XiaoMi-AI文件搜索系统
World File Search System三维结构
高表面积“3D氧化石墨烯”可增强放射性核素的吸附
本文报道了高表面积活化还原氧化石墨烯 (arGO) 的制备方法，该氧化石墨烯被氧化成富含缺陷的 GO (dGO) 的 3D 类似物。arGO 的表面氧化导致碳氧比 C/O = 3.3，类似于氧化石墨烯的氧化状态，同时保持约 880 m 2 g −1 的高 BET 表面积。表面氧化 arGO 的分析表明，氧官能团含量高，可将疏水前体转化为亲水材料。高表面积碳为氧化提供了整个表面，而无需插层和晶格膨胀。因此，表面氧化方法足以将材料转化为具有与氧化石墨烯相似化学性质的 3D 结构。“3D 氧化石墨烯”在极宽的 pH 区间内表现出对 U(VI) 去除的高吸附能力。值得注意的是，表面氧化的碳材料具有刚性的三维结构，微孔可供放射性核素离子穿透。因此，块状“3D GO”可直接用作吸附剂，而无需分散，这是 GO 使其表面积可供污染物进入的必要步骤。
使用MTT分析
摘要：磷酸羟基磷灰石磷酸盐（HA-TCP）支架是一种用于支撑骨再生的三维结构。理想情况下，支架应具有生物相容性，可生物降解且无毒。组织工程技术使用合并的干细胞和支架来修复骨缺损。为了证明支架的无毒特性，人脐带间充质干细胞（HUCMSCS）需要进行细胞毒性测试。在这项研究中，将27个样品分为八组，其脚手架ha-tcp剂量范围为5-1000 µg。每个脚手架的治疗组都用HUCMSC覆盖。通过使用光密度（OD）公式计数的甲基 - 噻唑 - 四唑（MTT）色唑次添加样品，并由微孔读取器观察到。通过具有100倍放大倍率的倒TMS显微镜观察到细胞的生存能力。MTT分析的测试表明，HUCMSC细胞生存能力使Ha-TCP支架剂量的每种变体都没有表现出任何有毒作用。OD值越高，生存能力越高。已经发现，可变支架剂量与脐带细胞的生存能力百分比之间没有显着差异。
胰腺胰蛋白酶抑制剂的遗传解剖
摘要在先前的研究中，使用遗传筛选探测来鉴定牛胰腺胰蛋白酶抑制剂的变体，该变异物可以折叠成活性构象，但在存在二硫代醇（DTT）的情况下，它们比野生型蛋白的差异要快得多。现在已经研究了这些DTT敏感变体中有30种的机制。在存在DTT的情况下，某些氨基酸替代品引起快速失活，因为天然蛋白的三个二硫化物的降低速度比野生型蛋白快300倍，从而完全展开。其他取代并不能大大提高完全降低和展开的速度，而是导致非活性的两硫化物物种的积累。在蛋白质的三维结构中，DTT敏感氨基酸替代的位置与变体被灭活的机制之间存在显着相关性。au在野生型蛋白的展开过程中最缓慢地减少的两种二硫化物的附近，而其他类的取代都位于蛋白质的另一端，靠近trypsin结合位点。这些结果表明，天然牛胰腺胰蛋白酶抑制剂的动力学稳定性及其作为蛋白酶抑制剂发挥作用的能力在很大程度上受到折叠蛋白具有区别区域的残基的影响。
利用导电聚合物和水凝胶进行直流电刺激的指南
碳聚合物广泛应用于航空航天、电子、[1–4] 太阳能电池技术、[5–9] 太阳能水净化、[10] 电池（如超级电容器）[11–14] 和生物医学工程（如记录和刺激电极涂层、药物输送、组织工程支架）。[15–21] 这些聚合物固有的导电性来源于它们的化学结构，该结构由重复的单键和双键（π-π）碳键交替链组成，允许电子沿着聚合物主链自由移动。此外，这些材料可以通过几种工艺（如化学、电化学、光子）进行掺杂，通过极化子的积累有效地提高它们的电导率。[22] 除了出色且可调的电性能外，碳聚合物还是一种经济高效的金属替代品，可生物降解、生物相容性好，可以通过多种工艺合成，并可以涂覆在不同类型的基材上。在研究最多的 CP 中，我们发现了聚吡咯 (PPy)、聚苯胺 (PANI) 和聚（3,4-乙烯二氧噻吩）聚苯乙烯磺酸盐 (PEDOT/PSS)。所有这些 CP 都已广泛应用于生物医学应用，用于生物电测量、电刺激、药物输送以及生物致动器和生物传感器。[23–27] 特别是，由于 PEDOT 的高电化学稳定性和三维结构，在过去十年中，将其用作刺激电极涂层一直是研究的中心。
