Sign in to follow this
Followers
0
Siara dla sportowców na skok przepuszczalności jelit
By
KopalniaWiedzy.pl, in Medycyna
-
Similar Content
-
By KopalniaWiedzy.pl
W sytuacji, gdy dochodzi do wykrycia uwolnienia substancji niebezpiecznych, najważniejsze jest szybkie i precyzyjne zlokalizowanie źródła uwolnienia oraz przewidzenie kierunku rozchodzenia się substancji. Używane obecnie modele dyspersyjne wymagają bardzo dużych zasobów obliczeniowych. Mogą jednak zostać zastąpione przez modele bazujące na Sztucznych Sieciach Neuronowych, SSN (ang. Artificial Neutral Networks, ANN), co pozwoli na monitorowanie skażenia w czasie rzeczywistym. W badaniu możliwości wykorzystania takich modeli uczestniczą naukowcy z Departamentu Układów Złożonych NCBJ.
Obszar odpowiadający części centralnego Londynu, będący podstawą do przygotowania danych dla SSN, jak również wykorzystany w eksperymencie DAPPLE (skrzyżowanie Marylebone Road i Gloucester Place, 51.5218N 0.1597W)
Od kilku lat w Centrum Analiz Zagrożeń MANHAZ prowadzone są prace nad algorytmami umożliwiającymi lokalizację źródła skażenia, w oparciu o, pochodzące z sieci detektorów, dane na temat stężeń uwolnionej substancji. Głównym zadaniem istniejących we wszystkich miastach grup reagowania kryzysowego, jest szybkie odpowiadanie na wszelkie zagrożenia dla ludzi i środowiska. Podstawowym czynnikiem decydującym o powodzeniu lub niepowodzeniu danego działania jest czas reakcji.
Obecnie różne substancje chemiczne są używane w większości dziedzin przemysłu, co sprawia, że transport i przechowywanie materiałów toksycznych wiąże się z ciągłym ryzykiem uwolnienia ich do atmosfery i do zajścia skażenia. Dużym wyzwaniem są sytuacje, w których czujniki rozmieszczone na terenie miasta zgłaszają niezerowe stężenie niebezpiecznej substancji, której źródło nie jest znane. W takich przypadkach ważne jest, aby system był w stanie w czasie rzeczywistym oszacować najbardziej prawdopodobną lokalizację źródła zanieczyszczenia, wyłącznie w oparciu o dane o stężeniu, pochodzące z sieci czujników.
Algorytmy, które radzą sobie z zadaniem można podzielić na dwie kategorie. Pierwszą są algorytmy opierające się na podejściu wstecznym, czyli analizie problemu zaczynając od jego ostatniego etapu, ale są one dedykowane obszarom otwartym lub problemowi w skali kontynentalnej. Drugą kategorię stanowią algorytmy, które bazują na próbkowaniu parametrów odpowiedniego modelu dyspersji (parametrów takich, jak lokalizacja źródła), aby wybrać ten, który daje najmniejszą różnicę między danymi wyjściowymi, a rzeczywistymi pomiarami stężeń, wykonywanymi przez sieć detektorów. Podejście to sprowadza się do wykorzystania algorytmów próbkowania, w celu znalezienia optymalnych parametrów modelu dyspersji, na podstawie porównania wyników modelu i detekcji zanieczyszczeń.
Ze względu na efektywność zastosowanego algorytmu skanowania parametrów, każda rekonstrukcja wymaga wielokrotnych uruchomień modelu. Rekonstrukcja w terenie zurbanizowanym, która jest głównym przedmiotem zainteresowania badaczy, wymaga zaawansowanych modeli dyspersji, uwzględniających turbulencje pola wiatru wokół budynków. Najbardziej niezawodne i dokładne są modele obliczeniowej dynamiki płynów (ang. Computational Fluid Dynamics, CFD). Stanowią one jednak bardzo wymagające obliczeniowo wyzwanie. Musimy zdawać sobie sprawę z tego, że aby znaleźć najbardziej prawdopodobne źródło skażenia, model dyspersji trzeba uruchomić dziesiątki tysięcy razy. Oznacza to, że użyty model musi być szybki, aby można go było zastosować w systemie awaryjnym, pracującym w czasie rzeczywistym. Zakładając na przykład, że średni czas potrzebny na wykonanie samych obliczeń modelu dyspersji w terenie zurbanizowanym wynosi 10 minut, pełna rekonstrukcja z jego wykorzystaniem będzie trudna do przeprowadzenia w dopuszczalnie krótkim czasie.
