PrecisionFDA脑肿瘤预测及标记物发现挑战赛

图片PrecisionFDA 2019: 脑肿瘤预测及标记物发现挑战赛在PrecisionFDA 2019-2020年的脑肿瘤预后预测的挑战赛中，主办方提供了脑肿瘤病人样本的基因组与临床数据，记录了每个样本的 目的是通过不同组学数据之间的联合分析，预测样本的脑肿瘤预后情况。

物联网资产标记方法研究【三】——基于机器学习的物联网资产标记方法

一、摘要 关于物联网资产识别研究的话题，我们介绍了资产识别的研究现状、物联网设备的特征以及基于先验知识的资产标记实践（文章链接见往期回顾），通过对问题的分析和标记实践后得知，要想解决好互联网上物联网设备识别的问题 再通过机器学习聚类算法对处理后的数据进行文本聚类，得到相似的高置信度的资产类别，然后采用人工标记的方式对各个资产类进行标记，产出物联网指纹和非物联网资产指纹。 四、人工：多人协作标记 物联网资产聚类确实可以为了提供高置信度的物联网资产类别，但是准确的提取物联网设备指纹还需要人工参与完成，所以为了提高资产标记效率，我们设计了一款多人协作的物联网资产标记平台（Fiot ，经过两个月的时间，迭代标记两个轮次的标记共发现352个物联网设备指纹、36种设备类型以及137个物联网厂商，共标记498401物联网设备。 往期回顾： 《浅谈物联网蜜罐识别》 《物联网资产标记方法研究【二】——基于聚类算法的物联网资产识别算法》 《物联网资产标记方法研究【一】——基于先验知识的物联网资产标记实践》 《物联网设备的6个特征》

各种细胞器典型标记物。

为了增强实验数据的直观性，很多人会选择荧光标记或免疫组化标记的方法，定位研究。 那么，到底各个细胞器的特异性标记物到底是什么呢？ ? 小编在此对成熟的、公认的、常用的标记物作一小小总结，以供参考。 This is the dividing line. ---- 1 — 细胞骨架 ? ?

预测不可预测之物的校准学习技术

“你正在尝试预测不可预测的事物”某中心科学家Dean Foster与合著者因其23年前撰写的论文获得"时间检验"奖。Dean Foster从事预测业务。 在规模上预测客户在任何给定时间可能想要什么本质上是复杂的。加强这些预测的方法之一是通过称为校准的概念——这是Dean广泛研究的一个主题。 做出错误的预测（或预报）意味着你会更频繁地失败。相反，校准的预测可以帮助你更经常地获胜。" Foster指出，校准还有助于确保预测不会因样本量等问题而受到影响。"描述我们预测校准的一种方式是，在我们宣布预测之后，不应该有其他人能够过来说，'嘿，如果你把那个预测加大20%，它会更准确。' 一位审稿人说，'你正在尝试预测不可预测的事物。'" 在某种程度上，他仍然如此。

定义标记变量train，模型训练和预测

定义标记变量train，模型训练和预测 当它为True时进行训练操作并保存训练模型；当其为False时进行预测，20%预测集进行图像分类预测实验。 #------------------------------------第四步 模型训练和预测----------------------------------- # 用于保存和载入模型 saver = tf.train.Saver() # 训练或预测 train = False # 模型文件路径 model_path = "model/image_model" with tf.Session( xs: x_val, ys: y_val, drop: 0 } # 真实label与模型预测 {}\t{} => {}".format(fpath, real_label_name, predicted_label_name)) # 评价结果 print("正确预测个数

2020年物联网趋势预测

诸如物联网（IoT）之类的技术的诞生使设备变得更加高效和智能。简而言之，物联网可以解释为一个相互关联的设备的系统，可以通过网络传输数据而无需任何人工。 物联网已经改变了企业运营方式已有一段时间了。 2020年物联网预期的发展 以下是对物联网的十大预测： 协助智慧城市的崛起 物联网的发展背后的主要目标是使人们的生活更轻松，更舒适。 物联网在医疗保健中的采用 在过去几年中，医疗保健行业见证了配备物联网的便携式设备和医院服务改善方面的出色进步。 制造业中的物联网 制造业是物联网扮演重要角色的另一个垂直领域。有趣的是，商业/制造业是物联网设备的最大用户（40.2％）。 例如，相关计算设备的系统利用传感器来帮助个人识别硬件中的问题。 由边缘计算支持的物联网设备将更多地参与智能设备，例如智能交通信号灯和自动驾驶汽车。 总结 所有上述物联网趋势将在2020年主导移动应用程序开发行业。物联网将为用户和企业带来重大变化。

