XiaoMi-AI文件搜索系统
World File Search System随机方法
单细胞水平的病毒感染与先天免疫之间的对抗
被病毒感染时，细胞可能会分泌干扰素（IFN），该干扰素（IFN）促使附近细胞为即将到来的感染做准备。相互，病毒蛋白通常会干扰IFN合成和IFN诱导的信号传导。我们使用基于药物的随机方法对传播病毒与先天免疫反应之间的串扰进行了建模。通过分析免疫荧光显微镜图像，我们观察到呼吸综合病毒（RSV）（RSV）和感染A549细胞之间的相互拮抗作用会导致单细胞水平和复杂的细胞信号传导状态空间模式的二分法反应。我们的分析表明RSV在三个层面上阻止了先天反应：通过抑制IRF3激活，抑制IFN合成以及抑制STAT1/2激活。反过来，由IFN刺激（STAT1/2激活）基因编码的蛋白质抑制了病毒RNA和病毒蛋白的合成。这些抑制作用的显着结果是病毒蛋白缺乏巧合和单个细胞中IFN的表达。该模型可以研究免疫刺激有缺陷的病毒颗粒和信号网络扰动的影响，这些影响可能有可能促进病毒感染的遏制或清除。
能源社区对分销网络的影响
在本文中，提出了一种评估能源群落（EC）对中压（MV）分配网络的潜在影响的方法。为了说明EC的各种配置和方案，已经开发了一种随机方法；它基于蒙特卡洛模拟，该模拟生成各种EC配置，以改变新发电机的大小和数量，常见耦合点以及生成混合物中的主要能源（风，氢，光伏）。提出的过程的目的是评估可能影响电网基础架构的所有可能配置。在每种配置全年执行一个小时负载流程后，输出变量进行处理，以获取分析结果以识别损失，线路和变压器负载的趋势以及违反电压。提出的方法将基于实际MV网络的两个案例研究应用。第一个与能源需求较高但发电机容量有限的城市地区有关，而后者与人口稀疏的人口稀疏的地区有关，能源需求低，可再生能源生产丰富。结果表明，促进负载和发电机之间的耦合是确保网格合规性的关键因素（即最大程度地降低网格影响）。©2023作者。由Elsevier Ltd.这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
能源 - IIASA PURE
过去二十年，太阳能和风能等可变可再生能源的整合在欧洲以前所未有的速度增长。随着太阳能和风能所占份额的上升，长期能源系统模型充分代表其短期变化变得越来越重要。本文使用欧洲电力和区域供热部门到 2050 年的长期 TIMES 模型来探索短期太阳能和风能变化的随机建模以及不同的时间分辨率如何影响模型性能。使用具有 48 个时间片段的随机模型作为基准，结果表明，具有低时间分辨率的确定性模型低估了年成本 15% 到 20%，高估了可变可再生能源的贡献（占总发电量的 13% 到 15%），并且缺乏系统灵活性。当时间分辨率增加时，确定性模型的结果会收敛到随机解，但即使有 2016 个时间片，灵活性的需求也被低估了。此外，具有 2016 个时间片的确定性模型的求解时间比具有 48 个时间片的随机模型长 30 倍。基于这些发现，建议在长期研究中采用随机方法研究可再生能源占比较大的能源系统。© 2020 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
静态摩擦对机器人增强学习中SIM2REAL的影响
摘要 - 在机器人增强学习中，SIM2REAL差距仍然是一个关键的挑战。但是，静态摩擦对SIM2REAL的影响尚未得到充实。常规域随机化方法通常从其参数空间中排除静态摩擦。在我们的机器人加强学习任务中，这种常规域随机方法导致了明显不足的现实世界模型。为了应对这一SIM2REAL挑战，我们采用了执行器网作为常规域随机化的替代方案。虽然这种方法能够成功地转移到平面运动，但在楼梯等复杂地形上失败了。为了研究影响机器人关节中SIM2REAL的物理参数，我们开发了一个控制理论关节模型并进行了系统的参数鉴定。我们的分析表明，机器人关节中出乎意料的高摩擦力比率。为了减轻其影响，我们实施了SIM2Real的静态摩擦域随机化。认识到摩擦建模引入的训练难度增加，我们提出了一种简单新颖的解决方案，以降低学习复杂性。为了验证这种方法，我们进行了比较三种方法的综合SIM2SIM和SIM2REAL实验：常规域随机化（无静态摩擦），执行器NET和我们的静态摩擦感知域随机化。所有实验均利用快速运动适应（RMA）算法。结果表明，我们的方法实现了出色的自适应能力和整体性能。