Rozwiązaniem tego problemu, nad którym pracuje dr Anna Wawrzyńczak-Szaban z Centrum Analiz Zagrożeń MANHAZ w NCBJ, przy współpracy z Instytutem Informatyki UPH w Siedlcach, jest wykorzystanie w systemie rekonstrukcji sztucznej sieci neuronowej, zamiast modelu dyspersji, w terenie zurbanizowanym. Chodzi o to, by sztuczna sieć neuronowa była skuteczna w symulacji transportu zanieczyszczeń w powietrzu, na terenie zurbanizowanym. Jeśli to się powiedzie, SSN może działać jako model dyspersji w systemie lokalizującym w czasie rzeczywistym źródło skażenia. Podstawową zaletą SSN jest bardzo krótki czas odpowiedzi – opisuje dr Anna Wawrzyńczak-Szaban. Oczywiście SSN musi być wytrenowana w stałej topologii miasta, przy użyciu rzeczywistych warunków meteorologicznych z wykorzystaniem odpowiedniego i zwalidowanego modelu dyspersji. Proces ten wymaga wielu symulacji, służących jako zestawy danych treningowych dla SSN. Proces uczenia sieci SSN jest kosztowny obliczeniowo, ale po przeszkoleniu, metoda byłaby szybkim narzędziem do szacowania stężeń punktowych dla danego źródła zanieczyszczenia.
W pracy opublikowanej przez naukowców1) przedstawiono wyniki trenowania sieci neuronowej w oparciu o dane, uczące rozprzestrzeniania się toksyn w powietrzu w centrum Londynu, wykorzystując domenę testową eksperymentu polowego DAPPLE2). Dane uczące SSN wygenerowano za pomocą modelu dyspersji Quick Urban & Industrial Complex (QUIC). Przetestowaliśmy różne struktury SSN, czyli liczby jej warstw, neuronów i funkcji aktywacji. Wykonane testy potwierdziły, że wyszkolona SSN może w wystarczającym stopniu symulować turbulentny transport toksyn, unoszących się w powietrzu na obszarze silnie zurbanizowanym – objaśnia dr Anna Wawrzyńczak-Szaban. Ponadto pokazaliśmy, że wykorzystując SSN można skrócić czas odpowiedzi systemu rekonstrukcji. Czas wymagany, przez prezentowaną w pracy SSN, do oszacowania trzydziestominutowych stężeń gazu w 196 000 punktów sensorowych wyniósł 3 s W przypadku modelu QUIC, czas został oszacowany jako co najmniej 300 s, co daje nam 100-krotne przyspieszenie obliczeń. Biorąc to pod uwagę, czas rekonstrukcji w rzeczywistej sytuacji awaryjnej może być krótki, co skutkuje szybką lokalizacją źródła zanieczyszczenia.
W trakcie badań okazało się, że zapewnienie trenowanej SSN pełnej informacji prowadzi czasami do pewnych wyzwań obliczeniowych. Na przykład w pojedynczej symulacji rozproszenia toksyn w powietrzu, na obszarze miejskim, nawet 90% odczytów z czujników może mieć wartość zerową. Prowadzi to do sytuacji, w której postać docelowa SSN obejmuje kilka procent wartości dodatnich i większość zer. W efekcie SSN skupia się na tym, czego jest więcej – na zerach, co sprawia, że nie dostosowuje się do szukanych elementów badanego problemu. Uwzględniając zerową wartość koncentracji w danych treningowych, musimy zmierzyć się z kilkoma pytaniami: jak uwzględnić zero? Jak przeskalować dany przedział, aby „ukryć” zera? Czy w ogóle uwzględniać zera? Czy ograniczyć ich liczbę? – podkreśla dr Wawrzyńczak-Szaban.
« powrót do artykułu -
By KopalniaWiedzy.pl
Motywacja do aktywnej zmiany złych nawyków może prowadzić do impulsywnych zachowań (Motivation and Emotion).
Prof. Dolores Albarracín z University of Illinois zauważyła, że osoby poddane primingowi słowami sugerującymi działanie wykazywały silniejszą tendencję do podejmowania impulsywnych decyzji, które przeszkadzały w osiągnięciu długoterminowych celów. Jeśli u kogoś podczas primingu zwiększano dostępność kategorii związanych z odpoczynkiem, nieaktywnością, łatwiej mu było unikać impulsywnych decyzji.
