XiaoMi-AI文件搜索系统
World File Search SystemCXC
综述文章 与动脉粥样硬化免疫反应相关的细胞因子
图1. 动脉粥样硬化过程中参与免疫细胞激活的细胞因子示意图。细胞因子几乎可以在该环境中的所有细胞类型中表达，尤其是巨噬细胞。其中一些细胞因子，如TNF-α和IFN-γ，在该网络中起着关键作用，促进其他细胞因子的表达，包括IL-6、IL-8、CCL2、CXCL16等。IL-18驱动T细胞极化并诱导血管平滑肌细胞中MMP的表达。IL-23主要由巨噬细胞表达，引起随后的炎症因子反应。IL-1β具有多种促炎功能，除了诱导MMP和其他细胞因子外，还可以影响血管平滑肌细胞的增殖和迁移。IL-6也被称为具有多种功能的关键细胞因子，可以促进巨噬细胞对低密度脂蛋白的摄取，并刺激内皮细胞分泌粘附分子。文中提供了更多详细信息。IL：白细胞介素；IFN-γ：干扰素-γ；CCL2：CC 基序趋化因子配体 2；CXCL16：CXC 基序趋化因子配体 16；MIP-1α：巨噬细胞炎症蛋白-1α；CAMs：细胞粘附分子；LPS：脂多糖；TMAO：三甲胺氧化物；TNF-α：肿瘤坏死因子-α；MMPs：基质金属蛋白酶。该图是使用 BioRender.com 创建的。
使用二氧化碳激光器的浅表性腹膜子宫内膜异位症蒸发：长期单中心体验
摘要：宿主免疫系统的稳态受到白细胞的调节，具有各种细胞表面受体用于细胞因子。趋化性细胞因子（趋化因子）激活其受体，以唤起稳态迁移或朝向炎症组织或病原体的炎症条件下免疫细胞的趋化性。免疫系统的失调导致疾病，例如过敏，自身免疫性疾病或癌症，需要有效，快速作用的药物，以最大程度地减少慢性炎症的长期影响。 在这里，我们进行了基于结构的虚拟筛选（SBV），并由Keras/Tensorflow神经网络（NN）辅助使用，以发现作用于三种趋化因子受体的新型化合物支架：CCR2，CCR3和一个CXC受体CXCR3。 keras/tensorflow nn在此使用不作为典型使用的二进制分类器，而是作为有效的多级分类器，不仅可以丢弃非活性化合物，还可以丢弃低或中等活性化合物。 在100 ns全原子分子动力学中测试了SBV和NN提出的几种化合物，以确认其结合效率。 为了改善化合物的基本结合功能，提出了新的化学修饰。 将修饰的化合物与这三种趋化因子受体的已知拮抗剂进行了比较。 已知的CXCR3化合物是最受预测的化合物之一。因此，除了基于结构的方法外，还显示了在药物发现中使用KERAS/Tensorflow的好处。 此外，我们表明KERAS/Tensorflow NN可以准确预测化合物的受体亚型选择性，SBV通常会失败。导致疾病，例如过敏，自身免疫性疾病或癌症，需要有效，快速作用的药物，以最大程度地减少慢性炎症的长期影响。在这里，我们进行了基于结构的虚拟筛选（SBV），并由Keras/Tensorflow神经网络（NN）辅助使用，以发现作用于三种趋化因子受体的新型化合物支架：CCR2，CCR3和一个CXC受体CXCR3。keras/tensorflow nn在此使用不作为典型使用的二进制分类器，而是作为有效的多级分类器，不仅可以丢弃非活性化合物，还可以丢弃低或中等活性化合物。在100 ns全原子分子动力学中测试了SBV和NN提出的几种化合物，以确认其结合效率。为了改善化合物的基本结合功能，提出了新的化学修饰。将修饰的化合物与这三种趋化因子受体的已知拮抗剂进行了比较。已知的CXCR3化合物是最受预测的化合物之一。因此，除了基于结构的方法外，还显示了在药物发现中使用KERAS/Tensorflow的好处。此外，我们表明KERAS/Tensorflow NN可以准确预测化合物的受体亚型选择性，SBV通常会失败。我们从Chembl和策划数据集检索到大麻素受体的跨测试趋化因子受体数据集。在从Chembl检索的大麻素受体数据集上训练的NN模型是受体亚型选择性预测中最准确的。在趋化因子受体数据集训练的NN模型中，CXCR3模型在区分给定化合物数据集的受体亚型方面表现出最高的精度。
表征病理相关的人类肺上皮细胞中针对 SARS-CoV-1 和 -2 感染的时间和整体宿主先天免疫反应
