XiaoMi-AI文件搜索系统
World File Search System毒药
从全球健康的角度来看，需要抗病毒药物
目的：癌症组织特异性和核定靶向药物的递送是化学疗法递送的理想选择。但是，它仅在体外研究中才实现，这主要是由于体内效率低。在这项研究中，我们旨在建立一个有效的双靶向系统，该系统针对肝癌组织以及体内癌细胞的核。方法：我们首先合成TAT肽（TATP） - 近极硅纳米颗粒（MSN）复合物（TATP-MSN），并产生的脂质体携带肝癌特异性Aptamer TLS11A（TLS11A-LB）。然后，我们通过混合TLS11A-LB和DOX负载的TATP-MSN来生成药物TLS11A-LB@TATP-MSN/doxorubicin（dox）。在纳米颗粒的物理和化学表征后，在pH 5.0和7.4中评估了从这些制剂中释放DOX。此外，我们还在体外评估了H22细胞中该药物的核定位和细胞毒性，并使用含H22肿瘤的小鼠模型研究了体内纳米毒的肝癌靶向和抗肿瘤活性。结果：使用透射电子显微镜（TEM）证实TLS11A-LB@TATP-MSN/DOX及其对照被确认为纳米药物（<100 nm）。TLS11A-LB@TATP-MSN/DOX的DOX释放速率在pH 5.0时明显快得高于pH 7.4。TLS11A-LB@TATP-MSN/DOX有效地针对H22细胞的核，并以比对照组更高的效率释放DOX。此外，TLS11A-LB@TATP-MSN /DOX表现出轻微的细胞毒性，但不明显超过对照组。因此，它是治疗肝癌的有希望的纳米药物。体内研究表明，TLS11A-LB@TATP-MSN在BALB/C小鼠的右腋下中积聚在皮下H22肿瘤中，分别在静脉注射后48小时达到峰值水平，并证明TLS11A-LB@TATP-MSN/DOX组在tls-lb@taTP-MSN/DOX组效应时效应有效。结论：TLS11A-LB@TATP-MSN/DOX可以通过双重靶向肝癌组织和小鼠中癌细胞的核有效地将DOX传递到肝癌细胞的核。关键字：靶向药物，肝癌治疗，基于MSN的车辆，阿霉素，组织和核特异性靶向
分子对接法研究抗病毒药物对 RNA 聚合酶的直接作用及其与 SARS-CoV-2 (COVID-19) RNA 依赖性 RNA 聚合酶的结合
疫情迅速蔓延并成为大流行，有证据表明，截至 2020 年 4 月 9 日，该病毒已感染全球近 150 万人 (5) 。在这种情况下，应对疾病的最好方法也是最快的方法。如今，计算机辅助药物模拟方法可以在计算机上执行，这被称为 In-silico 条件。这种方法为药物设计科学带来了未来 (6) 。这些方法与传统方法相比具有许多优势，包括速度快、成本低。利用生物信息学，我们可以在计算机上测试药物的性能，并将其中最好的药物带入实验室。也有可用于各种用途的药物，但它们可能具有可通过生物信息学模拟的未知功能 (7) 。许多最近的研究都始于这个问题：为不同目的生产的不同抗病毒药物是否会影响 2019 年冠状病毒病 (COVID-19)？使用传统方法回答这个问题非常昂贵且耗时 (8-11) 。分子对接是可以在 In-silico 条件下进行的生物信息学方法之一。该方法能够检查药物在靶标中的方向并显示最合适的条件 (12)。在本研究中，研究了多种影响 RNA 聚合酶的抗病毒药物，并通过对接研究了它们对 SARS-CoV-2 RNA 依赖性 RNA 聚合酶的影响。此外，在分子对接方面确定了最佳药物，并研究了其特定的网格坐标和与靶标的相互作用。
两种具有抗病毒活性的 RNA 适体。适体是理想的抗病毒药物吗？
摘要：当前的 Covid-19 大流行指出了即使是最先进的社会在对抗病毒 RNA 感染方面也存在一些重大缺陷。再一次，事实表明缺乏有效的药物来控制 RNA 病毒。适体是多种分子（包括蛋白质和核酸）的有效配体。它们的特异性和作用机制使它们成为干扰病毒 RNA 基因组中编码功能的非常有前途的分子。RNA 病毒将基本信息存储在保守的结构基因组 RNA 元素中，这些元素促进了感染周期的重要步骤。这项工作描述了我们实验室进行的两个有据可查的 RNA 适体实例，它们分别对 HIV-1 和 HCV RNA 基因组的高度保守的结构域具有抗病毒活性。这两个很好的例子说明了适体在对抗 RNA 病毒的治疗空白方面的潜力。