CellSeg3d：荧光显微镜的自我监督3D细胞分割
了解细胞的复杂三维结构在生物学的许多学科中至关重要，尤其是在神经科学中。在这里，我们介绍了一组模型，包括3D变压器（Swinuneter）和一种新颖的3D自我监督学习方法（WNET3D），旨在解决生成3D地面真相数据和量化3D卷的核的固有复杂性。我们开发了一个名为CellSeg3d的Python软件包，该软件包在Jupyter笔记本和Napari GUI插件中提供了对这些模型的访问。认识到高质量的3D地面真相数据的稀缺性，我们创建了一个完全被人类宣传的中膜数据集，以提高该领域的评估和基准测试。为了评估模型性能，我们在四个不同的数据集中进行了测试：新开发的MesoSpim数据集，一个3D Platynereis-ish-Nuclei共聚焦数据集，一个单独的3D Platynereis-Nuclei灯光数据集，以及一个具有挑战性且具有挑战性和密集包装的Mouse-Skull-Nucleii colderii coldasaset。我们证明，我们的自我监管模型WNET3D（未经任何地面真相标签训练）以最先进的监督方法来实现绩效，为在标签式生物学环境中更广泛的应用铺平了道路。
繁殖 - Bioscientifica
类器官是一种三维结构，其特征是细胞空间组织和功能接近其模仿的天然组织。目前已有报道称，人们尝试创建源自多种组织的类器官，包括睾丸。睾丸类器官有可能提高我们对调节睾丸形态发生、生理学和病理生理学的机制的认识。它们尤其可以证明是了解不育症中生殖细胞生态位调节复杂机制的有用工具，因为它们提供了在自组装之前控制和修改细胞类型的性质的可能性，从而为开发恢复生育能力的创新方法开辟了前景。迄今为止，针对睾丸类器官形成的研究很少，描述具有睾丸特异性结构和功能的类器官生成的研究就更少了。虽然研究人员描述了与睾丸组织形态发生和药物毒性有关的有趣应用，但在睾丸类器官最终导致受精精子的产生之前，还需要进一步研究。本综述将介绍用于诱导睾丸细胞体外成熟的常规系统，描述用于开发睾丸类器官的不同方法，并讨论它们在男性生殖生物学领域的潜在应用。生殖 (2021) 161 R103–R112
患者来源的癌症类器官在个性化医疗中的应用
摘要：细胞模型对于癌症治疗的研究和开发必不可少。随着各种细胞模型的建立，癌症药物也得到了发展。患者来源的细胞系对于识别特征表型和对抗癌药物的敏感性以及肿瘤的分子靶向治疗非常有用。然而，传统的二维 (2D) 细胞培养在培养过程中的植入率和表型变化方面存在一些缺点。类器官是最近开发的体外模型，其培养的细胞在细胞外基质中形成三维结构。类器官具有自我更新的能力，可以自我组织以在结构和功能上与原始器官或肿瘤相似。与传统的 2D 细胞系或患者来源的异种移植相比，患者来源的癌症类器官更适合癌症生物学和临床医学的研究。随着基因分析技术的最新进展，各种肿瘤的遗传信息已被阐明，基于遗传信息的个性化医疗已在临床上可用。本文回顾了患者来源的癌症类器官在癌症生物学研究和个性化医疗方面的开发和应用的最新进展。我们重点关注类器官作为识别和开发新型靶向药物的平台的潜力，该药物用于治疗最难治疗的癌症——胰胆管癌。
