English

Suomi

tulokset

Silmäile

Julkaisuarkisto

UTUPub on Turun yliopiston avoin julkaisuarkisto, joka sisältää Turun yliopiston tiedekuntien ja laitosten julkaisuja ja opinnäytteitä kuten väitöskirjoja, lisensiaatintöitä, pro gradu -tutkielmia ja niiden tiivistelmiä sekä kandidaatintöitä.

Kokoelmat

Näytetään 1 - 4 / 4

Kirjat ja opinnäytteet

UTUCRIS-artikkelit

Digitoidut aineistot

Viimeksi lisätyt

Secretin
Acosta-Manzano, Pedro; Virtanen, Kirsi A.; Acosta Manzano, Francisco (Elsevier BV)
Intentional sadness contagion: Social bonding with neural decoupling
Wei, Yanqiu; Chen, Jinglu; Zhou, Siyuan; Chen, Ying; Kong, Chao; Zhang, Zihao; Hu, Ping (Springer Nature)
IIntentional emotional contagion, the conscious transmission of emotions between individuals, has unclear neurobehavioral mechanisms in naturalistic dyadic communications. Experiment 1 demonstrated that conscious engagement enhanced sad emotional contagion between strangers. Using the fNIRS pseudo-hyperscanning technique, Experiment 2 showed a behavioral-neural dissociation in intentional sadness contagion: Behavioral findings revealed increased interpersonal intimacy and listener altruism. Neurocognitive findings demonstrated reduced activation in the left frontopolar cortex, bilateral dorsolateral prefrontal cortex (dlPFC), and angular/supramarginal gyri. While weaker interpersonal neural synchronization emerged between the speaker’s left frontopolar/dlPFC and listener’s right dlPFC. Mediation analysis indicated that intentional emotional contagion mediated emotional communication and self-other overlap, extending Emotions as Social Information Model. Findings suggest that intentional sadness contagion based on dyadic story sharing has an adaptive neurocognitive reorganization which facilitates prosocial behavior.
Investigating the complex transfer immunoassay approaches for plasma phosphorylated Tau-181
Setola, Julia-Aurora (2026-06-24)
Pro gradu -tutkielma | suljettu
Alzheimer’s disease (AD) is the most common neurodegenerative disease and leading cause of dementia. Phosphorylated Tau-181 protein (pTau-181) is a specific biomarker for Alzheimer’s disease, but its concentrations in the blood are extremely low, therefore an extremely sensitive and specific assay is needed. Non-specific binding from the detection antibodies and antibody-antibody interactions are sensitivity limiting factors in conventional immunoassays. The aim of this study is to overcome the limitations by using an immune complex transfer (ICT) immunoassay. The ICT immunoassay is a two-step capture assay in which immune complexes are transferred from a first plate to a second plate. Thus, aiming to leave all non-specific binding on the first plate and allow for extremely sensitive background-free detection of complete immune complexes on the recapture plate. The aim of this study was to develop a highly sensitive ICT immunoassay for p-Tau-181 and achieve a limit of detection (LoD) of <1 ng/L. In the ICT immunoassay, pTau-181 specific oligonucleotide-antibody conjugates were immobilized with biotinylated oligonucleotides. Antibody coated upconverting nanoparticles (UCNPs) were utilized in the detection. The formed complexes were eluted by specific oligonucleotides. The recapture on the second plate was done with immobilized Tau-specific antibodies. To achieve the highest elution and recapture efficiency, parameters affecting assay performance were studied, including the amount of eluting component, incubation times, and elution solution composition. The assay reached a limit of detection (LoD) of 0.6 ng/L. In the first capture plate the elution efficiency was 48 % and recapture efficiency of the eluted complexes was 26 % in a spiked sample buffer (100 ng/L). The assay background signals were decreased close to the instrumental background signals on the recapture plate. In the study the results indicate that the used platform in the ICT immunoassay is a highly promising method for detecting pTau-181 with extremely high sensitivity.
Tiedepääoman ja sen osa-alueiden yhteys elämänlaatuun
Karvanen, Anniina (2026-06-18)
Pro gradu -tutkielma