药物研发，解释先导化合物如何递送至靶位，并说明是否有针对 COVID-19 的推荐抗病毒药物
药物设计是一个漫长而昂贵的过程，涉及多个阶段；从靶标识别开始，经过靶标验证、先导化合物识别和临床前和临床试验的候选药物优化。药物设计类型依赖于对大量分子的筛选，以区分并选择具有高药效的最有效药物。配体和基于结构的药物设计是两种药物设计类型。药物通过多种方式（口服、吸入、静脉注射 (IV)、肌肉注射 (IM)）进入体内，到达其目标部位。二十年前，计算策略应用于了解特定的靶分子，并实现先导目标，这有助于药物设计和开发的先导识别和优化阶段。筛选、分子修饰和合理的药物设计是寻找现代药物的三种方法。生物信息学在药物发现中起着至关重要的作用，因为生物信息学既包括对大量现有信息的程序化准备，也包括创建现代类型的数据资源。如果要将信息转化为数据并用于协助药物发现，则两者都是必需的。本研究将讨论药物设计的意义是什么？药物设计有哪些阶段？药物设计有哪些类型？计算机辅助药物设计 (CAAD)、寻找新药的方法、药物到达目标部位的旅程是怎样的？药物输送的方法有哪些？并将讨论 COVID-19 管理中推荐的抗病毒疗法。
一个自动发现西尼罗河病毒和登革热病毒药物的程序——在 PubChem 上对超过十亿种化合物进行程序化筛选，生成
a 马德拉斯大学，Chepauk，钦奈 600 005，印度 b SRM 大学，泰米尔纳德邦 603203，印度 c 波兰科学院分子和大分子研究中心，波兰 d 麦德林大学，麦德林，哥伦比亚
如何快速发现抗病毒药物
我们迫切需要治疗 2019 冠状病毒病 (Covid-19) 的有效药物，但什么是最快的找到这些药物的方法？一种方法有时看起来类似于美式足球中的“万福玛利亚”传球，那就是希望对其他病毒（如丙型肝炎或埃博拉病毒）有效的药物也能对 Covid-19 有效。或者，我们可以理性地专门针对严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2) 的蛋白质，以中断其生命周期。SARS-CoV-2 基因组编码大约 25 种蛋白质，这些蛋白质是病毒感染人类和复制所必需的（图 1）。其中包括臭名昭著的刺突 (S) 蛋白，它在感染的初始阶段识别人类血管紧张素转换酶 2；两种蛋白酶，可切割病毒和人类蛋白质；RNA 聚合酶，合成病毒 RNA；以及 RNA 切割内切核糖核酸酶。寻找能够结合病毒蛋白并阻止其工作的药物是一种合乎逻辑的前进方向，也是许多研究实验室的首要任务。实现这一目标的方法之一是使用基于计算结构的药物发现来模拟自然（图 2）。在此过程中，计算机将试验化合物“对接”到蛋白质靶标三维模型中的结合位点。使用基于物理的方程式计算化合物的结合亲和力，该方程式量化了药物与其靶标之间的相互作用。然后对排名靠前的化合物进行实验测试，以查看它们是否确实结合并对细胞和动物模型产生所需的下游效应（例如阻止病毒传染性）。基于结构的药物发现在寻找抗病毒药物方面发挥了重要作用，这是一个例子
剂量将是抗病毒药物重新用于治疗 COVID‐19 的关键成功因素
4. Bagga B、Woods CW、Veldman TH 等。通过比较实验感染成人的流感和呼吸道合胞病毒和疾病动态可预测呼吸道合胞病毒抗病毒药物的临床效果。抗病毒治疗。2013；18(6)：785-791。5. Yao X、Ye F、Zhang M 等。羟氯喹治疗严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2) 的体外抗病毒活性和优化剂量设计预测。临床传染病。2020；pii：ciaa237。https://doi.org/10.1093/cid/ciaa237 [Epub ahead of print] 6. Cao B、Wang Y、Wen D 等。洛匹那韦-利托那韦在重症 COVID-19 住院成人患者中的试验。N Engl J Med。https://doi.org/10。 1056/NEJMoa2001282 7. Li Y、Xie Z、Lin W 等。一项关于洛匹那韦/利托那韦或阿比多尔治疗因轻度/中度 COVID-19 住院的成年患者的有效性和安全性的探索性随机对照研究 (ELACOI)。MedRxiv。2020；23。https://doi.org/10.1101/2020.03.19.20038984
