XiaoMi-AI文件搜索系统
World File Search SystemAffinity
AAV亲和力色谱法的生产力优化和过程计算
使用重组腺相关病毒（RAAV）作为基因疗法的递送方法，继续使用数百项正在进行的临床试验和一些最近的批准成功。RAAV应用的多样性范围从影响小患者人群的罕见疾病到更普遍的遗传性疾病，例如血友病。剂量从〜4E11 VG/眼睛的视网膜下给药到3.5E14 VG的剂量差异很大[1]。从制造业的角度来看，该领域已转向了Raav的生产和纯化方法。上游方法通常使用HEK293细胞的转染，并且滴度通常在1-2e10 Vg/ml中使用，尽管最近报道了2000 l量表的高达6E11 VG/mL的较高滴度[2]。大剂量和/或患者种群需要这些较高的滴度来满足这些疗法的需求并降低成本。对于RAAV纯化，该领域的大多数已移至使用亲和力捕获色谱步骤[3]的可扩展过程，并通常使用Poros™Capturelect™AAVX树脂。在这项工作中，利用了多种AAV血清型的动态结合能力（DBC）数据，以估算使用AAVX树脂的最佳生产力。对符合最大处理时间和树脂利用率的过程条件和柱几何形状的分析，用于两种情况，代表了用于临床制造的当前滴度和用于商业制造量表的高滴度。
分层图表示学习用于预测药物-靶标结合亲和力
由于与二元相互作用预测相比，药物-靶标结合亲和力 (DTA) 的识别具有更具体的解释能力，因此在药物发现过程中引起了越来越多的关注。最近，由于其令人满意的性能，许多基于深度学习的计算方法来预测药物和靶标之间的结合亲和力。然而，之前的工作主要集中于编码药物和靶标的生物学特征和化学结构，缺乏从药物-靶标亲和力网络中挖掘必要的拓扑信息。在本文中，我们提出了一种用于药物-靶标结合亲和力预测的新型分层图表示学习模型，即 HGRL-DTA。我们模型的主要贡献是建立一个分层图学习架构，以结合药物/靶标分子的固有属性和药物-靶标对的拓扑亲和力。在这个架构中，我们采用了一种消息广播机制来整合从全局级亲和图和局部级分子图中学习到的层次化表示。此外，我们设计了一个基于相似性的嵌入图来解决推断未见药物和靶标表示的冷启动问题。不同场景下的综合实验结果表明，HGRL-DTA 明显优于最先进的模型，并且在所有场景中都表现出更好的模型泛化能力。
面对人造：理解亲和力、可信度和对更现实的偏好
近年来，各公司一直在为由人工智能 (AI) 控制的数字虚拟代理开发更逼真的人脸。但用户对与此类虚拟代理互动有何感受？我们使用了一项受控实验室实验来检查用户对通过视频（即 Skype）以及非常逼真的虚拟形象出现的真实人类旅行代理的感知可信度、亲和力和偏好；一半的参与者（被误导性地）被告知虚拟形象是由人工智能控制的虚拟代理，而另一半则被告知虚拟形象由同一个人类旅行代理控制。结果表明，参与者认为视频人类代理更值得信赖，对他更有亲和力，并且比两个虚拟形象版本都更喜欢他。相信虚拟形象是由人工智能控制的虚拟代理的用户对代理的亲和力、可信度和偏好程度与相信虚拟形象由人类控制的用户相同。因此，使用逼真的数字化身会降低亲和力、可信度和偏好，但虚拟形象如何控制（由人还是机器）则没有影响。结论是，仅提高视觉保真度就能带来显著的积极变化，用户并不反对先进的人工智能模拟人类的存在，有些人甚至可能期待这样先进的技术。1. 简介
先进颅骨及颅面植入物制造对其降解亲和力的影响
1 安全技术研究所“MORATEX”，3 M. Sklodowskiej-Curie Str., 90-505 Lodz，波兰；efudali@moratex.eu (EC-F.)；dbasinska@moratex.eu (DB)；ajastrzabek@moratex.eu (AK-J.) 2 西里西亚理工大学机械工程学院机械设计基础系，Konarskiego 18a Str., 44-100 Gliwice，波兰；malgorzata.muzalewska@polsl.pl (MM)；marek.wylezol@polsl.pl (MW) 3 Syntplant，Rubie˙z 46/C4, 61-612 Poznan，波兰； off?ce@syntplant.com 4 波兹南理工大学材料技术研究所，Piotrowo 3 Str., 61-138 Poznan，波兰；jacek.andrzejewski@put.poznan.pl 5 Lukasiewicz 研究网络 - 罗兹理工学院，19/27 M. Sklodowskiej-Curie Str., 90-570 Lodz，波兰；nina.tarzynska@lit.lukasziewicz.gov.pl (NT)；karolina.gzyra-jagiela@lit.lukasiewicz.gov.pl (KG-J.) * 通讯地址：mstruszczyk@moratex.eu
