XiaoMi-AI文件搜索系统
World File Search System亲和力
激酶中的抑制剂诱捕
摘要：最近，我们确定了N- myristoyltransferases（NMTS）中酶抑制的新型机制，我们将其称为“抑制剂捕获”。抑制剂捕获，从而防止其自由解离并导致抑制剂亲和力和效能的显着增加。在这里，我们证明了抑制剂捕获也发生在激酶中。值得注意的是，已经彻底改变了靶向癌症治疗的药物伊马替尼被捕获在ABL激酶的结构中。在p38α激酶中也观察到了这种作用，在p38α激酶中发现抑制剂捕获取决于“魔术”甲基，该甲基稳定蛋白质构象并显着增加了化合物的亲和力。总的来说，这些结果表明，抑制剂诱捕并不是N- myristoyltransferases的独特，因为它也发生在激酶家族中。抑制剂捕获可以增强抑制剂的结合亲和力数千次，并且是在确定药物亲和力和效力中起关键作用的关键机制。
dgcr2靶向用于将药物和成像试剂递送到人β细胞的成像试剂
digeorge综合征临界区域基因2（DGCR2）蛋白已被认为是胰腺中的β细胞特异性蛋白，但到目前为止，缺乏适用于靶向药物或分子成像的可用高亲和力粘合剂。杂物分子属于一类小亲和力蛋白，具有出色的分子成像特性。在这里，我们进一步验证了胰腺和干细胞（SC）衍生的β细胞中DGCR2的存在，然后描述靶向人DGCR2的几种候选候选物的产生和选择。使用内部开发的定向进化方法，生成了新的DGCR2结合分子并评估了热稳定性和亲和力。杂物分子变体进一步开发为将成像试剂传递到β细胞的靶向剂。Affibody分子Z DGCR2：AM106显示纳摩尔亲和力，合适的稳定性和生物分布，对胰岛的毒性可忽略不计，将其作为用于进一步开发的合适铅候选者，作为用于特定药物递送和对Beta细胞成像的特定递送的工具。
传单virclia肝炎E_en.pdf
抗HEV-IGG抗体可以持续十多年，并且是过去感染的指标。然而，基线抗体水平的增加超过四倍，也可以用作最近HEV感染的诊断标准。igG亲和力测定确定这些抗体的亲和力，可以区分近期感染的最近感染与过去感染高的感染。
印度尼西亚活性海洋化合物的分子对接研究
1 农业研究计划，艾哈迈德达兰大学农业学院，印度尼西亚 *通讯作者：ikhymanno97@gmail.com 摘要 背景：许多天然和合成疗法被用于帮助 COVID-19（2019 冠状病毒病）患者的康复，但抑制这种病毒的有效性仍需进一步研究。 目的：预测海参中的硫酸软骨素化合物是否对 COVID-19 具有抗病毒活性。 方法：使用分子对接方法，基于硫酸软骨素与 6LU7 和 2GTB 蛋白（COVID-19 中发现的主要蛋白酶 (M pro)）的相互作用，测试其对 COVID-19 的抗病毒活性。研究阶段包括准备6LU7和2GTB蛋白质结构数据库，使用Biovia Discovery Studio应用程序准备和优化3D硫酸软骨素结构，以及使用Autodock 4.2应用程序验证6LU7和2GTB蛋白质上的分子对接和硫酸软骨素对接方法。结果：硫酸软骨素与6LU7蛋白具有较高的亲和力并形成氢键，其对6LU7受体的亲和力值为（-9.5 kcal/mol），RMSD Ib为（0.000），RMSD ub为（0.000），而2GTB蛋白的亲和力较低，即对2GTB受体的亲和力值为（-7.7 kcal/mol），RMSD Ib为（0.000），RMSD ub为（0.000）。结论：根据分子对接研究结果，硫酸软骨素具有抗病毒潜力，因为它与 6LU7 和 2GTB 蛋白具有亲和力，可以抑制 COVID-19 病毒的感染途径。关键词：COVID-19，硫酸软骨素，6LU7 和 2GTB 受体，分子对接
