拒绝细胞衰老、远离老年疾病,爱丁堡大学给细胞开出 3 张「AI 抗衰处方」

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

内容一览:研究表明细胞衰老与癌症、2 型糖尿病、骨关节炎和病毒感染等疾病密切相关。尽管清除衰老细胞的药物已逐渐成为研发热点。但由于缺乏充分表征的分子靶点,已发现的抗衰老化合物 (Senolytics) 很少。近期,国际期刊《Nature Communications》上发布了一篇研究成果,研究人员新发现了 3 种 Senolytics。

关键词:Senolytics   机器学习   XGBoost

本文首发自 HyperAI 超神经微信公众平台~

自古以来,人们一直追求长生不老。令人惊喜的是,近年来抗衰、长寿等话题,正在从神秘、虚无缥缈的保健品界,走向大众认可的医疗健康界。一般认知里,衰老就是身体机能缓慢弱化的过程,进程不可逆,所以人类只能顺其自然,听天由命。然而很多人不了解的是,早在 2018 年,世卫组织 (the World Health Organization) 就在《国际疾病法典》宣布,衰老是一种可以治疗的疾病。

在衰老的广泛定义里,细胞衰老是近来科学家们研究的热门方向之一。所谓细胞衰老 (Cellular senescence) 是一种以细胞分裂停止为特征的现象。通常情况下,人体免疫系统能够有效清除衰老细胞 (Senescent cells),但随着年龄的增长,这种清除功能会逐渐减弱,除了会导致视力恶化、活动能力受限等,还极易引发癌症、阿尔茨海默病等多种疾病。

2015 年,梅奥诊所的 James L. Kirkland 博士等人发现了第一种能够清除衰老细胞的抗衰药 (Senolytics) ,Senolytics 指选择性诱导衰老细胞死亡的小分子化合物,其名称源自 Senescence (衰老) 和 Lytic (破坏)。最新研究中,爱丁堡大学联合坎塔布里亚大学利用机器学习发现了三种 Senolytics—— Ginkgetin, Periplocin 及 Oleandrin,并验证了其在人类细胞系中的抗衰作用。目前该研究已发布在《Nature Communications》期刊上,标题为「Discovery of Senolytics using machine learning」。

图 1:该研究成果已发表在 Nature Communications

论文地址:

Discovery of senolytics using machine learning | Nature Communications

实验过程 

数据集 

本实验数据集来自多个渠道,包括学术出版物和商业专利。首先,研究人员挖掘了 58 种已知的 Senolytics,而后又从 LOPAC-1280 及 Prestwick FDA-approved-1280 两个已有的化学库中挖掘了多种非 Senolytics。数据集将二者进行了整合,共包含 2,523 种化合物,其中 Senolytics 占 2.3%。

图 2:用于训练机器学习模型的化合物

a:训练数据来自多个渠道。

b:用于训练的 58 种 Senolytics 来源,包括每个来源的化合物数量和细胞系 (cell lines)。

模型训练 

研究人员使用上述数据集训练模型,来识别具有 Senolytics(阳性)特征的化合物。首先,研究人员对数据集进行了特征选择,在此过程中,他们利用随机森林 (RF) 模型计算了每个特征的平均基尼指数减少量,选择了 165 个最重要的特征,从而减少了特征数量,降低模型复杂度。

  • 基尼指数衡量了一个节点中样本的混杂程度,值越低表示节点中的样本越纯净。

其次,研究人员利用 165 个最重要特征以及完整数据集中的各种样本数据,开发了多个 Senolytics 二分类模型(识别 Senolytics 或非 Senolytics)。为了比较各个模型,并充分利用有限数量的 Senolytics 样本,研究人员在数据集上进行了 5 倍交叉验证,使用 3 个性能指标对模型进行评分:精确度、召回率和 F1 得分。

起初,研究人员主要关注支持向量机 (SVM) 和 RF 模型,但经过实验发现它们的性能均不理想。同时他们还评估了其他复杂度不同的模型,包括逻辑回归器 (Logistic regressors)、朴素贝叶斯分类器 (Naïve Bayes classifier) 和用于不平衡分类数据增强法 (SMOTE),但结果显示这些模型的性能还不如 SVM 和 RF 模型。

因此,研究人员以 RF 性能为基准,又开发了 XGBoost 模型,通过迭代地训练决策树模型提高预测能力。如图 3b 所示,XGBoost 模型在精确度、召回率和 F1 得分方面均有所提升,在所有考虑的模型中表现最佳。

图 3:训练机器学习模型

a:模型训练、化合物筛选和结果验证流程,使用多个性能指标,筛选合适的模型。

b:3 个机器学习模型性能,条形图显示在 5 倍交叉验证中计算的平均性能指标,误差条表示一个标准差。

本实验数据集地址,稍后会同步到 HyperAI 超神经官网:

