Максимизация филоразнообразия по всем путям: параметризованные подходы для сетей

Общественные цели должны сместиться от чрезмерной зависимости от валового внутреннего продукта (ВВП) к более широким аспектам устойчивого и инклюзивного благосостояния (УИБ). Однако определение УИБ и, в конечном итоге, его измерение с помощью единственного числа является проблематичным, поскольку оно включает в себя множество субъективных и объективных факторов, которые в сложной, нелинейной форме комбинируются. Традиционно используемые методы либо применяют линейные взвешенные среднем, либо сводят УИБ только к субъективному благосостоянию. Ни один из подходов не является достаточным. В этой статье рассматриваются методы агрегирования для УИБ в соответствии с девятью условиями, выведенными из теории потребностей и концепции жесткой устойчивости: ограниченная взаимозаменяемость, наказание за диспропорции, нелинейные преобразования, соблюдение экологических пределов, уважение к нижним границам, формальная модель измерения, отсутствие требования к корреляции, чувствительность к распределению, трансграничные эффекты и межвременная агрегация. Мы сравниваем 13 методов, начиная от простых арифметических сред и заканчивая индексами с учетом штрафов, многокритериальной оптимизацией, анализом пограничной эффективности и данными из экологии, нейронауки и машинного обучения. Наш иллюстративный пример показывает, что выбор методов агрегирования значительно влияет на ранжирование стран. Компенсаторные методы создают похожие ранжирования. Ни один метод не удовлетворяет всем девяти условиям. Мы приходим к выводу, что будущий составной индикатор УИБ потребует комбинирования методов на разных уровнях: нелинейная нормализация, некорректирующее агрегирование и выбор методов измерения для инклюзивности и эффектов. Эта работа является шагом к созданию агрегированного индикатора, поддерживаемого Группой высокого уровня экспертов ООН по вопросам ВВП.

Филогенетические сети обобщают филогенетические деревья для эволюционных историй, которые включают ретикулярные события, такие как рекомбинация, горизонтальный перенос генов и гибридизация. В рамках марковской модели замещения нуклеотидов филогенетическая сеть определяет распределение паттернов листьев. В данной работе мы исследуем идентифицируемость топологии сети из этого распределения в рамках моделей Джукса-Кантера (JC), Кимуры с двумя параметрами (K2P) и Кимуры с тремя параметрами (K3P). Нашим первым результатом является то, что полуправильный параметр сети уровня 1 (с учётом перенаправления треугольников) полностью идентифицируем по всем трем моделям на биологически разумном пространстве параметров, где скорости замещения являются вероятностными, а параметры смешивания нетривиальны (т.е. не равны 0 или 1). В отличие от общепринятой идентифицируемости, установленной в предыдущих работах, это действительно для каждой точки параметрического пространства, а не только для подмножества нулевой меры. Наш второй результат отличает филогенетические сети от филогенетических деревьев в том же пространстве параметров при JC и K2P. Мы доказываем, что ни одна филогенетическая сеть и филогенетическое дерево не могут порождать одно и то же распределение паттернов листьев, если только сеть не является деревом, возможно, дополненным определёнными подструктурами, называемыми $2$-болбами. Это означает, что наличие ретикулярной эволюции создает, в большинстве случаев, обнаружимый след в распределении паттернов листьев. Более широко, эти результаты имеют последствия для идентифицируемости за пределами изученных моделей и классов сетей, включая несколько моделей на основе коалесценции.

Обнаружение падений имеет важное значение для ухода за пожилыми людьми и интеллектуального наблюдения; однако существующие подходы на основе компьютерного зрения в основном рассматривают его как классификацию статической позы или сопоставление дискретных временных шаблонов, в корне упуская нестабильную динамику человеческой опорной системы. В данной статье предлагается основанная на физике структура для обнаружения падений, которая трактует падение как событие утраты устойчивости в связанной динамической системе. Мы вводим новую архитектуру двойной LTC, состоящую из подсистемы центра масс (CoM) и подсистемы базы поддержки (BoS), обе реализованы как нейронные сети с жидкими временными константами (LTC), которые непрерывно моделируют эволюцию инерциальной траектории и адаптацию к контакту с землёй с помощью адаптивных временных констант. Физическая интерпретируемость движения при падении. Обучаемый модуль связывания имитирует физическое взаимодействие между двумя подсистемами, в то время как классификатор стабильности Manifold работает в объединённом латентном пространстве для обнаружения пересечения границы через метрики стабильности, вдохновлённые методом Ляпунова. Дополнительное проецирование контрфактической траектории и оценка времени до столкновения (TTC) дальше позволяют оценить необратимость и осуществить раннее предупреждение. Архитектура разработана для поддержки парадигмы предсказания с тремя состояниями (Нормально, Падает, Упал); в этом предварительном исследовании мы проверяем основную способность различения стабильности на датасете из двух классов (Нормально против Падает), оставляя полную трехстадийную временную трансформацию для будущей работы. В отличие от традиционных конвейеров CNN-RNN, предлагаемая формулировка кодирует механическую инерцию непрерывного времени, что позволяет создать сеть с менее чем 50 тыс. параметров, способную выполнять вывод в реальном времени на устройствах с ограниченными ресурсами. Обширные эксперименты демонстрируют конкурентоспособную точность с превосходной физической интерпретируемостью, подтверждая её эффективность для визуального обнаружения падений при низких вычислительных затратах.

