XiaoMi-AI文件搜索系统
World File Search System进化的
“多代理”筛选提高了定向酶进化的效率
酶的进化使生物技术方面的进步得以巨大进步。但是，定向的进化程序仍然需要许多迭代的筛选以识别最佳的突变序列。这是由于健身景观的稀疏性，这又是由于“隐藏”突变仅与其他突变相结合的“隐藏”突变所致。这些“隐藏”突变仅通过评估突变组合，需要大型组合文库或迭代筛选。在这里，我们报告了一种多代理的定向进化方法，该方法在筛选过程中融合了各种底物类似物。具有多种底物，像多个辅助健身景观一样，我们能够识别“隐藏”突变残基，这些突变型残基无需测试众多组合。我们最初在工程中验证了这种方法，以改善各种非天然底物的活性。我们发现“隐藏”突变通常与活动站点相距甚远，因此很难使用基于结构的方法进行预测。有趣的是，预计在这种情况下确定的许多“隐藏”突变会破坏三级结构元素之间的相互作用，从而可能影响蛋白质的柔韧性。这种方法可能广泛适用于加速酶工程。最后，多机构系统启发的方法可能在解决生物学中其他复杂的组合搜索问题方面更为广泛。
核糖体 DNA 不稳定性是核型进化的潜在原因
核型是指基因组构成一组染色体的结构。物种间的核型差异预计会阻碍各种生物过程，如染色体分离和减数分裂染色体配对，从而可能导致不相容性。核型可以在近缘物种之间甚至同一物种的不同种群之间迅速变化。然而，人们对驱动核型进化的力量了解甚少。在这里，我们描述了从塞舌尔群岛分离出来的果蝇品系的独特核型。该品系丢失了 X 染色体上的核糖体 DNA (rDNA) 位点。由于 Y 染色体是唯一其他携带 rDNA 的染色体，所以所有雌性都携带至少一条 Y 染色体作为 rDNA 的来源。有趣的是，我们发现该品系还携带一条截短的 Y 染色体 (YS )，尽管它无法支持男性生育能力，但它在种群中稳定维持。我们的建模和细胞学分析表明，Y 染色体对雌性适应度的负面影响大于 YS 染色体。此外，我们生成了一个独立的菌株，该菌株缺乏 X rDNA，其核型为 XXY 雌性和 XY 雄性。该菌株迅速进化出多种核型：两个新的截短 Y 染色体（类似于 YS ），以及两个独立的 X 染色体融合，其中包含 Y 衍生的 rDNA 片段，从而消除了雌性对 Y 染色体的依赖。考虑到罗伯逊融合经常发生在人类的 rDNA 基因座上，我们提出 rDNA 基因座不稳定性可能是核型进化的驱动力之一。
合作育种可能是人类进化的早期催化剂
3家族拉尔森·罗森奎斯奎斯特（Larsson-Rosenquist）的神经发育，成长和营养中心，新生儿，苏黎世大学新生儿学系，苏黎世大学和瑞士苏黎世大学医院，瑞士苏黎世苏黎世，与其他任何大猿不同，人类都会出现大型的，第二个非凡的婴儿，表现出更大的社会发展，需要更大的社会发展，并需要更大的社会发展。这些特征是人类自适应复合物的特征是复杂的联系，并且必须在进化时间内相互加强。在这里，我们使用了古生物学，发育心理学和儿科的最新证据，并进行了比较分析的补充，以询问可能触发这种协同进化的反馈回路的是什么：双皮亚，直接选择对利润，高质量饮食或合作育种。在人类进化期间，早期通过广泛的同类护理，即CB-First型号最能适应可用的数据。尤其是CB是一种催化剂，可以进一步增加大脑的大小，因为即使大脑降低了生活史病史和神经发育，因此导致了人口统计困境，CB也能够增加出生率。Key words: Secondary altriciality, bipedality, brain size evolution, cooperative breeding, altercentrism, neurodevelopment Funding statement This project has received funding from the European Research Council (ERC) under the European Union's Horizon 2020 research and innovation programme grant agreement No 101001295 (JB), and the NCCR Evolving Language, Swiss National Science Foundation Agreement no.51NF40_180888（JB和CVS）和苏黎世大学（PC）的Forschungskredit。
基于差异进化的神经结构搜索脑血管分割
脑血管分析对于开发神经退行性疾病的新型治疗靶标至关重要。这样的准确分析不能手动执行，而需要半自动或完全自动化的方法。深度学习方法最近已证明对医学图像的自动分割和分析必不可少。但是，优化深度学习网络体系结构是另一个挑战。手动选择深度学习网络体系结构并调整其超参数需要大量的专业知识和精力。为了解决这个问题，文献中提出了探索具有高分从细分性能的更高效网络体系结构的神经体系结构搜索（NAS）方法。这项研究介绍了基于差异进化的NAS方法，其中提出了新的搜索空间以用于脑血管分割。我们选择了经常用于医学图像分割的两个架构，即u-net和注意U-net，作为NAS优化的基准。传统的差异进化和基于反对的差异进化与新型搜索空间一起用作NAS中的搜索方法。此外，我们进行消融研究并评估特定损失函数，模型修剪，阈值选择和概括性能对所提出模型的影响。实验是在提供335个单渠道8位灰度图像的两个数据集上进行的。这些数据集是公共体积脑血管系统数据集（CONSEINN）和我们自己的名为Kuvesg的数据集。所提出的NAS方法，即UNAS-NET和COATION UNAS-NET体系结构，就不同的分割指标而言产生了更好的分割性能。更具体地说，具有差分进化的UNAS-NET揭示了高骰子得分/敏感性值分别为79.57/81.48。此外，它们的推理时间比基线方法短9.15。
“与人类一起进化的下一代人工智能相关的技术开发项目”...
