XiaoMi-AI文件搜索系统
World File Search System进化的
随机进化的动态控制：一种自适应地针对新出现的耐药性的深度强化学习方法
在控制随机系统中，低概率事件可能使系统走上灾难性的轨迹，而控制的挑战在于开发一种强大的能力来应对此类事件，而不会显著损害基线控制策略的最优性。本文介绍了 CelluDose，一种经过随机模拟训练的深度强化学习自适应反馈控制原型，用于针对随机和异质细胞增殖的自动精准药物给药。药物耐药性可能由目标细胞群的随机和可变突变引起；如果没有适当的给药策略，新出现的耐药亚群会增殖并导致治疗失败。动态反馈剂量控制有望对抗这种现象，但由于细胞动力学的复杂性、模型参数的不确定性以及医疗应用中需要一个可以信赖的鲁棒控制器来正确处理意外结果，将传统控制方法应用于此类系统充满了挑战。在这里，对样本生物场景的训练确定了单一药物和联合治疗策略，这些策略在抑制细胞增殖和应对各种系统扰动方面表现出 100% 的成功率，同时建立了低剂量无事件基线。这些策略被发现对关键模型参数的变化具有高度的鲁棒性，这些参数受显著不确定性和不可预测的动态变化的影响。关键词：强化学习、深度学习、控制、自适应剂量、耐药性
人类特异性遗传学：探索人类进化的分子和细胞基础的新工具
我们的祖先获得了形态、认知和代谢方面的改变，使人类能够在不同的栖息地定居、开发非凡的技术并重塑生物圈。了解这些变化的遗传、发育和分子基础将有助于我们了解人类是如何进化成人类的。由于存在大量低效应大小的遗传变化、在细胞类型层面上对发育过程中表型差异的描述有限以及缺乏实验模型，将人类特有的遗传变化与物种差异联系起来一直具有挑战性。单细胞测序、遗传操作和干细胞培养的新兴方法现在支持在具有人类或猿类遗传背景的特定细胞类型中进行描述性和功能性研究。在本综述中，我们描述了现代和古代人类、类人猿和其他灵长类动物的基因组测序如何揭示人类特有的遗传变化，以及新的分子和细胞方法（包括细胞图谱和类器官）如何能够探索人类特定特征背后的候选致病因素。
如何加速绿色技术传播？在吸收能力共同进化的情况下定向技术变革
气候变化威胁着人类的生存条件。将全球变暖限制在可控水平的时间窗口正在关闭。如果超过某个温度阈值，可能会触发气候系统中不可逆转的临界点，使变暖动态失去人类的控制。（Steffen 等人，2018 年）表明，这个阈值可能是 2 度甚至更低。《巴黎协定》意味着中位变暖为 2.6-3.1 度（Rogelj 等人，2016 年）。为降低引发灾难性不可逆转的风险，需要加快气候友好型技术的开发和传播（参见 IPCC，2018 年；Steffen 等人，2018 年；Hagedorn 等人，2019 年）。许多技术解决方案是众所周知的，并且已在市场上可用（IPCC，2018；Hagedorn 等人，2019）。其中一些技术甚至更为优越，例如，如果它们能提高能源效率，
学习差异方程式具有结构化语法进化的餐后血症预测
结果表明，我们的建议提供了可解释的解决方案，而无需牺牲预测准确性或安全性，并提供了一种有希望的糖尿病管理葡萄糖预测方法，可以平衡准确性，安全性，可解释性和计算效率。
高保真、超精确和进化的突变体在 CRISPR-Cas9 中重新连接原子级通信
此预印本的版权所有者此版本于 2023 年 8 月 26 日发布。；https://doi.org/10.1101/2023.08.25.554853 doi：bioRxiv preprint
克隆进化的数学模型为高风险神经母细胞瘤提出了个性化的多模式治疗