在基于PV的码头能量系统中的电动汽车的最佳充电和排放策略
摘要：综合社区能源系统（ICES）的新兴概念证明了其适合改善本地网格运行的能力 - 从本地发电中提高自我消费，增强负载因子并降低能源成本。在巴伦码头（Ballen Marina）中，分别在丹麦岛上的萨姆斯岛（Samsø），电池储能系统（Bess）的动作可能会被船和电动汽车的灵活性所补充。随着能源消费者的更大参与，能源系统的性能可能会变得更加有效，从技术和经济观点既有”。在此框架内，开发和评估了码头电动汽车的最佳充电和排放策略。使用随机方法类似于驾驶模式的每日变化，就产生了汽车使用情况。建立了最佳的充电策略，随后将这一动作与船灵活性相结合。作为未来的情况，研究了车辆电网（V2G）技术实施的利益，证明了未来码头的网格的显着增强，并增加了光伏（PV）发电能力和电动汽车的数量。证明了双向收费的经济利益，这对于码头和租赁公司具有足够的优势，导致节省的成本高达51.7％，并将能源出口降至21.3％。因此，提高了巴伦码头富裕单元（电动汽车和船只）的整合水平，这是未来几年的重要目标。
pantraprazole和维生素C靶向肿瘤微环境条件的药物重新利用可改善转移性cast割前列腺癌的抗癌作用
在这项研究中，我们的目的是系统地评估白介素-23（IL-23）靶向药物的效率和安全性，以治疗中度至重度牛皮癣，并为循证临床治疗提供了基于证据的参考。对PubMed，Embase，Web Science，Cochrane图书馆，中文期刊全文数据库，中国科学与技术期刊数据库和Wanfang数据库的计算机搜索是从数据库的建立到2021-09-30。在牛皮癣治疗中，将IL- 23个靶向药物（试验组）与安慰剂（对照组）进行了比较；即，收集了PASI得分的75％或以上（PASI 75，PASI 90和PASI 100）和随机对照试验（RCT）的安全性。荟萃分析是使用Rev MAN 5.4.3统计软件进行数据提取后的临床研究的5.4.3统计软件进行的。总共包括9项研究，所有纳入的研究都是大型多中心，随机，双盲，安慰剂对照研究，所有研究都使用了正确的随机方法，并且质量良好。荟萃分析表明，测试组中PASI 75，PASI 90和PASI 100的提高速率优于对照组中的PASI，PASI 90和PASI 100（OR 70.21（42.25，166.66），P <0。00001），（OR 78.41（53.09，115.79），p <0。00001）和（OR 77.10（38.61，153.99），p <0。00001），p <0。05。然而，发生了更不利影响，并且差异在统计学上是显着的。IL-23靶向药物的反应率明显更高，并且安全性是可以接受的。
一个数据驱动的模型，用于响应式供应链中的可持续和弹性供应商选择和订单分配问题：健康案例研究
这项研究试图研究供应商的选择和订单分配问题（SSOAP），考虑到三个关键概念，即响应能力，可持续性和韧性。为此，当前的研究开发了一个多阶段决策框架（MSDMF）来选择潜在的供应商并确定订单数量。第一阶段旨在根据几个指标计算供应商的得分。为此，开发了一种新颖的决策方法，名为“随机模糊最佳方法”（SFBWM）。然后，在第二阶段，建议使用多目标模型（MOM）来处理供应商的选择和订单分配决策。在下一步中，基于模糊的稳健随机方法和季节性自回归的集成运动平均（SARIMA）方法，采用数据驱动的模糊稳健（FRS）优化方法，用于有效治疗问题的混合不确定性。之后，开发了一种名为开发的Chebyshev多选择目标编程的新型解决方案方法（CMCGP-UF）以获得最佳解决方案。此外，考虑到医疗设备（ME）行业在社会健康中的关键作用，尤其是在最近的冠状病毒病中，考虑到了这一重要行业。第一阶段的结果表明，敏捷性，成本，温室发射，质量，健壮性和废物管理（WM）分别是最重要的标准。第二阶段的结果确定所选供应商，利用运输系统和已建立的地点。还揭示了需求直接影响所有目标功能，同时增加破坏率对可持续性措施有负面影响。
