خلاصه
پیشرفت های علمی به میزان قابل توجهی روش های طبی را با ارائه عینی و کمیتی برای کاوش بدن انسان و بیماری ها تقویت کرده است. این فن آوری های نوین بتازگی بهبود عمیقی بر تشخیص بیماری، تصویربرداری، درمان و پیگیری بیماران داشته است. محدودیت های تجزیه و تحلیلی امروز در سطح مقیاس نانو (یک میلیاردم متر) یک کاوش دقیق در سطح DNA، RNA، پروتئین ها و متابولیتهایی توانمند می سازد که در واقع نانو اشیاء هستند. هدف از این بررسی ترجمه در یکپارچه سازی برخی از پیشرفت های اخیر از میکرو و نانو فن آوری با پتانسیل بالا برای بهبود روش انکولوژی روزانه میباشد.
کلمات کلیدی: نانو دارو، سلول های تومور رایج، ذرات نانو، تاثیر ERP
مقدمه
فناوری نانو توسط فیزیکدان و برنده جایزه نوبل، ریچارد فاینمن در سخنرانی نیمه نهایی خود در سال 1959پیش بینی شد 'مقدار زیادی اتاق در انتها وجود دارد '. که دانشمندان را با ابزار جدید برای تحقیق و تفحص از اشیاء در محدوده معمول، اما نه منحصرا-1 نانومتر تا 100 نانومتر مجهز ساخت: به عنوان مثال مقیاس معمولی از مولکول های مرتبط بیولوژیکی مانند پروتئین ها، آنزیم ها، گیرنده ها، هموگلوبین و آنتی بادی ها میباشد. فناوری نانو، که در سال 1974 ابداع شده، اشاره به مدیریت و یا مهندسی نانو اشیاء در مقیاس مولکویل دارد، و حداقل 2 ویژگی جالب را برای روش موجود به ارمغان می آورد. مواد مصنوعی در مقیاس نانو ذاتا کوچک، با حداقل یک بعد در 1 محدوده 100nm هستند به طوری که می توانند موانع بیولوژیکی از جمله سد خونی مغزی، انتقال خارج از دیواره های رگ های خون و یا غشای سلولی توسط مکانیسم های مختلف جذب عبور کنند. بنابراین می توانند با پنل گسترده ای از نهادهای بیولوژیکی (به عنوان مثال از پروتئین به سلول) تداخل کنند. همچنین، نانو اشیاء خواص قابل تنظیم فیزیکی (برای مثال: الکتریکی، مغناطیسی، نوری، مکانیکی) ، شیمیایی (به عنوان مثال: واکنش، نقطه ذوب) و یا خواص بیولوژیکی را نشان میدهند که به طرز چشمگیری متفاوت از مواد مشابه در اشکال با مقیاس بزرگتر با توجه به اصلاح مکانیک کوانتومی خواص هستند: بسته به نوع کاربردها، نانو اشیاء می تواند اشکال مختلف (کره های نانو، نانو سیم ها، نانو تیوپ، سیم نانو به عنوان مثال) و مواد (به عنوان مثال: سیلیس، طلا، نیمه هادی ها، اکسید آهن، چربی یا پلیمری) باشد که می تواند توخالی، متخلخل و یا جامد باشد. این ویژگی ها باعث میشوند نانو اشیاء دارای تعامل بالا و قابلیت انتقال هستند، و آنها را ابزاری جذاب برای طراحی بیوسنسورها، عوامل کنتراست تصویربرداری و یا حامل های درمانی ساخت. برای سرعت بخشیدن به جنگ بر علیه سرطان که در سال 1971 توسط رئیس جمهور ریچارد نیکسون اعلام شد، موسسه ملی سرطان (اتحاد تکنولوژی نانو در سرطان) (http: //nano. cancer. gov) در سال 2004 راه اندازی شد. یافته های عظیمی به توسعه و بهبود فن آوری های نوین نانو به منظور کاهش مرگ و میر ناشی از سرطان پس از آن اختصاص داده شده است.