简单总结：神经母细胞瘤是一种罕见的癌症，通常影响儿童。高风险患者的预期生存率不到 50%。原因之一是标准治疗方案缺乏精确性：一刀切的多模式治疗。本文介绍的研究旨在通过优化诱导化疗期间两种化疗药物（长春新碱和环磷酰胺）的使用来解决这一缺陷。诱导化疗是方案的一部分，可在手术切除前缩小原发肿瘤。我们结合了数学模型和优化算法，为具有不同初始肿瘤组成的虚拟患者群体确定最佳化疗方案。我们的研究结果揭示了利用具有不同疗效水平的一对药物的新策略，为个性化诱导化疗提供了平台，并为利用靶向疗法、多区域测序、液体活检和现代计算方法来改善当今的多模式治疗的个性化治疗奠定了基础。
克隆进化的数学模型提出了针对高危神经母细胞瘤的个性化多模式治疗
简单总结：神经母细胞瘤是一种罕见的癌症，通常影响儿童。高风险患者的预期生存率不到 50%。原因之一是标准治疗方案缺乏精确性：一刀切的多模式治疗。本文介绍的研究旨在通过优化诱导化疗期间两种化疗药物（长春新碱和环磷酰胺）的使用来解决这一缺陷。诱导化疗是方案的一部分，可在手术切除前缩小原发肿瘤。我们结合了数学模型和优化算法，为具有不同初始肿瘤组成的虚拟患者群体确定最佳化疗方案。我们的研究结果揭示了利用具有不同疗效水平的一对药物的新策略，为个性化诱导化疗提供了平台，并为利用靶向疗法、多区域测序、液体活检和现代计算方法来改善当今的多模式治疗的个性化治疗奠定了基础。
结构信息的微生物种群遗传学阐明了塑造蛋白质进化的选择性压力
对自然遗传多样性的全面取样具有宏基因组学，可以对生态学与进化之间的相互作用进行高度解决的见解。然而，从人口内基因组变异中解决自适应，中性或净化过程仍然是一个挑战，部分原因是唯一依赖基因序列来解释变体。在这里，我们描述了一种分析预测蛋白质结构背景下遗传变异的方法，并将其应用于SAR11 1A.3.V中的海洋微生物种群，该海洋微生物种群主导了低纬度表面海洋。我们的分析揭示了遗传变异与蛋白质结构之间的紧密关联。在氮代谢中的一个中心基因中，我们观察到来自配体结合位点的非源性变体的发生降低是硝酸盐浓度的函数，揭示了养分可用性所维持的不同进化压力的遗传靶标。我们的工作产生了对进化的管理原则的见解，并可以对微生物种群遗传学进行结构意识研究。
图形卷积网络辅助海洋变量预测，其时空进化的多特征学建模
摘要 - 海洋变量的变化，例如海面温度（SST）和叶绿素-A（CHL-A），对海洋生态系统和全球气候变化具有重要意义。可以使用依赖卷积神经网络的深度学习方法来提取海洋变量预测的空间相关性。然而，在某些地区（例如土地和岛屿）对海洋变量预测无效的情况下，这些方法具有影响。相比之下，图形卷积网络（GCN）能够捕获不规则数据中存在的大规模空间依赖性。因此，在本文中，我们提出了一种基于GCN的预测海洋变量的方法，即SST和CHL-A，称其为OVPGCN，以实现高清。提出的OVPGCN由三个模块组成，旨在通过对时空动力学演化的多特征进行建模，以完全提取空间相关性和时间依赖性。特别是，在最近的时空序列，不同站点之间的空间差异和历史数据中的周期性特征中，实现了三个模块来提取固定和非平稳变化。精心设计的OVPGCN适用于Bohai Sea和South South South Sea（NSCS）的每月SST和CHL-A预测。性能表明，所提出的OVPGCN非常有效，并使预测准确性比最先进的方法更高。
枯草芽孢杆菌高效双碱基编辑平台的构建及应用
构建进化的细菌底盘通常依赖于功能蛋白的定向进化。1 进化的蛋白质替代宿主中的天然对应物，从而形成具有特定表型的进化细菌底盘，2 例如大肠杆菌中进化的RpsE和酵母中的PfDHFR分别赋予壮观霉素抗性 3 和乙胺嘧啶抗性 4。然而，外源DNA的替代会影响宿主的安全性，这限制了宿主在某些领域的应用，特别是在食品工业中。因此，期望宿主自身的蛋白质得到进化。蛋白质定向进化的技术框架已经从体外发展到体内。5 – 7 定向进化的典型策略是随机诱变、半理性设计和理性设计。它们都严重依赖于从基因克隆、体外诱变、异源或整合的几个迭代步骤的过程