XiaoMi-AI文件搜索系统
World File Search System于结
用于结构应用的植物纤维复合材料的耐用性
摘要：环境的可持续性和生态耐用性是即将到来的材料时代的必要基准。在结构组件中使用可持续的植物纤维复合材料（PFC）在工业社区中引起了显着兴趣。PFC的耐用性是一个重要的考虑因素，需要在其广泛应用之前对其进行充分理解。水分/水老化，蠕变特性和疲劳性能是PFC耐用性的最关键方面。目前，提出的方法（例如纤维表面处理）可以减轻吸水对PFC机械性能的影响，但完全消除似乎是不可能的，因此限制了PFC在潮湿环境中的应用。PFC中的蠕变没有像水/水分老化那样受到关注。现有的研究已经发现，由于植物纤维的独特微观结构，PFC的显着蠕变变形显着，幸运的是，尽管数据仍然有限，但据报道，增强纤维 - 纤维纤维粘结键可以有效地提高蠕变耐性。关于PFC中的疲劳研究，大多数研究都集中在张力张紧疲劳特性上，但需要更多注意与压缩相关的疲劳性能。PFC在其最终拉伸强度（UTS）的40％的张力疲劳负荷下表现出了一百万个周期的耐力，而与植物纤维类型和纺织结构无关。这些发现在使用PFC进行结构应用中增强了信心，只要采取特殊措施来减轻蠕变和吸水。本文根据上述三个关键因素概述了有关PFC耐用性的当前状态，并讨论了相关的改进方法，希望它可以为读者提供有关PFCS耐用性的全面概述，并强调值得进一步研究的领域。
基于结构正规化的歧视性多视图无监督特征选择
多视图无监督的特征选择（MUFS）最近引起了相当大的关注，可以从原始的多视图数据中选择紧凑的代表性特征子集。尽管有希望的初步性能，但大多数以前的MUFS方法都无法探讨多视图数据的歧视能力。此外，他们通常使用光谱分析来维持几何结构，这将不可避免地增加参数选择的难度。为了解决这些问题，我们提出了一种新颖的MUFS方法，称为基于结构正规化的歧视性多视图无监督特征选择（SDFS）。具体来说，我们从不同视图中计算样本空间的相似性矩阵，并自动加权每个视图特定图表以学习共识相似性图，其中这两种类型的图形可以相互促进。此外，我们将学习的潜在表示为群集指标，并在没有引入其他参数的情况下采用图形正则化来维护数据的几何结构。此外，开发了具有理论收敛属性的简单而有效的迭代更新算法。在几个基准数据集上进行的广泛实验验证了该设计的模型是否优于几种最新的MUFS模型。©2023 Elsevier B.V.保留所有权利。
基于结构的设计活性位点定向、高效...
* 通讯作者：dgenebarrett@gmail.com (DGB) 和 zhang-zy@purdue.edu (Z.-YZ)；通讯作者：Zhong-Yin Zhang：普渡大学药物化学和分子药理学系及药物发现研究所，720 Clinic Drive，西拉斐特，印第安纳州 47907，美国；David G. Barrett：礼来公司礼来研究实验室，307 E Merrill St，印第安纳波利斯，印第安纳州 46225，美国。 π 现地址：RayzeBio, Inc., 5505 Morehouse Drive, Suite 300, San Diego, CA 92121, USA §现地址：Thermalin Inc., PO Box 80430, Stoneham, MA 02180-0005, USA 何荣军：美国礼来研究实验室，美国礼来公司，307 E Merrill St, Indianapolis, IN 46225, United States，印第安纳大学医学院生物化学与分子生物学系，635 Barnhill Drive, Indianapolis, IN 46202, United States 王继峰：美国印第安纳大学医学院生物化学与分子生物学系，635 Barnhill Drive, Indianapolis, IN 46202, United States 余志宏：美国普渡大学药物化学与分子药理学系和药物发现研究所，720 