پیش زمینه: مقدار اطلاعات بیولوژیکی در دسترس به سرعت رو به افزایش بوده و تمرکز تحقیقات بیولوژیکی از بخش های مجزا به سمت شبکه ها و حتی پروژه های بزرگتر کشانده شده که هدف آن ها تجزیه و تحلیل، مدلسازی و شبیه سازی شبکه های بیولوژیکی و همچنین مقایسه در سطح بالای ویژگی های سلولی می باشد. بنابراین ضروری است تا اطلاعات بیولوژیکی به آسانی در دسترس باشد. به هر حال، بیشتر اطلاعات در تحقیقات انجام شده به صورت غیرساختاری بوده و به این خاطر روش هایی برای استخراج نظامند اطلاعات، مستقیما از تحقیقات اولیه می بایست توسعه یابد. شرح مطلب: در اینجا ما الگوریتم داده کاوی را برای استخراج اطلاعات سینتیک همانند و غیره و همچنین اطلاعات مربوطه همانند نام آنزیم ها، تعداد EC، لیگاندها، ارگانیسم ها، مناطق، PH و دما نشان می دهیم. با استفاده از این قوانین و رویکرد بر پایه واژه نامه، این امکان وجود دارد تا به اندازه 514394 پارامتر سینتیک 13 دسته (فعالیت های خاص) از حدود 17 میلیون مطالب نتتشر شده، استخراج کرده و آن ها را با داده های دیگر خلاصه مطالب دیگر ترکیب کنیم. تایید دستی تقریبا 1000 نتایج انتخاب شده تصادفی، موارد فراخوانی شده بین 51% و 84% و محدوده دقیق 55% تا 96% را نشان داده که بستگی به فهرست های جستجو شده دارد. نتایج در پایگاه داده ذخیره شده و توسط KID «یا پایگاه داده سینتیک» از طریق اینترنت در دسترس می باشد.
نتیجه گیری: الگوریتم نشان داده شده، اطلاعات مهمی را ارائه می دهد و کمکی به شتاب بخشیدن تحقیقات و تجزیه و تحلیل مورد نیاز برای روش های بیولوژی سیستم های امروزی می باشد. پایگاه های داده حاصل شده از تجزیه و تحلیل چکیده مقاله های منتشر شده می تواند کمک ارزشمندی در حوزه جنبش های بیولوژیکی و شیمی ایی باشد. این فرایند کاملا بر مبنای داده کاوی و همچنین تکمیل پایگاه داده ایجاد شده می باشد. این پایگاه داده از سایت http: //kid. tu-bs. de در دسترس است. کد مبدا الگوریتم تحت مجوز دولتی GNU ایجاد شده و بنا به درخواست محققان در دسترس قرار می گیرد.
خلاصه
عقاید دیگران در موقع تصمیم گیری یا انتخاب یک گزینه از میان چندین گزینه می تواند بسیار حیاتی باشد. وقتی این گزینه ها حاوی منابع ارزشمند باشند (برای مثال صرف زمان و هزینه برای خرید محصولات یا سرویس ها) ، مردم اغلب به تجربیات قبلی خود تکیه می کنند. قبلاً منابع مهم اطلاعاتی، دوستان و مجلات و وبسایت های تخصصی بودند. حالا وب اجتماعی ابزار جدیدی برای ساخت و به اشتراک گذاری ایده ها با افراد متصل به شبکۀ جهانی وب فراهم می کنند. انجمن ها، بلاگ ها، شبکه های اجتماعی و سرویس های اشتراک محتوا به مردم در اشتراک گذاری اطلاعات مفید کمک می کند. این اطلاعات ساختیافته نیستند اما بخاطر اینکه برای مصارف انسانی تولید شده اند، قابل پردازش توسط ماشین نیستند. دریافت عقاید عمومی دربارۀ رویدادهای اجتماعی، فعالیت های بازاریابی و اولویت های محصول، علاقۀ جوامع علمی و جهان تجارت را به خود جلب کرده است. زمینه های ادغام شدۀ حاصل عقیده کاوی و تحلیل احساسات است. با وجود اینکه این دو عبارت معمولاً به جای یکدیگر استفاده می شوند عقیده کاوی و تحلیل احساسات به ترتیب روی تشخیص تمایلات و درک احساسات تمرکز دارند. به دلیل اینکه شناسایی احساسات برای تشخیص تمایلات استفاده می شود با این حال دو زمینه معمولاً زیر یک چتر ترکیب می شوند و حتی به عنوان هم معنی از آن ها یاد می شود. هر دو از تکنیک های داده کاوی و پردازش زبان طبیعی (NLP) برای کشف، بازیابی و استفاده از اطلاعات و عقاید در شبکۀ جهانی وب استفاده می کنند.
