XiaoMi-AI文件搜索系统
World File Search System晶体学
基于片段和结构的药物发现，用于开发针对 DNA 损伤反应的治疗剂
癌症将直接影响超过三分之一人口的生活。DNA 损伤反应 (DDR) 是一个复杂的系统，涉及损伤识别、细胞周期调控、DNA 修复以及最终的细胞命运决定，在癌症病因和治疗中发挥着核心作用。涉及 DDR 靶向的两种主要治疗方法包括：采用抗癌基因毒性剂的组合治疗；以及合成致死，利用偶发性 DDR 缺陷作为癌症特异性治疗的机制。尽管许多 DDR 蛋白已被证明“无法用药”，但基于片段和结构的药物发现 (FBDD、SBDD) 已推进治疗剂的识别和开发。FBDD 已导致 4 种药物（约 50 种药物处于临床前和临床开发阶段），而 SBDD 估计已为 200 多种 FDA 批准药物的开发做出了贡献。基于蛋白质 X 射线晶体学的片段库筛选，尤其是针对难以捉摸或“无法用药”的靶标，可以同时生成命中结果以及蛋白质-配体相互作用和结合位点（正构或变构）的详细信息，从而为化学可处理性、下游生物学和知识产权提供信息。使用一种新颖的高通量基于晶体学的片段库筛选平台，我们筛选了五种不同的蛋白质，命中率约为 2-8%，晶体结构约为 1.8 至 3.2 Å。我们考虑了当前的 FBDD/SBDD 方法以及设计工作的一些典型结果
补充信息，Barends 等人。
补充参考文献 1. Lincoln, CN, Fitzpatrick, AE 和 van Thor, JJ 光活性黄色蛋白飞秒激发下的光异构化量子产率和非线性截面。Phys. Chem. Chem. Phys. 14 , 15752-15764 (2012)。 2. Kim, JE, Tauber, MJ 和 Mathies, RA 视觉中波长依赖性的顺反异构化。Biochemistry 40 , 13774-13778 (2001)。 3. Shoeman, RL, Hartmann, E. 和 Schlichting, I. 生长和制造纳米和微晶体 Nat Protoc 正在印刷中 (2022)。 4. Groot, ML, vanGrondelle, R., Leegwater, JA 和 vanMourik, F. 绿色植物和细菌红细菌光系统 II 反应中心的自由基对量子产率。亚皮秒脉冲下的饱和行为。J. Phys. Chem. B 101 , 7869-7873 (1997)。5. Claesson, E. 等人。飞秒 X 射线激光捕获的光敏色素蛋白的一级结构光响应。eLife 9 , e53514 (2020)。6. Sugahara, M. 等人。油脂基质作为用于序列晶体学的多功能蛋白质载体。自然方法 12 , 61-3 (2015)。7. Li, H. 等人。使用时间分辨的串行飞秒晶体学捕捉光系统 II 从 S1 到 S2 转变的结构变化。IUCrJ 8，431-443 (2021)。8. Grünbein, ML 等人。通过串行飞秒晶体学进行超快泵浦探测实验的照明指南。自然方法 17，681-684 (2020)。9. Nogly, P. 等人。飞秒 X 射线激光捕获细菌视紫红质中的视网膜异构化。科学 361，eaat0094 (2018)。10. Falahati, K.、Tamura, H.、Burghardt, I. 和 Huix-Rotllant, M. 通过非绝热量子动力学实现肌红蛋白中的超快一氧化碳光解和血红素自旋交叉。 Nat Commun 9 , 4502 (2018)。11. Barends, TR 等人。直接观察配体解离后 CO 肌红蛋白中的超快集体运动。Science 350 , 445-50 (2015)。
适用于工业和研究的多模态表征和高级分析选项
金相学长期以来一直是冶金学家关注的焦点。在以工业为中心的工作流程中，可以使用光学和电子显微镜快速准确地完成常规检查和质量控制任务；现在，多模态显微镜能够提供广泛的分析能力，这些分析能力是原位的，而且通常是非破坏性的。蔡司提供的解决方案专注于工业研究人员和质量工程师的五个关键领域：化学、晶体学、尺寸测量、断层扫描和确定加工参数。
国金证券-医药健康行业研究：技术升级赋能行业应用，AI+医药健康发展有望提速-230505.pdf
