首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

热文回顾 | 型号常备料物资供应的管理与优化

摘 要:随着全面深化改革工作的逐步实施,航天企业物资供应模式日趋完善。中国运载火箭技术研究院(简称航天一院)对航天通用物资安全库存、到货节奏、补库机制进行研究探索,提出了常备料物资供应的管理模式。本文以非金属为例进行常备料的管理实践,通过物资清单的确定、库存的维护补充以及与供应商联合库存管理等措施,优化和规范了常备料物资的供应。管理模式实行并优化以来,航天物资供应中的乱,多,烦,杂等情况有了明显改善,型号集采规模效应得到充分发挥,2021年全年通过常备料规模化采购降价1200余万元,库存周转率大幅提升,供应效率提升47%,降本增效成效显著。

02

GPT模型在化学领域可以做些什么?

今天为大家介绍的是来自Xiangliang Zhang团队的一篇关于GPT能力讨论的论文。大型语言模型(LLMs)在自然语言处理任务中具有强大的能力,并迅速应用于科学、金融和软件工程等各种领域。然而,LLMs在推动化学领域的能力尚不清楚。作者建立了一个包含8个实际化学任务的全面基准,包括1)名称预测,2)属性预测,3)收率预测,4)反应预测,5)逆合成(从产物预测反应物),6)基于文本的分子设计,7)分子描述,和8)试剂选择。我们的分析基于广泛认可的数据集,包括BBBP、Tox21、PubChem、USPTO和ChEBI,有助于在实际化学背景下广泛探索LLMs的能力。作者评估了三个GPT模型(GPT-4、GPT-3.5和Davinci-003)在每个化学任务中以零样本和少样本上下文学习设置下的性能。作者的研究的主要结果是:1)在三个评估模型中,GPT-4的性能优于其他两个模型;2)在需要精确理解分子SMILES表示的任务(如反应预测和逆合成)中,GPT模型表现出较弱的竞争性能;3)GPT模型在与文本相关的解释任务(如分子描述)中展示出强大的能力;4)在可转化为分类或排序任务的化学问题(如属性预测和收率预测)中,GPT模型展现出与经典机器学习模型相当或更好的性能。

01

纳尼?Genbank中超200万条序列受污染!蛋白污染主要来源于一只蜘蛛?

Metagenomic sequencing allows researchers to investigate organisms sampled from their native environments by sequencing their DNA directly, and then quantifying the abundance and taxonomic composition of the organisms thus captured. However, these types of analyses are sensitive to contamination in public databases caused by incorrectly labeled reference sequences. (Nature综述:2万字带你系统入门鸟枪法宏基因组实验和分析) Here we describe Conterminator, an efficient method to detect and remove incorrectly labelled sequences by an exhaustive all-against-all sequence comparison. Our analysis reports contamination in 114,035 sequences and 2,767 species in the NCBI Reference Sequence Database (RefSeq), 2,161,746 sequences and 6795 species in the GenBank database, and 14,132 protein sequences in the NR non-redundant protein database. Conterminator uncovers contamination in sequences spanning the whole range from draft genomes to “complete” model organism genomes. Our method, which scales linearly with input size, was able to process 3.3 terabytes of genomic sequence data in 12 days on a single 32-core compute node. We believe that Conterminator can become an important tool to ensure the quality of reference databases with particular importance for downstream metagenomic analyses. Source code (GPLv3): https://github.com/martin-steinegger/conterminator.

02

【ChatGPT读文献】Mol Cell:压力表观遗传学与衰老:揭示复杂的交叉作用

这篇名为“压力表观遗传学与衰老:揭示复杂的交叉作用”的综述文章全面探讨了各种类型的压力与衰老过程的复杂关系,特别是通过表观遗传变化的视角。文章的主要内容包括: 1. 衰老与压力:强调衰老是涉及多种细胞和分子途径的复杂过程,受到氧化、基因毒性、炎症和代谢等压力的加剧。这些压力与表观组学相互作用,促进与年龄相关疾病的发展。 2. 压力类型与表观遗传调控:讨论与衰老相关的不同类型的压力及其底层的表观遗传调控。强调内部和外部刺激如何通过触发细胞损伤来塑造衰老,以及这些如何与表观遗传变化相互关联。 3. 氧化压力:探讨氧化压力在衰老中的作用,包括它如何诱导表观遗传改变,并促进衰老和相关疾病的发展。文章讨论了表观遗传调控ROS产生酶和抗氧化因子的作用。 4. 基因毒性压力:详细介绍基因毒性压力对衰老的影响,强调由氧化损伤和辐射等因素引起的基因组稳定性扰乱如何导致DNA损伤和遗传突变,这是衰老和与年龄相关疾病的关键因素。 5. 炎症压力:文章讨论了慢性低度炎症(即炎症衰老)与衰老的关联。探讨了表观遗传修饰在调控衰老相关炎症过程中基因表达的作用。 6. 代谢压力:审视营养和代谢信号失衡如何影响细胞功能并促进加速衰老。强调表观遗传修饰在介导代谢压力对衰老影响中的作用。 7. 其他类型的压力:还提到了其他类型的压力,如蛋白稳态和热应激,它们对衰老过程的影响,以及表观遗传学在这些过程中的作用。 8. 抗衰老干预:讨论了对抗衰老和与年龄相关的疾病的各种干预策略。这些包括生活方式改变、基于小分子的干预、基因疗法和细胞移植策略,每一种都可能对减轻压力和表观遗传更新产生影响。 这篇文献提供了详细的探讨,说明了不同类型的压力如何促进衰老过程,以及表观遗传学在这一交互作用中的角色,为潜在的干预和治疗方法提供了见解。

04
领券