小檗碱及其代谢物的药理学，它是自然界的奥泽米克还是伊马替尼？
背景：小檗碱是一种天然存在的生物碱，被广泛用于多种健康益处，包括体重管理和代谢紊乱。据报道，小檗碱的主要药理作用是通过激活 AMP 活化蛋白激酶，而其其他临床结果缺乏明确的作用机制。因此，本研究使用成熟的 Insilco 工具评估了小檗碱及其两种主要代谢物（小檗红碱和药根碱）在人体中的详细药理学。材料和方法：在 SwissTargetPrediction 服务器中确定了小檗碱及其代谢物的靶标，并使用 AutoDock vina 1.2.0 评估了它们的亲和力。使用 PrankWeb：配体结合位点预测工具评估了最高配体受体组合的结合位点。结果：激酶、酶和 A 家族 GPCR 被确定为小檗碱及其代谢物的三大靶标类别。观察到 ROCK2、PIK3CD、KCNMA1、CSF1R 和 KIT 是小檗碱及其代谢物的高亲和力靶点，亲和力值 <4 uM。小檗碱及其代谢物对所有 AMPK 和脂质/葡萄糖调节靶点（LDLR、DDP4 和 PCSK9）的亲和力均为 >10 uM。小檗碱及其代谢物对 ROCK2 的 IC50 值最小（<1 uM），而其其他高亲和力靶点（PIK3CD、KCNMA1、CSF1R 和 KIT）的 IC50 值 <5 uM。结论：多种多样的蛋白质靶点和观察到的新的亲和力靶点（ROCK2、PIK3CD、KCNMA1、CSF1R 和 KIT）为小檗碱及其代谢物在各种疾病条件下的潜在作用机制和治疗效果提供了有价值的见解，值得在合适的功效分析研究中进行验证。
弓形虫 IgG 亲和力水平与流产风险之间的关系 Shinta Ayuni Wulandari BKU 医学生物学研究项目学生，教员
摘要 --- 堕胎仍然是一个受到特别关注的问题，因为根据世界卫生组织 (WHO) 的数据，堕胎占世界孕产妇死亡原因的 15-50%。堕胎的危险因素之一是妊娠期感染，包括弓形虫病。本研究的目的是分析弓形虫 IgG 亲和力水平与堕胎风险之间是否存在关系。该研究采用文献综述研究，通过 MDPI、PubMed 和 ScienceDirect 数据源来识别、分析和评估科学论文。从四个数据源产生了 60 篇文章，有 7 篇文章通过了纳入标准，这些文章总结在 PRISMA 图中。一篇文章的结果提到了两次堕胎，另一篇文章提到了 17 次堕胎，两次都是发生在弓形虫 IgG 亲和力水平较低的妊娠早孕妇女中。两篇文章都表明，弓形虫 IgG 亲和力水平低的妇女在妊娠早期流产的几率比弓形虫 IgG 亲和力水平中或高的妇女高。本研究的结论是，弓形虫 IgG 亲和力水平与流产风险之间存在关联。关键词---流产，IgG 亲和力，弓形虫，弓形虫病。引言流产仍然是一个受到特别关注的问题，因为发生的可能性很高（Al-Yami 等人，2021 年）。根据世界卫生组织（WHO）的数据，流产占世界孕产妇死亡原因的 15% 至 50%。在全球 2.08 亿例怀孕中约有 5% 会发生流产，尤其是在印度尼西亚，每年 500 万例怀孕中有 10% 至 15% 会发生流产（Fallahi 等人，2018 年）。堕胎是指在妊娠周龄未达到 20 岁之前通过产道排出胎儿
23-1303.pdf