Гипероднородные системы, определяемые аномальным подавлением крупномасштабных флуктуаций плотности, являются парадигмой неравновесной самоорганизации. Хотя механизмы, лежащие в основе самоорганизации гипероднородных состояний, были широко изучены, энергетика этого процесса остается неизученной. Это поднимает фундаментальный вопрос: какова энергетическая стоимость самоорганизации гипероднородной системы? В нашей работе мы рассматриваем этот вопрос на нескольких системах с шариками, подверженных шуму, взятых из области мягких материалов и машинного обучения, в которых гипероднородность может быть вызвана настройкой корреляций шума. Несмотря на их различные микроскопические динамики, мы выявляем универсальное поведение во всех системах: гипероднородные состояния являются максимально необратимыми, что количественно определяется скоростью производства энтропии. Кроме того, мы разрабатываем формулировку интеграла по траектории для скорости производства энтропии, основанную непосредственно на микроскопической динамике, что объясняет наши наблюдения. Наша работа устанавливает прямую связь между возникающей длинноRange структурой и временной необратимостью и открывает новый путь к исследованию энергетических затрат гипероднородной самоорганизации, которая повсеместно встречается в физике, биологии и материаловедении.

Соляной стресс серьезно ограничивает рост пшеницы, нарушая фотосинтез, осмотический баланс и клеточный редокс-гомеостаз. В данном исследовании оценивалось, могут ли агматин и N-гидроксипипеколовая кислота, применяемые отдельно или в комбинации, улучшить толерантность пшеницы при стрессе от 200 мМ NaCl. Пшеница выращивалась в тепличных условиях и подвергалась обработке агматином (100 мкМ), N-гидроксипипеколовой кислотой (0,01 мкМ) или их совместным применением. Соляной стресс снижал рост, площадь листьев, относительное содержание воды в листьях, содержание хлорофилла, газообмен, активность Рубиско и накопление биомассы, одновременно увеличивая уровень перекиси водорода, перекисное окисление липидов и утечку электролитов. Оба вещества улучшали характеристики пшеницы при засолении, но их комбинированное применение дало наилучший результат по всем измеренным параметрам роста, фотосинтетическим, осмотическим и антиоксидантным признакам. Комбинированная обработка повысила рост корней и побегов, поддерживала более высокое содержание хлорофилла и активность Рубиско, способствовала газообмену и увеличивала накопление растворимого сахара. Также было снижено окислительное повреждение за счет увеличения активности каталазы, пероксидазы, супероксиддисмутазы и глутатионредуктазы. Кроме того, комбинированное лечение увеличивало накопление пролина и активировало ключевые ферменты, участвующие в метаболизме пролина, что указывает на улучшение осмотической регуляции при солевом стрессе. Эти результаты свидетельствуют о том, что агматин и N-гидроксипипеколовая кислота действуют через взаимодополняющие физиологические и биохимические пути для улучшения солеустойчивости пшеницы. Комбинированное лечение может предложить полезную фольярную стратегию для улучшения характеристик пшеницы в условиях солености, однако перед практическим применением необходимо провести валидацию в полевых условиях и оптимизацию дозировки.

Аденокарцинома поджелудочной железы (ПДЖ) является одним из самых агрессивных злокачественных новообразований у человека и имеет крайне неблагоприятный прогноз. Ее прогрессирование в значительной степени обусловлено крайне сложным и иммунодепрессивным микротройным окружением (МТО), что подчеркивает срочную необходимость в более глубоком понимании ее молекулярных механизмов. Недавние достижения в области секвенирования РНК на уровне единой клетки (scRNA-seq) и пространственной транскриптомики (ST) предоставили беспрецедентные возможности для анализа клеточной гетерогенности, пространственной организации и динамики экспрессии генов в рамках МТО. В этом обзоре мы суммируем основные технологии scRNA-seq и ST, а также их уникальные преимущества в исследовании рака, и подчеркиваем их интегрированные применения в раскрытии гетерогенности ПДЖ, взаимодействиях стромы и иммунной системы, а также механизмах терапевтической устойчивости. Мы также обсуждаем, как эти подходы могут способствовать открытию биомаркеров и направлять разработку новых терапевтических стратегий. В целом, эти результаты предполагают, что интегрированная единоклеточная и пространственная транскриптомика имеет трансформирующий потенциал для развития прецизионной онкологии и улучшения результатов лечения пациентов с раком поджелудочной железы.