科普

MPLS物种起源/报文格式 IP的危机 在90年代中期，当时路由器技术的发展远远滞后于网络的发展速度与规模，主要表现在转发效率低下、无法提供QOS保证。原因是：当时路由查找算法使用最长匹配原则，必须使用软件查找；而IP的本质就是“只关心过程，不注重结果”的“尽力而为”。当时江湖上流行一种论调：过于简单的IP技术无法承载网络的未来，基于IP技术的因特网必将在几年之后崩溃。 ATM的野心 此时ATM跳了出来，欲收编所有帮派，一统武林。不幸的是：信奉唯美主义的ATM走向了另一个极端，过于复杂的心法与招式导致没有任何厂商能够完全修练成功，而且无法与IP很好的融合。在与IP的大决战中最终落败，ATM只能寄人篱下，沦落到作为IP链路层的地步。 ATM技术虽然没有成功，但其中的几点心法口诀，却属创新 屏弃了繁琐的路由查找，改为简单快速的标签交换 将具有全局意义的路由表改为只有本地意义的标签表 这些都可以大大提高一台路由器的转发功力。 MPLS的创始人“label大师”充分吸取了ATM的精华，但也同时认识到IP为江湖第一大帮派，无法取而代之。遂主动与之修好，甘当IP的承载层，但为了与一般的链路层小帮有所区别，将自己定位在第2. 5层的位置。“label大师”本属于八面玲珑之人，为了不得罪其他帮派，宣称本帮是“multiprotocol”，来者不拒，也可以承载其他帮派的报文。在经过一年多的招兵

为了更好服务 NLP 研究者，百度 PaddleNLP 于近日完成了针对其研究能力的升级，即 PaddleNLP-研究版。 PaddleNLP-研究版旨在基于飞桨（PaddlePaddle）深度学习平台和百度 NLP 深厚的技术积累，为广大研究者提供 NLP 领域前沿方向的研究成果、代码与数据，让广大研究者们可以快速复现已发表学术论文的实验效果，并据此开展新的研究。 目前，PaddleNLP 已经开放了包括 ACL2019、NAACL2019、IJCAI2019、MRQA2019 等顶级 NLP 会议 5 篇最新论文，支持了 3 个竞赛的代码复现，配合开放了 2 个相关论文的数据集，包括 DuConv、MMPMS、MPM、ARNOR 等模型和数据，覆盖信息抽取、智能对话、问答、阅读理解、评论建议挖掘等领域。 未来，PaddleNLP 还将持续升级，开源更多百度大脑在 NLP 领域的研究成果，例如发表于 ACL2019 的 KTNET、SEEDS、STACL 等模型与框架，覆盖了机器阅读理解、个性化对话、同声传译、机器翻译等场景。 PaddleNLP 作为一个同时覆盖工业应用和学术研究的全方位工具与数据集，将持续依托飞桨和百度 NLP 强大的技术保障，让开发者以越来越低的门槛获取更多前沿的 NLP 技术，欢迎持续关注。 百度 PaddleNLP-研究版开源与即将开源项目概览

近日，中国科学院上海微系统与信息技术研究所研究员曹俊诚、黎华领衔的太赫兹（THz）光子学器件与应用团队与华东师范大学精密光谱科学与技术国家重点实验室教授曾和平团队、中科院苏州纳米技术与纳米仿生研究所国际实验室张凯团队合作，在国际上率先实现基于THz量子级联激光器（QCL）的增强型被动光频梳，采用太赫兹泵浦探测技术，首次测量到THz QCL被动光频梳的脉冲发射。研究结果以Graphene-Coupled Terahertz Semiconductor Lasers for Enhanced Passive Frequency Comb Operation 为题发表在Advanced Science 期刊，并被遴选为封面文章。 自2005年光频梳研究工作获得诺贝尔物理学奖以来，光频梳越来越受到人们的关注。由于具有高频率稳定性和短脉冲（如果激光锁模可实现）特性，光频梳可以大幅提高光谱和时间测量的精度，在基础研究和高分辨技术领域均有重要应用。一直以来，研究人员都在不断研究探索光频梳的全波段覆盖，从而满足不同应用需求。在THz波段，基于半导体的THz QCL具有高功率、低发散角、电泵浦等特点，是实现THz光频率的理想载体。传统的主动锁模技术可成功实现THz QCL主动光频梳并产生THz光脉冲。但是THz QCL主动锁模技术往往涉及复杂的微波调制以及飞秒激光锁相技术，其系统相当复杂。长期以来

