2025.1.3轻化工程

2025.9.12颜宁讲座 唐啸宇 SZBL 何亮 x 曹川 生物建模不能简单借鉴NLP，病毒预测 杨威 xiayingce 药物发现。 ZHANG yue ai科学家 黄恺 deng pan 细胞模型

24.3.30内分泌代谢论坛

Bio_Software 生物常用软件下载 （如链接失效请联系wx：hit_xy2002） GraphPad Prism10中文版 —— 最常用的生物数据分析软件 链接: https://pan.baidu.com/s/1PX2SwGDKL4i0ZMEJqekmvg?pwd=djm9 提取码: djm9 Fiji —— Image J全能插件版，常用于生物图片分析 链接 R语言 —— 一种代码语言，用于高度自定义化的更复杂的数据分析 链接

ChatGPT Plus配置教程 准备概要 1、一个VPN软件和账号 2、一个ChatGPT账号 3、美区苹果ID用以充值 一、准备好VPN软件并打开 有同学会就不用看这一栏了，不会的话下面我推荐一个我自用的: Mikasa 加速器 (mikasass.pro) 👆注册登陆后有详细教程（手机电脑IOS安卓都有教程） 提示：VPN也要花钱租，但也可共享。如果仅使用ChatGPT此轻量套餐远远够用。 二、ChatGPT账号 开启VPN后，点击下方官方网站链接，输入账号密码登录 💡 官网：ChatGPT 账号：1449142340@qq.com 密码：55621162lwy~ 恢复代码：AEHFLA3TDWEG99Y1GP5U2V3M 输入密码后会提示输入验证码，请联系 微信号：hit_xy2002获取 windows系统强烈建议用自带的Edge浏览器 三、充值Plus会员 只需负责人充值，目前只有月费套餐，19.9美刀/月，原理及方式如下： ChatGPT是外国软件，只能通过国外汇款方式充值，由于没有国际银行卡，选用美区苹果ID礼品卡充值最为便捷，礼品卡通过支付宝国际版购买。 ⭐详细步骤如下： ChatGPT APP Plus升级全记录：购买礼品卡、兑换和处理失败 - 知乎 (zhihu.com) 四、生物人使用技巧推荐 链接 链接