DeepMind 团队于2020 年12 月发布的一种人工智能蛋白质结构预测算法AlphaFold2，被 认为具有人工智能领域里程碑性意义，解决了生物学界长达50 年的蛋白质空间结构预测 难题，改变了此前几乎只能使用X 射线晶体学和冷冻电子显微镜等实验技术确定蛋白质结 构的现状。它的原理基于最先进的深度学习算法以及进化中蛋白质结构的守恒。它使用了 大量的蛋白质序列和结构数据进行训练（如MGnify 和UniRef90 数据库、 BFD 数据库）， 并 使用了一个新的深度神经网络构架，该网络被训练为通过利用同源蛋白质和多序列比 对的信息从氨基酸序列生成蛋白质结构。 DeepMind 公司与欧洲生物信息研究所（EMBL-EBI） 的合作团队已经使用AlphaFold2 成功预测出超过100 万个物种的2.14 亿个蛋白质结构， 几乎涵盖了地球上所有已知蛋白质。这一成果标志着AlphaFold2 在结构生物学领域的突 破，因为这些预测结果中有大约35%的结构具有高精度，达到了实验手段获取的结构精度， 而大约80%的结构可靠性足以用于多项后续分析。这将有助于深入理解蛋白质的结构和功 能，为生命科学领域的研究提供更多的线索和解决方案。 AlphaFold2 应用范围广泛，未来 可能被应用于结构生物学、药物发现、蛋白质设计、靶点预测、蛋白质功能预测、蛋白质 -蛋白质相互作用、生物学作用机制等。
Chaebin Kim 的简历
◦ 使用 Sunny.jl 分析磁中子散射数据，ORNL（2024） ◦ 使用（线性）自旋波理论分析中子谱数据，ORNL（2023） ◦ 使用中子散射建模和拟合晶体场，ORNL，Virtual（2022） ◦ 第 11 届 PAL 暑期学校，韩国浦项 (2019) ◦ 第 7 届粉末晶体学教程，韩国浦项 (2019) ◦ 第 4 届中子和 μ 子学校 & MIRAI 博士学校 2019，J-PARC，日本 (2019) ◦ 第 9 届凝聚态物理暑期学校，韩国 (2018)
航空航天课程 - 民航巡逻
化油器 重心 复合材料 计算机 晶体学 多普勒效应 动态翱翔 电力 电磁学 电子学 能源 发动机 逃逸速度 飞行管理 流体力学 燃气涡轮发动机 地效机 陀螺仪 热能 隔热罩 高升力装置 液压系统 高超音速飞行 惯性制导 红外辐射 仪表板 激光器 发射 升力体飞行器 机动 物质 功率测量 金属和冶金学 牛顿定律 噪音 核能 核推进 人机静态系统 等离子 电源管理 雷达 辐射 无线电 往复式发动机 交会对接 机器人
一种新型的外部位点抑制剂，可选择性地重编程 TBK1-STING 通路以治疗自身免疫性疾病
HTRF 竞争试验。在细胞试验（THP1、原代骨髓来源的巨噬细胞和原代人类单核细胞）中，活性转化为 nM 效力，测量以 2',3'-cGAMP 作为激活剂刺激 TBK1-STING 通路后对 IFN 分泌的抑制。B. X 射线共晶体学证实了与 TBK1 上外位点口袋的结合模式。C. TBK1 外位点抑制剂未显示对激酶家族活性位点的任何明显抑制。
kurukshetra大学kurukshetra
1。Arthur Beiser的现代物理学概念，McGraw Hill Education。2。现代物理（第2版），S.L。Kakani和Shubhra Kakani，Viva Books，新德里。 3。 半导体设备 - S.M .Sze的物理和技术，Wiley（1985）4。 激光和非线性光学元件B.B.Laud。 ，Wiley Eastern Limited（1985）5。 A.K. Sharma的半导体电子产品，新时代国际出版商（1996）6。 肯尼斯·克兰 辐射检测和测量：G.F. Knoll（纽约Wiley）（2000）8。 Verma和Srivastava：固态物理学的晶体学9. rajnikant;固态物理学，威利印度，2011年。 10。 J.C. Anderson，KD。 Leaver，R.D。 Rawlings和J.M. 亚历山大，材料科学，第四Kakani和Shubhra Kakani，Viva Books，新德里。3。半导体设备 - S.M .Sze的物理和技术，Wiley（1985）4。激光和非线性光学元件B.B.Laud。，Wiley Eastern Limited（1985）5。A.K. Sharma的半导体电子产品，新时代国际出版商（1996）6。肯尼斯·克兰辐射检测和测量：G.F. Knoll（纽约Wiley）（2000）8。Verma和Srivastava：固态物理学的晶体学9.rajnikant;固态物理学，威利印度，2011年。10。J.C. Anderson，KD。 Leaver，R.D。 Rawlings和J.M. 亚历山大，材料科学，第四J.C. Anderson，KD。Leaver，R.D。Rawlings和J.M.亚历山大，材料科学，第四
特邀演讲人工智能与结构生物学：生物分子结构测定的未来
我们是否能够充分利用这一潜力将取决于我们使用机器学习的方式：训练数据必须经过精心设计，方法需要使用适当的架构，并且必须严格评估输出，这甚至可能需要解释人工智能决策。在本次演讲中，我们将概述机器学习在结构生物学中的当前应用，包括我们自己工作中的示例、实验人员如何使用折叠预测方法以及人工智能未来如何改变晶体学。[1] Thorn, A.* (2022). Curr. Opin. Struct. Biol. 74 , https://doi.org/10.1016/j.sbi.2022.102368。