扩增子常见问题 01 实验室检测的DNA浓度很高，送到公司检测之后浓度却比较低呢？ 1、老师在实验室多采用Nanodrop对DNA浓度进行检测，而在公司我们会结合Qubit、Nanodrop、琼脂糖电泳三种方法检测DNA样品的质量； 2、由于不同检测方法的原理不同，所以检测出的结果也会存在一定的差异。其中，Nanodrop检测法是基于紫外分光光度原理进行检测，由于DNA样品中可能含有部分杂质，因此会造成结果虚高的现象；Qubit检测法则是基于荧光标记的原理进行检测，结果会更准确； 3、当两种检测方法的结果出现差异时，我们以Qubit检测结果为准。 个人经验：我用CTAB法提取的小麦总DNA， Nanodrop检测浓度大于1000 ng/ul，结果公司返回的检测报告只有100 ng/ul，差别可达10倍。可能是植物多糖含量高，DNA纯度比较难保证。 02 在计算微生物群落样品之间的距离时，分别基于加权与非加权两种不同的算法绘制出的结果展示图有什么不同？如何进行选择呢？ 1、在计算微生物群落样品之间的距离时，加权是考虑到样品中OTUs的相对丰度信息，而非加权则没有考虑物种的相对丰度信息； 2、如果老师研究的生物学问题与物种的相对丰度信息密切相关，使用加权算法的结果展示可能更为符合；如果研究的生物问题与丰度关系不密切，或者各组的区分与低丰度的OTUs更为密切

第一章 绪论 电子测量的定义 电子测量是指以电子技术理论为依据，以电子测量仪器和设备为手段，对电量或非电量进行的测量。 非电量是指各种非电物理量，如压力、位移、温度、湿度、亮度、颜色、物质成分等。非电量可以通过各种对应的敏感元件（传感器），将被测物理量转换成与之相关的电压、电流等，而后在通过对电压、电流的测量，得到被测量物理量的大小。 电子测量的方法 按测量手段分类 直接测量 在测量过程中，能够直接将被测量与同类标准量进行比较，或者能够直接用事先刻度好的测量仪器对被测量进行测量，直接获得数值，这种测量方式称为直接测量。 间接测量 当被测量由于某种原因不能直接测量时，可以通过直接测量与被测量有一定函数关系的物理量，然后按函数关系计算出被测量的数值，这种间接获得测量结果的方式称为间接测量。（伏安法测电阻） 组合测量 当某项测量结果需要用多个未知参数表达时，可通过改变测量条件进行多次测量，根据函数关系列出方程组求解，从而得到未知量的值，这种测量方式称为组合测量。 按测量方式分类 直读法 比较法 计量 定义 测量是指通过实验手段取得客观事物定量信息的过程，也就是利用实验手段把待测量直接或间接地与另一个同类已知量进行比较，从而得到待测量值的过程。 计量是利用技术和法制手段实现单位统一和量值准确可靠的测量。 特征 准确性、可靠性、统一性（测量结果） 统一性 、准确性、法制性（计量的主要特征）

一：平衡二叉树特点： 平衡二叉树(Balanced binary tree)是由阿德尔森-维尔斯和兰迪斯(Adelson-Velskii and Landis)于1962年首先提出的，所以又称为AVL树。 定义：平衡二叉树或为空树,或为如下性质的二叉排序树: （1）左右子树深度之差的绝对值不超过1; （2）左右子树仍然为平衡二叉树. 平衡因子: BF=左子树深度－右子树深度. 平衡二叉树每个结点的平衡因子只能是1，0，-1。若其绝对值超过1，则该二叉排序树就是不平衡的。 二、平衡二叉树算法思想 若 向平衡二叉树中插入一个新结点后破坏了平衡二叉树的平衡性。首先要找出插入新结点后失去平衡的最小子树根结点的指针。然后再调整这个子树中有关结点之间的 链接关系，使之成为新的平衡子树。当失去平衡的最小子树被调整为平衡子树后，原有其他所有不平衡子树无需调整，整个二叉排序树就又成为一棵平衡二叉树。 失去平衡的最小子树是指以离插入结点最近，且平衡因子绝对值大于 1 的结点作为根的子树。假设用 A 表示失去平衡的最小子树的根结点，则调整该子树的操作可归纳为下列四种情况。 （ 1 ） LL 型平衡旋转法 由于在 A 的左孩子 B 的左子树上插入结点 F ，使 A 的平衡因子由 1 增至 2 而失去平衡。故需进行 一次顺时针旋转操作。 即将 A 的左孩子 B 向 右上旋转代替 A 作为根结点， A 向

