XiaoMi-AI文件搜索系统
World File Search System淀粉酶
饮食小麦淀粉酶胰蛋白酶抑制剂加剧了实验性多发性硬化症的炎症
抽象目标小麦已成为全球主要主食。我们研究了定义的促炎性饮食蛋白，小麦淀粉酶胰蛋白酶抑制剂（ATI），在实验性自身免疫性脑炎（EAE）中，通过Toll-Like受体4激活肠髓样细胞（EAE），一种多发性硬化症模型（MS）。设计EAE是在标准化的饮食方案中诱导的，具有麸质/ATI含量的标准化饮食方案。小鼠接受了定义的碳水化合物和蛋白质（酪蛋白/Zein）含量的无麸质和无ATI饮食，补充了：（a）25％的面筋和0.75％的ATI； （b）25％面筋和0.19％ATI或（C）1.5％纯化ATI。分析了饮食ATI对临床EAE严重程度，髓样细胞和淋巴细胞的肠道，肠系膜淋巴结，脾和中枢神经系统（CNS）亚群的影响。比较了来自MS和健康对照患者的外周血单核细胞的激活。与其他饮食方案（包括单独的麸质）相比，与小鼠相比，饮食中剂量依赖性剂量依赖性地依赖性地引起了EAE临床评分的明显更高。这是由数量增加和促炎性肠道，淋巴结，脾脏和CNS髓样细胞以及中枢神经系统浸润性脑源性T-淋巴细胞的激活来介导的。预计，ATI激活了来自MS和健康对照患者的两名患者的外周血单核细胞。结论饮食小麦ATI激活鼠和人髓样细胞。这些结果支持肠道轴在炎症性中枢神经系统疾病中的重要性。平均基于人小麦的饮食中的ATI量引起了轻度的肠炎，该炎症被传播到肠外部位，导致CNS炎症加剧，EAE中临床症状的恶化。
使用芬兰糖尿病风险评分 从棕榈油磨坊流出的外部细菌分离 隔离和鉴定Caleb中的酵母... HPV E6/E7 mRNA测定，HPV DNA测试和细胞学的疗效在检测高级宫颈病变和侵入性癌症中的疗效 205年幼儿教育和整个孩子的音乐... 供应链技术整合对正式制造绩效的影响 使用糖和镰刀菌生产淀粉酶酶，并使用糖 合作社在AWKA北部政府地区Okoye的经济中的角色和贡献 加纳机构和供应链管理实践：对AYAM的系统审查，法官Ray Achoanya前财政官员，CATH 2型糖尿病的新兴遗传特征和尼日利亚西南部的对照组：可持续发展的催化剂 原始文章种植，咀嚼和无所不在，埃塞俄比亚的Catha Edulis Plant，其生计暗示着农村家庭。基于社区的CO 教育准则对糖尿病患者知识的影响， 尼日利亚卫生系统上的人力资本祸害 几何优化和能量参数计算... 虚拟环境的安全评估框架
背景：2型糖尿病（T2DM）是尼日利亚新兴经济的全球问题。早期检测可以帮助延迟或预防该疾病。的目的：本研究旨在使用经过验证的芬兰糖尿病风险评分（Findrisc）在尼日利亚西南部城市萨加穆·奥贡州的成年人口中使用经过验证的芬兰糖尿病风险评分（Findrisc）来表征研究人群中糖尿病前期的患病率。患者和方法：从18至65岁的健康参与者（n = 581），没有已知的T2DM或怀孕史，是从Sagamu的当地城市教堂招募的。然后对Findrisc问卷进行了管理，其中包括有关年龄，BMI，腰围，蔬菜消费，体育锻炼，高血压，高血压，T2DM家族史以及高血糖历史的问题。结果：总体而言，未来10年中，有51.8％的参与者被指定有发展T2DM的风险，其中一系列类别从略有升高到非常高的风险； 34.4％的参与者的风险得分为7-11，表明风险略有升高； 11.2％的参与者的风险得分为12-14，表明风险中等，而5.3％的参与者的风险得分为15-20，表明风险很高，0.9％的参与者的风险得分高于20，表明风险较高。风险评分的性别分布表明，男性的1.7％和9.5％的女性在未来10年内具有中度至高风险（得分≥12）。Findrisc评分与体重（r = 0.49; p <0.001），BMI（r = 0.55; p <0.001）和年龄（r = 0.27; p <0.001）呈正相关。这种糖尿病前期的流行率与尼日利亚其他研究中发现的率相似。结论：这项研究证实了尼日利亚成年人中T2DM的这种简单和非侵入性筛选工具的使用。这也是提高人群中这种情况的认识的有用工具。
α-淀粉酶抑制剂作为治疗糖尿病的候选的药物筛查