・Osaka University ・University of Electro-Communications ・ChiCaRo Inc. ■Development of an online language-learning support AI system that grows with people ・Waseda University ■White-boxing deep learning using a modular model ・Tokyo Institute of Technology ・GE Healthcare Japan, Inc. ①-3 Development of fundamental technologies for AI that learns by understanding human intentions and knowledge ■Development of a platform to support the creation of interactive story-type content ・Keio University ・Future University Hakodate ・Tezuka Productions Co., Ltd. ・University of Electro-Communications ・University of Tokyo ・Historia Inc. ・Rikkyo Gakuin ・Ales Inc. ■Research and development of human-centered artificial intelligence technology embedded in the real world ・National Institute of Advanced Industrial Science and Technology ■Development of fundamental technologies for human-collaborative AI that supports the actualization and transfer of experts' tacit knowledge ・Kyoto University ・National Institute of Advanced Industrial Science and Technology ・Mitsubishi Electric Corporation ■Research and development of explainable autonomous interaction AI and its application to childcare and developmental support (※Spanning ①-2 themes) ・Osaka University ・University of Electro-Communications ・ChiCaRo Inc. ■AI that evolves with people・株式会社英语：在线教育平台的开发・认知研究实验室，・京都大学■开发语义创作平台，以提高人类与AI o oki oki oki oki oki oki oki oki oki oki oki oki tohoku tohoku tohoku University ・ nagoya nagoya技术Tokai国家高等教育和研究系统・那高雅大学，Tokai国家高等教育和研究系统■使用AI和VR ・ Kansai大学的分子机器人共同创造环境的研究和开发・分子机器人Institute Co.，Ltd.建立产品信息数据库的研究和开发■建立产品信息数据库的研究和开发・ Arthur D. Little Japan Inc. ・软银公司・软银银行公司，Panasonic Connect Co.工业科学技术
研究评估委员会“与人一起进化的下一代人工智能......
<推进部门> NEDO 机器人与人工智能部部长古川义典 NEDO 机器人与人工智能部首席研究员三代川近宏 NEDO 机器人与人工智能部首席研究员柴田聪
基因研究揭示影响人类大脑进化的变化
许多 HAR 基因靶标在发育中的人类大脑中活跃，与神经元形成和维持神经元间通信等过程有关。有些还与自闭症和精神分裂症等疾病有关，这凸显了 HAR 在塑造正常大脑功能以及神经系统疾病方面的潜在作用。
飞行模拟器中的运动 进化的故事 | 航空焦点
驾驶飞机时，人脑不断接收加速度变化的信息，并根据飞行条件对其进行解释。平稳飞行是指所有平面的加速度都恒定或接近恒定的状态。当加速度出现多个不同幅度的变化时，就会出现湍流飞行。当飞机转弯、爬升或下降，或增加或降低速度时，就会产生加速度，我们可以对其进行解释，并影响我们的控制输入。例如，用力向后拉操纵杆会导致运动方向快速改变，我们感觉到的是“G”。这种感觉的强度很可能会促使我们放松或停止控制输入，以降低变化率（或加速度），从而降低此操作的“G”，并使飞机恢复稳定飞行状态。
使用 DEQSeq 大规模量化进化的 DNA 编辑酶
背景 定向进化将达尔文进化原理应用于实验室，以改良蛋白质特性 [ 1 , 2 ]。在多轮诱变和选择过程中，会产生大型基因变体文库（~ 10 5 – ~ 10 8 ）[ 3 – 5 ]。筛选文库以识别有效变体传统上是一个手动过程，耗费大量人力、资源和时间。此外，可供测试的变体数量有限，这降低了识别最佳变体的概率。希望有一种用于比较大量酶的高通量方法。事实上，已经开发了许多用于高通量筛选酶变体的应用程序。例如，CombiSEAL [ 6 ] 允许筛选确定的突变组合，但它不太适合分析进化产物。另一方面，Evoracle [ 4 ] 适合此目的，因为它使用多个进化周期的序列数据推断基因的适应度和序列组成。然而，它不能用于分析多个目标位点上的变异。evSeq [ 7 ] 是一种基于微孔板的方法，可以分别筛选变异表型，并分析基因
被子植物中重复基因进化的DNA甲基化特征
预印本（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此版本的版权持有人于2023年1月27日发布。 https://doi.org/10.1101/2023.01.27.525966 doi：Biorxiv Preprint