XiaoMi-AI文件搜索系统
World File Search System分子
机器学习在预测分子特性中的应用
由于开发新化合物并确定其性能是昂贵且可能危险的，因此有必要开发一个模型来预测分子特性，而无需合成和实验测试。表示化合物的两种系统方法是通过分子结构的示意图和简化的分子输入线 - 进入系统（Smiles）。在这项研究中，这些表示分别用于训练两个神经网络模型，一个卷积神经网络（CNN）和一个经常性神经网络（RNN），以预测化合物的熔点。通过将化合物表示为结构的图像，CNN在拟合给定数据的拟合时不成功，似乎在给定数据的平均熔点附近保持恒定。然而，通过将化合物表示为系统生成的文本字符串，RNN成功地拟合了数据，总体趋势类似于实际趋势，平均绝对误差较低。但是，与结构图数据不同，用于RNN的微笑数据不包含方向信息。对于将来的研究，可能可以将两种表示形式结合起来，以达到更准确的预测模型。
文章利用计算机靶标预测寻找熟悉天然产物的新分子靶标
1 因斯布鲁克大学药学/生药学研究所、因斯布鲁克分子生物科学中心 (CMBI)，Innrain 80 / 82, 6020 因斯布鲁克，奥地利； F.Mayr@uibk.ac.at (FM)； Veronika.Temml@pmu.ac.at (佛蒙特州)； birgit.waltenberger@uibk.ac.at (BW); Stefan.Schwaiger@uibk.ac.at (SS)； hermann.stuppner@uibk.ac.at (HS) 2 研究单位分子内分泌学和代谢，亥姆霍兹中心慕尼黑，Ingolstädter Landstraße 1, 85764 Neuherberg，德国； gabriele.moeller@helmholtz-muenchen.de（总经理）； adamski@helmholtz-muenchen.de (JA) 3 格赖夫斯瓦尔德大学药学院制药/药物化学系，Friedrich-Ludwig-Jahn-Straße 17, 17489 Greifswald，德国；ulrike.garscha@uni-greifswald.de (UG)；jana.fischer@uni-greifswald.de (JF) 4 伯尔尼大学儿童医院儿科内分泌、糖尿病和代谢科，Freiburgstrasse 15, 3010 Bern，瑞士；patrirodcas@gmail.com (PRC)； amit.pandey@dbmr.unibe.ch (AVP) 5 伯尔尼大学生物医学研究系，Freiburgstrasse 15, 3010 伯尔尼，瑞士 6 巴塞尔大学药学系分子与系统毒理学分部，Klingelbergstrasse 50, 4056 巴塞尔，瑞士；silvia.inderbinen@unibas.ch (SGI)；alex.odermatt@unibas.ch (AO) 7 萨尔州亥姆霍兹药物研究所 (HIPS)，药物设计和优化系，E8.1 校区，66123 萨尔布吕肯，德国； rolf.hartmann@helmholtz-hzi.de 8 萨尔大学，制药和药物化学，E8.1 校区，66123 萨尔布吕肯，德国 9 海德堡大学，药学和分子生物技术研究所 (IPMB)，药物化学，Im Neuenheimer Feld 364，69120 海德堡，德国；christian.gege@web.de 10 埃德蒙马赫基金会 (FEM) 研究与创新中心，Via Mach 1，38010 San Michele all'Adige，意大利；stefan.martens@fmach.it 11 耶拿弗里德里希席勒大学药学研究所制药/药物化学系，Philosophenweg 14，07743 耶拿，德国； oliver.werz@uni-jena.de 12 遗传学实验学校，慕尼黑工业大学，Emil-Erlenmeyer-Forum 5, 85356 Freising-Weihenstephan, 德国 13 新加坡国立大学杨潞龄医学院生物化学系，8 Medical Drive, Singapore 117597，新加坡 14 药学研究所，萨尔茨堡帕拉塞尔苏斯医科大学制药和药物化学系，Strubergasse 21, 5020 Salzburg, Austria 15 药学/药物化学研究所，因斯布鲁克分子生物科学中心 (CMBI)，因斯布鲁克大学，Innrain 80 / 82, 6020 Innsbruck, Austria * 通讯作者：daniela.schuster@pmu.ac.at；电话：+43-699-14420025