https://www.specs.net/index.php 9。 天然产品集合。 Microsource Discovery System Inc. 2022年7月23日访问。http：//www.msdis covery.com/natpr od.html 10。 Berman HM，Westbrook J，Feng Z等。 蛋白质数据库。 核酸res。 2000; 28：235-242。 doi：10.1093/nar/28.1.235 11。 Trott O，Olson AJ。 自动库克Vina：通过新的评分功能，有效的优化和多线程提高对接的速度和稳定性。 J Comput Chem。 2010; 31（2）：455-461。 doi：10.1002/jcc.21334 12。 Schrödinger软件。 Schrödinger，L.L.C。，纽约，纽约，美国2020年。 13。 McNutt，Francoeur P，Aggarwal R等。 gnina 1.0：深度学习的分子对接。 J Chem。 2021; 13（1）：1-20。 doi：10.1186/ s13321-021-00522-2 14。 div> Meng XY，Zhang HX，Mezei M，CuiM。分子对接：一种基于结构的药物发现的强大方法。 Curr Comput-Aid药物。 2011; 7（2）：146-157。 doi：10.2174/157340911795677602 15。 Durrant JD，McCammon JA。 分子动力学模拟和药物发现。 BMC Biol。 2011; 9（1）：1-9。 doi：10.1186/1741-7007-9-71 16。 案例DA，Betz RM，Cerutti DS等。 琥珀色。 加利福尼亚大学； 2016。 17。 Lindorff-Larsen K，Piana S，Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。https://www.specs.net/index.php 9。天然产品集合。Microsource Discovery System Inc. 2022年7月23日访问。http：//www.msdis covery.com/natpr od.html 10。Berman HM，Westbrook J，Feng Z等。蛋白质数据库。核酸res。2000; 28：235-242。doi：10.1093/nar/28.1.235 11。Trott O，Olson AJ。自动库克Vina：通过新的评分功能，有效的优化和多线程提高对接的速度和稳定性。J Comput Chem。 2010; 31（2）：455-461。 doi：10.1002/jcc.21334 12。 Schrödinger软件。 Schrödinger，L.L.C。，纽约，纽约，美国2020年。 13。 McNutt，Francoeur P，Aggarwal R等。 gnina 1.0：深度学习的分子对接。 J Chem。 2021; 13（1）：1-20。 doi：10.1186/ s13321-021-00522-2 14。 div> Meng XY，Zhang HX，Mezei M，CuiM。分子对接：一种基于结构的药物发现的强大方法。 Curr Comput-Aid药物。 2011; 7（2）：146-157。 doi：10.2174/157340911795677602 15。 Durrant JD，McCammon JA。 分子动力学模拟和药物发现。 BMC Biol。 2011; 9（1）：1-9。 doi：10.1186/1741-7007-9-71 16。 案例DA，Betz RM，Cerutti DS等。 琥珀色。 加利福尼亚大学； 2016。 17。 Lindorff-Larsen K，Piana S，Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。J Comput Chem。2010; 31（2）：455-461。doi：10.1002/jcc.21334 12。Schrödinger软件。Schrödinger，L.L.C。，纽约，纽约，美国2020年。 13。 McNutt，Francoeur P，Aggarwal R等。 gnina 1.0：深度学习的分子对接。 J Chem。 2021; 13（1）：1-20。 doi：10.1186/ s13321-021-00522-2 14。 div> Meng XY，Zhang HX，Mezei M，CuiM。分子对接：一种基于结构的药物发现的强大方法。 Curr Comput-Aid药物。 2011; 7（2）：146-157。 doi：10.2174/157340911795677602 15。 Durrant JD，McCammon JA。 分子动力学模拟和药物发现。 BMC Biol。 