ERBB2 扩增或突变的肺癌中 HER2 介导的细胞毒药物内化
标题：ERBB2 扩增或突变型肺癌中 HER2 介导的细胞毒药物内化 标题：抗 HER2 ADC 在肺癌中的抗肿瘤活性 Bob T. Li 1,13#* 、Flavia Michelini 2,3#* 、Sandra Misale 4#* 、Emiliano Cocco 3 、Laura Baldino 2,3 、Yanyan Cai 2,3 、Sophie Shifman 3 、Hai-Yan Tu 1,5 、Mackenzie L. Myers 1 、Chongrui Xu 1,5 、Marissa Mattar 4,6 、Inna Khodos 4,6 、Megan Little 4,6 、Besnik Qeriqi 4,6 、Gregory Weitsman 7 、Clare J. Wilhem 1 、Alshad S. Lalani 8 、Irmina Diala 8 、Rachel A. Freedman 9 、 Nancy U. Lin 9 、 David B. Solit 1,3,11,13 、 Michael F. Berger 2,3,11 、 Paul R. Barber 7,12 、 Tony Ng 7,12 、 Michael Offin 1,13 、 James M. Isbell 10,13 、 David R. Jones 10,13 、 Helena A. Yu 1,13 、 Sheeno Thyparambil 14 、廖伟丽 14 、Anuja Bhalkikar 14 、Fabiola Cecchi 15 、David M. Hyman 1,13 、Jason S. Lewis 13,16,17 、Darren J. Buonocore 2 、Alan L. Ho 1,13 、Vicky Makker 1,13 、Jorge S. Reis-Filho 2,3 , 佩德拉姆Razavi 1,13、Maria E. Arcila 2、Mark G. Kris 1,13、John T. Poirier 1,4、Ronglai Shen 18、Junji Tsurutani 19、Gary A. Ulaner 4,13,14、Elisa de Stanchina 4,6、Neal Rosen 4,20、Charles M. Rudin 1,13 和毛里齐奥·斯卡尔特里蒂 2,3,20* 。 1 美国纽约州纽约市纪念斯隆凯特琳癌症中心医学系 2 美国纽约州纽约市纪念斯隆凯特琳癌症中心病理学系 3 美国纽约州纽约市纪念斯隆凯特琳癌症中心人类肿瘤学和发病机制项目 4 美国纽约州纽约市纪念斯隆凯特琳癌症中心分子药理学项目 5 中国广州广东省人民医院、广东省医学科学院广东省肺癌研究所 6 美国纽约州纽约市纪念斯隆凯特琳癌症中心抗肿瘤评估核心设施 7 英国伦敦国王学院 Richard Dimbleby 癌症研究系 8 美国加利福尼亚州洛杉矶 Wilshire Blvd 10880 Puma Biotechnology 90024 美国波士顿丹娜—法伯癌症研究所肿瘤内科系 10美国纽约州约克 11 美国纽约州纽约市纪念斯隆凯特琳癌症中心分子肿瘤学中心 12 英国伦敦大学学院保罗奥戈曼大楼伦敦大学学院癌症研究所 13 美国纽约州纽约市威尔康奈尔医学院 14 美国马里兰州罗克维尔 mProbe Inc 15 美国马里兰州盖瑟斯堡阿斯利康 16 美国纽约州纽约市纪念斯隆凯特琳癌症中心放射科 17 美国纽约州纽约市纪念斯隆凯特琳癌症中心放射化学和分子成像探针核心 18 美国纽约州纽约市纪念斯隆凯特琳癌症中心流行病学和生物统计学系 19 日本东京昭和大学肿瘤医学系高级癌症转化研究所 20 纽约纪念斯隆凯特琳癌症中心分子治疗中心纽约州约克