真菌基因组——发现生物标记物领域 | MedChemExpress

科研人员通过将标记有绿色荧光蛋白 (GFP) 的啤酒酵母 (Saccharomyces cerevisiae) 在荷瘤小鼠中测试，发现真菌迁移到了胰腺，表明肠道菌群可以直接影响胰腺的微环境。 因此，真菌基因组可能是未来药物治疗的新靶点，也将是发现生物标记物的一个领域。

.| 基于Rosetta、AlphaFold和质谱共价标记进行蛋白质复合物预测

在这里，我们使用 RosettaDock来组装使用 AF2 生成的蛋白质复合物亚基，并使用共价标记数据来改进蛋白质复合物结构预测。 由于AlphaFold2 (AF2) 对单体预测的准确性较高，AF2 生成的模型用于向 RosettaDock 提供输入，并使用基于共价标记的评分项对建模蛋白质复合物的寡聚结构进行重新评分并预测天然结构 从相关性中获得的参数，用于模拟标记残基的预测修饰变化。对于建模复合物中的每个标记残基，界面距离用于计算预测的修饰变化。 在第一项研究中，我们重新对接了天然晶体结构，Rosetta 对 4/5 复合物进行了准确预测，当在评分函数中包含共价标记数据时，5/5 复合物具有准确的预测，虽然这些数据很有希望，但初步对接研究需要复杂状态下亚基结构的晶体学信息 随着复合物未结合/结合状态之间标记残基的修饰变化增加，它更有可能位于结合界面。实验修饰变化与亚基间距离之间的关系用于预测模型化残基的修饰变化。

多种差异分析方法识别微生物标记物

识别组间差异物种是微生物领域常见的数据分析。我们采用三类不同的差异分析方法来发现显著差异的微生物物种，它们分别是：

基于四个甲基化mRNA标记物的风险评分系统预测肝细胞癌患者的生存

06 比较列线图和T stage预测准确性 作者采用C-index比较T stage和列线图模型的预测准确度，发现列线图模型显著比Tstage预测准确，说明模型的优越性。 ? 至此整篇文章就结束了。

物联网资产标记方法研究【二】——基于聚类算法的物联网资产识别算法

一、前言 随着物联网设备的普及和人工智能技术的发展，越来越多的物联网设备及服务暴露在互联网中，这也导致其安全问题备受关注。 物联网资产识别是物联网安全中必要且关键的一环，如果能够对暴露在外的物联网资产进行归纳梳理并分析，对于发现物联网设备的安全问题是具有重要意义的。 然而物联网资产的识别具备一定的复杂性，首先暴露在互联网上的资产众多，对于大量数据的收集具备一定难度。此外，由于物联网资产的更新变化速度快，种类众多，导致物联网资产识别十分碎片化。 二、物联网资产识别 物联网资产识别的关键在于找到物联网指纹，往期文章中已经介绍过物联网资产的一些特征和识别方法。 由于物联网设备返回的报文信息中往往包含物联网设备所属的设备类型以及品牌等信息，因此一旦能够通过报文响应信息提取到物联网指纹，就可以利用指纹作为识别物联网资产的依据，甚至可以得到设备类型编号等详细信息。