2011; 9（1）：1-9。 doi：10.1186/1741-7007-9-71 16。 案例DA，Betz RM，Cerutti DS等。 琥珀色。 加利福尼亚大学； 2016。 17。 Lindorff-Larsen K，Piana S，Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。Schrödinger，L.L.C。，纽约，纽约，美国2020年。13。McNutt，Francoeur P，Aggarwal R等。gnina 1.0：深度学习的分子对接。J Chem。 2021; 13（1）：1-20。 doi：10.1186/ s13321-021-00522-2 14。 div> Meng XY，Zhang HX，Mezei M，CuiM。分子对接：一种基于结构的药物发现的强大方法。 Curr Comput-Aid药物。 2011; 7（2）：146-157。 doi：10.2174/157340911795677602 15。 Durrant JD，McCammon JA。 分子动力学模拟和药物发现。 BMC Biol。 2011; 9（1）：1-9。 doi：10.1186/1741-7007-9-71 16。 案例DA，Betz RM，Cerutti DS等。 琥珀色。 加利福尼亚大学； 2016。 17。 Lindorff-Larsen K，Piana S，Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。J Chem。2021; 13（1）：1-20。doi：10.1186/ s13321-021-00522-2 14。 div>Meng XY，Zhang HX，Mezei M，CuiM。分子对接：一种基于结构的药物发现的强大方法。 Curr Comput-Aid药物。 2011; 7（2）：146-157。 doi：10.2174/157340911795677602 15。 Durrant JD，McCammon JA。 分子动力学模拟和药物发现。 BMC Biol。 2011; 9（1）：1-9。 doi：10.1186/1741-7007-9-71 16。 案例DA，Betz RM，Cerutti DS等。 琥珀色。 加利福尼亚大学； 2016。 17。 Lindorff-Larsen K，Piana S，Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。Meng XY，Zhang HX，Mezei M，CuiM。分子对接：一种基于结构的药物发现的强大方法。Curr Comput-Aid药物。2011; 7（2）：146-157。 doi：10.2174/157340911795677602 15。 Durrant JD，McCammon JA。 分子动力学模拟和药物发现。 BMC Biol。 2011; 9（1）：1-9。 doi：10.1186/1741-7007-9-71 16。 案例DA，Betz RM，Cerutti DS等。 琥珀色。 加利福尼亚大学； 2016。 17。 Lindorff-Larsen K，Piana S，Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。2011; 7（2）：146-157。doi：10.2174/157340911795677602 15。Durrant JD，McCammon JA。分子动力学模拟和药物发现。BMC Biol。 2011; 9（1）：1-9。 doi：10.1186/1741-7007-9-71 16。 案例DA，Betz RM，Cerutti DS等。 琥珀色。 加利福尼亚大学； 2016。 17。 Lindorff-Larsen K，Piana S，Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。BMC Biol。2011; 9（1）：1-9。doi：10.1186/1741-7007-9-71 16。案例DA，Betz RM，Cerutti DS等。琥珀色。加利福尼亚大学； 2016。 17。 Lindorff-Larsen K，Piana S，Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。加利福尼亚大学； 2016。17。Lindorff-Larsen K，Piana S，Palmo K等。