过程来增强治疗物质向疾病区域的主动运输。在过去的几十年中，出现了各种纳米工程方法来增强纳米颗粒与目标细胞的相互作用，这些方法可以适用于细胞介导的药物输送。此外，药物输送领域可以从最近基于细胞的疗法的临床成功中受益，这种疗法创造了细胞工程方法来设计循环白细胞作为“活体药物输送载体”来靶向患病组织。在这篇综述中，我们首先概述了髓系细胞募集，并讨论了该过程中的各种因素如何影响细胞介导的输送。在这篇评论文章的第二部分，我们总结了纳米工程和细胞工程方法的现状，并讨论了如何将这些工程方法应用于细胞介导的递送。最后，我们讨论了该领域的未来方向，指出了细胞介导药物递送临床转化中的关键挑战。由 Elsevier BV 出版
微生物细胞作为微生物：从药物递送到晚期生物传感器
摘要：提出的综述着重于基于微生物细胞的系统。这种方法基于微生物作为机器人的主要部分，该机器人负责运动，货物运输，在某些情况下是有用化学物质的产生。这种微型机器人中的活细胞既有优点又具有缺点。关于优点，有必要提及细胞的运动性，这可能是天然趋化性或光的动力，具体取决于生物体。有通过将纳米颗粒添加到其表面的方法来制造细胞的方法。今天，已经广泛讨论了此类微型机器人的发展结果。已经表明，有可能将不同类型的出租车组合起来，以根据微生物的细胞和解决任务的效率来提高微生物的控制水平。另一个优势是应用合成生物学的全部潜力，使细胞的行为更加可控制和复杂。在微型机器人应用的背景下讨论了货物，高级传感，开/关开关和其他有希望的方法的生物合成。因此，合成生物学应用提供了基于微生物细胞的微生物发育的显着观点。从微生物细胞的性质（例如外部因素的数量影响细胞，潜在的免疫反应等）等性质之后的缺点。他们在应用程序中提供了几个局限性，但不会根据微生物的细胞来降低微生物的明亮视角。
© 作者 2020。由牛津大学出版社代表日本免疫学会出版。这是一篇开放获取的文章，分发
随着年龄的增长，免疫系统抵抗感染的能力会下降，因此高龄人群更容易感染，死亡率和发病率也会上升。先天免疫细胞表现出吞噬作用、趋化性和细胞因子产生能力下降等功能缺陷，而适应性免疫细胞则表现出受体多样性降低、抗体产生缺陷和幼稚细胞群急剧减少。老年人成功接种疫苗对于预防流感和肺炎等常见感染至关重要，但与年轻人相比，疫苗效力在老年人中会降低。训练有素的免疫力是一个新兴概念，它表明先天免疫细胞在遇到某些致病刺激时通过表观遗传和代谢重编程建立非特异性免疫记忆。临床研究表明，训练有素的免疫力可用于增强对感染的免疫反应并提高成人疫苗接种的效率；然而，训练有素的免疫反应如何随着年龄的增长而形成仍是一个悬而未决的问题。在这篇综述中，我们概述了与年龄相关的免疫系统变化，重点关注先天免疫，讨论了当前针对老年人的疫苗接种策略，提出了训练有素的免疫的概念，并提出它作为增强老年人群感染和疫苗接种反应的新方法。
PAN-Caspase抑制剂Q-VD-OPH对人嗜中性粒细胞寿命和功能的影响
人类嗜中性粒细胞是丰富的短寿命白细胞，通过构造凋亡程序以大约10 11个细胞的速度转换。某些生长因子，发炎的介体和感染因子会延迟细胞凋亡或诱导中性粒细胞因其他机制而死。尽管如此，大量数据表明，未经治疗的中性粒细胞的凋亡通常会在细胞分离和体外培养后24小时内发生。在分子水平上的凋亡是由execution子caspase-3驱动的，在此过程细胞促进症和宿主防御函数期间，下调。我们进行了当前的研究，以确定人类嗜中性粒细胞生存力和功能可以通过无毒，不可逆的泛蛋白酶抑制剂q-vd-o-ph-oph延长的程度。我们的数据表明，单个10μm剂量的这种药物足以显着延长细胞寿命。具体而言，我们表明，通过分析核形态，DNA碎片化和苯二烷基丝氨酸外部化以及procaspase-3加工和caspase活性的测量，预防了凋亡至少5天。相反，尽管大量的细胞白血病1（MCL-1），线粒体去极化下降下降。同时，维持谷胱甘肽水平，Q-VD-OPH阻止了与年龄相关的增加线粒体氧化应激。关于功能能力，我们表明吞噬作用，NADPH氧化酶活性，趋化性和脱粒是在Q-VD-OPH处理后保持的，尽管有所不同。因此，单个10μm剂量的Q-VD-OPH可以至少维持人类中性粒细胞活力和功能至少5天。