使用HRMAS的机器学习协助对脑肿瘤边缘的术中评估
对肿瘤的完整切除对于神经胶质瘤患者的生存很重要。即使达到了总切除术，在切除腔风险中剩下的微尺度组织复发。高分辨率魔术角旋转核磁共振（HRMAS NMR）技术可以使用生物标志物代谢物的峰强度来区分健康和机构组织。该方法是快速，敏感的，并且可以与小型和未经处理的样品一起使用，这使其成为手术期间实时分析的良好功能。然而，只能制作出有针对性的肛门，可以制造出已知肿瘤生物标志物的存在，这需要具有化学背景的技术人员，并且在手术期间就具有有关肿瘤代谢的知识的病理学家。在这里，我们表明我们可以实时执行此分析，并可以使用机器学习以不定目标的方式分析完整的频谱。我们在神经胶质瘤和对照样品的新型和大型HRMA NMR数据集（n = 565）上工作，该数据集也标有定量病理分析。我们的结果表明，基于森林的随机方法可以用肿瘤细胞的样品准确和对照区分，以中位AUC为85.6％，AUPR为93.4％。我们还表明，我们可以进一步区分良性和恶性样本，中位AUC为87.1％，AUPR为96.1％。我们分析了分类的特征（峰值）重要性，以解释分类器的结果并验证已知的恶性生物标志物（如肌酸和2-羟基氯丁烷）在区分肿瘤和正常细胞方面起着重要作用，并提出了新的生物标志物区域。
使用HRMAS NMR光谱法
对肿瘤的完整切除对于神经胶质瘤患者的生存很重要。即使完成了总切除术，但在切除腔风险中剩下的微尺度组织会相对。高分辨率魔术角旋转核磁共振（HRMAS NMR）技术可以使用生物标记代谢物的峰强度有效地区分健康和恶性组织。该方法是快速，敏感的，可以与小型和未经处理的样品一起使用，这使其非常适合手术期间的实时分析。然而，只能对已知肿瘤生物标志物的存在进行焦油分析，这需要具有化学背景的技术人员，并且在手术期间必须存在有关肿瘤代理的知识的病理学家。在这里，我们表明我们可以实时准确地执行此分析，并可以使用机器学习以不定目标的方式分析整个频谱。我们在神经胶质瘤和对照样品的新型和大型HRMA NMR数据集（n = 565）上工作，该数据集也标有定量病理分析。我们的结果表明，基于森林的随机方法可以用肿瘤细胞来区分样品，并以中位AUC为85.6％，AUPR准确，有效地对照，而AUPR为93.4％。我们还表明，我们可以进一步区分良性和恶性样本，中位AUC为87.1％，AUPR为96.1％。我们分析了分类以解释分类器结果的特征（峰值）的重要性。我们验证了已知的恶性生物标志物，例如肌酸和2-羟基戊二酸，在区分肿瘤和正常细胞中起着重要作用，并提出了新的生物标志物区域。该代码在http://github.com/ciceklab/ hrmas_nc上发布。
临界COVID-19，Victivallaceae丰度和腹腔疾病：介导门德尔随机研究
腹腔疾病在2019年冠状病毒疾病患者中表现出更高的患病率。然而，共同-19对乳糜泻的潜在影响仍然不确定。考虑了肠道微生物群改变，Covid-19和乳糜泻之间的显着关联，采用了两步的孟德尔随机方法来研究Covid-19和腹腔疾病之间的遗传因果关系，以及肠道菌群作为潜在的介体。我们采用了全基因组关联研究来选择与暴露有关的遗传仪器变量。随后，这些变量被用来评估Covid-19对腹腔疾病风险及其对肠道菌群的潜在影响的影响。采用两步的孟德尔随机方法实现了潜在因果关系的检查，包括：1）COVID-19感染，住院COVID-19和关键的Covid-19对腹腔疾病风险的影响； 2）肠道菌群对乳糜泻的影响； 3）肠道微生物群在covid-19和腹腔疾病风险之间的介导影响。我们的发现表明，临界值得联盟-19和腹腔疾病的风险升高（反向差异加权[IVW]：p = 0.035）之间存在显着关联。此外，我们观察到批评-19与victivallaceae的丰度之间存在逆相关性（IVW：p = 0.045）。值得注意的是，增加的维多拉曲科的丰度对腹腔疾病的风险具有保护作用（IVW：p = 0.016）。总而言之，我们的分析提供了支持关键covid-19和降低维多拉曲科的因果关系的遗传证据，从而增加了腹腔疾病的风险。