XiaoMi-AI文件搜索系统
World File Search System六篇
抗生素耐药性和新型抗菌药物评论
抗生素在被发现之时被认为是治疗细菌感染的灵丹妙药，但微生物通过多种强大的机制来对抗抗生素，从而产生了多重耐药 (MDR) 和广泛耐药 (XDR) 菌株（Eichenberger 和 Thaden，2019 年；Terreni 等人，2021 年；Yadav 等人，2022 年）。病原体获得抗生素耐药性的方式有多种，包括病原体基因组的遗传变异、抗生素的不选择性使用、生物膜的形成等（Santos-Lopez 等人，2019 年；Singh 等人，2019 年）。由于此类感染难以治疗，了解抗菌素耐药性 (AMR) 的产生机制至关重要，这样才能制定预防此类感染的策略（Lomazzi 等人，2019 年；Hu 等人，2020 年；Moo 等人，2020 年）。本研究课题的目标是重点介绍抗生素耐药性领域的最新进展，同时强调未来研究的重要方向和新可能性。我们预计此处介绍的研究将引发社区关于新型抗菌药物和抗生素耐药性的讨论，从而导致最佳实践在临床、公共卫生和政策环境中的应用。总体而言，本研究课题发表了四篇研究文章和六篇评论文章。Wang 等人发表的一篇研究文章。报道了2017年至2022年中国西南地区结核病疑似人群中非结核分枝杆菌 (NTM) 的流行病学研究。在这项研究中，鉴定出了主要的 NTM 分离株 MAC 和 M. chelonae/M. abscessus，并观察到中国西南地区 NTM 的分离率在过去几年中呈上升趋势。感染病例为老年患者、免疫系统受损的 HIV 感染者。经评估，观察到阿米卡星、莫西沙星、克拉霉素和利奈唑胺等抗生素对缓慢生长的分枝杆菌表现出有效的抗菌活性，而利奈唑胺和阿米卡星对快速生长的分枝杆菌表现出相对更好的抗菌活性。石等人发表的另一篇研究文章。研究了深圳市住院儿童呼吸道分离的耐多药肺炎链球菌的流行情况及耐药特点，发现非疫苗血清型菌株占肺炎球菌分离株总数的46.6%，疫苗血清型的耐多药率（MDR）分别为19F（99.36%）、19A（100%）、23F（98.08%）、6B（100%）、6C（100%），非疫苗血清型的耐多药率分别为15B（100.00%）、6E
人工智能预测女性不孕症的方法综述
摘要 全世界有 8% 到 15% 的育龄夫妇患有不孕不育问题。据世界卫生组织估计，全球有 6000 万到 8000 万对不孕不育夫妇，某些地区不孕不育率最高。不孕不育给夫妇、家庭、当事人以及整个社会带来了巨大的社会、情感和心理压力。尽管人工智能技术在医学界的使用每年都在增长，但很少有研究将人工智能 (AI) 技术应用于生殖领域。为了帮助原因不明的不孕不育夫妇，本综述研究开发并评估了多种人工智能模型，这些模型可以根据各种特征区分不孕/可孕夫妇。 关键词-不孕不育、机器学习、人工智能、深度学习、图像处理、卷积神经网络 (CNN) 1. 引言 无保护性交 12 个月后仍未能受孕称为不孕不育。世界卫生组织 (WHO) 指出，不孕不育是一种导致功能障碍的疾病。全球有超过 1.86 亿对夫妇患有不孕不育症，事实上，他们中的大多数生活在贫困国家，无法获得足够的医疗服务。因此，不孕不育是世界上最普遍的健康问题之一。根据文献，各种研究都试图使用机器学习方法预测不孕不育的结果。从对这些评论的定性和定量分析中可以清楚地看出，人们使用各种分类器来预测不孕不育，但只有少量来自生育诊所的静态数据用于训练它们。