CRISPR-CAS9介导的甲基转移酶METTL4突变导致胚胎bbybyx mori
摘要：最近发现DNA N6-甲基趋化（6MA）在基因中扮演调节作用，该作用与真核物种的各种生物学过程联系起来。6MA甲基转移酶的功能鉴定对于理解表观遗传6MA甲基化的潜在分子机制至关重要。据报道，甲基转移酶METTL4可以催化6ma的甲基化。但是，METTL4的功能在很大程度上未知。在这项研究中，我们旨在研究Bombyx Mori同源性METTL4（BMMETTL4）在鳞翅目模型昆虫中的作用。通过使用CRISPR-CAS9系统，我们在蚕中对BMMETTL4进行了体积突变，发现BMMETTL4的破坏会导致蚕胚晚期的发育缺陷和随后的致死性。我们进行了RNA-Seq，并确定了BMMETTL4突变体中有3192个差异表达的基因，其中包括1743个上调和1449个下调的基因。基因和基因组分析的基因本体论和京都百科全书表明，涉及分子结构，几丁质结合和丝氨酸水解酶活性的基因受BMMETTL4突变的显着影响。我们进一步发现，表皮蛋白基因和胶原蛋白的表达明显降低，而胶原酶高度增加，这对异常的胚胎和蚕的孵化性降低了。采取了这些结果，这些结果表明6MA甲基转移酶BMMETTL4在调节蚕的胚胎发育中的关键作用。
使用二氧化碳激光器的浅表性腹膜子宫内膜异位症蒸发：长期单中心体验
摘要：宿主免疫系统的稳态受到白细胞的调节，具有各种细胞表面受体用于细胞因子。趋化性细胞因子（趋化因子）激活其受体，以唤起稳态迁移或朝向炎症组织或病原体的炎症条件下免疫细胞的趋化性。免疫系统的失调导致疾病，例如过敏，自身免疫性疾病或癌症，需要有效，快速作用的药物，以最大程度地减少慢性炎症的长期影响。 在这里，我们进行了基于结构的虚拟筛选（SBV），并由Keras/Tensorflow神经网络（NN）辅助使用，以发现作用于三种趋化因子受体的新型化合物支架：CCR2，CCR3和一个CXC受体CXCR3。 keras/tensorflow nn在此使用不作为典型使用的二进制分类器，而是作为有效的多级分类器，不仅可以丢弃非活性化合物，还可以丢弃低或中等活性化合物。 在100 ns全原子分子动力学中测试了SBV和NN提出的几种化合物，以确认其结合效率。 为了改善化合物的基本结合功能，提出了新的化学修饰。 将修饰的化合物与这三种趋化因子受体的已知拮抗剂进行了比较。 已知的CXCR3化合物是最受预测的化合物之一。因此，除了基于结构的方法外，还显示了在药物发现中使用KERAS/Tensorflow的好处。 此外，我们表明KERAS/Tensorflow NN可以准确预测化合物的受体亚型选择性，SBV通常会失败。导致疾病，例如过敏，自身免疫性疾病或癌症，需要有效，快速作用的药物，以最大程度地减少慢性炎症的长期影响。在这里，我们进行了基于结构的虚拟筛选（SBV），并由Keras/Tensorflow神经网络（NN）辅助使用，以发现作用于三种趋化因子受体的新型化合物支架：CCR2，CCR3和一个CXC受体CXCR3。keras/tensorflow nn在此使用不作为典型使用的二进制分类器，而是作为有效的多级分类器，不仅可以丢弃非活性化合物，还可以丢弃低或中等活性化合物。在100 ns全原子分子动力学中测试了SBV和NN提出的几种化合物，以确认其结合效率。为了改善化合物的基本结合功能，提出了新的化学修饰。将修饰的化合物与这三种趋化因子受体的已知拮抗剂进行了比较。已知的CXCR3化合物是最受预测的化合物之一。因此，除了基于结构的方法外，还显示了在药物发现中使用KERAS/Tensorflow的好处。此外，我们表明KERAS/Tensorflow NN可以准确预测化合物的受体亚型选择性，SBV通常会失败。我们从Chembl和策划数据集检索到大麻素受体的跨测试趋化因子受体数据集。在从Chembl检索的大麻素受体数据集上训练的NN模型是受体亚型选择性预测中最准确的。在趋化因子受体数据集训练的NN模型中，CXCR3模型在区分给定化合物数据集的受体亚型方面表现出最高的精度。