XiaoMi-AI文件搜索系统
World File Search System药组
药物多聚药理学：多聚药组学在现代药物开发中的探索和利用
Anighoro, A.、Bajorath, J. 和 Rastelli, G. (2014)。多药理学：药物发现中的挑战和机遇。《药物化学杂志》，57 (19)，7874 – 7887。Azmi, AS 和 Mohammad, RM (2014)。通过网络药理学纠正抗癌药物发现。《未来药物化学》，6 (5)，529 – 539。Bajorath, J. (2021)。识别高度混杂激酶抑制剂的最低筛选要求。《未来药物化学》，13 (13)，1083 – 1085。Bowes, J.、Brown, AJ、Hamon, J.、Jarolimek, W.、Sridhar, A.、Waldron, G. 和 Whitebread, S. (2012)。减少与安全相关的药物流失：体外药理学分析的应用。《自然药物发现评论》，11 (12)，909 – 922。Breinbauer, R.、Vetter, IR 和 Waldmann, H. (2002)。从蛋白质结构域到药物候选物——天然产物作为化合物库设计和合成的指导原则。《应用化学国际版》，41 (16)，2878。
开发一种用于筛选中西药组合中肝毒性化合物的人工智能方法
摘要背景：中西药联用增加了所摄入化合物的复杂性。目的：利用人工智能方法开发一种基于化学结构的中西药肝毒性化合物筛选方法。方法：从公开数据库和发表的文献中收集药物性肝损伤（DILI）数据。将DILI数据形成的整个数据集以大约3：1的比例随机分为训练集和测试集。采用SGD（随机梯度下降）、kNN（k最近邻）、SVM（支持向量机）、NB（朴素贝叶斯）、DT（决策树）、RF（随机森林）、ANN（人工神经网络）、AdaBoost、LR（逻辑回归）和一种深度学习模型（深度信念网络，DBN）构建肝毒性化合物筛选模型。结果：本研究共收集了2035个肝毒性化合物数据集，其中1505个化合物作为训练集，530个化合物作为测试集。结果表明，RF在训练集上的分类准确率（CA）为0.838，F1-score为0.827，Precision为0.832，Recall为0.838，曲线下面积（AUC）为0.814；在测试集上的分类准确率（CA）为0.767，F1为0.731，Precision为0.739，Recall为0.767，AUC为0.739，优于其他8种机器学习方法。DBN在测试集上的分类准确率为82.2%，高于其他任何机器学习模型。
鲍曼不动杆菌 ST374 的基因组见解揭示了广泛且不断增加的耐药组和病毒组
基于 WGS 的监测大大提高了追踪临床相关病原体多药耐药克隆的全球传播和出现的能力。在本研究中，我们对属于序列类型 ST374 的鲍曼不动杆菌 (菌株 Ac56) 进行了基因组表征和比较分析，该菌株于 1996 年首次在巴西分离。Ac56 的基因组分析预测了总共 5373 个基因，其中 3012 个基因在来自欧洲、亚洲、北美和南美国家的 ST374 鲍曼不动杆菌分离株的九个基因组中是相同的。GoeBURST 分析将 ST374 谱系分为克隆复合体 CC3（国际克隆 IC-III）。ST374 克隆的抗性基因组分析预测了与重金属和临床相关的 β-内酰胺类和氨基糖苷类抗生素耐药性相关的基因。在这方面，在两种密切相关的鲍曼不动杆菌菌株中，内在的 bla ADC 基因与插入序列 IS Aba1 相关；包括 Ac56 菌株，该基因可能与对美罗培南的中等敏感性相关。其他四种耐卡巴培南的鲍曼不动杆菌菌株携带 IS Aba1/bla OXA-23 基因阵列，该基因阵列与转座子 Tn 2008 或 AbaR4 型耐药岛中的 Tn 2006 相关。虽然 ST374 的鲍曼不动杆菌菌株大多数毒力基因是相同的，但来自泰国的三种分离株含有 KL49 荚膜基因座，该基因座先前在高毒力鲍曼不动杆菌 LAC-4 菌株中发现。对三十四种预测质粒的分析显示八个主要组，其中 GR-6（LN − 1）和 GR-2（LN − 2）占主导地位。所有菌株（包括最早的分离株 Ac56）都含有至少一个完整的原噬菌体，但未检测到任何 CRISPR 相关 (cas) 基因。总之，A. baumannii ST374 的基因组数据显示该谱系有潜力成为成功的克隆。
多药组合协同作用的可视化分析
SynergyFinder ( https://synergyfinder.ffimm.ffi ) 是一个独立的网络应用程序，用于交互式分析和可视化药物组合筛选数据。自 2017 年首次发布以来，SynergyFinder 已成为一种广泛使用的网络工具，既可用于在临床前模型系统（例如细胞系或患者来源的原代细胞）中发现新的协同药物组合，也可用于更好地了解联合治疗疗效或耐药性的机制。在这里，我们描述了最新版本的 SynergyFinder（版本 2.0），它已通过添加新功能进行了广泛升级，这些新功能特别支持高阶组合数据分析和多药协同模式的探索性可视化，以及自动异常值检测程序、扩展的曲线拟合功能和重复测量的统计分析。根据用户要求，还实施了许多其他改进，包括新的可视化和导出选项、更新的用户界面以及增强的 Web 工具稳定性和性能。凭借这些改进，SynergyFinder 2.0 有望大大扩展其在多药组合筛选和精准医疗等各个领域的潜在应用。