通过在训练期间为分类器提供大量动态数据，可以提高不孕不育预测的准确性。然而，现在使用的方法使得创建这样的分类器具有挑战性。不孕不育的大数据分析可以实现这一点。机器学习 (ML) 预测分析技术为医护人员提供了更好的信息。这有助于个人做出更明智的选择，从而提高不孕不育治疗的成功率。为了找到潜在的扩展，无论是填补空白还是推进研究，这篇评论论文的目的是了解使用各种人工智能技术（可能包括各种机器学习方法）预测不孕症的研究现状。为此，我们回顾了几篇关于机器学习和不孕症的出版物。我们只选择使用机器学习预测不孕症的研究论文。然后对这些论文进行研究，以帮助未来的研究人员发现他们后续研究中必要的改进，并帮助他们更好地理解不孕症的机器学习。本文回顾了六篇关于基于人工智能的不孕不育预测的不同出版物。本文的结构如下：第 2 节概述人工智能，第 3 节描述所选模型、所用方法和每个模型的分析，第 4 节总结整个研究，第 5 节总结本文。
瓜氨酸化：旧模式的新花样
蛋白质会经历无数种化学修饰，这些修饰会调节其结构、稳定性、功能和与其他分子的相互作用，从而为生物系统增加巨大的复杂性和调节范围。此类翻译后修饰 (PTM) 可由细胞刺激或应激引发，并启动下游反应，使细胞适应其环境并介导增殖、分化和死亡等变化。瓜氨酸可以存在于蛋白质中，这是精氨酸残基的翻译后修饰的结果，称为肽精氨酸脱亚胺化或瓜氨酸化。由于瓜氨酸是一种非编码氨基酸，因此它在蛋白质中的存在表示刺激和反应。尽管瓜氨酸化早在 20 世纪 60 年代就被首次证实 [1]，第一种瓜氨酸化酶肽酰精氨酸脱亚胺酶 (PADI 或 PAD) 也在 20 世纪 80 年代初被分离出来 [2]，但仍有越来越多的细胞活动和病理被证明受到瓜氨酸化的影响，并且在过去 15 - 20 年间取得了长足的进步。现在人们了解到，由五种 PADI 酶组成的小家族具有多种生理和病理生理功能（详见 [3]），但是，我们仍然缺乏对细胞内 PADI 调控机制原理以及它们发挥细胞和生物体功能的机制的基本了解。我们对瓜氨酸化的理解源自许多不同的领域，包括神经生物学、免疫学、生殖生物学、皮肤生理学、细胞信号传导、染色质生物学和转录，以及自身免疫、神经退行性疾病和癌症。尽管 PADI 的调节范围显然很广，但这些酶表现出高度的序列和结构保守性，这表明某些机制原理可能适用于不同同工酶的调节。此外，分析方法学的最新进展，例如靶向质谱和调节 PADI 功能的化学生物学努力，可能适用于许多不同的生物系统。因此，显然需要一个论坛，让来自瓜氨酸化研究不同方面的科学家聚集在一起，讨论他们的工作并交流想法，以促进该领域的进步。因此，第一届蛋白质瓜氨酸化国际会议于 2022 年 10 月在英国举行，得到了皇家学会的慷慨支持（https://royalsociety.org/science-events-and-lectures/2022/10/protein-citrullination/）。本次讨论会聚集了细胞和发育生物学、细胞信号传导、基因转录、癌症生物学和自身免疫领域的科学家，同时还结合了质谱和药理学领域的顶尖专家的重要演讲。本期专题紧随此次会议，报道了与会者的最新研究成果，包括九篇研究论文和六篇评论文章，涵盖了广泛的主题。在本简介中，我们总结了本期所介绍的进展，其中包括对已建立的 PADI 功能的新机制理解和瓜氨酸化生物学中出现的新主题。
有机太阳能电池中的形态控制