物联网的未来：有关2020物联网的10个预测

什么是物联网? 物联网（简称IoT）由连接到互联网并彼此共享数据的设备组成。物联网设备不仅包括计算机，笔记本电脑和智能手机，还包括配备有芯片以通过网络收集和通信数据的对象。 有关物联网未来的10个预测： 1.物联网安全将成为重中之重 由于物联网的广泛采用，连接设备的数量正在增加。这导致网络扩展，数据增加，并使更多信息面临风险。物联网安全性的提高将促进物联网的广泛使用。 3.人工智能和数据收集 专家预测SI的实施将物联网连接的设备转变为个人和组织的决策助手。由于物联网包括数十亿个与云连接的设备，因此每个设备都扮演着数据收集器的角色，可帮助它们填充数据库。 4.在医疗保健中采用物联网 卫生行业将看到越来越多的物联网设备被采用。医疗物联网有潜力以26.2％的复合年增长率增长，到2021年将达到720亿美元。 8.行业将看到更多的物联网 专家预测，在未来几年中，面向消费者的物联网将遭受打击，并导致资金增长下降。公司将更多地依靠工业物联网应用来设计新的基础架构。

79个遗传标记,91%的概率预测自杀行为

估计没有人能预测奥斯卡得主影星罗宾威廉斯会自杀，或者说他们能预测吗？当有人自杀时，反应往往是相同的。难以置信，但事实摆在眼前；沮丧；或去谈论一个人生命的最后时刻。 现在，通过研究打算自杀的人和真正自杀的人的大脑，美国和欧洲两组基因组研究人员声称，他们可以利用DNA测试来实际预测，谁将试图自杀。 总部位于慕尼黑的德国研究人员扫描了898名服用抗抑郁剂的患者的基因，确定了79个遗传标记。他们声称，有91%的概率可正确预测“自杀意念”，或想像自杀行为。 围绕自杀的痛苦和怀疑只是提高了科学家声明他们能预测自杀的赌注。巴尔的摩约翰霍普金斯大学于7月份进行一个可能性自杀测试，其中遗传学家公布的报告表明，单个基因的改变可能预测谁将试图自杀，准确率达80%。 “通过观察血液中这些表观遗传变化，我们似乎能够预测自杀行为和企图。”Kaminsky说，“需要说明的是，我们的样本容量很小。”

2018年的9个物联网预测

来，看看我们今年激动人心的物联网预测列表吧！ 1）流行语，流行语，流行语！ “基于区块链的分布式雾计算与嵌入式人工智能协同工作”对某些人来说可能是一个诱人的标题，但对于大多数人来说，它肯定会反映行话。 2018年可能是物联网新颖性开始消失，消费者开始寻求设备价值的一年。现在每个人都已经开始使用支持物联网的狗玩具，他们将开始寻找方法来积极地应用物联网应用，从而可以显著地改善他们的生活。 8）行业预测：意外偷窃 零售即将成为物联网技术战场。Amazon Go只是零售转型的开始。 由于气候变化对生产的严重威胁，许多IoT空间的领导人都预测农业将会有更多的增长。然而，由于消费者和医疗保健领导人要求降低成本和提高效率，数字健康在2018年将比农业增长更多。 对于物联网来说，这是一个激动人心的时刻。这是一个几乎每个人都熟悉的爆炸概念。这并不能保证这些预测会成真，但可以肯定地说，物联网将使2018年成为历史上最聪明的一年。

HTML布局标记和列表标记

布局标记 首先要介绍的布局标记是div标记，div可以做网页的层也可以做网页的分区。当div做网页的层时可以实现漂浮在网页上的效果，就像我们经常可以在网站里看见的那些漂浮广告。 我们查看一下百度搜索的源码就可以看到，这个页面用的最多的标记就是div，所以也就可以知道这个页面是使用div标签来布局的： ? table标记和div标记一样都是属于网页布局的标记，table主要是用来做表格，table里常用的属性是：border表格的边界线、cellpadding 表格的填充程度、cellspacing 内间距距离 列表标记 首先要介绍的第一个列表是ul无序列表，无序列表是一个项目的列表，此列项目使用粗体圆点（典型的小黑圆圈）进行标记，ul需要嵌套li实现列表效果。 接下来是ol有序列表同样，有序列表也是一列项目，列表项目使用自增的数字进行标记，所以称为有序列表。有序列表始于

标签，每个列表项也是始于
1. 标签，代码示例： ? 运行结果： ?