对治疗患者治疗疾病的紧凑和精确CAS分子的设计和表征Silvis MR 1，Yang X 1，Swan Rt 1，Tcheau T 1，A
在这里，我们提出了一种用于全面PAM表征的新型细胞分析，该测定忠实地报告了人类细胞中不同DCAS蛋白的PAM要求。These assays enable accurate detection of greatly expanded PAM profiles for our lead dCas effectors (dCasONYX, dCasRUBY, dCas- TOPAZ), enabling the efficient targeting of disease-causing genes.These assays enable ongoing engineering and character- ization of our novel dCas in relevant genomic contexts to facili- tate their translation to therapeutics.总的来说，我们介绍了在我们的宝石表观遗传编辑平台的核心优化紧凑和精确的CAS分子的工作，并证明了它们广泛的效用，这是治疗患者中棘手疾病的主要进步。
Lee，B。H.，Shin，H.，Rasouli，A。S.，Choubisa，H.，Ou，P.，Dorakhan，R。，...＆Sargent，E。H.（2023）。支撑的金属邻thal的超分子调整 朝着bory的合成（氨基甲基... ROS如何诱导Netosis？氧化DNA损伤，DNA修复和染色质脱凝 使用斑马鱼研究多外观跳过作为的潜在疗法 啮齿动物的心肌病和心力衰竭的啮齿动物模型，用于翻译研究和治疗发现
1.3 T HIS W ORK ................................................................................................................................................ 21
生物分子
摘要：调节性非蛋白编码 RNA 发挥着各种复杂的生物学功能。之前，我们证明了人类非编码库 RNA1-1 (vtRNA1-1) 在抑制几种癌细胞系的内在和外在凋亡方面的作用。然而，在分子水平上，vtRNA1-1 的功能仍不完全清楚。在这里，我们创建了 HeLa 敲除细胞系，结果表明，在没有 vtRNA1-1 的情况下，长期饥饿会引发细胞凋亡水平升高，但在 vtRNA1-3 敲除细胞中则不会。mRNome 的下一代深度测序确定了 PI3K / Akt 通路和 ERK1 / 2 MAPK 级联，这两个重要的信号传导轴，在饥饿介导的细胞死亡条件下，在没有 vtRNA1-1 的情况下会受到错误调节。 vtRNA1-1 突变体的表达表明，vtRNA1-1 中心域的 24 个核苷酸的短片段对于成功维持抗凋亡性至关重要。本研究描述了人类 vtRNA1-1 对饥饿诱导的程序性细胞死亡的细胞信号传导依赖性贡献。
分子生物学的量子计算
足以建立生化途径的功能网络（经典的例子是糖酵解途径和克雷布斯循环），从而使人们对分子函数的理解可能被视为分子事件的何种词素 - next静态图片。仍然，只有详细的定量物理模拟（与详细的实验具有较高的空间和时间分辨率），将允许高度置信地提取这种图片。经典的分子动力学模拟提供有效的模型，并且可以基于量子力学进行严格的模型（从技术上讲，这是通过Born-Oppenheimer近似近似，该近似是电子和核运动，然后将后者鉴定为经典动力学中的原子运动）。不幸的是，对量子机械方程的更详细的模拟非常困难，只有少数原子才有可能。但是，如果我们要通过当前的硬件和算法开发所推动的量子计算来推进分子模拟，[9-13]我们可能想知道生物分子模拟在多大程度上会从多大程度上受益于这种发展，以及量子计算是否会成为计算量子分子生物学的关键。[15–18]提到的是，问题是，量子计算的新兴分支是否最终可以比传统方法带来重大进步。换句话说，反应虽然正在进行深入的搜索以对生物学功能的量子作用进行深入的搜索，但[19-22]最重要的量子效应首先是植根于生物分子的电子结构，在较小程度上，在其量子核运动中（例如，提高到隧道和动力学同位素效应）。分子的电子结构确实是定量理论描述和通过反应能量和通过Born-Oppenheimer势能表面进行化学反应的定量理论描述和预测的关键（PES；见图1）。
