机构名称：
¥ 1.0
摘要：通过乙酰胆碱酯酶（ACHE）和丁酰基胆碱酯酶（Buche）抑制增强胆碱能功能被认为是治疗阿尔茨海默氏病的有价值的治疗策略。这项研究旨在评估锌390718的体外效应，锌390718先前使用计算方法对胆碱酯酶进行了研究，并使用分子动力学（MD）仿真来表征该化合物内部胆碱酯酶酶内部的结合模式。还使用富含星形胶质细胞的神经胶质细胞培养研究了体外细胞毒性效应。ZINC390718在高度旋转范围（IC 50 = 543.8 µm）和对Buche（IC 50 = 241.1 µM）的体外双重抑制活性以浓度依赖性方式对ACHE表示，具有较大的活性，具有较大的活性。MD模拟显示锌390718与两个靶标上的催化残基位点形成了重要的疏水性和H键相互作用。促进ACHE靶标的疏水相互作用和H键的残基是Leu67，Trp86，Phe123，Tyr124，Ser293，Phe295和Tyr341，以及在Buche目标上，它们是ASP70，Tyr332，Tyr332，Tyr128，ile442，trp82，trpy197。通过细胞活力评估的Z390718的细胞毒性作用表明该分子的体外毒性低。体外和计算机结果表明，锌390718可以用作对新的双胆碱酯酶抑制剂优化和鉴定的化学型。
体外和计算机研究 心房尿液肽的类似物（C-ANP4-23）调节人分化脂肪细胞中的葡萄糖代谢 双酚A暴露会影响特定的肠道分类单元，并驱动儿童肥胖症中的微生物群 量子机学习实现：建议和实验 研究基于电阻开关设备的量化硬件深神经网络，常规方法和卷积方法 在与数字社会交流时，人脑面临一些挑战 Sigma-1受体 蔗糖溶液中的一个等离子体传感器 文章在大学生中有问题的互联网使用及其与社交技能的关系 Agassi模型的数字量子模拟 孕妇外周血的表观基因组广泛的研究鉴定了潜在的代谢 开放量子系统用于量子机学习的好处 寡核苷酸合成的P（V）平台 微生物接种剂和有机肥料的联合应用改善了不利的土壤条件下的植物生长 结合了上的1/F斜率和脑模拟
主要关键词
相关文件推荐
![用于人工智能和神经形态计算的硅光子学 Bhavin J. Shastri 1,2、Thomas Ferreira de Lima 2、Chaoran Huang 2、Bicky A. Marquez 1、Sudip Shekhar 3、Lukas Chrostowski 3 和 Paul R. Prucnal 2 1 加拿大安大略省金斯顿皇后大学物理、工程物理和天文学系，邮编 K7L 3N6 2 普林斯顿大学电气工程系，邮编 新泽西州普林斯顿 08544，美国 3 加拿大不列颠哥伦比亚大学电气与计算机工程系，邮编 BC 温哥华，邮编 V6T 1Z4 shastri@ieee.org 摘要：由神经网络驱动的人工智能和神经形态计算已经实现了许多应用。电子平台上神经网络的软件实现在速度和能效方面受到限制。神经形态光子学旨在构建处理器，其中光学硬件模拟大脑中的神经网络。 © 2021 作者 神经形态计算领域旨在弥合冯·诺依曼计算机与人脑之间的能源效率差距。神经形态计算的兴起可以归因于当前计算能力与当前计算需求之间的差距不断扩大 [1]、[2]。因此，这催生了对新型大脑启发算法和应用程序的研究，这些算法和应用程序特别适合神经形态处理器。这些算法试图实时解决人工智能 (AI) 任务，同时消耗更少的能量。我们假设 [3]，我们可以利用光子学的高并行性和速度，将相同的神经形态算法带到需要多通道多千兆赫模拟信号的应用，而数字处理很难实时处理这些信号。通过将光子设备的高带宽和并行性与类似大脑中的方法所实现的适应性和复杂性相结合，光子神经网络有可能比最先进的电子处理器快至少一万倍，同时每次计算消耗的能量更少 [4]。一个例子是非线性反馈控制；这是一项非常具有挑战性的任务，涉及实时计算约束二次优化问题的解。神经形态光子学可以实现新的应用，因为没有通用硬件能够处理微秒级的环境变化 [5]。](/simg/d/d0b24e3de4e984953fcbe1080336ba472eefd4f9.png)
![征文：教育和教育研究中的人工智能国际研讨会 (AIEER) AIEER 2024 教育和教育研究中的人工智能国际研讨会是第 27 届欧洲人工智能会议 ECAI 2024 [https://www.ecai2024.eu/] 的一部分。本次研讨会定于 2024 年 10 月 19 日至 20 日星期六和星期日举行。 研讨会范围 本次研讨会有两个不同的重点，旨在更广泛地面向教育人工智能领域。 第 1 部分。由社会科学主导的讨论，讨论人工智能应用可能有助于解决的教育中的实际问题。这包括教育和教学人工智能的研究，也包括社会科学、经济学和人文学科，包括所有学科，如教育和教学实际行动、以教育需求为重点的劳动力市场研究、教育史和相关教育文化遗产，以及决策和行为科学观点的信息预测。一方面，我们关注人工智能、教育和社会之间的联系。这包括定量和定性研究、分析教育和劳动力市场数据的数据科学方法、推荐系统的人工智能方法以及数字化学习。另一方面，我们关注如何使用人工智能来突破该领域的界限。这包括开发新方法（包括使用人工智能的方法）、寻找和提供可访问的新数据源、丰富数据等等。在这两种情况下，不同观点之间的沟通和相互理解至关重要，这也是本次研讨会的目标之一。更广泛地说，我们感兴趣的是人工智能方法如何影响教育的所有领域以及企业和劳动力市场。这包括从小学到高等教育的所有教育部门如何受到人工智能方法的影响和对其作出反应的方法。用人工智能方法设计数字化未来为教育提出了几个问题：在最广泛的层面上，立法和规范问题；在公司层面，关于投资决策以及如何保持生产力和劳动力的问题；在个人层面，关于资格以及哪些技能需要应用和可能重新学习的问题。因此，技能和资格是教育和教育研究中人工智能的核心。第 2 部分。关于可以开发哪些人工智能应用程序（以及如何开发）来解决第 1 部分提出的问题的（计算机科学主导）讨论。使用基于人工智能的系统来支持教学或学习已经发展了 40 多年，但近年来，由于 COVID-19 大流行期间电子学习工具的使用增加以及最近生成人工智能的爆炸式增长，其增长显着增加。我们正处于这一领域发展的关键时刻，人工智能专家和教育专家必须携手合作，以在教学过程中最佳地利用这项技术。本次研讨会旨在为展示新提案和反思这一具有如此社会意义的领域的最新技术创造空间。在第一部分中，我们特别关注人工智能的技术方面，重点关注用于内容创建（生成式人工智能）、学生分析（机器学习）、学习分析或教师可解释的人工智能方法的具体技术](/simg/9/997626a7f59d17e25a28a70110fbadb440a4a51a.png)