改善了琥珀FF99SB蛋白力场的侧链旋转电位。蛋白质。J Chem Phys。2010; 78（8）：1950-1958。doi：10.1002/prot.22711 18。Horn HW，Swope WC，Pitera JW等。开发了改进的生物分子模拟的四个位点水模型：tip4p-ew。2004; 120（20）：9665-9678。 doi：10.1063/1.1683075 19。 Beauchamp KA，Lin YS，Das R，Pande vs。蛋白质场是否越来越好？ 在524个不同的NMR测量值上进行系统基准。 J化学理论计算。 2012; 8（4）：1409-1414。 doi：10.1021/ct2007814 20。 Zhang H，Yin C，Jiang Y，van der SpoelD。氨基酸的力场基准：I。在不同的水模型中的水合和扩散。 J Chem Inf模型。 2018; 58（5）：1037-1052。 doi：10.1021/acs。 JCIM.8B00026 21。 Wang J，Wolf RM，Caldwell JW，Kollman PA，Case DA。 一般琥珀色场的开发和测试。 J Comput Chem。 2004; 25（9）：1157-1174。 doi：10.1002/jcc.20035 22。 Singh AK，Rana HK，Singh V，Yadav TC，Varadwaj P，Pandey AK。 评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性：分子对接，分子动力学，在硅毒性，体外和体内研究中。 Comput Biol Med。 2021; 134：104462。 doi：10.1016/j。 compbiomed.2021.104462 23。 Jakalian A，Bush BL，Jack DB，Bayly CI。 快速，有效地产生高质量的原子电荷。 AM1-BCC模型：I。 方法。 J Comput Chem。 2000; 21（2）：132-146。 doi：10.1002/jcc.10128 24。2004; 120（20）：9665-9678。doi：10.1063/1.1683075 19。Beauchamp KA，Lin YS，Das R，Pande vs。蛋白质场是否越来越好？ 在524个不同的NMR测量值上进行系统基准。 J化学理论计算。 2012; 8（4）：1409-1414。 doi：10.1021/ct2007814 20。 Zhang H，Yin C，Jiang Y，van der SpoelD。氨基酸的力场基准：I。在不同的水模型中的水合和扩散。 J Chem Inf模型。 2018; 58（5）：1037-1052。 doi：10.1021/acs。 JCIM.8B00026 21。 Wang J，Wolf RM，Caldwell JW，Kollman PA，Case DA。 一般琥珀色场的开发和测试。 J Comput Chem。 2004; 25（9）：1157-1174。 doi：10.1002/jcc.20035 22。 Singh AK，Rana HK，Singh V，Yadav TC，Varadwaj P，Pandey AK。 评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性：分子对接，分子动力学，在硅毒性，体外和体内研究中。 Comput Biol Med。 2021; 134：104462。 doi：10.1016/j。 compbiomed.2021.104462 23。 Jakalian A，Bush BL，Jack DB，Bayly CI。 快速，有效地产生高质量的原子电荷。 AM1-BCC模型：I。 方法。 J Comput Chem。 2000; 21（2）：132-146。 doi：10.1002/jcc.10128 24。Beauchamp KA，Lin YS，Das R，Pande vs。蛋白质场是否越来越好？在524个不同的NMR测量值上进行系统基准。J化学理论计算。2012; 8（4）：1409-1414。 doi：10.1021/ct2007814 20。 Zhang H，Yin C，Jiang Y，van der SpoelD。氨基酸的力场基准：I。在不同的水模型中的水合和扩散。 J Chem Inf模型。 2018; 58（5）：1037-1052。 