The design and development of an electric locomotive for the TRRN Railway Challenge 2025 aims to enhance learning potential and apply various theories in practical settings. The focus is on developing the locomotive to pass various tests, including acceleration, automatic braking system, noise, vibration, energy consumption, and durability throughout the competition. Additionally, the project helps improve skills in writing engineering design reports, which enables students to develop their analytical and discussion abilities in order to successfully complete each test according to the competition rules.
การแข่งขัน TRRN Railway Challenge เป็นเวทีที่เปิดโอกาสให้ทีมนักศึกษาและวิศวกรรุ่นใหม่จากทั่วโลกได้ออกแบบและพัฒนาหัวรถจักรไฟฟ้าขนาดเล็กเพื่อนำไปแข่งขันภายใต้เงื่อนไขและข้อกำหนดที่กำหนดไว้ การแข่งขันนี้จัดขึ้นเพื่อส่งเสริมการเรียนรู้เชิงปฏิบัติการและการพัฒนาทักษะทางวิศวกรรมระบบราง ซึ่งเป็นอุตสาหกรรมที่มีบทบาทสำคัญต่อการขนส่งและพัฒนาโครงสร้างพื้นฐานของประเทศต่างๆ 1. พัฒนาศักยภาพนักศึกษาและวิศวกรรุ่นใหม่ ส่งเสริมการเรียนรู้และการประยุกต์ใช้ความรู้ด้านวิศวกรรมระบบรางในสถานการณ์จริง สร้างโอกาสให้ผู้เข้าร่วมฝึกฝนการทำงานเป็นทีมและการแก้ปัญหาอย่างเป็นระบบ ยกระดับมาตรฐานเทคโนโลยีระบบราง 2. ช่วยให้เกิดนวัตกรรมใหม่ในการออกแบบและพัฒนาหัวรถจักรไฟฟ้า กระตุ้นให้เกิดการพัฒนาเทคโนโลยีที่มีประสิทธิภาพสูงขึ้น เช่น ระบบควบคุมอัตโนมัติและการใช้พลังงานอย่างคุ้มค่า 3. เสริมสร้างความสามารถในการแข่งขันในระดับสากล เปิดโอกาสให้นักศึกษาและวิศวกรได้แสดงศักยภาพในเวทีระดับโลก เพิ่มขีดความสามารถของประเทศในการพัฒนาอุตสาหกรรมระบบรางและเทคโนโลยีที่เกี่ยวข้อง 4. เชื่อมโยงความรู้ทางทฤษฎีกับการปฏิบัติจริง ผู้เข้าร่วมจะได้ฝึกฝนทักษะการออกแบบ การวิเคราะห์ และการทดสอบหัวรถจักร ช่วยให้เกิดความเข้าใจเชิงลึกเกี่ยวกับปัจจัยที่ส่งผลต่อสมรรถนะของหัวรถจักร เช่น อัตราเร่ง ระบบเบรก เสียงรบกวน และความทนทาน
คณะแพทยศาสตร์
Background: The RGL3 gene plays a role in key signal transduction pathways and has been implicated in hypertension risk through the identification of a copy number variant deletion in exon 6. Genome-wide association studies have highlighted RGL3 as associated with hypertension, providing insights into the genetic underpinnings of the condition and its protective effects on cardiovascular health. Despite these findings, there is a lack of data that confirms the precise role of RGL3 in hypertension. Additionally, the functional impact of certain variants, particularly those classified as variants of uncertain significance, remains poorly understood. Objectives: This study aims to analyze alterations in the RGL3 protein structure caused by mutations and validate the location of the ligand binding sites. Methods: Clinical variants of the RGL3 gene were obtained from NCBI ClinVar. Variants of uncertain significance and likely benign were analyzed. Multiple sequence alignment was conducted using BioEdit v7.7.1. AlphaFold 2 predicted the wild-type and mutant 3D structures, followed by quality assessment via PROCHECK. Functional domain analysis of RasGEF, RASGEF_NTER, and RA domains was performed, and BIOVIA Discovery Studio Visualizer 2024 was used to evaluate structural and physicochemical changes. Results: The analysis of 81 RGL3 variants identified 5 likely benign and 76 variants of uncertain significance (VUS), all of which were missense mutations. Structural modeling using AlphaFold 2 revealed three key domains: RasGEF_NTER, RasGEF, and RA, where mutations induced conformational changes. Ramachandran plot validation confirmed 79.7% of residues in favored regions, indicating an overall reliable structure. Moreover, mutations within RasGEF and RA domains altered polarity, charge, and stability, suggesting potential functional disruptions. These findings provide insight into the structural consequences of RGL3 mutations, contributing to further functional assessments. Discussion & Conclusion: The identified RGL3 mutations induced physicochemical alterations in key domains, affecting charge, polarity, hydrophobicity, and flexibility. These changes likely disrupt interactions with Ras-like GTPases, impairing GDP-GTP exchange and cellular signaling. Structural analysis highlighted mutations in RasGEF and RA domains that may interfere with activation states, potentially affecting protein function and stability. These findings suggest that mutations in RGL3 could have functional consequences, emphasizing the need for further molecular and functional studies to explore their pathogenic potential.
คณะเทคโนโลยีสารสนเทศ
This research presents the development of an AI-powered system designed to automate the identification and quantification of dental surgical instruments. By leveraging deep learning-based object detection, the system ensures the completeness of instrument sets post-procedure. The system's ability to process multiple images simultaneously streamlines the inventory process, reducing manual effort and potential errors. The extracted data on instrument quantity and type can be seamlessly integrated into a database for various downstream applications.
คณะเทคโนโลยีการเกษตร
-