顺式作用，亲和力调节IL-21免疫细胞免疫疗法的免疫细胞因子
尽管细胞因子疗法在某些癌症患者中表现出治愈作用，但由于伴随全身给药的炎症毒性特征，临床用途仍然有限。下一代细胞因子方法包括特定的靶向和条件信号传导，重点是肿瘤微环境或特定的免疫细胞群体。在这里，我们共享一种新的方法，用于使用Alphaseq平台来设计IL-21治疗候选者，具有提高稳定性并降低对IL-21受体的亲和力。当与CD8靶向抗体融合时，这些失调的候选者对亲本IL-21和强细胞偏置信号传导的分析有所改善。虽然父母IL-21导致鼠MC38肿瘤模型中的剂量限制性毒性，但局部局部在CD8+细胞或Tigit+细胞的IL-21引起了强烈的抗肿瘤反应。结合使用，Alphaseq Lab Platform和Alphabind ML平台允许发现和优化各种生物制剂。
SARS-COV-2蛋白酶抑制剂的设计具有改善的亲和力和对突变的敏感性
1斯坦福大学神经生物学系；美国加利福尼亚州斯坦福大学。 2 Aarhus University化学系；丹麦的奥尔胡斯。 3斯坦福大学生物工程系；美国加利福尼亚州斯坦福大学。 4得克萨斯大学医学分公司微生物和免疫学系；美国德克萨斯州加尔维斯顿。 5斯坦福大学医学系；美国加利福尼亚州斯坦福大学。 6斯坦福大学的体外生物安全3级服务中心，斯坦福大学；美国加利福尼亚州斯坦福大学。 7在斯坦福大学化学，工程和医学（Chem-H）的化学，工程和医学计划；美国加利福尼亚州斯坦福大学。 8斯坦福大学，斯坦福大学大分子结构知识中心；美国加利福尼亚州斯坦福大学。 9病理学系，德克萨斯大学医学分公司；美国德克萨斯州加尔维斯顿。 10神经科学，细胞生物学和解剖学系，德克萨斯大学医学分支机构；美国德克萨斯州加尔维斯顿。 11斯坦福大学微生物与免疫学系；美国加利福尼亚州斯坦福大学12 Chan Zuckerberg Biohub；美国加利福尼亚州旧金山。 13斯坦福大学化学与系统生物学系；美国加利福尼亚州斯坦福大学。 *相应的作者。 电子邮件：westberg@chem.au.dk，mzlin@stanford.edu摘要：SARS-COV-2主要蛋白酶（M Pro）的抑制剂，例如Nirmatrelvir（NTV）（NTV）和Entitrelvir（ETV），证明了在降低了与CRUTISS的相关性中的相关性，但有效地降低了与CRUTISS的相关性，并且存在于共同性的情况下，并且存在着众多的未来。 反抗。 第二代口服药物在这些突变体上保留功能。1斯坦福大学神经生物学系；美国加利福尼亚州斯坦福大学。2 Aarhus University化学系；丹麦的奥尔胡斯。 3斯坦福大学生物工程系；美国加利福尼亚州斯坦福大学。 4得克萨斯大学医学分公司微生物和免疫学系；美国德克萨斯州加尔维斯顿。 5斯坦福大学医学系；美国加利福尼亚州斯坦福大学。 6斯坦福大学的体外生物安全3级服务中心，斯坦福大学；美国加利福尼亚州斯坦福大学。 7在斯坦福大学化学，工程和医学（Chem-H）的化学，工程和医学计划；美国加利福尼亚州斯坦福大学。 8斯坦福大学，斯坦福大学大分子结构知识中心；美国加利福尼亚州斯坦福大学。 9病理学系，德克萨斯大学医学分公司；美国德克萨斯州加尔维斯顿。 10神经科学，细胞生物学和解剖学系，德克萨斯大学医学分支机构；美国德克萨斯州加尔维斯顿。 11斯坦福大学微生物与免疫学系；美国加利福尼亚州斯坦福大学12 Chan Zuckerberg Biohub；美国加利福尼亚州旧金山。 13斯坦福大学化学与系统生物学系；美国加利福尼亚州斯坦福大学。 *相应的作者。 电子邮件：westberg@chem.au.dk，mzlin@stanford.edu摘要：SARS-COV-2主要蛋白酶（M Pro）的抑制剂，例如Nirmatrelvir（NTV）（NTV）和Entitrelvir（ETV），证明了在降低了与CRUTISS的相关性中的相关性，但有效地降低了与CRUTISS的相关性，并且存在于共同性的情况下，并且存在着众多的未来。 反抗。 第二代口服药物在这些突变体上保留功能。2 Aarhus University化学系；丹麦的奥尔胡斯。3斯坦福大学生物工程系；美国加利福尼亚州斯坦福大学。