XiaoMi-AI文件搜索系统
World File Search System野兔
棕色野兔（Lepus Europaeus）的高质量基因组组装与染色体水平脚手架
我们在这里提出了棕色野兔（Lepus europaeus pallas）的高质量基因组组装，该组件基于来自芬兰东部利珀里（Liperi）的雄性标本的纤维细胞细胞系。这个棕色的野兔基因组代表了芬兰对欧洲参考基因组试验e ort e ort的第一个贡献，以生成欧洲生物多样性的参考基因组。使用HI-C染色体结构捕获方法，使用25倍PACBIO HIFI测序数据组装了基因组，并使用了SCA的旧基因组。在手动策划后，组装的基因组长度为2,930,972,003 bp，N50 sca egs为125.8 MB。93.16％的组装可以分配给25个识别的染色体（23个常染色体加X和Y），与已发布的核型匹配。染色体根据大小编号。基因组基于BUSCO分数（MAM-malia_odb10数据库）具有高度的完整性，完成：96.1％[单副本：93.1％，重复：3.0％]，片段为0.8％，缺少2.9％。对细胞系的线粒体基因组进行测序并分别组装。最终注释的基因组具有30,833个基因，其中21,467个多肽代码。棕色野兔基因组特别有趣，因为该物种很容易与北部欧亚大陆物种接触区的山野兔（Lepus timidus L.）杂交，从而产生肥沃的春季，并导致这两个物种之间的基因流。除了为人群研究提供有用的比较外，基因组还可以深入了解一般的毛刺和lagomorpha之间的染色体演化。基因组的染色体组装还表明，细胞系在培养过程中尚未获得核型变化。
独角兽、野兔还是乌龟？利用机器学习预测工作记忆训练表现
人们从工作记忆 (WM) 训练中受益的程度存在很大差异。尽管越来越多的研究关注与 WM 训练结果相关的个体差异，但我们仍然缺乏对哪些特定的个体差异以及以何种组合方式导致个体间训练轨迹差异的了解。在当前的研究中，568 名本科生在两周内完成了几种 N-back 干预方案之一。参与者的训练轨迹被分为三种不同的训练模式（高绩效者、中等绩效者和低绩效者）。我们应用机器学习算法来训练二叉树模型，以预测个人的训练模式，该模型依赖于先前文献中已确定为相关的几个个体差异变量。这些个体差异变量包括预先存在的认知能力、性格特征、动机因素、视频游戏经验、健康状况、双语能力和社会经济地位。我们发现我们的分类模型在区分高绩效者和相对较低的绩效者方面表现出良好的预测能力。此外，我们发现开放性和预先存在的 WM 能力是区分高绩效者和低绩效者的两个最重要的因素。然而，对于低绩效者来说，开放性和视频游戏背景是他们学习坚持的最重要预测因素。总之，在培训之前，可以使用参与者的特征来预测个人培训表现，这可以为个性化干预措施的制定提供参考。
独角兽、野兔还是乌龟？利用机器学习预测工作记忆训练表现
人们从工作记忆 (WM) 训练中受益的程度存在很大差异。尽管越来越多的研究关注与 WM 训练结果相关的个体差异，但我们仍然缺乏对哪些特定的个体差异以及以何种组合方式导致个体间训练轨迹差异的了解。在当前的研究中，568 名本科生在两周内完成了几种 N-back 干预方案之一。参与者的训练轨迹被分为三种不同的训练模式（高绩效者、中等绩效者和低绩效者）。我们应用机器学习算法来训练二叉树模型，以预测个人的训练模式，该模型依赖于先前文献中已确定为相关的几个个体差异变量。这些个体差异变量包括预先存在的认知能力、性格特征、动机因素、视频游戏经验、健康状况、双语能力和社会经济地位。我们发现我们的分类模型在区分高绩效者和相对较低的绩效者方面表现出良好的预测能力。此外，我们发现开放性和预先存在的 WM 能力是区分高绩效者和低绩效者的两个最重要的因素。然而，对于低绩效者来说，开放性和视频游戏背景是他们学习坚持的最重要预测因素。总之，在培训之前，可以使用参与者的特征来预测个人培训表现，这可以为个性化干预措施的制定提供参考。
独角兽，野兔或乌龟的补充材料？ ...
注意。ir =插补率（％）;库尔特。=峰度；偏斜。=偏斜;有意识的。=意识；视频游戏。=视频游戏背景； Psycho。=心理 * = P <.05，** = P <.01