doi：10.1021/acs。 JCIM.8B00026 21。 Wang J，Wolf RM，Caldwell JW，Kollman PA，Case DA。 一般琥珀色场的开发和测试。 J Comput Chem。 2004; 25（9）：1157-1174。 doi：10.1002/jcc.20035 22。 Singh AK，Rana HK，Singh V，Yadav TC，Varadwaj P，Pandey AK。 评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性：分子对接，分子动力学，在硅毒性，体外和体内研究中。 Comput Biol Med。 2021; 134：104462。 doi：10.1016/j。 compbiomed.2021.104462 23。 Jakalian A，Bush BL，Jack DB，Bayly CI。 快速，有效地产生高质量的原子电荷。 AM1-BCC模型：I。 方法。 J Comput Chem。 2000; 21（2）：132-146。 doi：10.1002/jcc.10128 24。2012; 8（4）：1409-1414。doi：10.1021/ct2007814 20。Zhang H，Yin C，Jiang Y，van der SpoelD。氨基酸的力场基准：I。在不同的水模型中的水合和扩散。J Chem Inf模型。2018; 58（5）：1037-1052。 doi：10.1021/acs。 JCIM.8B00026 21。 Wang J，Wolf RM，Caldwell JW，Kollman PA，Case DA。 一般琥珀色场的开发和测试。 J Comput Chem。 2004; 25（9）：1157-1174。 doi：10.1002/jcc.20035 22。 Singh AK，Rana HK，Singh V，Yadav TC，Varadwaj P，Pandey AK。 评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性：分子对接，分子动力学，在硅毒性，体外和体内研究中。 Comput Biol Med。 2021; 134：104462。 doi：10.1016/j。 compbiomed.2021.104462 23。 Jakalian A，Bush BL，Jack DB，Bayly CI。 快速，有效地产生高质量的原子电荷。 AM1-BCC模型：I。 方法。 J Comput Chem。 2000; 21（2）：132-146。 doi：10.1002/jcc.10128 24。2018; 58（5）：1037-1052。doi：10.1021/acs。JCIM.8B00026 21。Wang J，Wolf RM，Caldwell JW，Kollman PA，Case DA。 一般琥珀色场的开发和测试。 J Comput Chem。 2004; 25（9）：1157-1174。 doi：10.1002/jcc.20035 22。 Singh AK，Rana HK，Singh V，Yadav TC，Varadwaj P，Pandey AK。 评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性：分子对接，分子动力学，在硅毒性，体外和体内研究中。 Comput Biol Med。 2021; 134：104462。 doi：10.1016/j。 compbiomed.2021.104462 23。 Jakalian A，Bush BL，Jack DB，Bayly CI。 快速，有效地产生高质量的原子电荷。 AM1-BCC模型：I。 方法。 J Comput Chem。 2000; 21（2）：132-146。 doi：10.1002/jcc.10128 24。Wang J，Wolf RM，Caldwell JW，Kollman PA，Case DA。一般琥珀色场的开发和测试。J Comput Chem。 2004; 25（9）：1157-1174。 doi：10.1002/jcc.20035 22。 Singh AK，Rana HK，Singh V，Yadav TC，Varadwaj P，Pandey AK。 评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性：分子对接，分子动力学，在硅毒性，体外和体内研究中。 