XiaoMi-AI文件搜索系统
World File Search System进行性
开发用于欧洲进行性脑部疾病的量身定制的剪接开关寡核苷酸：开发，调节和实施注意事项
1荷兰RNA治疗学中心和人类遗传学部，莱顿大学医学中心，2333 Za Leiden，荷兰2 1 1突变1医学，72076Tübingen，德国3药物评估委员会，3531 AH utrecht，荷兰4个动物和转型室，NETHER UNIASION CENTRY，LEDIDEN CEMERE，23333333333333。海德堡大学医学中心神经病学系神经退行性疾病，德国海德堡69120 69120 HEIDELBERG 6神经病学中心和赫尔蒂临床脑研究所，图宾根72076Tübingen，德国72076Tübingen，72076Tübingen，72076德国图宾根，德国8个德国神经退行性疾病中心（DZNE），德国72076Tübingen9，tübingen大学医学遗传学和应用基因组学研究所，德国大学72076Tübingen，德国10个罕见疾病中心，塔特宾根大学医院，德国大学医院72076Tübingen，11欧贝恩，欧贝尼，11欧贝恩，<
使用 TPS25961 进行性能、空间和成本优化保护
终端设备 (EE)（例如机顶盒 (STB)、智能扬声器、电子仪表等）需要成本和空间均经过优化的电源路径保护设计。传统设计由分立元件（例如 MOSFET、保险丝、PTC、齐纳二极管、电阻器、电容器等）组成，用于打开和关闭电源轨。这些设计虽然简单，但通常在物理和电气上尺寸过大，并且可能缺乏保护功能。相比之下，带有集成 FET 的电子保险丝（例如 TPS25961）可以提供类似的功能，同时提供额外的系统优势，包括浪涌电流限制和更小的设计尺寸。本应用简介重点介绍了使用 TPS25961 相对于分立设计的优势。TPS25961 是一款 19 V 2 A 电子保险丝，采用 2 mm × 2 mm 封装，具有过压、过流和短路保护功能。该设备非常适合个人电子产品和工业电源路径保护趋势，这些趋势要求设计具有宽电压范围支持、最低 20 V 绝对最大值支持以承受瞬变和小于 2 A 的电流限制支持。
microRNA 处理器 DROSHA 是一种严重进行性神经系统疾病的候选基因
DROSHA 编码的核糖核酸酶是微处理器复合体的亚基，参与微小 RNA（miRNA）生物发生的第一步。到目前为止，DROSHA 尚未与孟德尔疾病相关联。在这里，我们描述了两个患有严重智力障碍、癫痫、白质萎缩、小头畸形和畸形特征的个体，他们携带有害的 DROSHA 从头杂合变异。DROSHA 受限于错义变异，并且对功能丧失有中等程度的不耐受性（o/e = 0.24）。果蝇直系同源物 drosha 的缺失会导致三龄幼虫发育停滞和死亡，脑尺寸严重缩小，幼虫成虫盘丢失。眼克隆中 drosha 的缺失会导致成年果蝇的眼睛小而粗糙。已识别的 DROSHA 变体之一 (p.Asp1219Gly) 在果蝇中表现为强烈的功能丧失等位基因，而另一个变体 (p.Arg1342Trp) 在我们的检测中危害较小。在线虫中，在相当于线虫的残基处模拟 p.Asp1219Gly 变体的敲入会导致 miRNA 表达丧失和异时性，这是 miRNA 丧失的一种表型特征。总之，我们的数据显示，根据模型生物的功能研究，本文所述个体中发现的 DROSHA 变体具有危害性，并且可能是涉及神经系统的严重表型的根本原因。
使用 TDA4 Edge AI 处理器进行性能和功率基准测试
当今世界人口为 78 亿，并且还在不断增长，预计到 2050 年将达到 100 亿 [1] 。不断增长的人口需要安全无虞的必需品，例如食物、衣服以及越来越多的舒适设施和工具。为了满足这些需求，所有市场（消费、工业和汽车）都在不断进行技术创新。我们都习惯的新技术使数据生成更便宜、更有趣。想想用智能手机拍摄的照片数量，以及建筑物和工厂中各种传感器和边缘设备生成的数据量。所有这些数据都在推动工厂和建筑物的端到端自动化，以提高生产力，生产更多的商品和服务。这成倍增加了需要管理（处理、分析以采取纠正措施）的数据。例如，一家智能工厂可能拥有超过 50,000 个传感器，每天生成数 PB 的数据。即使是标准的办公楼也会产生数百 GB 的数据。大部分数据将在产生地进行存储、管理、分析和保存，即在安全性、实时性能和可靠性驱动的边缘。
使用 Mach VS 对 UAS 进行性能模型验证。 CL 方法