有机太阳能电池（OSC）是一种可以将光能转化为电能的设备，它们具有轻巧，灵活，可加工的印刷和大面积的生产的优势，并且是减轻能量降低智能和环境污染的有效方法。由于供体和受体材料的快速发展，主动层形态的优化以及处理技术的成熟度，OSCS的功率转换效率（PCE）超过了19％。通常，OSC由阳极，阴极，电子，孔传输层和一个活动层组成，并且设备性能与活动层的形态密切相关。众所周知，OSC的光物理转换过程包括光子吸收，激子扩散，激子分离，电荷转运和收集。通常，活性层的厚度和成分对光子的吸收具有深远的影响。激子扩散的效率取决于活性层的域大小，crys-钙度和分子取向通常会影响激子分离的过程，并且互穿网络（双连续相分离）是电荷运输和收集的导电性。但是，由于结晶和相分离之间的竞争耦合关系，活动层的形态是无法控制的。因此，已经做出了强烈的努力来优化OSC的形态。简要摘要与本社论中的每本选定论文相关的内容如下：光子吸收对于激子的产生至关重要。在此标题为“有机太阳能电池中的形态控制”的社论中，我们将提供有关如何优化活性层形态的综合观点，以扩展对形态和设备性能之间关系的理解。这本标题为“有机太阳能电池中形态控制的形态控制”的社论呈现六篇论文，包括通过调节活性层的厚度[1]来提高光子的吸收效率[1]，并添加第三个成分以制造三元太阳能电池[2]，从而通过增强的近距离网络来改善Bilerec and septiser and septiser and septiser [3]结晶度[4]，采用侧链工程来调节分子方向[5]，最后是制造具有较高设备性能的大区块和灵活的OSC的建议[6]。活性膜的厚度在光子吸收的效率中起着重要作用。在穆罕默德·塔希尔（Muhammad Tahir）[1]中，作者研究了活性层的光学特性，形态和厚度之间的关系。根据UV-VIS吸收光谱和AFM图像，很明显，当纤维厚度在适当的范围内，即PFB 180 nm（即PCBM混合物）中时，某些粗糙度和不均匀的表面更适合于更好的光捕获，从而获得了高尺度的电流密度（因此获得了较高的速度速度电流密度（J SC）。这项工作表明，优化活性层的厚度对于设计具有较高光伏性能的设备是必需的。三元策略也通常被认为是改善光子吸收
社论：无机药物设计与合成的新策略
金属离子不仅在生物学中发挥关键作用，还广泛用于诊断和治疗剂。临床应用的例子包括用作 MRI 造影剂的钆配合物、用作成像剂的锝-99m 配合物和铂基抗癌剂药物。超过 50% 的癌症治疗使用 DNA 靶向铂类药物，无论是单独使用还是联合治疗。尽管它们在临床上取得了巨大的成功，但它们也存在一些缺点，包括因剂量相关毒性和耐药性出现而产生的严重副作用。这些局限性激发了人们对铂和非铂金属配合物的研究，其作用方式与铂类药物不同。因此，人们设计和开发了存在于元素周期表中的金属化合物，用于治疗从癌症（例如 Ru、Gd、Ti、Ge、V 和 Ga）到糖尿病（V 和 Cr）再到传染病（Ag、Cu 和 Ru）等一系列疾病。每种金属都有独特的特性，例如氧化还原电位和配体交换动力学。因此，金属中心的选择和配体的设计对新药物的治疗效果和作用机制起着至关重要的作用（ Hanif and Hartinger，2018 ）。本期特刊“无机药物设计与合成的新策略”汇集了六篇关于金属药物发现和开发领域最新进展的文章。半夹心金属芳烃支架具有可操纵的特性，可以优化分子的类药特性。这类化合物近年来引起了人们的极大兴趣。Mokesch 等人报道了一系列新型的 2-苯基苯并噻唑衍生物半夹心 Ru II 和 Os II 配合物。