4得克萨斯大学医学分公司微生物和免疫学系；美国德克萨斯州加尔维斯顿。5斯坦福大学医学系；美国加利福尼亚州斯坦福大学。 6斯坦福大学的体外生物安全3级服务中心，斯坦福大学；美国加利福尼亚州斯坦福大学。 7在斯坦福大学化学，工程和医学（Chem-H）的化学，工程和医学计划；美国加利福尼亚州斯坦福大学。 8斯坦福大学，斯坦福大学大分子结构知识中心；美国加利福尼亚州斯坦福大学。 9病理学系，德克萨斯大学医学分公司；美国德克萨斯州加尔维斯顿。 10神经科学，细胞生物学和解剖学系，德克萨斯大学医学分支机构；美国德克萨斯州加尔维斯顿。 11斯坦福大学微生物与免疫学系；美国加利福尼亚州斯坦福大学12 Chan Zuckerberg Biohub；美国加利福尼亚州旧金山。 13斯坦福大学化学与系统生物学系；美国加利福尼亚州斯坦福大学。 *相应的作者。 电子邮件：westberg@chem.au.dk，mzlin@stanford.edu摘要：SARS-COV-2主要蛋白酶（M Pro）的抑制剂，例如Nirmatrelvir（NTV）（NTV）和Entitrelvir（ETV），证明了在降低了与CRUTISS的相关性中的相关性，但有效地降低了与CRUTISS的相关性，并且存在于共同性的情况下，并且存在着众多的未来。 反抗。 第二代口服药物在这些突变体上保留功能。5斯坦福大学医学系；美国加利福尼亚州斯坦福大学。6斯坦福大学的体外生物安全3级服务中心，斯坦福大学；美国加利福尼亚州斯坦福大学。7在斯坦福大学化学，工程和医学（Chem-H）的化学，工程和医学计划；美国加利福尼亚州斯坦福大学。 8斯坦福大学，斯坦福大学大分子结构知识中心；美国加利福尼亚州斯坦福大学。 9病理学系，德克萨斯大学医学分公司；美国德克萨斯州加尔维斯顿。 10神经科学，细胞生物学和解剖学系，德克萨斯大学医学分支机构；美国德克萨斯州加尔维斯顿。 11斯坦福大学微生物与免疫学系；美国加利福尼亚州斯坦福大学12 Chan Zuckerberg Biohub；美国加利福尼亚州旧金山。 13斯坦福大学化学与系统生物学系；美国加利福尼亚州斯坦福大学。 *相应的作者。 电子邮件：westberg@chem.au.dk，mzlin@stanford.edu摘要：SARS-COV-2主要蛋白酶（M Pro）的抑制剂，例如Nirmatrelvir（NTV）（NTV）和Entitrelvir（ETV），证明了在降低了与CRUTISS的相关性中的相关性，但有效地降低了与CRUTISS的相关性，并且存在于共同性的情况下，并且存在着众多的未来。 反抗。 第二代口服药物在这些突变体上保留功能。7在斯坦福大学化学，工程和医学（Chem-H）的化学，工程和医学计划；美国加利福尼亚州斯坦福大学。8斯坦福大学，斯坦福大学大分子结构知识中心；美国加利福尼亚州斯坦福大学。9病理学系，德克萨斯大学医学分公司；美国德克萨斯州加尔维斯顿。10神经科学，细胞生物学和解剖学系，德克萨斯大学医学分支机构；美国德克萨斯州加尔维斯顿。11斯坦福大学微生物与免疫学系；美国加利福尼亚州斯坦福大学12 Chan Zuckerberg Biohub；美国加利福尼亚州旧金山。13斯坦福大学化学与系统生物学系；美国加利福尼亚州斯坦福大学。*相应的作者。电子邮件：westberg@chem.au.dk，mzlin@stanford.edu摘要：SARS-COV-2主要蛋白酶（M Pro）的抑制剂，例如Nirmatrelvir（NTV）（NTV）和Entitrelvir（ETV），证明了在降低了与CRUTISS的相关性中的相关性，但有效地降低了与CRUTISS的相关性，并且存在于共同性的情况下，并且存在着众多的未来。 反抗。第二代口服药物在这些突变体上保留功能。我们假设共价HCV蛋白酶抑制剂BOCEPREVIR（BPV）可以作为与现有药物更加紧密抑制SARS-COV-2 M Pro的口服生物可用药物的基础。执行BPV的结构引导的修饰，我们开发了一种皮摩尔亲和抑制剂ML2006A4，具有抗病毒活性，口服药代动力学和治疗效力，类似于NTV或优于NTV。ML2006A4的关键特征是酮酰胺反应性基团的新衍生化，可改善细胞的渗透性和口服生物利用度。最后，ML2006A4对几种对NTV或ETV的抗性的突变不太敏感，并且发生在天然SARS-COV-2种群中。因此，预期的药物设计可以预先解决潜在的抗药性机制。
利用预训练模型进行最近邻药物靶标亲和力预测