作为遥测 (TM) 监控屏幕的一部分，创建了表格的自动版本。自动版本考虑了飞机的实时重量和基于当前燃油流量预测的未来重量。这允许飞行测试工程师 (FTE) 计算飞行事件期间即将到来的测试点。图 5 中可以看到此类预测工具的一个示例。目标马赫数和 C L 的值、所需的 C L 增量以及测试点执行时间 (Delta Time) 将输入到绿色框中。根据这些输入，该工具将计算每个 C L 增量的高度和空速。增量 C L 值提供了潜在的测试条件和相关的马赫数误差。随后将根据所需马赫数和 C L 组合可用的最低马赫数误差（选定的行以蓝色突出显示）确定即将到来的测试点。FTE 将确保测试速度在飞机包络线内，如最小速度和最大速度列所示。随后 FTE 将向测试指挥 (TC) 提供四舍五入高度框和测试速度框中的值，以供下一个测试点使用。
进行性核上性麻痹脑容量变化的数据驱动模型
进行性核上性麻痹最常见的临床表型是理查森综合征，其特征是对左旋多巴无反应的对称性帕金森病，伴有垂直核上性凝视麻痹、早期跌倒和认知障碍。目前尚无对进行性核上性麻痹疾病病理生理学完整序列的详细了解。确定进行性核上性麻痹的脑萎缩序列可以为疾病进展机制提供重要见解，并指导患者分层和临床试验监测。我们将基于事件的概率模型应用于大型国际队列的横断面结构 MRI 扫描，以确定临床诊断的进行性核上性麻痹理查森综合征的脑萎缩序列。共有 341 名理查森综合征患者（其中 255 人接受了 12 个月的随访影像学检查）和 260 名对照者被纳入研究。我们结合使用了 12 个月的随访 MRI 扫描和经过验证的临床评分（进行性核上性麻痹评分量表）来证明基于事件的模型分期系统的纵向一致性和实用性。基于事件的模型估计最早的萎缩发生在脑干和皮质下区域，然后向尾部进展到小脑上脚和小脑深部核，并向前端进展到皮质。皮质萎缩的顺序从前到后，从岛叶开始，然后是额叶，最后扩散到颞叶、顶叶，最后是枕叶。这种体内顺序与进行性核上性麻痹的死后神经病理学分期相符，并且在交叉验证下是稳健的。利用 12 个月随访扫描的纵向信息，我们证明受试者在此时间间隔内持续进入后期阶段，支持了该模型的有效性。此外，临床严重程度（进行性核上性麻痹评分量表）和疾病持续时间与预测的受试者基于事件的模型阶段显著相关（P ，0.01）。我们的研究结果为进行性核上性麻痹的萎缩进展顺序提供了新的见解，并提供了潜在的实用性，可根据疾病阶段对进入临床试验的此病患者进行分层，以及跟踪疾病进展。
Lewy身体痴呆症，阿尔茨海默氏病，额颞痴呆和进行性性上核麻痹
抽象目的这项纵向研究比较了对照组，阿尔茨海默氏病（AD）患者，Lewy体内痴呆（LBD），额叶痴呆症（FTD）和渐进性上核PALSY（PSP），将新兴的血浆生物标志物与对照组，阿尔茨海默氏病（AD）患者之间的神经退行性疾病进行了比较。方法在苏氨酸-181（p-TAU181），淀粉样β（αβ）42，Aβ40，神经丝（NFL）和神经胶质纤维纤维酸性蛋白（GFAP）中使用高度敏感的单个分子ImmunoAse（Simem immunoAs）（Simole ImmunoAse）（跨三个分子ImmunoAse）（in simem immunoAse）（in simem immunoAse）测量3个跨度（GFAP） （对照= 73，淀粉样蛋白阳性轻度认知障碍（MCI+）和AD痴呆= 63，LBD = 117，FTD = 28，PSP = 19）。LBD参与者已知正电子发射断层扫描（PET）-Aβ状态。与所有其他组相比，MCI+AD中P-TAU181的结果升高。与对照和FTD相比，MCI+AD中的Aβ42/40较低。 与对照组相比，所有痴呆症中的 nfl均升高，而在MCI+AD和LBD中GFAP升高。 等离子生物标志物可以在MCI+AD和对照组，FTD和PSP之间进行分类，但具有很高的精度，但在将MCI+AD与LBD区分开的能力有限。 比较PET-Aβ阳性和负LBD时，在血浆生物标志物的水平中未检测到差异。 p-TAU181，NFL和GFAP与疾病特异性模式的基线和纵向认知下降有关。 结论这项大型研究表明了血浆生物标志物在区分不同痴呆症患者以及监测纵向变化方面的作用。 NFL在所有痴呆症组中均升高，而GFAP在MCI+AD和LBD中均升高。Aβ42/40较低。nfl均升高，而在MCI+AD和LBD中GFAP升高。等离子生物标志物可以在MCI+AD和对照组，FTD和PSP之间进行分类，但具有很高的精度，但在将MCI+AD与LBD区分开的能力有限。比较PET-Aβ阳性和负LBD时，在血浆生物标志物的水平中未检测到差异。p-TAU181，NFL和GFAP与疾病特异性模式的基线和纵向认知下降有关。结论这项大型研究表明了血浆生物标志物在区分不同痴呆症患者以及监测纵向变化方面的作用。NFL在所有痴呆症组中均升高，而GFAP在MCI+AD和LBD中均升高。我们确认P-TAU181在MCI+AD中升高，而对照组，FTD和PSP升高，但在MCI+AD和LBD之间的分类或检测LBD中淀粉样蛋白脑病理学的分类中较少。
