XiaoMi-AI文件搜索系统
World File Search System于抗
AlphaFold3了解了什么是关于抗体和纳米型对接的，什么尚未解决？
适体是单链寡核苷酸，它们结合具有高亲和力和特异性的分子靶标。但是，他们的发现和进化仍被限制在常规的SELEX方法上。在这里，我们提出了一种适体结合语言（可易于使用的）模型，该模型通过将预处理的蛋白质和核酸序列编码与跨注意结构相结合，以捕获适体 - 蛋白结合的决定因素，从而实现跨不同蛋白质靶标的结合相互作用的可靠预测。该模型采用具有多头跨意义机制的基于变压器的结构，优化了序列特定特征和位置嵌入，以学习适体及其蛋白质靶标之间的复杂结合模式，同时维持跨不同适应性库的序列长度多样性。我们跨不同基准测试的广泛评估表明，在概括实验结合曲线方面的现有方法相对于现有方法的优势。可易于观察的蛋白质和产生的适体表现出强烈/有利的概括性。在现实世界中，可易于识别的是几种经过实验验证的CD117 ssDNA Apatamers先前被传统SELEX遗漏的，并产生了一种新型的SSDNA Apatamer，该Aptna Aptamer与APP62与人类CD4共享具有可比的结合曲线。这些结果展示了可捕获捕获适体蛋白结合的分子相互作用的能力。
用于抗生素优化的生成人工智能方法
抗菌素耐药性 (AMR) 对全球健康构成严重威胁，凸显了创新抗生素发现策略的迫切需求。虽然肽设计方面的最新进展已经产生了许多抗菌剂，但由于不可预测且资源密集的反复试验方法，通过实验优化这些分子仍然具有挑战性。在这里，我们介绍了 APEX 生成优化 (APEX GO)，这是一个生成人工智能 (AI) 框架，它将基于变压器的变分自动编码器与贝叶斯优化相结合，以设计和优化抗菌肽。与筛选现有分子固定数据库的传统监督学习方法不同，APEX GO 通过任意修改模板肽来生成全新的肽序列，代表了肽设计和抗生素发现的范式转变。我们的框架引入了一种新的肽变分自动编码器，具有设计和多样性约束，以保持与特定模板的相似性，同时实现序列创新。这项工作代表了在任何环境下对生成贝叶斯优化的首次体外和体内实验验证。 APEX GO 使用十种已灭绝的肽作为模板，生成了具有增强抗菌性能的优化衍生物。我们合成了 100 种优化肽，并进行了全面的体外表征，包括抗菌活性、作用机制、二级结构和细胞毒性评估。值得注意的是，APEX GO 在增强对临床相关革兰氏阴性病原体的抗菌活性方面实现了出色的 85% 真实实验命中率和 72% 的成功率，优于以前报道的抗生素发现和优化方法。在鲍曼不动杆菌感染的临床前小鼠模型中，几种 AI 优化的分子（最显著的是 mammuthusin-3 和 mylodonin-2 的衍生物）表现出强大的抗感染活性，可与广泛使用的最后手段抗生素多粘菌素 B 相媲美或超过多粘菌素 B。这些发现凸显了 APEX GO 作为一种用于肽设计和抗生素优化的新型生成式 AI 方法的潜力，为加速抗生素发现和应对日益严峻的 AMR 挑战提供了强有力的工具。
和用于抗癌，抗糖尿病，抗菌剂的纳米载体...