Wg popularnych poglądów na samokontrolę, chcąc skutecznie sterować swoim zachowaniem, powinniśmy wytężać siłę woli, zwalczać pokusy, przezwyciężać pragnienia i kontrolować impulsy. Jak na ironię, w takich sytuacjach ludzie muszą często walczyć, by niczego nie zrobić, np. nie zjeść kawałka ciasta - podkreśla Justin Hepler. Ale czy lepiej odczekać, ile trzeba, czy też odważnie wziąć się ze sobą za bary?
Hepler, Albarracín i zespół z Uniwersytetu Stanowego Idaho oraz Uniwersytetu Południowego Mississippi zapytali o to samo, dlatego postanowili sprawdzić, czy skuteczna samokontrola polega na aktywnym, wymagającym wysiłku osiąganiu celów, czy raczej odraczaniu zachowania do momentu, aż zakończy się przetwarzanie wystarczającej ilości informacji.
Amerykanie przeprowadzili 2 eksperymenty. W pierwszym stosowano priming słowami kojarzonymi z działaniem (start, aktywny itp.) lub bezczynnością (stop, pauza itp.), a następnie testowano samokontrolę, mierząc wolę zrzeczenia się natychmiastowej nagrody pieniężnej na rzecz późniejszej większej. W drugim eksperymencie zastosowano podobny priming i oceniono kontrolę impulsów podczas prostej gry komputerowej.
Ochotnicy zmotywowani do działania częściej woleli nagrodę natychmiastową od odroczonej i trudniej im było kontrolować impulsy.
Słowa kojarzone z nieaktywnością [...] wpływają na badanych rozluźniająco. Sugeruje to, że stan relaksacji jest lepszy dla odpierania pokus - podsumowuje Albarracín.
-
By KopalniaWiedzy.pl
Młode dziewczyny, które stykają się z dymem papierosowym, mogą mieć w przyszłości problemy z poczęciem. Naukowcy z University of Newcastle wykazali bowiem na modelu mysim, że 3 związki z dymu papierosowego wpływają na geny uruchamiające apoptozę, czego skutkiem jest przedwczesne starzenie jajników i wytwarzanie dysfunkcyjnych jajeczek.
Nasze [3-letnie] badania laboratoryjne wykazały, że wdychanie tych toksyn na wczesnych etapach życia może prowadzić do spadku jakości i liczby komórek jajowych u samic - podkreśla Eileen McLaughlin.
Obecnie pani profesor ubiega się o fundusze na zbadanie kwestii, w jaki sposób palenie przez ciężarną wpływa na płodność przyszłych pokoleń. Sądzimy, że kontakt z tymi toksynami na etapie życia płodowego [także] zmniejsza jakość i liczbę oocytów, a obniżona płodność może być przekazywana z pokolenia na pokolenie. W odniesieniu do ludzi oznaczałoby to, że jeśli twoja babcia paliła, gdy była w ciąży z twoją matką lub w jej pobliżu, gdy ta była dzieckiem, ty i prawdopodobnie twoje dzieci możecie się znajdować w grupie podwyższonego ryzyka zmniejszonej płodności.
-
By KopalniaWiedzy.pl
U wielu bakterii wykształciła się lekooporność. Tempo jej narastania jest wyższe od tempa opracowywania nowych antybiotyków. Naukowcy z University of Wisconsin–Milwaukee (UMW) opracowali jednak coś nowego: związek, który blokuje działanie występującego u Gram-ujemnych bakterii systemu sekrecji typu III (ang. type III secretion system, T3SS). Jego część przypomina żądło, za pomocą którego patogeny wprowadzają do komórek gospodarza białka efektorowe, np. toksyny. Eliminując wypustkopodobne filamenty, sprawiamy, że bakterie nie mają nam jak zagrozić.
Prof. Ching-Hong Yang z UWM i prof. Xin Chen z Changzhou University przetestowali nowy związek na dwóch gatunkach bakterii atakujących rośliny i na pałeczkach ropy błękitnej, które jako bakterie oportunistyczne wywołują zakażenie u osób z obniżoną odpornością, np. pacjentów z nowotworami albo AIDS. Zauważyli, że jest skuteczny w odniesieniu do wszystkich 3 bakterii.
Wynikami zespołu zainteresowały się dwie firmy, które prowadzą testy oryginalnej substancji i pochodnych w nadziei na ich komercjalizację.
Z relacji prasowej uniwersytetu wynika, że naukowcy uzyskali więcej niż jeden tego typu związek. Omówiono jednak tylko ten działający na T3SS. Białka wchodzące w skład systemu można podzielić na 2 grupy: białka zakotwiczone w błonie i zewnątrzkomórkowe wypustkopodobne filamenty. Te ostatnie nazywa się niekiedy kanałem translokującym. Patogeny z T3SS są bardzo sprytne. Wytwarzają wąski wyrostek, który działa jak igła [...]. Komórka gospodarza nie umie rozpoznać igły patogenu dlatego mechanizmy obronne nie zostają uruchomione - wyjaśnia Yang.
