Generative model
Dotaz
Zobrazit nápovědu
V simulační studii (ve výukovém referátu) je po stručném fyziologickém úvodu popsán lineární model izometrické kontrakce kosterního svalu pomocí mechanické analógie. Model se skládá z bloků, z nichž první, generující sílu, představuje kontraktilní aparát a další modelují plastické a elastické vlastnosti svalu na základě pružin a elementů viskozního třeni Platnost modelu je omezena pouze na okolí pracovního bodu činnosti svalu. Výsledky simulace vyjadřují grafy, charakterizující průběh koncentrace vápníkových iontů ve svalu, průběh síly generované svalem a srovnání průběhů této silypři různých periodách budicího signálu. Simulace probíhá v simulačním prostředí MATLAB - SIMULINK, jež tvoří základ výukového simulačního systému, využívaného při výuce předmětu Biokybernetika na katedře kybernetiky FEL, ČVU T v Praze.
After a brief physiological introduction a skeletal nuscle isometric contraction linear model using mezhanical analogy is described in the simulation study. The model consists of blocks; the first of them generaIng force, represents contractile apparatus and the text ones model plastic and elastic muscle qualities on the basis of springs and viscous friction elements. Model validity is limited only on muscle activity working point enviroment The simulation results are presented by graphs characterizing calcium ions in the nuscle concentration course, force generated by muscle course and comparizon of this force courses during various periods of exciting signal The simulation is performed in the MATLAB - SIMULINK environment making the bases of the educational simulation system used by teaching the subject Biocybernetics on the Department of Cybernetics of the Faculty of Electrical Engineering Czech Technical University in Prague.
Cíle. V oblasti psychopatologie jsme v posledních letech svědky nového trendu, který na duševní potíže nahlíží perspektivou síťových modelů. Tato perspektiva ve spojení s možností vzorkování zkušenosti pacientů v každodenním životě umožňuje vytvářet personalizované modely popisující dynamické vztahy mezi symptomy v čase. Cílem této studie bylo ověřit použitelnost těchto modelů pro porozumění dynamice medicínsky nevysvětlených tělesných symptomů (MUPS). Soubor a metoda. Dva pacienti trpící MUPS po dobu tří týdnů pětkrát denně vyplňovali s pomocí mobilní aplikace dotazník zjišťující intenzitu symptomů a vybrané psychologické a situační proměnné. Statistická analýza. Pomocí metody vektorové autoregrese byly modelovány dvě síťové struktury, temporální a simultánní. Výsledky. Temporální a simultánní síť je prezentována pro každého pacienta samostatně. Z modelů je následně vyvozováno možné zaměření psychoterapeutických intervencí. Limity studie. Relativně nízký počet měření neumožnil zahrnout do modelu všechny měřené proměnné. Malý vzorek pacientů omezuje zobecnitelnost výsledků na populaci pacientů s MUPS.
Objectives. The field of psychopathology has recently witnessed a new trend in which a network perspective is applied to understand mental health problems. This perspective, coupled with the sampling of patients' everyday experience, allows researchers to develop personalized models that describe the dynamic relationships between symptoms over time. The objective of this study was to test the applicability of network models to understand the dynamics of medically unexplained physical symptoms (MUPS). Sample and setting. Two patients suffering from MUPS answered a questionnaire for three weeks, five times a day, using a mobile application to determine the intensity of their symptoms and selected psychological and situational variables. Statistical analysis. Two types of networks, temporal and contemporaneous, were estimated using the vector autoregression method. Results. Temporal and contemporaneous networks are presented for each patient separately. Consequently, a possible focus of psychotherapeutic interventions is derived from the models. Study limitation. The relatively low number of measurements did not allow to include all measured variables in the models. A small sample of patients limits the generalizability of the results to the population of MUPS patients.
- MeSH
- lidé MeSH
- patologické stavy, příznaky a symptomy MeSH
- počítačové modelování podle konkrétního pacienta MeSH
- průzkumy a dotazníky MeSH
- psychosomatické poruchy * patofyziologie psychologie terapie MeSH
- psychoterapeutické procesy MeSH
- sběr dat MeSH
- statistické modely MeSH
- Check Tag
- lidé MeSH
- Publikační typ
- práce podpořená grantem MeSH
- MeSH
- chirurgie výchova MeSH
- kontinuální vzdělávání lékařů MeSH
- Geografické názvy
- Spojené království MeSH
Schopnost odhadnout, jaká svalová dysbalance, případně jiné působení, je příčinou změn klidové pozice lopatky, by výrazně napomohla při interpretaci výsledků moiré vyšetření topografie trupu. Při řešení úlohy vycházíme z předpokladu, že poloha lopatky vzhledem k hrudníku je dána výsledným silovým působením od aktivních i pasivních struktur. Vzhledem ke způsobu uložení lopatky je zřejmé, že její klidová poloha je značně podmíněna případnou svalovou dysbalancí. Odhad poměrného silového působení jednotlivých svalů je cílem zatím 2D modelu lopatky.
