科学环境:抗菌耐药性(AMR)的兴起和对新抗菌策略的需求代表了现代医学中的紧迫挑战[1,2]。由于抗药性病原体的快速出现,传统的抗生素(例如抗生素)越来越无效[3]。在这种情况下,可以克服这些抗性机制的新型抗菌材料的发展至关重要[4,5]。人工智能(AI),尤其是深度学习(DL)方法,例如图形神经网络(GNNS),提供了一种创新的方法来加速这些材料的设计和优化[6-9]。gnns能够预测分子相互作用,从而可以快速鉴定具有增强抗菌特性的有希望的化合物和材料。这个博士学位论文项目旨在利用DL,特异性的转导/电感图神经网络方法,以设计和优化抗微生物材料,从而使过程更快,更有效,更有针对性,从而开发了生物医学应用下一代材料的开发,以抗击微生物感染。
摘要◥目的:因为BRCA1是一种高风险的乳腺/卵巢癌敏感性基因,所以不确定的临床意义(VUS)的BRCA1序列变体使遗传咨询变得复杂。大多数VU是罕见的,可靠的基于临床和遗传数据的分类。然而,所有病原BRCA1变体都分析了有缺陷的同源重组DNA修复(HRR)。因此,BRCA1 VU可以根据其对该途径的功能影响进行分类。Experimental Design: Two hundred thirty-eight BRCA1 VUS — comprising most BRCA1 VUS known in the Netherlands and Belgium — were tested for their ability to complement Brca1- de fi - cient mouse embryonic stem cells in HRR, using cisplatin and olaparib sensitivity assays and a direct repeat GFP (DR-GFP) HRR assay.使用25个已知良性和25个已知
双同源框 4 (DUX4) 是一种转录因子,与人类胚胎四细胞阶段的合子基因组激活 (ZGA) 有关,在该阶段,它充当重复元件和分裂特异性基因的激活剂 [1,2]。人们认为 DUX4 在大多数躯体组织中受到表观遗传抑制,包括骨骼肌。面肩肱型肌营养不良症 (FSHD;MIM 158900) 是一种进行性神经肌肉疾病,其特征是面部、肩胛骨和肱骨肌肉不对称无力和萎缩 [3],D4Z4 大卫星重复序列的表观遗传抑制丧失。这导致 DUX4 基因座的转录活性,该基因座在每个 D4Z4 重复单元内编码 [4,5]。 DUX4 激活未受影响的骨骼肌中通常不表达的基因,包括在 ZGA 期间激活的基因和免疫系统基因 [6,7]。成肌细胞中 DUX4 过表达会诱导不同的毒性级联反应,包括氧化应激增加、无义介导的衰变抑制和肌肉生成抑制。这些变化最终