peg通常用于移植和吸附应用到微载体和纳米载体的表面，例如脂质体，原因是其合适的特征，涉及高亲水性，中性和突出的空间排斥。通过增加peggenation的密度（钉子的结合），有蘑菇，刷子和浓密的刷子构象。扩展的血液循环时间和增强的药物疗效已被表明是微载体和纳米载体的重要治疗结果。尽管最近的进步，挑战仍然存在，特别是在优化基于PEG的微型和纳米成型的性能方面解决了与响应时间和受控释放有关的问题。因此，这种亲水性聚合物可以升级抗癌，抗糖尿病，抗菌和抗神经退行性药物的药代动力学特性。以这种方式，这种迷你审查已经涵盖了Pegylation的新应用，以改善这些治疗特征。
Paulos T等。用于抗菌应用的ZnO-CUO纳米复合材料的合成。 Pharma Sci分析Res J 2024，6（4）：180092。Paulos T等。用于抗菌应用的ZnO-CUO纳米复合材料的合成。 Pharma Sci分析Res J 2024，6（4）：180092。
在这项研究中，使用溶液燃烧方法在500°C的温度下成功合成了0.95zno-0.5cuO纳米复合材料6小时。使用X射线衍射（XRD）和紫外可见（UV-VIS）光谱分析材料的结构和光学特性。使用针对大肠杆菌（大肠杆菌）的琼脂井扩散法测试了抗菌特性。XRD分析显示尖锐的Bragg峰，表明纳米复合材料的高结晶度。该材料表现出六边形（ZnO）和单斜晶（CUO）相的混合物。计算的结晶石尺寸为20.18 nm，确认了复合材料的纳米级结构。UV-VIS光谱学在紫外线下显示出光学活性，测得的光条间隙为3.11 eV。抗菌测试显示出令人鼓舞的结果，复合材料在15.6 mg/ml浓度的抑制区直径为15.12 mm，针对大肠杆菌。
通过母乳喂养评估婴儿暴露于抗抑郁药：目前可用方法的文献综述
摘要：尽管哺乳母亲的抑郁症患病率不足，但缺乏对抗抑郁药排泄到母乳中及其对婴儿的潜在不良影响的知识。这引起了人们的关注，这使抑郁的泌乳母亲更有可能避免药理治疗。临床泌乳研究是预测和证明抗抑郁药中的最准确和直接的方法，可以将临床研究的结果包括在药物标签中，以帮助医师和患者在哺乳过程中做出抗抑郁药的决定。然而，由于缺乏入学率以及道德和混杂因素，在泌乳女性中对抗抑郁药的药代动力学的研究有限，从而在该领域缺乏知识。为了弥合知识的差距，应寻求替代方法来帮助估计母乳中抗抑郁药的浓度，该抗抑郁药用于评估抗抑郁药向母乳的安全性和转移。我们对这些具有成本效益，时间效率和道德上可行的方法的使用进行了全面综述，这些方法在进行临床研究之前，可以对抗抑郁药的安全性和转移到母乳中进行有价值的估计。
壳聚糖集成的姜黄素 - 氧化烯/氧化铜杂化纳米复合材料用于抗菌和细胞毒性应用
1印度Sriperumbudur 602117 Sri Venkateswara工程学院应用化学系； anandhavelu@svce.ac.in（A.S。）; anandababu@svce.ac.in（A.B.S.）2印度技术学院化学工程系，印度坎迪502285，印度； CH24IPDF15@IITH.AC.IN 3材料工程，RWTH Aachen University，52062 Aachen，Germany; abbishek.sridharan@rwth-aachen.de 4生物医学工程系，KPR工程技术学院，哥印拜陀641407，印度； swathy.m@kpriet.ac.in 5化学系，国王沙特大学理学院 Box 2455，Riyadh 11451，沙特阿拉伯； almansor@ksu.edu.sa 6化学系，R.M.D。 工程学院，印度Tiruvallur 601206； subha.snh@rmd.ac.in 7电子和电气工程部，东guk大学 - 欧洲共和国，首尔04620； hyunseokk@dongguk.edu *通信：v.j.dhanasekaran@gmail.com2印度技术学院化学工程系，印度坎迪502285，印度； CH24IPDF15@IITH.AC.IN 3材料工程，RWTH Aachen University，52062 Aachen，Germany; abbishek.sridharan@rwth-aachen.de 4生物医学工程系，KPR工程技术学院，哥印拜陀641407，印度； swathy.m@kpriet.ac.in 5化学系，国王沙特大学理学院Box 2455，Riyadh 11451，沙特阿拉伯； almansor@ksu.edu.sa 6化学系，R.M.D。 