大胞饮作用是癌细胞的标志之一,而大多数健康细胞都不具有大胞饮作用。6-8 研究发现,特定形状的纳米粒子可以显示出癌细胞对大胞饮作用途径的偏好。9 例如,我们 3 和其他人 10 已经证明,与短或长纳米棒和纳米球相比,尺寸为 180 nm 60 nm 的介孔二氧化硅纳米棒通过大胞饮作用途径被吸收的数量更多。重要的是,这些研究是在没有任何药物输送的情况下进行的。此外,大胞饮作用途径最近作为实现核药物输送的一种策略引起了人们的关注。7,11-17 有人认为大胞饮作用可导致高比率的内体和溶酶体逃逸,18,19 因此对于有效地向细胞输送药物至关重要。 20 结合这两个概念,开发仅通过内吞作用进入细胞的载药纳米粒子不仅可以成为一种针对癌细胞而非健康细胞的手段,还可以用来指导药物在细胞中的释放位置。在本研究中,我们展示了如何使用纳米棒将抗癌药物输送到癌细胞的细胞核,以便在健康乳腺细胞存在的情况下选择性地杀死癌细胞,这在以前没有报道过。内吞化学抑制剂被广泛用于研究纳米粒子的吸收途径。5 通常在添加纳米粒子之前用抑制剂预处理细胞。然后将纳米粒子进入抑制剂处理的细胞的吸收与进入细胞的吸收进行比较
摘要:托有室温单光子发射器(SPE)的二维六角硼(HBN)有望用于量子信息应用。朝着HBN实际应用的重要一步是按需,位置控制的SPE。报告的用于确定性创建HBN SPE的策略要么依赖于与综合光子学不兼容的基材纳米图案,要么利用可能引入不可预测的HBN损害或污染的辐射源。在这里,我们报告了一种无辐射和光刻的途径,以确定性地通过纳米引导使用原子力显微镜(AFM)激活HBN SPE。该方法适用于二氧化硅 - 硅底物上的hbn扁曲,可以很容易地集成到片上光子设备中。对于多个凹痕尺寸,所达到的SPE收率高于30%,并且在400 nm左右的凹痕显示最大产量为36%。我们的结果标志着HBN SPE与光子和等离子设备的确定性创建和整合的重要一步。关键字:HBN,单光子发射器,原子力显微镜,纳米凹痕,片上积分■简介
将茶碱等救命药与靶向部分进行离子配对,可能会对哮喘持续状态或 COVID-19 引起的纵隔气肿等医疗紧急情况产生重大影响。然而,为了在体内实现快速药物靶向,必须防止离子对在进入靶组织之前分解。本研究旨在调查当茶碱与多胺转运蛋白底物精胺离子配对时,将其插入环糊精 (CD) 中形成三重体,是否可以在静脉注射后将支气管扩张剂选择性地引导至肺部。NMR 表明,三重体形成后,精胺从 CD 腔中突出,这会导致 A549 细胞中的能量依赖性摄取(增强 1.8 倍),持续时间超过 20 分钟。在体内,三联体在大鼠和小鼠体内注射 20 分钟后分别使肺中茶碱增加 2.4 倍和 2.2 倍(p < 0.05)。肺靶向性是选择性的,不会增加大脑或心脏的吸收量,而这些部位的茶碱副作用是治疗限制因素。选择性地将肺中茶碱的浓度加倍可以改善这种治疗指数较窄的药物的效益风险比,这在重症监护中仍然很重要。
基于免疫的抗体发现平台需要稳健有效的方案来从大量 B 细胞中扩增、克隆、表达和筛选抗体,以便有效捕获经验丰富的免疫球蛋白库的多样性。多重 PCR 使用一系列正向和反向引物来从一系列不同的种系序列中回收抗体,这很有挑战性,因为引物设计需要回收全长抗体序列、低起始模板浓度,并且需要所有引物在相同的 PCR 条件下发挥作用。在这里,我们展示了将 RNase H2 依赖性 PCR (rh-PCR) 整合到高通量抗体发现平台中的几个优势。首先,rh-PCR 将引物二聚体的合成消除到可检测水平以下,从而消除了具有假阳性抗体滴度的克隆。其次,通过提高 PCR 的特异性,rh-PCR 引物增加了从单个 B 细胞中回收同源抗体可变区以及下游重组抗体滴度。最后,我们证明,在基于下一代测序的方法中,rh-PCR 引物可提供更均质的样本池和更高的序列质量,从而从大量克隆的抗体同源对中获取 DNA 序列信息。此外,rh-PCR 引物的更高特异性使天然抗体种系序列与从单个 B 细胞扩增的 VL/VH 片段之间能够更好地匹配。