Code and data for "Discovery of senolytics using machine learning" | Zenodo

实验结果

首先,研究人员从 4,340 多个化合物中筛选出了 21 种可能具有抗衰老活性的化合物。随后,他们又对这 21 种化合物进行测试,如图 4 显示,其中 3 种具有衰老细胞清除作用:Periplocin 及 Oleandrin(两种强心苷类物质,尚未被确定能够清除衰老细胞)以及 Ginkgetin(一种天然无毒的双黄酮类化合物)。

图 4:Periplocin,Oleandrin 及 Ginkgetin 具有衰老细胞清除作用

c:实验验证。21 个化合物中有三个显示出抗衰老活性:Ginkgetin、Oleandrin 和 Periplocin;热力图显示了 n = 3 个重复实验的均值。图中 Ouabain 为已知 Senolytics。

d:3 种新发现的抗衰化合物的剂量-反应曲线。SI 为抗衰指数。

此外,上述实验过程中,研究人员还发现与 Ouabain 相比,新发现的 Oleandrin 的抗衰性更强,尤其是在低浓度情况下。因此,研究人员比较了 Periplocin、Oleandrin 及 Ouabain 在 10 nM 低浓度下的抗衰老活性。

图 5:Periplocin、Oleandrin 及 Periplocin 在低浓度下抗衰性能比较

a:图中显示了 IMR90 ER:RAS (衰老细胞) 和 IMR90 ER:STOP (对照组) 在 100 nM 4OHT 培养条件下的组织培养皿。在接下来的 72 小时内,用 10 nM Oleandrin、Ouabain 和 Periplocin 以及 DMSO (对照) 进行处理。

b:通过定量分析评估细胞存活率。

如图 5b 所示,低浓度的 Ouabain 和 Periplocin 在 IMR90-ER:STOP 以及 IMR90-ER:RAS 中均未表现出明显的细胞毒性,而使用 Oleandrin 进行处理后,IMR90-ER:RAS 中的衰老细胞存活率显著下降,表明 Oleandrin 在较低的药物浓度下具有较强的抗衰活性。综合以上实验结果,机器学习能成功寻找到抗衰化合物,并且还找到了比现有抗衰化合物抗衰性更强的 Oleandrin。

AI 驱动药物发现

AI 在新药研发的各个阶段都发挥了重要作用。目前,研究重点集中在药物发现和临床前开发阶段。这项研究展示了 AI 在药物研发中的潜力,特别是在应对生物结构复杂或已知分子靶点较少的疾病时。作者 Diego Oyarzún 指出:「AI 在帮助我们发现新的候选药物方面非常有效,尤其是在药物发现的早期阶段。」

该研究的一作 Vanessa Smer-Barreto 则强调了数据科学家、化学家和生物学家之间密切合作的重要性。她表示:「这项工作是通过数据科学家、化学家和生物学家之间的紧密合作而产生的。我们利用这种跨学科合作的优势,构建了稳健的模型,并通过仅使用已发表的数据进行模型训练来节省筛选成本。」这种合作模式为加速 AI 应用提供了新的机会,并有望推动药物研发的创新和发展。

目前,尽管 AI 在新药研发中取得了突破,但仍然面临一些挑战,例如数据质量及可靠性、算法可解释性以及模型的泛化能力等。随着技术的不断进步和数据资源的增加,AI 在药物研发中的应用前景仍然非常广阔。通过加强数据共享和跨学科合作,可以更好地利用 AI 的优势,加速新药的发现和开发,为人类健康带来福祉。

参考文章:

[1]http://zixun.69jk.cn/shwx/79532.html

[2]https://en.wikipedia.org/wiki/Cellular_senescence#Characteristics_of_senescent_cells

[3]https://newatlas.com/medical/machine-learning-algorithm-identifies-natural-anti-aging-chemicals/

[4]https://www.sohu.com/a/673349496_121124375

[5]https://www.ed.ac.uk/institute-genetics-cancer/news-and-events/news-2023/ai-algorithms-find-drugs-that-could-combat-ageing

[6]http://www.stcn.com/article/detail/904319.html

本文首发自 HyperAI 超神经微信公众平台~

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1325

干货汇总!2023 年 AI for Science 最值得关注的科研成果梳理

作者:李宝珠编辑:三羊一文速览 2023 年 ScienceAI 最值得关注的前沿论文。岁序更替,华章日新。在刚刚过去的 2023 年中,AI for Science 带来了太多惊喜,也埋下了更具想象空间的种子。从 2020 年开始,以 AlphaFold 为代表的科研项目将 AI for Science 推向了 AI 应用的主舞台。两年来,从生物医药到天文气象、再到材料化学等基础学科,都成为了 ...

边缘计算社区 1618

【Windows】 解决联想为主的所有自带摄像头(integrate camera)打不开的毛病(特别点名小新、thinkbook、thinkpad、y7000...)

