《更富有、更睿智、更快乐：世界顶尖投资者是如何在市场和生活中实现双赢的》

《更富有、更睿智、更快乐：世界顶尖投资者是如何在市场和生活中实现双赢的》 简介：本书系统解析更富有、更睿智、更快乐：世界顶尖投资者是如何在市场和生活中实现双赢的的核心内容，并结合实用案例帮助读者加深理解。内容涵盖其发展历程、关键概念及实际应用，提供深入的知识探索路径。适合对该主题有兴趣的学习者，帮助拓宽视野并提高专业素养。 标签： #更 #更富有、 #知识 #学习 文件大小：NG 链接：https://pan.quark.cn/s/10ad2177d61d

不被定义的年龄：积极年龄观让我们更快乐、健康、长寿

不被定义的年龄：积极年龄观让我们更快乐、健康、长寿 简介：《不被定义的年龄：积极年龄观让我们更快乐、健康、长寿》是一本全面解读不被定义的年龄：积极年龄观让我们更快乐、健康、长寿的资料，包含丰富的知识点、案例研究和实用技巧。适合学习者深入挖掘主题内容，提升自己的理解能力。 标签： #不被#学习#成长#进步 文件大小NG 链接：https://pan.quark.cn/s/f3145701344f

在艰苦环境中长大的孩子会比其他孩子更懂事，自理能力更强，成长得更快吗？

在艰苦环境中长大的孩子会比其他孩子更懂事，自理能力更强，成长得更快吗？ netkiller的回答 恰恰相反 富人家的孩子更懂事，自理能力更强，成长更快乐。 穷人家的孩子更叛逆，生活不能自理，成长更痛苦。 孩子的成长环境因素很大 家庭殷实的孩子，所有更多资源，心里更健康，帮助产生自卑心理，这种家庭的孩子，现在管的很严格，无论是生活还是学业。为人处世方面更让人舒服，懂得察言观色。 贫穷家庭的孩子，因为贫穷儿子被，占有社会资源贫乏，这回衍生出很多穷酸相，不够自信。如果是农村多半是留守儿童，没有童年没有，没有父爱，不善言辞，交际，心里健康问题多。没有爱，也不懂爱。 父母社会圈层，以及日常接触的人，决定了孩子行为方式。 via 知乎热榜 (author: netkiller)

比多巴胺更快乐，比内啡肽更高级的存在是什么？

比多巴胺更快乐，比内啡肽更高级的存在是什么？ 李峰的回答 血清素。 多巴胺和内啡肽都不是什么好东西，前者使人亢奋，后者有抑制性。这两个是奖励机制，使人欢快但是会成瘾，太多了都会使人沉沦丧失斗志。多巴胺的分泌逻辑是让你接受某件事物，譬如饿了吃食物的时候就会有多巴胺，目的是为了让你多吃。而内啡肽则相反，是为了让你逃避某件事物，譬如你经过一天的劳累，休息下来的时候内啡肽就会分泌，目的是让你少动。它们的本质是身体半强迫式的让你做出某些选择，可以认为是一种身体的防御机制。他们的目的是只是为了引导人体划出某些事物的边界，告诉人体什么是可为，什么不可为。但是很明显，你沉沦于多巴胺过内啡肽的时候，吃的太多或者动的太少都会对身体造成伤害。 而血清素不会，它是激素之王，它在使人愉悦的同时会使人保持平静，维持清醒，让大脑维持阿尔法波，冷静，敏锐，而富有斗志。血清素不同于多巴胺和内啡肽，它不是奖励机制，而是激励机制。它不会迫使你做出什么选择，而是激发大脑的理性思维，做出对自身最有利的抉择，它是一种人体的进攻机制。它使瞬间往头脑中灌注大量的精神能量，并且身心愉悦，激发出人的最大潜能。血清素的感觉就是在你睡得非常清醒，精力非常充足的时候，这事集中精力面对挑战的时候血清素就会悄然分泌，腹部到下肢会有微微的欣快高，内心愉悦而平静，头脑中会充满积极的念头，嘴角不自觉的上扬，这个就是血清素的感觉。 via 知乎热榜 (author: 李峰)

