学生们展示了3D模型如何帮助检测卵巢癌，主题的范围和才华一样广泛, 在博彩平台网址大全举办的第21届本科生研究与创造力年度会议上，科技如何帮助预测斯托克顿的股票市场和收入不平等的影响.

30多名博彩平台网址大全学生就他们今年的研究成果进行了口头和海报展示, 适应虚拟环境中的实验.

博彩平台网址大全的本科生研究与创造力会议为学生提供了追求自己独特研究兴趣的机会, 这能帮助他们探索职业方向，并获得丰富简历的实践经验,莉迪亚·福克斯说, 本科生研究主任. “我特别自豪的是，学生们今年完成了远程工作，克服了在传统实验室环境之外进行研究的挑战."

今年虚拟演讲的亮点包括:

利用三维共培养模型研究卵巢癌转移及病理生理
詹妮弗·莫雷诺，23岁，生物工程专业
教师导师:Maria Gencoglu，生物工程助理教授

尽管近几十年来治疗取得了进步, 癌症仍然是世界范围内死亡的主要原因. 卵巢癌是第二常见的妇科恶性肿瘤, 但与其他浸润生殖系统的癌症相比，它夺走的生命最多. 

“由于卵巢癌肿瘤的快速转移和对卵巢癌完整病理生理的缺乏了解，大多数患者在晚期才被诊断出来,莫雷诺说. “目前的医疗护理主要集中在化疗上, 它们对患者的伤害很大，治愈率很低，70%的患者会复发."

三维共培养模型在二维条件下变得更加普遍，在二维条件下，细胞在聚苯乙烯和玻璃等刚性材料上生长. 在二维条件下生长的细胞不能完全反映真实组织的基本生理，如三维共培养模型所示.
 
“这些模型可以深入了解肿瘤的生物反应, 包括耐药性, 细胞间的相互作用, 和转移,莫雷诺说. “使用3D共培养模型使我们能够研究卵巢癌转移的机制, 也可能有助于识别与卵巢癌相关的某些生物标志物."
 
莫雷诺希望她的研究将有助于促进卵巢癌的早期发现, 同时也增加了对当前治疗没有良好反应的患者的治疗可能性. 

金融中的机器学习:使用神经网络预测股票收益
阿瑟·琼斯，21岁，工商管理专业
导师:Vusal Eminli，金融学副教授

股票收益的可预测性是投资者最关心的问题之一. 多年来，已经有许多尝试使用机器学习来预测股票回报, 哪家公司利用股价的历史时间序列数据做出了这些预测. 

“这些尝试创造了只对一家公司的数据起作用的网络, 并可广泛应用,琼斯解释道。. “这项研究使用了神经网络, 以人脑和神经系统为模型的计算机系统, 根据金融和经济数据预测股票收益." 

金融中的机器学习是一种监督学习方法，它使用多个因素来解释股票回报作为输入值，未来股票回报作为输出值. 琼斯的方法试图预测某只股票是否会跑赢美国股市&标普500指数未来一段时间的股价走势. 在研究过程中，他的方法达到了64的预测精度.5%. 

“这真的很令人兴奋, 一种能够做出一贯准确预测的方法，有助于识别决定公司价值的其他因素，这些因素超出了文献中普遍接受的范围,琼斯说.

Jones希望他的研究结果表明，他的研究有望成为一种熟练的机器学习方法，并可用于提高未来股票回报的预测准确性.

斯托克顿收入不平等的教育意义
杰西卡·阿尔瓦，21岁，应用数学和经济学专业
导师:Sharmila King，主席兼经济学教授

在美国，收入不平等是一个日益严重的问题，因为研究表明，许多教育因素与未来的收入有关，并助长了这种收入不平等差距.

根据教育平等指数, 这是第一个全国性的成绩差距比较指标, 市和州两级, 在全国人口普查的100个最大城市中，斯托克顿的教育成就差距排名第85位.

“尽管这里离湾区只有一个多小时的路程, 斯托克顿的高中毕业率低得多, 大学毕业率和贫困率都低于全国,阿尔瓦说. “如果不采取有效的教育措施，斯托克顿将面临进一步落后的风险."
 
斯托克顿居民, 77%的人高中毕业, 18%的人是大学毕业生，15%的人收入低于贫困水平, 根据美国人口普查局的数据. 相比, 旧金山湾区87%的居民高中毕业, 43%的人是大学毕业生，10%的人收入低于贫困线.

“如果不采取有效的教育措施，斯托克顿将面临进一步落后的风险 in these regards,阿尔瓦说.

阿尔瓦正在努力查明受收入不平等影响最严重的教育学科领域，并建议应在何处利用教育资源，通过收入不平等对斯托克顿教育的影响，最有效地打击收入不平等.