解决联想系列电脑打不开自带摄像头的问题

Iamruzi的csdn博客 3万+

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 341

Virtuoso ADE Explorer实战技巧:从基础操作到高级仿真

本文深入解析了Virtuoso ADE Explorer在模拟电路仿真中的核心价值与实战技巧。作为Cadence平台的专业工具,它专为高效、系统化的设计空间探索而生,能大幅提升PVT验证、参数扫描和蒙特卡洛分析的效率。文章从基础界面操作、并行仿真管理,到高级的参数扫描、数据报告生成及蒙特卡洛结果深度剖析,提供了全面的避坑指南与工作流优化建议,帮助工程师从重复劳动中解放,专注于电路设计与性能优化。

ios99的博客 905

Plecs仿真进阶:半桥LLC谐振变换器从开环到闭环的实战解析

本文通过Plecs软件,详细解析了半桥LLC谐振变换器从开环模型搭建到闭环控制实现的完整仿真流程。文章深入探讨了谐振参数设置、关键波形解读,并重点分享了基于PI控制器的闭环调试实战经验与参数整定技巧,帮助工程师高效掌握这一高效拓扑的仿真与设计方法。

weixin_29231263的博客 285

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 280

Spec-Kit实战:用‘规范驱动开发’重构一个老旧Node.js项目(避坑指南)

本文详细介绍了如何使用Spec-Kit工具通过‘规范驱动开发’(SDD)重构老旧Node.js项目。从逆向工程提取规范到增量改造策略,再到避免典型陷阱,提供了实战指南和避坑技巧,帮助开发者高效实现架构现代化,显著提升代码质量和维护效率。

weixin_42525582的博客 555

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 616

简要介绍 | 两阶段点云目标检测:理论与实践

目标检测是计算机视觉中的一个重要任务,其目的是识别和定位图像中的物体。对于二维图像,这已经有许多有效的方法。然而,对于三维数据(如由LiDAR生成的点云数据),目标检测则更为复杂。

NLOS的博客 1307

国科大《人工智能原理与算法》2021年期末试题+2024经验(2025指南)

2021年期末试题+24年复习指南

MatsumotoChrikk 2932

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 209

LearningToRank(LTR)排序算法LGBMRanker的原理和使用

1. 写在前面 在最近新闻推荐的比赛中, 接触到了一个排序模型LGBMRanker, 该模型与普通的分类模型LGBMClassifier不太一样, 普通的分类模型在进行推荐的时候, 往往是先预测某个商品或者文章用户会不会点击, 也就是它的目标是预测用户点击某篇文章或者某个商品的概率, 然后根据这个概率值进行排序, 排完之后,把最靠前的几个返回回来给用户进行推荐。 而LGBRanker模型, 它不关心用户点击某篇文章的概率, 而是根据用户点击或者不点击的这个行为, 直接去预测最后商品或者文章的一个相对顺序,

Miracle8070 1万+

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 345

一文搞懂蚁群算法Ant Colony Optimization(ACO)!!!(灵感起源+数学原理+代码实现+实战应用)

本文系统介绍了蚁群算法的原理与实现。首先从蚂蚁觅食行为出发,阐释了信息素正反馈机制如何引导群体找到最短路径。随后详细解析了算法的数学模型,包括状态转移规则和信息素更新机制。通过MATLAB代码演示了算法在旅行商问题(TSP)中的应用,展示了路径构建和优化的完整流程。最后讨论了算法的优势、局限性和实际应用场景。蚁群算法通过模拟生物智能,为解决复杂优化问题提供了一种高效方法,其核心在于信息素的正反馈机制与随机探索的平衡。

qq_42212808的博客 888

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 363

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 87

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 163

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 514

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 619

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

408

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 402

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5168

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 573

企业宣传片发前如何批量排查并遮挡视频里的敏感信息

做企业视频的人都会碰到一个具体问题:实拍画面里混进了不该出现的信息。办公室背景里有贴着客户信息的白板,采访对象的授权书边缘露出一串身份证号码,街采素材里路人面孔和车牌号直接入镜。人眼在时间线上扫视,会漏掉快速闪过的帧、画面边缘的小字、以及暗光区域里的证件号码。用抹影AI完成车牌、人脸和证件区域批量检测后,又手动补充了两个时间段的屏幕遮罩,最终导出时画面已无合规隐患。重点关注快速运动、遮挡、低光照条件下的目标,这些是漏检的高发区域。导入视频后选择要检测的目标类型(人脸、车牌、证件号、二维码等)。

Mysssone的博客 182

面向工业对讲的双通道声学 DSP 模组 A-59(NR2050-A)方案解析与工程落地案例

A-59模组以NR2050-A DSP为核心,37.5×16mm邮票孔封装,支持-40℃~85℃工业温域,兼容A-06/A-09/A-29系列,可低成本替换存量设备。通过固件切换实现三种模式:模式一(低改版成本,适配矿井、电梯);模式二(最优AEC,用于医院呼叫);模式三(双波束独立输出,支持双人会议语音分离)。集成AEC、ENC、BF与AGC算法,有效抑制回声、噪声与串扰,解决对讲系统核心声学难题。选型需注意参考信号路径、麦间距与温度匹配,建议先做声学测试再量产。

R190_6589的博客 374
上一篇: AI 卷到正经「挖矿」业,卡内基科学研究所另辟蹊径,靠关联分析法找到新矿床
下一篇: 编译 PaddlePaddle 模型
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值