احساس و عقیده کاوی از زبان طبیعی، چالش برانگیز است زیرا نیاز به درک عمیقی از قوانین آشکار و ضمنی، منظم و نامنظم و نحوی و معنایی زبان دارد. تحقیقات تحلیل احساسات با مشکلات حل نشدۀ NLP دست و پنجه نرم می کند: وضوح هم ارجاعی، کنترل نفی، وضوح تکرار و وضوح حساس به کلمه. عقیده کاوی یک مسئلۀ بسیار محدود NLP است زیرا سیستم فقط نیاز به درک احساسات مثبت و منفی از هر جمله و موجودیت ها و موضوعات مقصد دارد. بنابراین تحلیل احساسات یک فرصت برای محققان NLP است تا پیشرفت در همۀ زمینه های NLP و تأثیر عملی را ملموس تر کنند.
خلاصه
بر طبق بررسی های اخیر، اکثر شرکت ها برای تصمیم گیری در ارزیابی پروژه های سرمایه ای از تنزیل جریانهای نقدی (DCF) استفاده می کنند. روش DCF به طور معمول فرض می کند که مبلغ سرمایه گذاری نقدی اولیه طرح (ICO) با اطمینان شناخته شده است. با این حال، بسیاری از جریانهای خروجی اولیه عدم اطمینان قابل توجهی دارند، به ویژه مواردی که مربوط به ساخت تاسیسات جدید هستند. این خطر نه تنها بر ICO تاثیر می گذارد، بلکه سپر مالیاتی استهلاک اتی آن را نیز تحت تاثیر قرار می دهد تجزیه و تحلیل بودجه بندی سرمایه مناسب باید خطر های اضافی را که به دلیل نامشخص بودن ICO وجود دارد را در نظر بگیرد. ما نشان می دهیم که نه شیوه های معمولی بکار گرفته شده در شرکت های بزرگ و نه دو تکنیک متداولی که ادبیات مالی حمایت می کند، نرخ تنزیل تعدیل ریسک ومعادل یقین، خطر ICO را به درستی نشان نمی دهند، تجزیه وتحلیل حساسیت راه موثری است خطر ICO را نشان میدهد، اما تحقیقات مالی اغلب تعدیلاتی که برای نشان دادن موثر خطر ICO در تجزیه و تحلیل حساسیت مورد نیاز است چشم پوشی میکند، ما این شکاف در تحقیقات را با نشان دادن تاثیر خطر ICO در انحراف استاندارد ارزش خالص پروژه ها پر می کنیم. و بوسیله تحلیل حساسیت با تعدیلات اختصاص یافته در چندین مثال تاثیر خطر ICO را نشان میدهیم.
مقدمه
بر طبق نظرسنجی های اخیر، اکثر شرکت ها برای تصمیم گیری در ارزیابی پروژه های سرمایه ای از تنزیل جریانهای نقدی (DCF) استفاده میکنند. روش DCF به طور معمول فرض می کند که مبلغ سرمایه گذاری نقدی اولیه طرح (ICO) با اطمینان شناخته شده است. با این حال، بسیاری از جریانهای خروجی اولیه عدم اطمینان قابل توجهی دارند، به ویژه مواردی که مربوط به ساخت تاسیسات جدید هستند.