奎宁、氯喹和……的分子对接
用于治疗 COVID-19 的药物研究仍然具有挑战性。SARS-CoV-2 通过血管紧张素转换酶 (ACE2) 受体进入人体。SARS-CoV-2 的 S（刺突）蛋白结构与 ACE2 受体的活性位点相互作用，该活性位点定义为肽酶结构域，由 Gln24、Asp30、His34、Tyr41、Gln42、Met82、Lys353、Arg357 组成。这项工作研究了三种喹啉类抗疟药物与 ACE2 受体肽酶结构域的相互作用。从蛋白质数据库下载了人 ACE2 受体的 X 射线晶体结构。使用 MarvinSketch 构建配体，并使用 LigandScout 中的 MMFF94 进行几何优化。能量最小化的配体对接至 ACE2 受体的肽酶结构域。结果表明，氯喹、羟氯喹和奎宁可以与 ACE2 受体肽酶结构域中的氨基酸残基相互作用。在这三种化合物中，奎宁对 ACE2 受体的亲和力最强（-4.89 kcal/mol），其次是羟氯喹（-3.87 kcal/mol）和氯喹（-3.17 kcal/mol）。总之，奎宁、氯喹和羟氯喹可以通过与 ACE2 受体肽酶结构域中的 Lys353 残基相互作用来阻断 SARS-CoV-2 病毒的感染，因此有可能用作 COVID-19 解毒剂。这项研究将为喹啉类抗疟药物抑制 SARS-CoV-2 病毒感染的机制提供更多见解。关键词：ACE2 受体，COVID-19，氯喹，羟氯喹，奎宁，SARS-CoV-2
将糖尿病与血栓形成风险增加的分子机制
抽象可解释的人工智能（XAI）在实现明智决定的过程中发挥了作用。现代各种供应链（SC）平台的出现改变了SC相互作用的性质，导致了显着的不确定性。这项研究旨在对现有的有关决策支持系统（DSS）的文献进行彻底分析，并在SC领域内对XAI功能的结合。我们的分析揭示了XAI对SC领域决策过程的影响。本研究利用Shapley添加说明（SHAP）技术使用Python机器学习（ML）过程分析在线数据。解释性算法是专门为通过为其产生的预测提供理由来提高ML模型的清醒性的。本研究旨在建立可衡量的标准，以识别XAI和DSS的组成部分，从而在SC的背景下增强决策。这项研究评估了对他们做出预测的能力，在线数据集的利用，所检查的变量数量，学习能力的发展以及在决策背景下进行验证的研究，强调了需要在不确定条件下涉及智能决策的其他探索领域的研究领域。
部分地方茄子基因型的分子表征和 DNA 指纹分析
1207，孟加拉国 电子邮件：kashpia_tas@live.com 摘要 — 收集和表征地方基因型和地方品种是任何作物改良计划的先决条件。分子多样性和 DNA 分析显示了任何作物的确切基因蓝图。因此，该实验旨在确定一些地方茄子基因型及其野生近缘种之间的分子多样性和多态性，以供未来的育种计划使用。该实验在孟加拉国达卡的 Sher-e-Bangla 农业大学生物技术实验室进行，使用了 25 种茄子地方品种和 2 种野生近缘品种（Solanum sisymbriifolium 和 S. villosum），以研究这些基因型的分子多样性和 DNA 指纹。五个众所周知的 SSR 引物（EPSSR82、smSSR01、EM114、EM120 和 smSSR04）用于基因型的分子表征。分离出具有 27 种基因型的优质 DNA，并使用这些引物进行 PCR 扩增。扩增的 DNA 片段通过 2% 琼脂糖凝胶显影，并通过 POWERMAKER（版本 3.25）和 NTSYS-PC（版本 2.2）分析数据。总共产生了大约 10 个不同的等位基因，每个基因座的范围为 1 至 3 个等位基因，平均为 2.0 个等位基因。在引物 EPSSR82 和 smSSR01 中观察到了最多的多态性带数（2）。SSR 标记的多态性信息含量 (PIC) 范围为 0.37 至 0.67，平均值为 PIC = 0.54。基因多样性范围从 0.49（smSSR01）到 0.72（EPSSR82），平均值为 0.61。 UPGMA 方法将 27 种基因型分为两个主要簇（I 和 II）。在这些簇中，野生种 Solanum villosum 属于亚簇（IIb），显示出与其他品种的明显差异。另一方面，野生种 Solanum sisymbriifolium 与 13 种地方茄子基因型形成同一簇，显示出密切的亲缘关系。在 25 种地方茄子种质及其野生近缘种中鉴定了分子多样性和 DNA 分析。