将茶碱等救命药与靶向部分进行离子配对,可能会对哮喘持续状态或 COVID-19 引起的纵隔气肿等医疗紧急情况产生重大影响。然而,为了在体内实现快速药物靶向,必须防止离子对在进入靶组织之前分解。本研究旨在调查当茶碱与多胺转运蛋白底物精胺离子配对时,将其插入环糊精 (CD) 中形成三重体,是否可以在静脉注射后将支气管扩张剂选择性地引导至肺部。NMR 表明,三重体形成后,精胺从 CD 腔中突出,这会导致 A549 细胞中的能量依赖性摄取(增强 1.8 倍),持续时间超过 20 分钟。在体内,三联体在大鼠和小鼠体内注射 20 分钟后分别使肺中茶碱增加 2.4 倍和 2.2 倍(p < 0.05)。肺靶向性是选择性的,不会增加大脑或心脏的吸收量,而这些部位的茶碱副作用是治疗限制因素。选择性地将肺中茶碱的浓度加倍可以改善这种治疗指数较窄的药物的效益风险比,这在重症监护中仍然很重要。
关于深度学习模型(机器学习的一个高级子领域,以神经网络为特征)。9 虽然本综述确定了该领域的 20,000 多项研究,但其中只有不到 1% 的研究具有足够高质量的设计和报告,可以纳入荟萃分析。需要清晰透明地报告适合人工智能研究的方法和结果。如果没有这一点,读者就无法判断报告的结果在潜在偏见来源的背景下是否合理,以及此类研究的结果在多大程度上可重复和可推广。随着报告指南的引入,例如《综合试验报告标准》(CONSORT)10 和《系统评价和荟萃分析的首选报告项目》11,医学文献中报告的完整性得到了实质性改善。在诊断领域应用类似的报告标准更具挑战性,没有一个标准适用于所有诊断模型。诊断准确性研究报告标准 12 指南仅涉及单项测试评估的准确性研究,而多变量诊断概率函数则最好通过透明报告个体预后或诊断的多变量预测模型 (TRIPOD) 来解决。13 随着人工智能在医学领域的兴起,来自其他领域、具有不同研究背景和出版文化的研究人员进入了医学领域。虽然医学界已经习惯于遵守商定的国际报告标准,但在统计学、数学或计算科学等其他领域,这一点似乎并不那么突出。眼科一直是人工智能健康革命的领导者,尤其关注能够根据成像执行诊断或分级任务的算法的生成。因此,眼科健康已成为人工智能领域创新的试验台,并提供了丰富的案例来源,以说明机器学习算法在医学应用中的潜力,以及此类研究的设计和报告方面的缺陷。应报告的关键信息包括:技术规格(例如,使用了哪种光学相干断层扫描 [OCT] 设备);背景研究环境和队列信息(例如,资格/选择标准、人口统计、临床环境、时间段、地理位置、入组方式、患者流量、缺失数据);以及数据处理方式(例如,文件图像增强、裁剪、存储文件格式)。14 值得注意的是,ML 模型具有其他技术方面,但目前的报告指南尚未全面解决这些方面。作为回应,对几个报告的扩展
本文重点关注在提供完全远程教育课程的课程和机构中应用的教育技术。21 世纪的所有教育都是数字化教育,因为网络的使用、文本和图像的创建和编辑以及信息的搜索和检索几乎贯穿了每一位教师和学生的生活。然而,远程教育的环境——所有互动都是中介的——创造了一个独特且高度数字化的环境。本文重点关注两个问题:(1)在教育从更传统的校园概念向以不断使用数字技术和环境为标志的新模式转变的过程中,哪些方面没有完全令人满意?(2)远程教育必须应对哪些未来挑战才能支持这种教学模式的可持续性?
Cognet, M.、Cambedouzou, J.、Madhavi, S.、Carboni, M. 和 Meyer, D. (2020)。通过选择性沉淀作为有价值的多孔材料,有针对性地去除锂离子电池废液中的铝和铜。材料快报,268,127564‑。https://dx.doi.org/10.1016/j.matlet.2020.127564
Stoke 的最初重点是单倍体不足。基于对 RNA 科学的深入了解,Stoke 正在使用其 TANGO 方法制造称为反义寡核苷酸 (ASO) 的药物,这些药物可与前 mRNA 结合以上调或刺激蛋白质产生。这些 ASO 附着在过早终止密码子所在的区域,并阻止它们被包含在 mRNA 中。如果没有这个信号告诉细胞限制蛋白质产生,mRNA 将继续产生比它本来会产生的更多的蛋白质。虽然 ASO 同时与基因的健康副本和突变副本结合,但 ASO 不会导致突变副本产生任何生产性输出。健康副本会同时完成两者的工作,产生所需蛋白质量的 100%。