工程学院，印度Tiruvallur 601206； subha.snh@rmd.ac.in 7电子和电气工程部，东guk大学 - 欧洲共和国，首尔04620； hyunseokk@dongguk.edu *通信：v.j.dhanasekaran@gmail.comBox 2455，Riyadh 11451，沙特阿拉伯； almansor@ksu.edu.sa 6化学系，R.M.D。工程学院，印度Tiruvallur 601206； subha.snh@rmd.ac.in 7电子和电气工程部，东guk大学 - 欧洲共和国，首尔04620； hyunseokk@dongguk.edu *通信：v.j.dhanasekaran@gmail.com
基于抗量子计算攻击的区块链智能合约技术研究
近年来，区块链技术发展迅速，被广泛应用于医疗、金融、能源等领域。然而在实际应用过程中，每条区块链都是一个独立的小生态系统，所有的交易和操作都局限于链上，导致存在大量相互异构独立的区块链，对跨链交互、跨组织数据共享、跨区块链扩展等提出挑战，阻碍了区块链技术的更广泛应用。另外，传统的基于椭圆曲线密码的数字签名方法面临被量子计算攻击破解的威胁。针对上述问题，本文提出了一种基于抗量子计算攻击的区块链智能合约技术（BSCTQCAT），该技术首次将格密码的数字签名引入区块链，以抵御量子搜索算法攻击。然后基于智能合约认证方案，将多条异构链上的节点组织成一个身份代理层P2P网络，链上交易通过该网络在不同链之间建立可信的身份管理和消息认证机制，解决目前各链之间难以沟通的问题。本文通过模拟比特币交易场景，分析实验数据，对算法的性能进行评估。
在怀孕期间或婴儿期暴露于抗生素与自闭症谱系障碍，智障障碍，语言障碍和癫痫病的风险之间的关联：基于人群的队列研究
这些时期。11流行病学研究已经研究了产前或婴儿抗生素使用与神经发育障碍（例如自闭症谱系障碍和癫痫）之间的关联。12-15然而，证据仍然有限且尚无定论，可能是由于某些研究中的混淆控制不足。因为在严重和不太严重的形式中，感染与神经发育后果有关，因此在研究抗生素在神经发育障碍中的作用时，特别关注的是混淆。16-18此外，家族性混杂提出了另一个潜在的偏见来源，因为神经发育障碍的病理生理学既涉及遗传因素和环境因素。因此，有必要对基于现实世界数据进行对该主题的全面调查，同时控制这些潜在的混杂，因为孕妇和婴儿通常被排除在随机试验之外。在这项研究中，我们旨在评估怀孕期间或婴儿期间接触抗生素是否与随后使用韩国的大型全国数据库在儿童中自闭症谱系障碍，智力障碍，语言障碍和癫痫病的发展有关。尽管智力障碍和语言障碍被认为是另一种常见的神经发育障碍类型，但迄今为止，尚无研究尚未彻底评估这些疾病是否与抗生素使用有关。为了说明指示和未测量的家族因素的混淆，我们实施了两种设计：倾向得分匹配的队列研究和同级分析。
烟碱乙酰胆碱受体α6通过果蝇中的IMD途径有助于抗病毒免疫
摘要：目前，靶向烟碱乙酰胆碱受体（NACHR）的杀虫剂已被广泛使用。对杀虫剂的杀伤力作用的研究发现，它们可以影响昆虫的病毒量。杀虫剂影响昆虫病毒负荷的机制尚不清楚。在这里，我们表明靶向杀虫剂的NACHR可以通过免疫缺陷（IMD）途径影响病毒复制。我们证明，低剂量的尖型（6.8 ng/ml），充当果蝇的拮抗剂，是果蝇的拮抗剂烟碱乙酰胆碱受体α6（Dα6），显着升高了成年成年成年型成年型成人乳糖质滴虫的drosophilophila sigmavirus（dmelophila melanogaster）。相反，高剂量的Spinosad（50 ng/ml）充当Dα6的激动剂，大大降低了病毒载量。