Comput Biol Med。 2021; 134：104462。 doi：10.1016/j。 compbiomed.2021.104462 23。 Jakalian A，Bush BL，Jack DB，Bayly CI。 快速，有效地产生高质量的原子电荷。 AM1-BCC模型：I。 方法。 J Comput Chem。 2000; 21（2）：132-146。 doi：10.1002/jcc.10128 24。J Comput Chem。2004; 25（9）：1157-1174。 doi：10.1002/jcc.20035 22。 Singh AK，Rana HK，Singh V，Yadav TC，Varadwaj P，Pandey AK。 评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性：分子对接，分子动力学，在硅毒性，体外和体内研究中。 Comput Biol Med。 2021; 134：104462。 doi：10.1016/j。 compbiomed.2021.104462 23。 Jakalian A，Bush BL，Jack DB，Bayly CI。 快速，有效地产生高质量的原子电荷。 AM1-BCC模型：I。 方法。 J Comput Chem。 2000; 21（2）：132-146。 doi：10.1002/jcc.10128 24。2004; 25（9）：1157-1174。doi：10.1002/jcc.20035 22。Singh AK，Rana HK，Singh V，Yadav TC，Varadwaj P，Pandey AK。评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性：分子对接，分子动力学，在硅毒性，体外和体内研究中。Comput Biol Med。2021; 134：104462。 doi：10.1016/j。compbiomed.2021.104462 23。Jakalian A，Bush BL，Jack DB，Bayly CI。快速，有效地产生高质量的原子电荷。AM1-BCC模型：I。方法。J Comput Chem。 2000; 21（2）：132-146。 doi：10.1002/jcc.10128 24。J Comput Chem。2000; 21（2）：132-146。doi：10.1002/jcc.10128 24。Jakalian A，Jack DB，Bayly CI。高，有效地生成高 -
α-淀粉酶抑制剂作为治疗糖尿病的候选
开发诊断方法，以准确评估治疗对岩石杆菌殖民化的影响，这是对保护文化遗产纪念碑的挑战。在这项研究中，我们使用双重态策略在短期和长期的长期和长期测试了基于生物剂的处理对多洛斯酮采石场微生物定植的效率。，我们应用了一种元编码方法来表征真菌和细菌群落，并与显微镜技术集成在一起，以分析微生物与底物的相互作用并评估有效性。这些群落以细菌状态静脉细菌，蛋白质细菌和蓝细菌以及真菌秩序列兰加利亚菌群为主，其中包括先前报道为生物分泌剂的分类单元，并在此处观察到与生物递送过程相关。处理后，随着时间的流逝，丰富的fro填充物随时间变化取决于分类单元。虽然蓝细菌，细胞吞噬和ver列列ciales的丰度减少，但其他群体，例如溶球杆菌，热粒子和胸腺孢子虫增加。这些模式不仅可以归因于生物剂对不同分类单元的特异性影响，而且还可以归因于这些生物的不同再殖民能力。对治疗的不同敏感性可能与不同分类单元的固有细胞特性有关，但是可能涉及杀生物剂对内尔石器时代微生境的差异。我们的结果揭示了去除癫痫定殖的重要性，又是应用杀菌剂以对内石器时代形式作用的重要性。殖民过程也可以解释一些依赖分类群的反应，尤其是在长期中。分类群显示出耐药性，以及在处理后以细胞碎片形式积累的营养积累的那些分类群，可能在殖民处理的区域具有优势，这表明需要长期监测广泛的分类单元。这项研究强调了结合元法编码和显微镜结合的潜在效用，以分析处理和设计适当的策略以打击生物降级和建立预防性保护方案的效果。
从土壤微生物产生淀粉酶-IJRPR 人工光合作用：可再生能源的来源-IJRPR 人工智能半导体技术与发展评论 生物乳化剂生产生物体降解和芳族化合物的分离 使用CAD/CAM技术实现牙齿修复的准确性和精度 纳米技术的肺癌治疗的发展 使用数学方法的供应链与全球通货膨胀之间的关系 人工智能和特定的瑜伽体式及其与人类社会的相关性 航空航天行业中物联网（IoT）的应用 基于物联网的远程和监视太阳能-IJRPR 大脑计算机接口-IJRPR 牙科材料的新兴趋势-IJRPR 关于讲座与小册子对适当伤口护理的知识和实践的影响的比较研究 使用深度学习算法的野生动物检测-IJRPR Rabindranath Tagore的教育理念-IJRPR