5 Olink 对 Alamar 的权利要求范围否认论点的实质性回应并不特别有说服力。Olink 认为，说明书的两个部分表明，虽然 '848 专利改进了邻近连接，但它并不排除使用具有预定义亲和力的分子。（DI 15，第 17 页）首先，Olink 指出说明书的一部分指出“[重要的是]，本发明允许研究分子库内或分子库之间的所有可能相互作用[。]”（'848 专利，第 5 栏：25-27（DI 15，第 17 页引用））根据 Olink 的说法，本领域的普通技术人员会将这种“所有可能的相互作用”语言理解为“不限于那些未定义或未知的亲和力或目标。” （DI 15，第 17 页）其次，Olink 引用了一段文字，其中专利权人解释道“预计在一些实施例中，[顺式反应细胞] 可能依靠内在的 [目标分子] 亲和力来创建”，根据 Olink 的说法，这表明所要求保护的方法可以使用“具有预定义亲和力的分子”。（'848 专利，第 16 栏：3-5（DI 15，第 17 页引用））
liao，Jiantong（2023）。 “与H
我打算表明，海德格尔的本体论和马克思的政治经济分析都表明了人类与现代技术之间的不自由关系。我建议揭示它们之间的亲和力是我们理解这种关系的关键。通过阐明海德格尔（Heidegger）的“有关技术的问题”和马克思的首都和1844年的手稿中的主要概念，我建议尽管他们对现代技术的观点与人类的生活经验有关，尽管他们的整体论点有明显的差异。第一个亲和力是海德格尔和马克思都将现代技术视为通过抽象和操纵事物的有用部分以及通过对人类目的做出贡献的能力来确定事物的实用性来产生效果的一种手段。第二个亲和力在于他们对现代技术在生存中遇到的方式阻止人类阻止人类的观点。在海德格尔（Heidegger）和马克思（Marx）之间提出了这些亲密关系后，我将通过使用它们来解释沃尔夫冈·史基维尔布斯（Wolfgang Schivelbusch）的《铁路之旅》（The Railway Journey）来进一步桥梁，并将其背景与背景相关，在那里他对资本主义和铁路系统发展之间的紧密相互关系进行了观察。我将争辩说，这种桥接和背景化的亲和力的过程得出的结论是，资本主义本质上只允许规律性，统一性和生产力成为铁路运输的主要特征，而铁路运输反过来将其人类受试者限制在具有匹配素质的人中。
利用交叉注意力网络发现成对相互作用来预测药物-靶标亲和力 S. Falahati a、F. Zamani* a、MA Khodamoradi b
在药物发现中，药物-靶标亲和力 (DTA) 被视为至关重要的一步，因为它有助于在开发过程中识别最有前途的候选药物。由于必须考虑药物和靶分子的结构和功能，以及它们复杂而非线性的相互作用，DTA 预测是一项具有挑战性的任务。本研究的目的是提出一种新颖的 DTA 预测框架，该框架利用图神经网络 (GNN) 的交叉注意网络 (CAN) 的优势。然而，使用 GNN 表示图会保留其 3D 结构信息。现有的基于注意力的方法并未充分利用它们。我们的框架使用 CAN 通过分析药物分子的不同部分如何与蛋白质的特定区域相互作用来捕获药物-靶标对的更准确表示。我们在顺序架构中使用 GIN 和 GAT 来捕获药物图分子的局部和全局结构信息。我们在两个基准数据集 Davis 和 KIBA 上评估了所提出方法的性能。其性能令人鼓舞，在均方误差 (MSE) 和一致性指数 (CI) 方面优于许多最先进的方法。具体来说，对于 Davis 数据集，我们实现了 0.222 的 MSE 和 0.901 的 CI，而对于 KIBA，我们获得了 0.144 的 MSE 和 0.883 的 CI。我们的方法提高了相互作用分析的可解释性和特异性，为药物发现过程提供了更深入的见解，并为预测的 DTA 提供了有价值的解释。我们的研究代码可在以下网址获取：https://github.com/fsonya88/CAN-DTA。