R代码仓库 R语言爬虫（以秘塔搜索为例） 除了R脚本外，还需要装chrome浏览器，chrome驱动以及Selenium服务，并在CMD中打开服务才能进行脚本爬虫 链接 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 # 加载所需的库 library(readxl) library(RCurl) library(XML) library(rvest) library(RSelenium) # 读取Excel文件，假设文件名为"bacteria.xlsx"，且数据在第一个工作表中 bacteria_data <- read_xlsx("C:/Users/14491/Desktop/微生物/test.xlsx", sheet = 1) # 提取第一列 bacteria_names <- bacteria_data[[1]] pachong <- function(question){ chromeOptions <- list( args = c( "--user-data-dir=C:/Users/14491/AppData/Local/Google/Chrome/User Data", "--profile-directory=Default" # 默认配置文件，若自定义请修改 ) ) # 以下是你的搜索代码，将question变量代入 remDr <- remoteDriver(browserName = "chrome", extraCapabilities = list(chromeOptions = chromeOptions),remoteServerAddr = "localhost", port = 4444L) remDr$open() remDr$navigate("https://metaso.cn/search/8588854182877798400?q=%E6%9F%A5%E8%AF%A2%E8%8B%B1%E6%96%87%E6%96%87%E7%8C%AE") Sys.sleep(3) hover_target <- remDr$findElement(using = "css selector", value = "div[title='查询英文文献']") element_pos <- hover_target$getElementLocation() element_size <- hover_target$getElementSize() x_offset <- as.integer(element_pos$x + element_size$width/2) y_offset <- as.integer(element_pos$y + element_size$height/2) remDr$mouseMoveToLocation(x = x_offset, y = y_offset) search_trigger <- remDr$findElement(using = "css selector", value = "div[title='查询英文文献']") search_trigger$clickElement() Sys.sleep(1) search_box <- remDr$findElement(using = "css selector", value = "textarea[placeholder='请输入，Enter键发送，Shift+Enter键换行']") search_box$clearElement() search_box$sendKeysToElement(list(question,key = "enter")) #等待检索完毕再开始检测表格 Sys.sleep(8) max_wait <- 100 # 最长等待秒数 start_time <- Sys.time() while(TRUE) { # 计算已用时间 elapsed <- as.numeric(difftime(Sys.time(), start_time, units = "secs")) if(elapsed > max_wait) break # 使用CSS属性选择器精准定位 textarea <- remDr$findElements( using = "css", value = "textarea[placeholder='继续追问...']" ) if(length(textarea) > 0) { message("检测到追问输入框，页面加载完成") break } # 保持5秒间隔 Sys.sleep(5) } # 获取页面源码并解析 page_source <- remDr$getPageSource()[[1]] html_content <- read_html(page_source) # 提取表格所有行（tbody中的tr） rows <- html_nodes(html_content, "table tbody tr") # 创建空数据框 result <- data.frame( 菌种名称 = character(), 特定肠道代谢物 = character(), 文献核心发现 = character(), 相关性及理由 = character(), 资料来源 = character(), stringsAsFactors = FALSE ) # 逐行解析数据 for (row in rows) { cells <- html_nodes(row, "td") %>% html_text2() %>% # 自动处理换行和空格 trimws() result <- rbind(result, data.frame( 菌种名称 = cells[1], 特定肠道代谢物 = cells[2], 文献核心发现 = cells[3], 相关性及理由 = cells[4], 资料来源 = cells[5], stringsAsFactors = FALSE )) } #关闭浏览器 remDr$quit() return(result) } # 初始化最终结果数据框 final_result <- data.frame() # 分批次处理（每5个一组） print(length(bacteria_names)) for (i in seq(1, length(bacteria_names), by = 5)) { # 计算当前批次 end_index <- min(i + 4, length(bacteria_names)) current_batch <- bacteria_names[i:end_index] # 生成查询字符串 bacteria_string <- paste(current_batch, collapse = "、") question <- paste("请查询给定肠道微生物名称的相关资料，顶刊学术文献优先。我需要你根据查询资料总结菌的功能特性（用短句表示），对应文献或资料关于此菌的核心重要发现。结果通过表格形式展示。以下是注意事项：1、第一列是“菌种名称”，第二列是“特定肠道代谢物”，用分点短句表示的特定肠道代谢物（如“1.xxx脂肪酸2.xxx……”），第三列是“文献核心发现”，即文献或资料关于此菌的重要要发现，第四列是\"与认知能力下降/衰老的相关性及理由\",根据资料或者根据此菌的代谢物额外思考是否与认知能力下降和（或者）衰老密切相关，并给出理由，第五列是\"资料来源\",即资料来源，如果是文献，请提供doi或资料网站的http网址而不是pdf链接，没有链接就给文献的全称而不是只说个作者。2、请你确保搜索的资料与我提供的菌名称一致，避免出现模糊相关的情况3、出现无搜索结果的情况可以根据家族成员共性进行猜想,也必须要写进表格。", bacteria_string) print(question) # 执行爬取 batch_result <- tryCatch({ pachong(question) }, error = function(e) { message("批次 ", ceiling(i/5), " 查询失败: ", conditionMessage(e)) NULL }) # 合并结果 if (!is.null(batch_result) && nrow(batch_result) > 0) { final_result <- bind_rows(final_result, batch_result) message("成功合并批次 ", ceiling(i/5), " 的 ", nrow(batch_result), " 条记录") } # 增加批次间隔（根据服务器承受能力调整） Sys.sleep(1) } # 结果后处理 final_clean <- final_result %>% distinct() %>% # 去重 filter(菌种名称 != "") # 过滤空值 # 查看最终结果 print(final_clean)

R语言（教程或包） 链接

x200p | 记录不止为记录 从绳结到笔记，从摄影到摄像，科技的进步让更多的人能够记录更详细的事儿。 但就对于现在的智能手机来说，一个必须揣裤兜的小玩意，镜头和传感器好像已经不能再大了。但就像ChatGPT发展到4.0版本时，很多人觉得ai的未来似乎只能靠堆算力再进步，而deepseek的奇袭，证明了靠智慧，小力也能出奇迹。 勇敢抛弃主流的一英寸，vivox200pro使用了更小主摄传感器，但结合自研的蓝图传感器技术，让录像获得更高的动态范围，底小一级反而更生动精美。 更好的画质下，不知道是否还有人记得自己热爱摄影的初衷，相机和监控不同的不只有画质，没有一个导演会无差别记录所有的事儿。 vivox200pro全焦段log模式，带来更宽容的后期空间，让每一个愿意认真记录的人能讲出最好的故事。 希望我们每一个热爱用手机记录的人，还记得我们的初衷，更好的技术和画质应该要换来我们对生活更认真地感受，记录，不止为记录。

低温诱导 😀 这里写文章的前言： 一个简单的开头,简述这篇文章讨论的问题、目标、人物、背景是什么？并简述你给出的答案。 可以说说你的故事：阻碍、努力、结果成果，意外与转折。