在Dα6 -Knockout Flies中不存在这种病毒水平的双向调节，这表示Spinosad作用通过Dα6的特异性。此外，Dα6的敲低导致IMD途径中基因表达降低，包括Dredd，IMD，Resish和下游抗菌肽基因ATTA和ATTB，表明先天性免疫反应降低。随后的研究表明，温和蝇与Dα6-柔软的双突变体之间的病毒滴度没有显着差异，这表明IMD途径在抗病毒防御中的作用取决于Dα6。总的来说，我们的发现阐明了NACHR信号传导与IMD途径之间的复杂相互作用，从而介导抗病毒免疫，突出了nachR靶向化合物的潜力，以无意中影响昆虫宿主中的病毒动力学。这些知识可能会为综合的害虫管理策略的发展提供信息，这些策略考虑了杀虫剂使用的更广泛的生态影响。
对于抗体序列生成建模，混合模型可能是您需要的
通信：Wei Wang，电子邮件地址：wei-wang@ucsd.edu抽象抗体治疗候选者不仅必须与其目标表现出紧密的结合，还必须表现出良好的发展性能，尤其是免疫原性的风险。在这项工作中，我们将一种简单的生成型Sam拟合到600万人重和七千万人类轻型连锁店。我们表明，由模型计算出的序列的概率与其他物种在各种基准数据集上与其他模型中的任何其他模型相同或更高的精度区分了具有相同或更高准确性的序列，比文献中的任何其他模型都超过了大型语言模型（LLMS）。SAM可以人性化序列，生成新序列和人类的得分序列。它既快速又完全可解释。我们的结果强调了使用简单模型作为蛋白质工程任务的基准的重要性。我们还引入了一种用于编号抗体序列的新工具，该工具比文献中现有工具更快。这两个工具均可在https://github.com/wang-lab-ucsd/antpack上获得。引言良好的开发性能（例如免疫原性的低风险）对于抗体治疗候选者至关重要1-3。从接种动物中检索的抗体构成人类免疫原性的高风险，因此必须被人性化，例如通过将CDR区域“嫁接”到人类框架4。这种方法经常需要进一步的试用和错误修改才能恢复失去的亲和力4。理想情况下，这些方法应至少具有四个特征。人性化抗体序列的计算方法有可能加速这一过程5。1）分配区分人类和非人类变量区域序列的得分。2）提出可能使序列人性化的突变。3）生成新的高度人类可变区域序列，这对于机器学习辅助抗体发现的方法很有用。4）该方法应充分解释，即可以确定序列的不同区域对得分的贡献。已经提出了用于生成人类序列，分析曲目数据以及评分或人性化序列的各种计算机方法，但通常缺乏这些特征中的一种或多种。Prihoda等人报告了OASIS模型，该模型将输入序列分为9-mers，并通过人口中的患病率分为9-mers 7。他们分别训练大型语言模型（LLM）提出人性化突变。OASIS模型假定序列中所有9人之间的统计独立性，这可能是不现实的。另外，虽然绿洲模型是完全可解释的，但LLM无法完全解释为什么建议给定突变。诸如Immunesim 11和Igor 12的工具来分析曲目数据。其他各种作者已经训练了LLMS，可以按顺序预测下一个氨基酸，或者是掩盖的氨基酸的身份9,10,13。虽然一些LLM（例如尽管这些工具对于数据分析非常有用，但并非旨在模拟人类曲目中序列的分布，因此并非旨在评估序列的人性。llms可以生成新的序列并将得分分配给现有序列（可能性或假性时期），该序列可能与某些感兴趣的特性相关。progen2-oas）9接受了来自多种物种的数据的培训，因此无法评估人类（例如iglm）10在物种标签上进行调节，因此原则上应该能够将人类的重链与其他物种的重链区分开。这些模型的黑框性质使得很难确定该模型“学到了”或评估预测的可靠性。其他作者已经训练了分类器，可以预测序列是否是人类，包括ABLSTM 8，抗纤维13（可以作为物种分类器运行的LLM）和Hu-Mab 5,8。分类器可以实现训练集中存在的物种的高精度，但是如果被要求得分更多的序列，则可能会失去准确性。例如，Marks等人。请注意，Hu-mab最佳用于人性化鼠起源序列，仅是因为它主要在人类和小鼠序列上进行了训练5。分类器不是生成模型，也不直接生成