模块化基因共表达网络分析揭示阿尔茨海默病和进行性核上性麻痹背后的分子通路
全面了解神经退行性疾病不同阶段所涉及的病理机制是预防和改善疾病治疗的关键。患病大脑中的基因表达改变是有关受病理影响的生物过程的潜在信息来源。在这项工作中，我们对被诊断为阿尔茨海默病 (AD) 或进行性核上性麻痹 (PSP) 的人类患者与淀粉样变性和 tau 蛋白病的动物模型大脑中的基因表达改变进行了系统比较。使用系统生物学方法揭示与基因表达改变相关的生物过程，我们可以精确地指出与 tau 蛋白病/PSP 和淀粉样变性/AD 更密切相关的过程。我们发现与免疫炎症反应相关的基因表达改变在年轻人中占主导地位，而与突触传递相关的基因表达改变主要在老年 AD 患者中观察到。然而，在 PSP 中，与免疫炎症反应和突触传递相关的变化重叠。在 AD 和 PSP 大脑中观察到的这两种不同模式分别在淀粉样变性和 tau 蛋白病的动物模型中得到了很好的再现。此外，在 AD 中，而不是在 PSP 或动物模型中，与 RNA 剪接相关的基因表达改变非常普遍，而与髓鞘形成相关的基因表达改变在 AD 和 PSP 中都很丰富，但在动物模型中却没有。最后，我们在细胞类型特异性共表达模块中确定了 12 个 AD 和 4 个 PSP 遗传风险因素，从而有助于揭示这些基因在发病机制中的可能作用。总之，这项工作有助于揭示受淀粉样蛋白和 tau 病理影响的潜在生物学过程以及它们如何导致 AD 和 PSP 的发病机制。
使用深度学习架构进行性别和年龄脑磁共振成像分类
摘要：在磁共振成像 (MRI) 上使用有效的分类技术有助于正确诊断脑肿瘤。先前的研究主要集中在使用支持向量机 (SVM) 和 AlexNet 等方法对正常 (非肿瘤) 或异常 (肿瘤) 脑 MRI 进行分类。在本文中，深度学习架构用于将脑 MRI 图像分类为正常或异常。性别和年龄被添加为更高级的属性，以实现更准确和更有意义的分类。还提出了一种基于深度学习卷积神经网络 (CNN) 的技术和深度神经网络 (DNN) 进行有效分类。还实施了其他深度学习架构，例如 LeNet、AlexNet、ResNet 和传统方法（例如 SVM）来分析和比较结果。年龄和性别偏见被发现更有用并且在分类中起着关键作用，它们可以被视为脑肿瘤分析中的重要因素。值得注意的是，在大多数情况下，所提出的技术都优于现有的 SVM 和 AlexNet。与 SVM（82%）和 AlexNet（64%）相比，总体准确率分别为 88%（LeNet 启发模型）和 80%（CNN-DNN），最佳准确率分别为 100%、92%、92% 和 81%。
通过亚型和分期推断揭示皮层基底节综合征和进行性核上性麻痹的脑萎缩时间进展模式 (SuStaIn)
区分表现为皮层基底节综合征 (CBD-CBS) 的皮层基底节变性与伴有理查森综合征的进行性核上性麻痹 (PSP-RS)，尤其是在早期阶段，通常很困难，因为这两种神经退行性疾病在临床表现和病理方面非常相似。尽管已经对 CBS 和 PSP-RS 患者的脑磁共振成像 (MRI) 体积测定进行了研究，但评估脑萎缩进展的研究有限。因此，我们旨在纯粹基于横断面数据，使用亚型和阶段推断 (SuStaIn)——一种集成了聚类和疾病进展模型的新型无监督机器学习技术，揭示 CBS 患者和 PSP-RS 患者脑萎缩时间进展模式的差异。我们将 SuStaIn 应用于 25 名 CBS 患者、39 名典型 PSP-RS 患者和 50 名健康对照者的横断面区域脑体积，以估计 CBS 和 PSP-RS 两种疾病亚型和轨迹，它们具有不同的萎缩模式。将 CBS 和 PSP-RS 的进展模型和分类准确度与之前的研究进行比较，以评估 SuStaIn 的性能。SuStaIn 确定了 CBS 和 PSP-RS 脑萎缩的不同时间进展模式，这与之前的证据基本一致，在交叉验证下具有高可重复性（99.7%）。我们基于横断面结构性脑 MRI 数据对这些疾病进行了高精度（0.875）和高精度（分别为 0.680 和 1.000）分类，其精度高于之前研究的报告值。此外，SuStaIn 分期正确反映了疾病的严重程度，而无需疾病分期标签，例如疾病持续时间。此外，SuStaIn还表现出了分化能力