尽管生物信息学、系统生物学和机器学习最近取得了进展,但准确预测药物特性仍然是一个悬而未决的问题。事实上,由于生物环境是一个复杂的系统,传统的基于化学结构知识的方法无法完全解释药物与生物靶标之间相互作用的性质。因此,在本文中,我们提出了一种无监督机器学习方法,该方法使用我们了解的有关药物-靶标相互作用的信息来推断药物特性。为此,我们根据药物-靶标相互作用定义药物相似性,并根据药物-药物相似性关系构建加权药物-药物相似性网络。使用能量模型网络布局,我们生成与特定、主要药物特性相关的药物社区。然而,这些社区中 13.59% 的药物似乎与主要药理特性不匹配。因此,我们将它们视为药物重新利用的提示。测试所有这些重新利用提示所需的资源相当可观。因此,我们引入了一种基于中介性/度节点中心性的优先级机制。通过使用介数/度作为药物再利用潜力的指标,我们确定药物甲丙氨酯可能是一种抗真菌药物。最后,我们使用基于分子对接的稳健测试程序进一步确认甲丙氨酯的再利用能力。
出版政策中规定了重复使用此版本手稿的条款和条件。使用受版权保护的作品需要获得权利人(作者或出版商)的同意。根据知识共享许可或出版商定制许可提供的作品可根据其中所含的条款和条件使用。请参阅编辑网站以获取更多信息和条款和条件。此项目是从 IRIS Università Politecnica delle Marche(https://iris.univpm.it)下载的。引用时,请参考已发布的版本。
和 Y 方向................................................................................................................................ 43 图 37:整体测试错位流程.................................................................................................... 44 图 38:电阻和电容值分布(W14 间距 =1.44μm).................................................... 44 图 39:DFT 测试标准的历史......................................................................................................... 48 图 40:IEEE 1149.1 边界扫描测试......................................................................................................... 49 图 41:边界扫描寄存器(BSR)架构......................................................................................... 49 图 42:基于 IEEE 1149.1 的 3D DFT 架构(来源 [62]).................................................... 50 图 43:IEEE Std 1500 包装器组件(来源 [58])............................................................. 51 图 44:包装器边界寄存器(WBR)架构......................................................................................... 51 1500(来源 [62])................................................. 52 图 46:IEEE 1687 概念网络 .............................................................................. 53 图 47:基于 IEEE P1687 的 3D DFT 架构(来源 [64]) ................................................ 53 图 48:串行控制机制(SCM)(来源:[68]) ................................................................ 55 图 49:WBR/DWR 面积与可用面积之比的变化作为
d蛋白石海岸大学,环境化学和生活12(UCEIV)的互动单位(UCEIV),UR4492,SFR CONDORCET FR CNRS 3417,50 RUE FERDINAND BUISSON,62228,62228,13 CALAIS,法国。14 *蛋白石海岸大学的环境化学和相互作用单位(UCEIV)(UCEIV),UR4492,SFR CONDORCET FR CNRS 3417,50 RUE FERDINAND BUISSON,16 622228 RUE FERDINAND BUISSON,CALAIS CALAIS。17
现有文献表明,计算机模拟可以揭示微观个体的特征如何引起系统整体的宏观现象。本文旨在将这种重要的基于模拟的观察结果建立在坚实的基础上,作为理论结果。本文不仅探讨整体现象何时可以自然地从微观特征中产生,还探讨了许多宏观实体如何以及为何似乎通过将微观主体有机地聚集到统一导向的运作整体中来响应市场呼声,即使这些主体的利益不一致甚至相互冲突。本文根据系统科学的结果得出结论,并建立了一个充分条件,在此条件下,微观主体的特征可以自然地导致系统整体的宏观特性的出现,即使前者是异质的并且表现为
Maria Ponomar,Valentina Ruleva,Veronika Sarapulova,Natalia Pismenskaya,Victor Nikonenko等。基于PVDF-SPA移植共聚物的功能多孔质子交换膜的结构表征和物理化学特性。国际分子科学杂志,2024,25(1),pp.598。10.3390/ijms25010598。hal-04383571
摘要 — 众所周知,考虑用户特定设置可以增强脑机接口 (BCI) 的性能。特别是,振荡活动分类的最佳频带高度依赖于用户,过去二十年已经开发了许多频带选择方法。然而,这些传统方法是否可以有效地应用于黎曼 BCI 尚未得到很好的研究,黎曼 BCI 是一类新兴的 BCI 系统,与传统 BCI 管道不同,它利用了数据的非欧几里得性质。在本文中,我们提出了一种基于黎曼流形的新型频带选择方法。选择频带时,考虑到基于流形上的类间距离和类内方差量化的类独特性。该方法的一个优点是可以针对每个人调整频带,而无需进行密集的优化步骤。在使用基于运动想象的 BCI 公共数据集的比较实验中,我们的方法比固定宽频带和流行的传统频带选择方法的平均准确率有显著提高。尤其是,我们的方法显著提高了最初准确度较低的受试者的表现。这一初步结果表明,开发考虑流形属性的新用户特定设置算法的重要性,而不是直接应用在黎曼 BCI 兴起之前开发的方法。
化学图理论是计算化学1、2的重要分支,将数学的复杂性与分子研究的复杂性质相结合。我们表示分子是原子是节点的图,键是边缘。这种方法允许研究人员使用图理论工具来操纵和仔细检查分子结构,从而对各种化学现象产生深刻的看法。这种方法已经彻底改变了分子特征,反应机理以及功能和结构内的相互作用的检查。化学图理论3,4构成了开发计算工具和算法的基础,这在现代化学中至关重要,推动材料设计的发展,药物发现和关键化学原理的阐明。
K。Waszkowska,Y。Cheret,A。Zawadzka,A。Korcala,J。Strzelecki等人。光致发光和基于三链螺旋物的金属金属螺旋体 - 苏普朗分子体系结构的光致发光和非线性光学特性。染料和颜料,2021,186,pp.109036-。10.1016/j.dyepig.2020.109036。hal-03492998
摘要:微生物生态学是理解微生物在各种环境和健康相关过程中的组成,多样性和功能的关键领域。通过独立的方法发现候选门辐射(CPR)已引入了一种新的微生物划分,其特征在于以共生/寄生的生活方式,小细胞大小和小基因组为特征。尽管知之甚少,但CPR近年来由于它们在各种环境和临床样本中的广泛发现而引起了显着关注。与其他微生物相比,已经发现这些微生物表现出高度的遗传多样性。几项研究揭示了它们在全球生物地球化学周期中的潜在重要性及其对各种人类活动的影响。在这篇评论中,我们提供了CPR发现的系统概述。然后,我们专注于描述CPR的基因组特征如何帮助它们与不同生态壁ches中其他微生物进行互动并适应其他微生物。未来的工作应集中于发现CPR的代谢能力,并在可能的情况下隔离它们以更好地了解这些微生物。