更快、更安全的癌症治疗让人工智能改变药物研发过程

更快、更安全的癌症治疗让人工智能改变药物研发过程 利用人工智能改进药物发现和开发是制药科学中一个新的但却日益增长的趋势，而这项技术正是这一趋势的一部分。研究人员利用今天（5 月 6 日）发表在《自然-通讯》（Nature Communications）上的这一新工具合成了 32 种候选抗癌新药。图中的资深作者 Trey Ideker 是加州大学圣地亚哥分校医学、计算机科学和生物工程学教授。图片来源：Erik Jepsen/加州大学圣地亚哥分校"几年前，人工智能在制药行业还是一个肮脏的字眼，但现在的趋势绝对是相反的，生物技术初创公司发现，如果不在商业计划中涉及人工智能，就很难筹集到资金，"资深作者、加州大学圣地亚哥分校医学院医学系教授、加州大学圣地亚哥分校雅各布斯工程学院生物工程和计算机科学兼职教授特雷-伊德克（Trey Ideker）说。"人工智能引导的药物发现已经成为工业界一个非常活跃的领域，但与公司正在开发的方法不同，我们正在将我们的技术开源，让任何想使用它的人都能使用。"多靶点药物研发的优势这个名为 POLYGON 的新平台在用于药物发现的人工智能工具中是独一无二的，因为它可以识别具有多个靶点的分子，而现有的药物发现方案目前优先考虑的是单靶点疗法。多靶点药物之所以备受医生和科学家的关注，是因为它们有可能带来与联合疗法相同的疗效，即同时使用几种不同的药物来治疗癌症，但副作用较小。伊德克说："寻找和开发一种新药需要花费多年时间和数百万美元，尤其是当我们谈论的是一种具有多个靶点的药物时。我们罕见的几种多靶点药物在很大程度上是偶然发现的，但这项新技术可以帮助消除偶然性，启动新一代精准医疗。"POLYGON 的工作原理研究人员在一个包含 100 多万个已知生物活性分子的数据库中对 POLYGON 进行了训练，该数据库包含这些分子的化学性质和与蛋白质靶点的已知相互作用的详细信息。通过学习数据库中发现的模式，POLYGON 能够为可能具有某些特性（如抑制特定蛋白质的能力）的候选新药生成原始化学配方。"就像人工智能现在非常擅长生成原创的图画和图片一样，比如根据所需的年龄或性别等属性生成人脸图片，POLYGON 能够根据所需的化学属性生成原创的分子化合物，"伊德克说。"在这种情况下，我们不是告诉人工智能我们希望自己的脸看起来有多老，而是告诉它我们希望未来的药物如何与疾病蛋白相互作用。"这项研究的共同作者凯瑟琳-利孔（Katherine Licon）是加州大学圣迭戈分校艾德克实验室的实验室经理，该实验室将计算技术和传统湿实验室技术相结合，以回答有关疾病生物学的基本问题，并发现加强精准医疗的新方法。图片来源：Erik Jepsen/加州大学圣地亚哥分校测试和结果为了对 POLYGON 进行测试，研究人员用它生成了数百种候选药物，这些药物以各种癌症相关蛋白对为靶标。在这些候选药物中，研究人员合成了 32 种分子，这些分子与 MEK1 和 mTOR 蛋白的相互作用最强。这两种蛋白被科学家称为合成致命蛋白，这意味着同时抑制这两种蛋白就足以杀死癌细胞，即使单独抑制其中一种也无法杀死癌细胞。研究人员发现，他们合成的药物对 MEK1 和 mTOR 有显著的活性，但与其他蛋白质的脱靶反应很少。这表明，POLYGON 鉴定出的一种或多种药物可以同时针对这两种蛋白质进行癌症治疗，为人类化学家提供了一份微调选择清单。伊德克说："有了候选药物之后仍然需要做所有其他化学工作，才能将这些选择提炼成单一有效的治疗方法。我们不能也不应该试图从药物研发管道中消除人类的专业知识，但我们能做的是缩短流程中的几个步骤。"尽管如此，研究人员仍然乐观地认为，人工智能在药物发现方面的可能性才刚刚被探索出来。伊德克说："在未来十年中，无论是在学术界还是在私营部门，看到这一概念如何发挥作用都将是非常令人兴奋的。可能性几乎是无穷无尽的。"编译来源：ScitechDaily ... PC版： 手机版：