Clinic Drive, West拉斐特，印第安纳州 47907，美国 Julie S. Moyers：礼来公司礼来研究实验室，307 E Merrill St，印第安纳波利斯，印第安纳州 46225，美国 M. Dodson Michael：礼来公司礼来研究实验室，307 E Merrill St，印第安纳波利斯，印第安纳州 46225，美国 Timothy B. Durham：礼来公司礼来研究实验室，307 E Merrill St，印第安纳波利斯，印第安纳州 46225，美国 Jeff W Cramer：礼来公司礼来研究实验室，307 E Merrill St，印第安纳波利斯，印第安纳州 46225，美国 Yuewei Qian：礼来公司礼来研究实验室，307 E Merrill St，印第安纳波利斯，印第安纳州 46225，美国 Amy Lin：礼来公司礼来研究实验室307 E Merrill St，印第安纳波利斯，印第安纳州 46225，美国 Li Wu：普渡大学药物化学和分子药理学系和药物发现研究所，720 Clinic Drive，西拉斐特，印第安纳州 47907，美国 Nicholas Noinaj：普渡大学生物科学系，240 S. Martin Jischke Drive，西拉斐特，印第安纳州 47907，美国 作者贡献 RH、DGB 和 ZYZ 构思并设计了 LMW-PTP 抑制剂，RH 执行了化学合成。TBD 为 LMW-PTP 抑制剂的设计提供了建议。JW 和 ZHY 解决了带有抑制剂的 LMW-PTP 的结构。JSM、MDM、JWC、YQ、AL 设计并进行了体外和体内生物学工作。LW 表征了化合物的酶抑制参数。 NN 帮助完善了 LMW-PTP 结构，RH、DGB 和 ZYZ 负责整个项目，并在所有人的帮助下撰写了论文。所有作者都已批准了手稿的最终版本。
基于结构的结核病抑制剂和结核分枝杆菌的CYP142抑制剂
此外，耐药性在1955年首次在国家一级进行了研究，[2]仍代表着一个重大威胁，耐酸匹配素耐药（RR-TB）的速率（RR-TB）和多种耐药性（MDR-TB）结核病（MDR-TB）的结核病（MDR-TB）的结核病范围为3-4％，从未有过3-4％以前受过治疗的治疗方法，而该治疗的治疗率是以前的18％（以前曾经是不受欢迎的人）。[1]更令人担忧的是，在临床分离株中已经记录了对最近开发的抗菌剂，例如Bedaquiline，[3-6]和Delamanid [3,4,7,8]。对MTB基因组的分析给出了第一个迹象，即脂质和固醇降解[9]具有与其生活方式作为强制病原体的重要功能。[10]已经证明，MTB可以用胆固醇作为唯一的碳源生长[9,11]，并且发现其利用是通过一种机制在小鼠中持续存在的细菌所必需的，该机制被认为涉及颠覆IFN -γ-刺激刺激的典型碳源的消耗。[12]参与固醇分解代谢的基因也被鉴定为灵长类动物的毒力决定因素，[13]，甚至有人提出MTB具有胆固醇的专业传感器，可介导细菌与宿主细胞膜之间的相互作用。[14]胆固醇通过由MCE4操纵子编码的大型跨膜复合物转运到MTB中。[12,15–17]
LWJ-M30，DM1与B6的结合物，用于结直肠癌的靶向治疗，具有更高的治疗效果
结直肠癌 (CRC) 是一种常见的恶性肿瘤，也是导致死亡的重要原因。1,2 每年 CRC 的发病率接近 140 万。3 根据新的研究，估计到 2035 年 CRC 的死亡率将增加 71.5%。4 在中国，CRC 是第二大癌症原因，过去二十年发病率迅速上升。5 CRC 的主要危险因素包括高龄、家族史、不健康饮食、吸烟和饮酒。6 但 CRC 的病因尚未完全阐明，直接原因仍不清楚。CRC 的治疗与癌症的分期密切相关。CRC 的分期取决于肿瘤侵犯的程度、肿瘤的大小、转移、受累淋巴结的大小和位置。由于医学的进步，CRC 的可选治疗方法正在迅速发展，例如手术、放射治疗、化学疗法、免疫治疗和细胞治疗。 6 尽管这些癌症疗法取得了进展，但目前仍没有临床批准的有效药物作为 CRC 的一线药物治疗，并且