药物-靶标结合亲和力 (DTA) 预测对于药物发现至关重要。尽管将深度学习方法应用于 DTA 预测，但所获得的准确度仍然不理想。在这项工作中，受到最近检索方法成功的启发，我们提出了 𝑘 NN-DTA，这是一种基于非参数嵌入的检索方法，采用预先训练的 DTA 预测模型，它可以扩展 DTA 模型的功能，而无需或几乎不需要任何成本。与现有方法不同，我们从嵌入空间和标签空间引入了两种邻居聚合方法，并将它们集成到一个统一的框架中。具体而言，我们提出了一种具有成对检索的标签聚合和一种具有逐点检索最近邻居的表示聚合。该方法在推理阶段执行，并且可以在无需训练成本的情况下有效提高 DTA 预测性能。此外，我们提出了一个扩展，Ada-𝑘 NN-DTA，一种具有轻量级学习的实例化和自适应聚合。在四个基准数据集上的结果
通过人工智能预测结合亲和力和自然性实现抗体优化
传统的抗体优化方法涉及筛选可用序列空间的一小部分，通常会导致候选药物具有次优的结合亲和力、可开发性或免疫原性。基于两种不同的抗体，我们证明，在高通量亲和力数据上训练的深度上下文语言模型可以定量预测未见抗体序列变体的结合。这些变体在很大的突变空间中跨越了三个数量级的 KD 范围。我们的模型显示出强大的上位效应，这凸显了对智能筛选方法的需求。此外，我们引入了“天然性”的建模，这是一种对抗体变体与天然免疫球蛋白的相似性进行评分的指标。我们表明，天然性与药物可开发性和免疫原性的指标有关，并且可以使用遗传算法与结合亲和力一起对其进行优化。这种方法有望加速和改善抗体工程，并可能提高开发新型抗体和相关候选药物的成功率。
逃避抗体和ACE2亲和力之间的微妙平衡
Giandown如何，1,2,3,20， * Iste Dijocite-guraluc，4,20 Chang Liu，4,5,20 Daming Zhou，2,5 Helen M. Ginn，6 Rocksha Das，4 Pather Supersa，4 Muneestan，4 Muneestan Selever，4 rungtiwa nutail，4 achcare，4 nutg nutg nutg nutg a achane nutgti a achane tak a a achane tak ta a ach a ach a a achan n achci a anc n achci a anc n achci a anc n. 4 nutg a anc Acaria，4 4 Rungtiwa Nuter，4 A Ofhaccane，4 4 4 Turkhn，Helen M.E. 4 ），s@strbi.ox.ac.uk（e.e.f. ），renders.ax.ac。 英国（J.R ），garve.screton@medsci.ox.ac.uk（G.R.S.） https://doi.org/10.1016/j.celrep.2022.111903），s@strbi.ox.ac.uk（e.e.f.），renders.ax.ac。 英国（J.R ），garve.screton@medsci.ox.ac.uk（G.R.S.） https://doi.org/10.1016/j.celrep.2022.111903英国（J.R），garve.screton@medsci.ox.ac.uk（G.R.S.）https://doi.org/10.1016/j.celrep.2022.111903
激酶抑制剂结合亲和力用验证的图形编码器和语言模型
动机：抑制剂 - 激酶结合亲和力的准确预测对于药物发现和医疗应用至关重要，尤其是在治疗诸如癌症之类的疾病中。现有的预测抑制剂 - 激酶亲和力的方法仍然面临挑战，包括数据表达不足，功能提取有限和性能低。尽管通过人工智能（AI）方法（尤其是深度学习技术）取得了进展，但许多当前的方法未能捕获激酶与抑制剂之间的复杂相互作用。因此，有必要开发更先进的方法来解决抑制剂 - 激酶结合预测中的现有问题。结果：这项研究提出了Kinhibhib，这是抑制剂 - 激酶结合亲和力预测指标的新型框架。kinhibit会整合自我监督的预训练的预训练的分子编码器和蛋白质语言模型（ESM-S），以有效提取特征。kinhibit还采用特征融合方法来优化抑制剂和激酶特征的融合。实验结果证明了这种方法的优越性，在三种MAPK信号途径激酶的抑制剂预测任务中，精度达到了92.6％的精度：RAF蛋白激酶（RAF），有丝分裂原激活的蛋白激活蛋白激酶激酶激酶（MEK）和细胞外信号调节激酶（ERK）。此外，该框架在包含200多个激酶的数据集上达到了令人印象深刻的精度。这项研究为药物筛查和生物科学提供了有希望的有效的工具。