基于机器学习的化合物活性预测模型

利用化合物的结构与活性数据，基于RDKit和Python3的机器学习活性预测模型小示例。 代码示例： ---- #导入必须的包 #!

自动驾驶中的障碍物行为预测

简介 在自动驾驶应用中，相比于耳熟能详的感知与规划控制，人们对障碍物行为预测稍显陌生。事实上障碍物的行为预测对于整个无人车安全、平稳地行驶有着至关重要的支撑作用。 A中不使用行为预测，所有障碍物被当做静态对待，随着时间的推移，规划轨迹会出现跳变，甚至发生碰撞，同时也加大了控制的难度；B中引入障碍物行为预测，通过预测未来一定时间(E.g. 3s)来提升规划轨迹的质量 预测问题的本质是根据感知到的障碍物信息（包括其历史时刻数据）以及环境信息（道路拓扑结构、信号灯等），推断出障碍物未来可能的行为模式。 3.1 基于策略选择的预测算法 这是最常见也最实用的预测算法，将预测问题退化成为一个策略或者车道选择的分类问题（判断在当前场景下，障碍物各种决策的可能性）。 具体的预测效果如下图2所示，图2中a展示了对路上车辆的预测情况，其中黄色、蓝色、红色的连续坐标框分别表示一个障碍物预测的轨迹。而b中还额外展示了一个停车的行为预测，预测绿色车辆的停车车位。

用蛋白语言模型改进蛋白复合物预测

本文提出了 ColAttn 方法，该方法利用蛋白质语言模型识别复合物的间相互作用，并进一步结合多序列比对方法来提升结构预测准确性。 1 介绍 现在有许多深度学习模型在计算生物结构。 AlphaFold-Multimer 就提升了蛋白质复合物结构的预测水平，但其准确性依然取决于多序列比对（MSA）结果。 评估每个 MSA 同源序列与查询序列的注意力得分，再用相似的注意力得分匹配同类型的同源序列，直接拼接匹配的序列得到间相互作用，间相互作用 MSA 作为 AlphaFold-Multimer 的输入来预测复合物结构 3 结果 作者从 PDB 中挑选了 801 个相似性最高只有 40%的异质二聚体靶标，利用 AlphaFold-Multimer 来预测复合物结构。 Block 方法最差，这说明链间共进化信息有助于复合物结构预测。

JAMA Neurology：帕金森病跨疾病阶段的新兴神经成像生物标记物

皮质厚度和褶皱数也可能是有用的标记物或预测疾病进程。多巴胺能成像和水分子成像可检测1年以上的疾病进程，而其他方式检测18个月或更长时间以上的疾病进程。 首先描述帕金森病患者与健康对照组和临床前、前驱期、早期、中期至晚期的异常帕金森症状（即疾病状态）的生物标记物。我们还将总结每个阶段疾病进程的生物标记物。 这些是PD早期疾病状态的稳健生物标记物。 在PPMI中使用基于变形的形态测量学和独立成分分析，在新生帕金森病中发现了萎缩模式，并能够预测了4.5年的疾病进展(图1F)。 此外，其他重要的标准将包括生物标记物如何与临床结果相关或预测相关的临床结果。联邦机构将更有可能批准一种药物用于疾病改善，以减缓临床进展和临床进展的生物标记物。

EEG微状态：注意力缺陷多动症ADHD新的功能生物标记物

结论：总的来说，本研究突出了EEG MS作为ADHD有希望的功能性生物标记物的价值，提供了额外的视角来检查其神经生理机制。 因此，MS指标（特别是MS D）可能被证明是ADHD诊断和/或预后的更通用的辅助生物标记物。结论总之，据我们所知，本研究首次研究了成人ADHD患者静息态MS动力性。 我们通过两个数量数据集证实，MS D和/或MS A有可能是ADHD（或至少其中一个亚型）功能性生物标记物。 迄今为止，尽管没有生物标记物被成功用于明确诊断或知道ADHD治疗，但是MS分析在这些人群中的潜在应用可能会被证明是一个额外的有价值的方法，以更好地理解其神经生理学机制。 因此，发现的MS生物标记物可能不是ADHD的特异性诊断，而是某些行为亚组（例如，睡眠障碍）。