The shoulder girdle is the attachment of the upper extremity to the trunk. It consists of two bones: the scapula (shoulder blade) and the clavicle (collarbone). The scapula is a flat, triangular bone that lies over the posterior surface of the rib cage. At its upper lateral corner is a cuplike depression (the glenoid fossa) which forms a socket for the head of the humerus. The sternoclavicular joint is the only bony connection between the shoulder girdle and the trunk. The scapula is connected to the trunk indirectly through the acromioclavicular joint; otherwise, the scapula is attached to the trunk only by muscles. Morphological data, including the geometry of bones and muscles, muscle physiologicalcross-sectional area (PCSA) and the inertia tensor of the segments, were recorded in a anatomy. Each muscle element represents a muscle line of action, generating force at its attachments on the bone. Then, the behavior of the complete mechanism can be calculated by simply force equilibrium.
Recent advancements in deep learning and generative models have significantly expanded the applications of virtual screening for drug-like compounds. Here, we introduce a multitarget transformer model, PCMol, that leverages the latent protein embeddings derived from AlphaFold2 as a means of conditioning a de novo generative model on different targets. Incorporating rich protein representations allows the model to capture their structural relationships, enabling the chemical space interpolation of active compounds and target-side generalization to new proteins based on embedding similarities. In this work, we benchmark against other existing target-conditioned transformer models to illustrate the validity of using AlphaFold protein representations over raw amino acid sequences. We show that low-dimensional projections of these protein embeddings cluster appropriately based on target families and that model performance declines when these representations are intentionally corrupted. We also show that the PCMol model generates diverse, potentially active molecules for a wide array of proteins, including those with sparse ligand bioactivity data. The generated compounds display higher similarity known active ligands of held-out targets and have comparable molecular docking scores while maintaining novelty. Additionally, we demonstrate the important role of data augmentation in bolstering the performance of generative models in low-data regimes. Software package and AlphaFold protein embeddings are freely available at https://github.com/CDDLeiden/PCMol.
S tím, jak se zvyšuje průměrný věk obyvatelstva, roste i počet lidí trpících neurodegenerativními onemocněními. Bohužel, dodnes nebyl nalezen žádný způsob terapie těchto chorob. Připraveno je mnoho produktů, které by mohly být použité k jejich léčení, avšak pro jejich verifikaci v pre-klinických testech je potřebný vhodný zvířecí model. Ačkoli malé zvířecí modely poskytují mnoho informací, čast o dostatečně nesimulují průběh nemoci u pacientů. Proto jsme vytvořili transgenní miniaturní prase jako model pro studium Huntingtonovy choroby, která je způsobena mutací v genu zvaném huntingtin. Naše snaha je zaměřena na charakterizaci její pre-klinického i klinického stádia. Dlouhodobé sledování fenotypu umožní získat potřebná data o průběhu choroby na molekulárně genetické, metabolické i behaviorální úrovni a poskytne informace o možnosti použití tohoto modelu pro testování potenciálních terapií neurodegenerativních onemocnění.
As aged population grows, the number of people with age-related neurodegenerative diseases is rising fast. Unfortunately, no known therapy is available to treat these diseases. The list of compounds could be used in treatment of neurodegenerative disorders but suitable animal model for pre-clinical tests is necessary to be generated. Although, small animal models of human diseases are highly informative they often do not faithfully mimic the human conditions. Miniature pig seems to be suitable large animal model for simulating of neurodegenerative diseases. We have generated transgenic miniature pig as a model of Huntington’s Disease which is caused by the mutation in huntingtin gene. Our current effort is focused on characterization of both pre-manifest and manifest stages of HD. Phenotyping will allow the collection of longitudinal molecular data, to complement metabolic, behavioral and MRI assessments that will yield detailed information of the disease process over a decade or more and will provide information about possibilities of translational research.