Tiedepääomalla tarkoitetaan yksilön kerryttämiä kognitiivisia ja sosiaalisia resursseja, jotka määrittävät hänen kokonaisvaltaista suhdettaan tieteeseen. Siinä missä tiedepääoman tutkimus on perinteisesti keskittynyt nuorten koulutusvalintoihin, muuttuva tietoyhteiskunta luo tarpeen tarkastella tiedesuhdetta laajemmin aikuisiän psykologisena resurssina ja hyvinvoinnin osatekijänä. Tämän pro gradu -tutkielman tarkoituksena oli selvittää tiedepääoman neljän osa-alueen eli tieteisiin liittyvissä paikoissa vierailun, tieteisiin liittyvän itseluottamuksen, tieteisiin liittyvien asenteiden ja varhaisen tuen tieteiden opiskelulle yhteyttä yksilön kokemaan elämänlaatuun. Tutkimus toteutettiin kvantitatiivisena poikkileikkaustutkimuksena hyödyntäen FINSCI-hankkeen laajaa suomalaisen aikuisväestön kyselyaineistoa. Tiedepääomaa mitattiin 37 väittämän mittaristolla ja elämänlaatua EuroHIS-8-mittaria mukailevalla osiolla. Aineisto analysoitiin lineaarisella regressioanalyysillä, jossa ensimmäisessä vaiheessa tarkasteltiin tiedepääoman osa-alueita ja toisessa vaiheessa huomioitiin, säilyykö näiden yhteys elämänlaatuun, kun keskeiset sosiodemografiset taustatekijät eli ikä, sukupuoli ja koulutustaso vakioidaan. Tulokset osoittivat, että vaikka kaikki tiedepääoman ulottuvuudet korreloivat positiivisesti elämänlaadun kanssa, ainoastaan tieteisiin liittyvä itseluottamus säilyi tilastollisesti merkitsevänä ja itsenäisenä elämänlaadun selittäjänä. Huomion arvoista oli myös se, että muodollisen koulutustason yhteys elämänlaatuun hävisi regressiomallissa, kun tiedepääoman osa-alueet huomioitiin. Havaitut yhteydet olivat kuitenkin kokonaisuudessaan maltilliset. Tulokset viittaavat siihen, että tiedesuhteen osatekijöistä korostuu yksilön sisäistetty pystyvyyden tunne ja uskomus omista kyvyistään ymmärtää tiedettä. Taustamuuttujista myös iän karttuminen ja naissukupuoli olivat yhteydessä hieman korkeampaan elämänlaatuun. Löydökset viittaavat siihen, että tieteellinen itseluottamus voi toimia yksilön hyvinvointia tukevana sisäisenä voimavarana. Tutkimus antaa alustavia viitteitä siitä, että vahva tiedepääoma voi kytkeytyä parempaan kykyyn toimia nyky-yhteiskunnan informaatiotulvassa. Tuloksia voidaan hyödyntää tiedeviestinnän ja -kasvatuksen kehittämisessä painottamalla pelkän tiedon välittämisen sijaan myös yksilöiden tieteellisen itseluottamuksen vahvistamista.
Enhancing Network and Endpoint Detection and Response Systems: A Grounded LLM-Assisted Contextual Analysis
Saha, Tanuraj (2026-06-21)
Diplomityö
Modern Security Operations Centres (SOCs) face challenges due to a large number of fragmented security alerts originating from both external and internal networks. Specifically, in the case of lateral movement of internal traffic, they originate from siloed Network Detection and Response (NDR) and Endpoint Detection and Response (EDR) technologies. To address these issues, this thesis presents an end-to-end multi-layered architecture for automated alert correlation and contextual reasoning. This thesis focuses primarily on the post-detection phase by designing a contextual framework that groups related alerts into structured incidents, rather than developing telemetry integration or detection algorithms. This contextual analysis of the Large Language Models (LLMs) can help generate short, evidence-based summaries and investigative recommendations. Earlier, analysts had to manually reconstruct threat narratives, which can often lead to alert fatigue, increased cognitive load, and delayed incident response when there is no structural aggregation. One of the major analytical capabilities of LLMs is the automation of triage for SOCs. However, their implementation in enterprise SOCs is often delayed by inadequate contextual data and strong data protection regulations. The methodology involves several steps. First, a detection layer with machine learning models (such as XGBoost, random forest, and autoencoders) trained on public datasets. Then, a correlation layer integrates these network anomalies with endpoint logs, converting a large number of alerts into a limited number of incidents. The contextualization layer evaluates the reasoning capabilities of both cloud-based (Gemini 2.5 Flash, OpenAI gpt-4o) and locally deployed LLMs (Llama 3, Gemma 3). Cloud-based LLMs performed better at detailed interpretation. In summary, this thesis demonstrates that grounding LLMs in deterministically linked NDR and EDR telemetry substantially improves automated threat analysis. The system converts discrete alerts into standardised playbook-ready intelligence to support Tier-1 SOC triage. It provides a viable, privacy-preserving system for deploying sophisticated generative AI in secure enterprise environments. The machine learning detection layer achieved an F1-score close to 0.99. The deterministic correlation engine reduced telemetry to an Alert-to-Incident Ratio (AIR) of 95. Subsequently, the grounded LLM produced MITRE-aligned narratives with near-zero hallucinations, reducing triage time by up to 66 percent.

Turun yliopiston kirjasto
Turun yliopisto

julkaisut@utu.fi
Tietosuojaseloste
Saavutettavuusseloste
Evästeasetukset