关于结构性心脏病干预的超声心动图指导的特殊能力的建议：来自美国超声心动图学会
结构性心脏病的经导管疗法继续以快速的速度增长，超声心动图是用于支持此类程序的主要成像方式。经食管超声心动图指导结构性心脏病程序必须由高技能的超声心动图学家进行，他们可以实时提供快速，准确和高质量的图像获取和解释。需要培训标准以确保介入的超声心动图学家具有执行这项复杂任务的必要专业知识。本文档提供了有关心脏病学和麻醉学培训培训的所有关键方面的指导，并计划专门研究介入超声心动图。除了每种特定的反导管程序的能力外，还审查了所有经导管疗法共有的核心组合。核心原则是，介入的超声心动图训练或实现的程序量的长度不如在知识，技能和沟通的里程碑领域内的程序特定能力的演示。（J Am Soc Echocardiogr 2023; 36：350-65。）
tbmalt，一种用于结合紧密结合和机器学习的灵活工具包
紧密结合方法，尤其是密度的功能紧密结合（DFTB）和扩展的紧密结合方案，可以进行大型系统和长时间尺度的有效量子机械模拟。它们是使用务实近似和一些经验术语源自从头算密度的功能理论的，从而确保了速度和准确性之间的良好平衡。可以通过使用机器学习技术调整经验参数来提高其准确性，尤其是在合并有关原子本地环境的信息时。由于紧密结合模型仍然提供了显着的量子机械贡献，并且仅拟合了短量的校正，因此学习过程通常更短，更可转移，因为它可以直接通过机器学习直接在没有基础动机的模型的情况下直接通过机器学习来预测量子机械性能。作为进一步的优势，可以根据紧密结合模型来计算衍生的量子机械量，而无需进行额外的学习。我们已经开发了开源框架 - 结合机器学习工具包，它允许轻松实现此类组合方法。该工具包当前包含DFTB方法的层和GFN1-XTB Hamiltonian的接口，但是由于其模块化结构及其定义明确的接口，因此可以轻松实现其他基于原子的方案。我们正在讨论框架的一般结构，一些基本的实现细节以及几个概念验证应用程序，以证明合并方法的观点和工具包的功能。
基于结构的SARS-COV-2 NSP14 N7-甲基转移酶的抑制剂的发现
。cc-by-nc 4.0国际许可（未获得同行评审证明），他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权持有人，该版本发布于2023年1月15日。 https://doi.org/10.1101/2020.07.24.219907 doi：biorxiv preprint
基于结构的SARS-COV-2 NSP14 N7-甲基转移酶的抑制剂的发现 使用细胞周期特异性速率效应2 的癌症药物反应进行分析和建模 结构和功能性脑连接组之间的联合子空间映射 抗氧化能力生物标志物的低水平，但没有靶向过表达预测诱导ROS的药物的脆弱性 1个抑制作用的电阻机制和... 多个PALS基因模块控制秀丽隐杆线虫的免疫与发育之间的平衡 加密斑块和UBP12/13去泛素酶拮抗 评估M/ ... div>的长短期限内存网络 CHD相关增强剂塑造人类心肌细胞谱系承诺 组合KRASG12C和SOS1抑制作用增强和... 保守的免疫效应子家族在病毒感染后切开细胞ATP 方差成分估计，表型表征和牛牛的牛心力衰竭的遗传评估 对XBB.1.5的免疫力降低了二价mRNA助推器 被子植物中重复基因进化的DNA甲基化特征 升高的糖皮质激素改变了下丘脑发育和功能的轨迹 SynergyFinder Plus
。cc-by 4.0国际许可（未经Peer Review尚未获得认证）是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。这是该版本的版权持有人，该版本发布于2023年1月13日。 https://doi.org/10.1101/2023.01.12.523677 doi：biorxiv Preprint