酶在各个行业中起关键作用，从食品和饮料到药品和生物燃料。在各种酶中，淀粉酶由于能够将淀粉水解（一种复杂的多糖）催化为较简单的糖而具有重要意义。近年来，对淀粉酶的需求急剧激增，从而广泛研究其生产的微生物来源（Adrio等人。2014）。虽然已经探索了几种生物作为淀粉酶合成的潜在宿主，但土壤生态系统却是淀粉酶产生的微生物的有趣且丰富的储层。酶是在广泛的生物过程中起关键作用的生物催化剂。它们以显着的效率和特异性催化特定的化学反应的能力使它们在各种工业应用中无价。在各种酶阵列中，淀粉酶由于它们能够将淀粉（一种复杂的多糖）水解到诸如葡萄糖和麦芽糖等较简单的糖（Struck等2012）。淀粉酶在诸如食品和饮料，纺织品，纸张和纸浆，洗涤剂，药品和生物燃料生产等行业中发现了广泛使用。对淀粉酶的需求不断增长以及对可持续和生态友好的生产方法的需求导致探索了淀粉酶生产的各种微生物来源（Patel等人2023）。
引用：Chaudhary S，RK Gaur。 2023年。探索小麦的防御蛋白淀粉酶胰蛋白酶抑制剂：一种新型的作物保护方法。 JO
虫害高度依赖富含淀粉的谷物，并严重损害谷物谷物和营养产量。淀粉酶胰蛋白酶抑制剂蛋白降解消化酶α-淀粉酶，该淀粉酶在碳水化合物代谢以及昆虫的生长和发育中起关键作用。这些抑制剂蛋白主要在小麦，玉米和大麦等谷物作物中发现，这些蛋白质是淀粉的丰富来源。由于防御性害虫的机制，淀粉酶胰蛋白酶抑制剂蛋白可能是谷物作物中有害生物管理的重要候选者。它可用于标记辅助植物育种和基因组映射。淀粉酶胰蛋白酶抑制剂蛋白可以预防各种疾病，例如糖尿病，但也会引起小麦过敏，贝克的哮喘和食物过敏。在这篇综述中，我们总结了对淀粉酶胰蛋白酶抑制剂蛋白的鉴定，表征，纯化，抑制机制和各种分析，以控制谷物作物的害虫作为天然防御，并减少人类过敏。
通过分子对接，MM/GBSA计算，MD模拟和ADMET分析，从天然产物中鉴定自然产物的潜在人胰腺淀粉酶抑制剂
人胰腺α-淀粉酶（HPA）是碳水化合物水解的催化剂，是控制2型糖尿病的可行靶标之一。抑制α-淀粉酶低葡萄糖水平，有助于减轻高血糖并发症。在此，我们通过分子建模系统地从天然产物库中系统地筛选了潜在的HPA抑制剂。建模包括分子对接，MM/GBSA结合能计算，MD模拟和ADMET分析。This research identified new- boulaside B, newboulaside A, quercetin-3-O- β -glucoside, and sasastilboside A as the top four potential HPA inhibitors from the library of natural products, whose Glide docking scores and MM/GBSA binding energies range from -9.191 to -11.366 kcal/mol and -19.38 to -77.95 kcal/mol。基于模拟，其中newboulaside b被发现为最佳的HPA抑制剂。在整个模拟过程中，偏差为3Å（Acarbose =3Å），它与ASP356，ASP300，ASP197，THR163，ARG161，ASP147，ALA106和GLN63相互作用。此外，全面的ADMET分析表明，它具有良好的药代动力学特性，没有急性毒性，适中的生物利用和非抑制剂的性质，并且对细胞色素p450。所有结果表明，Newboulaside B可能是针对2型糖尿病的药物发现的有前途的候选人。
摘要。 Saryono，Devi S，Nugroho TT，Fadhila WF，Lorenita L，Nasution FS，Suraya N. 2023.淀粉酶产生，碳源的变化
