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

[ASP.NET Core 3框架揭秘] 依赖注入:控制反转

ASP.NET Core框架建立在一些核心的基础框架之上,这些基础框架包括依赖注入、文件系统、配置选项和诊断日志等。这些框架不仅仅是支撑ASP.NET Core框架的基础,我们在进行应用开发的时候同样会频繁地使用到它们。对于这里提到的这几个基础框架,依赖注入尤为重要。ASP.NET Core应用在启动以及后续针对请求的处理过程中,它会依赖各种的组件提供服务。为了便于定制,这些组件一般会以接口的形式进行“标准化”,我们将这些标准化的组件统一称为“服务(Service)”。整个ASP.NET Core框架建立在一个底层的依赖注入框架之上,它使用依赖注入容器来提供所需的服务对象。要了解这个依赖注入容器以及它的服务提供机制,我们得先知道什么是“依赖注入(DI:Dependence Injection)”。一旦我们提到依赖注入,又不得不说说“控制反转(IoC:Inverse of Control)”。

04
您找到你想要的搜索结果了吗?
是的
没有找到

JMC | 通过基于深度学习的设计、合成和生物学评价发现吡唑并[3,4-d]哒嗪酮衍生物作为选择性DDR1抑制物

本文介绍的是来自中国科学院上海药物研究所药物研究国家重点实验室的Sulin Zhang, Hong Liu和Mingyue Zheng共同通讯发表在Journal of Medicinal Chemistry上的研究成果。由于盘状结构域受体1(DDR1)的改变可能导致炎症细胞因子的增加,使DDR1成为治疗炎症性肠病(IBD)的一个靶点。作者通过整合深度生成模型、激酶选择性筛选和分子对接,建立了基于骨架的分子设计流程,产生了一种新型的DDR1抑制剂化合物2,该化合物显示出有效的 DDR1 抑制特性(IC50 = 10.6±1.9 nM) 和对一组 430 种激酶的出色选择性(S(10) = 0.002,0.1μM)。化合物2能有效地抑制细胞中促炎症细胞因子的表达和DDR1的自磷酸化,而且在葡聚糖硫酸钠(DSS)诱导的小鼠结肠炎模型中也显示出较好的口服治疗效果。

01

大脑年龄预测:机器学习工作流程的系统比较研究

脑解剖扫描预测的年龄和实际年龄之间的差异,如脑年龄增量,为非典型性衰老提供了一个指示。机器学习 (ML) 算法已被用于大脑年龄的估计,然而这些算法的性能,包括(1)数据集内的准确性,  (2)跨数据集的泛化,  (3)重新测试的可靠性,和(4)纵向一致性仍然没有确定可比较的标准。本研究评估了128个工作流程,其中包括来自灰质 (GM) 图像的16个特征和8个具有不同归纳偏差的ML算法。利用四个覆盖成人寿命的大型神经成像数据库进行分析 (总N=2953,18-88岁),显示了包含4.73—8.38年的数据集中平均绝对误差 (MAE ) ,其中32个广泛抽样的工作流显示了包含5.23—8.98年的交叉数据集的MAE。结果得到:前10个工作流程的重测信度和纵向一致性具有可比性。特征的选择和ML算法都影响了性能。具体来说,体素级特征空间 (平滑和重采样) ,有和没有主成分分析,非线性和基于核的ML算法表现良好。在数据集内和跨数据集内的预测之间,大脑年龄增量与行为测量的相关性不一致。在ADNI样本上应用表现最佳的工作流程显示,与健康对照组相比,阿尔茨海默病患者和轻度认知障碍患者的脑龄增量明显高于健康对照组。在存在年龄偏倚的情况下,患者的脑龄增量估计因用于偏倚校正的样本而不同。总之,大脑年龄具有一定应用前景,但还需要进一步的评估和改进。

02
领券