Mimo że Yang i Chen testowali swój związek tylko na 3 gatunkach bakterii, wierzą, że zadziała on na o wiele szersze spektrum. T3SS występuje bowiem u szeregu bakterii Gram-ujemnych, np. pałeczek z rodzaju Shigella, które wywołują zatrucia pokarmowe, E. coli czy chlamydii.
-
By KopalniaWiedzy.pl
Nawet zdrowe 9-letnie dzieci wykazują podwyższone ryzyko chorób serca, jeśli są nieaktywne fizycznie (Acta Paediatrica).
Zespół naukowców z Danii i Szwecji analizował przypadki 223 dzieci (123 chłopców i 100 dziewczynek) w średnim wieku 9,8 roku. Specjaliści przez 4 dni oceniali poziom ich aktywności fizycznej. Odkryli, że bardziej aktywne maluchy miały niższy złożony współczynnik ryzyka chorób sercowo-naczyniowych (CVD od ang. cardiovascular disease) niż rówieśnicy, którzy przeznaczali mniej czasu na umiarkowanie intensywny oraz intensywny ruch.
Wiadomo, że brak aktywności fizycznej jest u dorosłych związany z całym spektrum chorób, a wszystkie z nich prowadzą do śmierci. Sądzimy, że nasze studium unaoczniło związek między nieaktywnością fizyczną dzieci a wieloma czynnikami ryzyka CVD. Ujawniono, że aż 11% zmienności w obrębie złożonego współczynnika ryzyka chorób sercowo-naczyniowych u dzieci można wyjaśnić właśnie różnicami w zakresie ich aktywności fizycznej – tłumaczy dr Tina Tanha z Skane University Hospital w Malmö.
Przez 4 kolejne dni dzieci nosiły przyczepione do paska przyspieszeniomierze. Ostatecznie w studium uwzględniono osoby, które nosiły akcelerometry przez co najmniej 8 godzin na dobę w ciągu 3 dni. Wszystkim zmierzono ciśnienie krwi i tętno spoczynkowe. Oceniano też sprawność oraz stopień otłuszczenia ciała.
Średni wskaźnik masy ciała u dziewczynek wynosił 17,5, a u chłopców 17,4. Chłopcy byli znacznie bardziej aktywni fizyczni niż dziewczynki. Dotyczyło to zarówno ogólnego poziomu aktywności, jak i jego składowych: umiarkowanego wysiłku (45 min, w porównaniu do 35 min u dziewczynek) oraz wysiłku intensywnego (15 min vs 11 min). Nie odnotowano różnic międzypłciowych w zakresie ciśnień skurczowego i rozkurczowego, średniego, a także pulsacyjnego, które stanowi różnicę między ciśnieniem skurczowym i rozkurczowym. Tętno spoczynkowe było jednak znacznie wyższe u dziewcząt (85, w porównaniu do 80 u chłopców). U chłopców ogólna masa tłuszczu była niższa niż u koleżanek (6,3 kg vs 8,3 kg), podobnie zresztą jak zawartość procentowa tłuszczu w organizmie (16,2% vs 22,6%). Okazało się, że mieli oni za to wyższy pułap tlenowy (czyli zdolność pochłaniania tlenu przez organizm) od rówieśnic. Intensywny wysiłek wyjaśniał 10% zmienności w zakumulowanym współczynniku ryzyka CVD, a umiarkowany 8%; wyniki były podobne u chłopców i dziewczynek. Różnice pojawiały się przy ogólnym poziomie aktywności. U chłopców odpowiadał on za 11% zmienności, ale u dziewczynek nie zaobserwowano żadnej zależności.
Duńsko-szwedzki zespół podkreśla, że wcześniejsze badania z udziałem dzieci koncentrowały się na pojedynczych czynnikach ryzyka. Nasze wyniki pokazują, że istnieje znaczący związek między niskim poziomem aktywności a wysokim złożonym czynnikiem ryzyka CVD [...]. Większość tego związku można połączyć z miarami otłuszczenia oraz ilości pochłanianego tlenu. Akademicy podkreślają, że skoro czynniki ryzyka ulegają akumulacji, a zaczynają one działać w tak młodym wieku, tym większą wagę należy przykładać do profilaktyki.
-
-
Recently Browsing 0 members
No registered users viewing this page.