长链非编码RNA（lncRNA） 转自：http://blog.sina.com.cn/s/blog_909da11301010bkz.html 长链非编码RNA(lncRNA)是一类转录本长度超过200nt的RNA分子，它们并不编码蛋白，而是以RNA的形式在多种层面上（表观遗传调控、转录调控以及转录后调控等）调控基因的表达水平。 lncRNA起初被认为是基因组转录的“噪音”，是RNA聚合酶II转录的副产物，不具有生物学功能。然而，近年来的研究表明，lncRNA参与了 X 染色体沉默，基因组印记以及染色质修饰，转录激活，转录干扰，核内运输 等多种重要的调控过程，lncRNA的这些调控作用也开始引起人们广泛的关注。哺乳动物基因组序列中4%~9%的序列产生的转录本是lncRNA（相应的蛋白编码RNA的比例是1%），虽然近年来关于lncRNA的研究进展迅猛，但是绝大部分的lncRNA的功能仍然是不清楚的。 目前并不能仅根据序列或者结构来推测它们的功能，根据它们在基因组上相对于蛋白编码基因的位置，可以将其分为正义链(sense）、反义链（antisense）、双向（bidirectional）、内含子间(intronic）、基因间（intergenic）这5种类型。这种位置关系对于推测lncRNA的功能有很大帮助。 根据lncRNA在基因组上的位置，可将其分为5种类型：1. sense,

灵敏度 高 == 假阴性率低，即漏检率低，即有病人却没有发现出来的概率低。 用于判断：有一部分人患有一种疾病， 某种检验方法 可以在人群中检出多少个病人来。 特异性 高 == 假阳性率低，即错把健康判定为病人的概率低。 用于：被某种试验判定为患病的人中，又有多少是 真的患了这种病 的。 好的检测方法： 有高的灵敏度（低的假阴性率）、同时又有高的特异性（低的假阳性率）。 ROC 曲线： 横轴：100 — 特异性。。即100减去特异性，特异性高，100减去特异性就低，故越小越好。 纵轴：灵敏度值。 ROC分析图的解读原则： 曲线越是靠近整个图的 左上方，方法越优 ； 越是接近 对角线，方法越差 ； 评价的 客观标准 是 曲线下方的面积占整个图的面积比例 。即AUC（曲线下面积，Area Under Curve,AUC)。 面积比例越接近1，方法越好 ；面积比例越接近0.5，方法越差。 ctDNA 循环肿瘤DNA，英文叫：circulating tumor DNA，简称ctDNA。对ctDNA进行测序，是目前很火的Liquid Biopsy（液体活检）中的一种。 意义 首先，我们来说一下ctDNA测序的临床意义。 第一，就是它可以减少病人的开刀痛苦， 只要抽血 ，不必开刀，就可以做检测。 第二，是它可以 增加可检测的病人范围 ，对于不适合做开刀手术的病人。例如，已经发生肿瘤全身转移的病人

【 声明：版权全部，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 在前面的博客其中，事实上我们已经讨论过 寻路 的算法。只是，当时的演示样例图中，可选的路径是唯一的。我们挑选一个算法，就是说要把这个唯一的路径选出来，怎么选呢？当时我们就是採用穷尽递归的算法。然而，今天的情形有点不太一样了。在什么地方呢？那就是今天的路径有n条，这条路径都能够达到目的地，然而我们在挑选的过程中有一个要求，那就是挑选的路径距离最短？有没有什么办法呢？ 那么，这时候就要A*算法就能够排上用场了。A*算法和普通的算法有什么差别呢？我们能够用一个演示样例说明一下： /* * 0 0 0 0 0 * 1 1 1 1 1 * 1 0 0 0 1 * 1 0 0 0 1 * A 1 1 1 1 */ 这是一个5*5的数组。如果我们从array[1][0]出发，目标为A点。我们发现，在图中有两种方法能够到达目的地，可是往下直达的方法最短。那么怎么找到这个最短的算法呢？朋友们能够好好思考一下。 我们能够把时光回到到达的前几个步骤？我们为什么要选方向朝下的点，而不选水平方向的点？原因不复杂，就是由于全部点中，当时我们要选的这个点和目标点之间距离最短。那么这中间，路径的选择有没有发生改变呢？事实上是有可能的，由于选路的过程本省就是一个pk的过程

http://peterhcharlton.github.io/RRest/ Available Datasets The following datasets are available for use with the toolbox of algorithms: Synthetic Dataset : Simulated ECG and pulse oximetry (photoplethysmography, PPG) signals at a range of heart rates and respiratory rates to assist with algorithm development. Vortal Dataset : Simultaneous ECG, PPG and oral-nasal pressure respiratory signals acquired from healthy volunteers. BIDMC Dataset : Simultaneous ECG, PPG and thoracic impedance signals recorded from critically-ill patients. 还有算法工具箱。 Respiratory rate algorithms Research into respiratory