摘要。Saryono，Devi S，Nugroho TT，Fadhila WF，Lorenita L，Nasution FS，Suraya N.2023。淀粉酶产生碳源变化和嗜热真菌曲霉的分子鉴定。LBKURCC304来自印度尼西亚西苏门答腊的Bukik Gadang。 生物多样性24：1200-1205。 淀粉酶是一种用于将淀粉水解成较小分子的酶。 淀粉降解非常困难，因为复杂多糖和酶适应中心的存在1-4个葡萄糖剂键，因此淀粉酶的产生源于行业的需求。 淀粉酶的产生受碳水化合物的强烈影响，碳水化合物充当诱导酶的产生。 进行了这项研究，以确定不同碳水化合物源对嗜热真菌Sp的淀粉酶产生的影响。 lbkurcc304。 使用的不同碳源是木薯，玉米，芋头，紫色的红薯，土豆，面包果，Canna，Gembili，Gadung和Sago。 使用Duncan的多重范围测试（DMNRT）在5％和主成分分析（PCA）的显着水平上，使用Duncan的多重范围测试（DMNRT）对不同碳水化合物生产的影响进行了统计测试。 分子鉴定的结果表明，来自Sago的碳水化合物是比其他碳源更好的碳源，其活性为0.0391±0.0017 U/ml，比活性为0.0874±0.0049 U/mg。 最高（0.7651±0.0096 mg/ml）的蛋白质含量是从CANNA记录的。LBKURCC304来自印度尼西亚西苏门答腊的Bukik Gadang。生物多样性24：1200-1205。淀粉酶是一种用于将淀粉水解成较小分子的酶。淀粉降解非常困难，因为复杂多糖和酶适应中心的存在1-4个葡萄糖剂键，因此淀粉酶的产生源于行业的需求。淀粉酶的产生受碳水化合物的强烈影响，碳水化合物充当诱导酶的产生。进行了这项研究，以确定不同碳水化合物源对嗜热真菌Sp的淀粉酶产生的影响。lbkurcc304。使用的不同碳源是木薯，玉米，芋头，紫色的红薯，土豆，面包果，Canna，Gembili，Gadung和Sago。使用Duncan的多重范围测试（DMNRT）在5％和主成分分析（PCA）的显着水平上，使用Duncan的多重范围测试（DMNRT）对不同碳水化合物生产的影响进行了统计测试。分子鉴定的结果表明，来自Sago的碳水化合物是比其他碳源更好的碳源，其活性为0.0391±0.0017 U/ml，比活性为0.0874±0.0049 U/mg。最高（0.7651±0.0096 mg/ml）的蛋白质含量是从CANNA记录的。分子鉴定表明LBKURCC304分离株是烟曲霉。
利用 CRISPR-Cas9 多重编辑 α-淀粉酶/胰蛋白酶抑制剂基因以减少硬粒小麦中的过敏原蛋白
小麦及其衍生食品分布广泛，是全球主要食物来源之一。在过去几十年中，与小麦有关的疾病发病率已成为人类面临的全球性问题，这可能与小麦衍生食品的传播有关。已确定结构和代谢蛋白，如 α-淀粉酶/胰蛋白酶抑制剂 (ATI)，与小麦过敏（面包师哮喘）和非腹腔性小麦敏感症 (NCWS) 的发病有关。ATI 是一组外源性蛋白酶抑制剂，由分散在硬粒小麦和面包小麦的几条染色体上的多基因家族编码。WTAI-CM3 和 WTAI-CM16 亚基被认为是与面包师哮喘和可能的 NCWS 发病有关的主要蛋白质。使用 CRISPR-Cas9 多路复用策略编辑意大利硬粒小麦品种 Svevo 的谷粒中的 ATI 亚基 WTAI-CM3 和 WTAI-CM16，目的是生产出具有减少不良反应中潜在过敏原数量的小麦品系。使用无标记基因方法，即在不使用选择剂的情况下再生植物，直接从 T 0 代获得没有 CRISPR 载体的纯合突变植物。与传统育种计划相比，这项研究证明了 CRISPR 技术能够在更短的时间内敲除免疫原性蛋白质。在分子（测序和基因表达研究）或生化（免疫学测试）水平上确认了对两个目标基因的编辑。值得注意的是，作为一种多效性效应，编辑品系中的 ATI 0.28 假基因被激活。
以麦芽糖为原料比色检测唾液α‐淀粉酶...
摘要 本文介绍了一种比色检测唾液 α-淀粉酶的方法，该酶是自主神经系统 (ANS) 活动的潜在生物标志物之一，可用于评估疲劳。利用 α-淀粉酶裂解多糖 α 键的能力来开发比色测定法。在所提出的方法中，2-氯-4-硝基苯基-α-D-麦芽三糖苷作为底物，在被唾液 α-淀粉酶裂解后释放出有色副产物。引入麦芽糖作为非竞争性抑制剂可在生理相关浓度范围 (20-500 μ g/mL) 内产生理想的线性响应，检测限 (LOD) 为 8 μ g/mL（在水溶液中）。随后优化底物和非竞争性抑制剂的浓度，以进行唾液 α-淀粉酶的比色检测。提出了一种简便的纸基“试纸”检测方法，用于分析人类唾液样本，唾液成分的干扰很小。所提出的检测方法快速、特异性强且易于实施，可用于比色检测唾液 α-淀粉酶 20-500 μ g/mL 之间。互补的 RGB（红、绿、蓝成分）分析 17 提供定量检测，LOD 为 11 μ g/mL。这两种检测格式以 Phadebas 18 测试为基准，Phadebas 18 测试是一种最先进的 α-淀粉酶分光光度检测方法。所报告的纸基方法 19 具有很高的潜力，可用于评估 ANS 对应激源的反应改变，可能在疲劳评估和监测疲劳发作方面有应用。21