Ru II 和 Os II 配合物在低 µ M 范围内表现出抗癌活性。用作配体的 2-苯基苯并噻唑衍生物的效力至少比金属环低一个数量级。本文报道了金属环的水稳定性、与小生物分子的相互作用、细胞积累以及诱导细胞凋亡/坏死。代表性 Ru II 复合物的荧光显微镜显示其在溶酶体和其他亚细胞区室中积累量很高。分子靶向药物在改善抗癌剂的不良副作用和毒性方面表现出巨大的潜力。靶向药物识别并结合癌细胞表面与健康细胞相比过度表达的受体。在这方面，已广泛探索在各种肿瘤中过度表达的表皮生长因子受体 (EGFR)。Li 等人用抑制 EGFR 的 4-苯胺基喹唑啉衍生物对 Pt II 三联吡啶复合物进行了功能化。抗癌 Pt II 化合物表现出多种 DNA 相互作用模式，是强效的 EGFR 抑制剂。这些结果对于未来设计多靶向药物非常令人鼓舞。
癌症中的蛋白质磷酸化：揭开信号通路
发现蛋白激酶在癌症形成和进展中发挥关键作用的发现引发了人们的极大兴趣，并激发了人们对开发有针对性治疗的信号通路的强烈研究，并鉴定了预后和预测性生物标志物。尽管大多数努力都集中在酪氨酸激酶抑制剂（TKIS）和酪氨酸激酶受体（RTK）的靶向抗体，但也针对丝氨酸/苏氨酸激酶和蛋白质磷酸酶。不幸的是，抑制剂通常缺乏特定的牙齿，并影响各种激酶。此外，经过治疗的肿瘤获得耐药性和复发性，需要二线治疗。随着精确医学的出现，很明显，网络比单个蛋白质和基因更强大。药物开发正在转向动态信号网络靶向。在后基因组时代，翻译后的修饰，例如蛋白质磷酸化及其如何影响活动或网络结构的理解仍然很差。本期专门针对癌症中蛋白质磷酸化途径的揭示的特刊，其中包括来自全球七个以上国家的80多名科学家的七篇评论文章和六篇原始研究论文。两个审查手稿提供了丝氨酸/苏氨酸蛋白激酶PKD和PKCθ的概述。Zhang等。 [1]讨论在二酰基甘油第二信号信号网络中运行的蛋白激酶D 1、2和3（PKD）家族成员，影响了不同生物系统和疾病模型中多种基本细胞功能。 Nicolle等。Zhang等。[1]讨论在二酰基甘油第二信号信号网络中运行的蛋白激酶D 1、2和3（PKD）家族成员，影响了不同生物系统和疾病模型中多种基本细胞功能。Nicolle等。在许多人类疾病中发现了PKD同工型表达和活性的失调。本综述着重于与癌症相关的生物学过程（细胞增殖，生存，凋亡，粘附，EMT，迁移和入侵），对此，理解对于开发更安全，更有效的PKD靶向疗法至关重要。蛋白激酶C theta（PKCθ）属于一种新型的PKC亚家族，在免疫系统和各种疾病的病理中起作用。[2]将其审查集中在其在癌症中的新兴功能上。其表达增加会导致细胞增殖，迁移和侵袭，从而导致癌症的启动和恶性进展。在自身免疫性疾病的背景下，PKCθ抑制剂的最新发展可能会使PKCθ与PKCθ有关的癌症的出现有益。pKC被质膜中的脂质激活，并与聚集在表皮生长因子受体（EGFR）上的支架结合。Heckman等人在论文中使用不同的表位识别抗体。[3]证明了PKCε是在两个构象中发现的，其中活性形式定位在内体中，将囊泡运送到内吞回收室中，而灭活则抵消了此功能。另一种形式是可溶的，存在于富含肌动蛋白的结构上，并与囊泡松散结合。因此，活化的PKC持续使用EGFR，更有可能进入内吞回收室。pumilus（Binase）的细菌RNase对具有某些癌基因的肿瘤细胞具有细胞毒性作用。核糖核酸（RNase）的动物，真菌和细菌起源已被证明是开发新型抗癌药物的有前途的工具。在实验贡献中，Ulyanova等人。[4]旨在识别结构