lidR：用于分析机载激光扫描 (ALS) 数据的 R 包
机载激光扫描 (ALS) 是一种遥感技术，因其在自然资源管理中的适用性而闻名。通过使用激光技术量化植被和底层地形的三维结构，ALS 已被广泛用于增强林业和生态领域的地理空间知识。植被的结构描述提供了一种估计一系列生态相关属性的方法，例如高度、体积和地上生物量。高效处理大型、通常技术复杂的数据集需要专用的算法和软件。ALS 作为改善生态理解的工具的持续前景通常取决于用户创建的工具、方法和方法。由于 ALS 在学术、政府和私营部门社区中的普及，再加上满足对开放和可访问数据日益增长的需求，ALS 社区认识到免费和开源软件 (FOSS) 的重要性以及用户定义的工作流程的重要性。在此，我们描述了 lidR 包开发背后的理念。 lidR 在 R 环境中使用 C/C++ 后端实现，是一款免费的开源跨平台软件，旨在为使用 ALS 数据的林业和生态社区提供简单而富有创意的处理工作流程。我们回顾了研究界目前使用的算法，并在此过程中提高了人们对当前成功和挑战的认识
MYC 抑制剂在多发性骨髓瘤中的应用
摘要 20 世纪 70 年代末，人们发现了 MYC 在癌症中的重要性，当时人们发现了导致粒细胞白血病的禽逆转录病毒的序列。从那时起，40 多年的不懈研究强调了这种蛋白质在恶性转化（尤其是血液系统疾病）中的重要性。事实上，原癌基因（如 MYC ）的较高表达、基因重排及其与癌症发展之间的关系最早是在伯基特淋巴瘤、慢性粒细胞白血病和小鼠浆细胞瘤中建立的。多发性骨髓瘤 (MM) 是一种与 MYC 失调密切相关的浆细胞恶性肿瘤，这表明针对它的治疗策略将有利于治疗这种疾病。然而，由于 MYC 的独特性质，针对 MYC 过去是（现在仍然）具有挑战性：缺乏明确的三维结构、核定位和缺乏可靶向的酶口袋。然而，尽管存在这些困难，许多研究已经表明直接或间接抑制 MYC 具有潜在的治疗效果。事实上，在 MM 的背景下，已经测试了不同的分子。在这篇评论中，我们总结了不同化合物的现状，包括它们的临床试验结果，并建议继续努力识别、重新利用、重新设计或改进候选药物，将它们与标准治疗疗法相结合，以克服耐药性并更好地管理骨髓瘤治疗。
基于结构的药物设计的结合自适应扩散模型
基于结构的药物设计 (SBDD) 旨在生成与特定蛋白质靶点结合的 3D 配体分子。现有的 3D 深度生成模型（包括扩散模型）已显示出对 SBDD 的巨大潜力。然而，在 3D 空间中精确捕捉分子生成所必需的蛋白质-配体相互作用非常复杂。为了解决这个问题，我们提出了一个新颖的框架，即结合自适应扩散模型 (BIND DM)。在 BIND DM 中，我们自适应地提取子复合物，即负责蛋白质-配体相互作用的结合位点的基本部分。然后，使用 SE(3) 等变神经网络处理选定的蛋白质-配体子复合物，并将其传输回复合物的每个原子，以通过结合相互作用信息增强靶标感知的 3D 分子扩散生成。我们利用跨层级相互作用节点迭代此层级复合物-子复合物过程，以充分融合复合物与其相应子复合物之间的全局结合上下文。在 Cross-Docked2020 数据集上进行的实证研究表明，B IND DM 可以生成具有更逼真三维结构和更高蛋白靶标结合亲和力的分子，平均 Vina 评分最高可达 -5.92，同时保持适当的分子特性。我们的代码可在 https://github.com/YangLing0818/BindDM 获取。