严重急性呼吸综合征冠状病毒 1 (SARS-CoV-1) 和 2 (SARS-CoV-2) 是已在世界范围内造成大量发病率和死亡率的 β 冠状病毒 (β-CoV)。因此，更好地了解宿主对 β-CoV 的反应将有助于深入了解这些病毒的发病机制，从而确定医疗对策的潜在目标。在本研究中，我们的目标是使用系统生物学方法探索 SARS-CoV-1 和 -2 感染在病理相关的人肺上皮细胞 (Calu-3/2B4 细胞) 中随时间引发的先天免疫反应的规模和范围。在 β-CoV 或模拟感染 Calu-3/2B4 细胞后 12、24 和 48 小时提取的总 RNA 进行 RNA 测序和功能富集分析，以选择感染后表达显着调节的基因。结果表明，SARS-CoV-1 和 -2 在病理相关的人肺上皮细胞中刺激了相似但不同的先天抗病毒信号通路。此外，我们发现许多与病毒生命周期、干扰素和干扰素刺激基因 (ISG) 相关的基因在多个时间点上调。基于它们在被 SARS-CoV-1、SARS-CoV-2 和 Omicron BA.1 感染后的显著调节，四种 ISG，即骨髓基质细胞抗原 2 ( BST2 )、Z-DNA 结合蛋白 1 ( ZBP1 )、CXC 基序趋化因子配体 11 ( CXCL11 ) 和干扰素诱导的跨膜蛋白 1 ( IFITM1 )，被确定为针对 β -CoV 的潜在药物靶点。我们的研究结果表明，这些基因通过先天免疫反应直接或间接影响病原体，使其成为宿主定向抗病毒药物的潜在靶点。总之，我们的结果表明，SARS-CoV- 1 和 SARS-CoV-2 感染对宿主先天免疫反应产生不同的影响。
改变的脂质稳态与SNX14缺乏症中的小脑神经变性有关
引言急性肾脏损伤（AKI）是一种常见疾病，由于其诊断率低和缺乏及时治疗而对人类健康构成严重威胁，这大大增加了严重的AKI和慢性儿童疾病（CKD）（1，2）。缺血 - 再灌注损伤（IRI）被认为是临床儿童损伤的主要原因，并且始终伴有单核吞噬细胞（MP）入侵和炎症（3-6）。对IRI诱导的炎症基础的细胞病理生理过程的更好理解可能会导致寻找新的治疗靶标，以减少损伤并防止CKD进展。iri诱导的AKI主要集中在皮质囊肿结的近端管状细胞（PTS）中。单细胞RNA-SEQ（SCRNA-SEQ）结果表明，PT受损的细胞具有促炎和纤维化特性，最终导致了肾小管病理修复，例如肾小管萎缩和间质纤维化（6，7）。有趣的是，MP浸润和炎症的大量损伤的皮质甲状腺结与最大的PT损伤结合在一起，表明两者之间的串扰。浸润免疫细胞的数量和免疫炎症反应的程度确定了AKI的结果。先天和适应性免疫都参与了iri引起的AKI的损害和修复（8）。一项空间转录测序研究表明，正常儿童中的巨噬细胞主要局限于髓质血液供应丰富的区域。IRI发生后，在IRI 2小时后，外周血巨噬细胞子集特异性地趋化与皮质中的交界处，而在败血症引起的IRI中，这些细胞具有弥漫性分布，表明MPS在上述IRI过程中起着更为重要的作用（9-11）。具体而言，在AKI的早期阶段，驻留在肾脏和血液中的MP被顺序激活，释放单核趋化蛋白-1（MCP-1）（MCP-1），趋化因子（CXC Motif）Ligand-1（CXCL1）（CXCL1）和CSF1，以及CSF1，以招募更多MP，这可能
CRISPR-Cas9 诱导的 CCR5 Δ32 突变可作为抗 HIV-1 变体的有效基因治疗方法：综述
摘要。近五十年来，人类免疫缺陷病毒 (HIV) 一直是人类最大的流行病。尽管进行了广泛的研究，但迄今为止仍没有特定的治疗方法，CC 趋化因子受体 5，Delta 32 (CCR5 Δ32) 等位基因遗传点突变在预防获得性免疫缺陷综合征 (AIDS) 中起着至关重要的作用。这项综合研究旨在回顾在阳性患者群体中，在正选择压力下使用成簇的规律间隔短回文重复序列、Cas 9 酶 (CRISPR-Cas9) 和造血干细胞移植诱导纯合隐性缺失基因型作为表型。提出了一种方法，通过体细胞基因疗法，利用全能干细胞在受控的现代医疗设施内显著增加 Delta 32 有益突变等位基因的表达。它作用于两个功能失调的 CCR5 基因，翻译突变的 G 蛋白偶联共受体，其主要功能类似于 CXC 基序趋化因子受体 4 ( CXCR4 )，通过阻止病毒 RNA 进入 CD4 + T 辅助淋巴细胞，阻止感染并抑制病毒生命周期。这种修饰在北欧很常见，在那里它自然地以多态性 p (X=0.01) 的形式存在于高加索血统人群样本中，其中 X 是人群样本中对 HIV- 1 完全免疫的频率概率。分析了单核苷酸多态性 (SNP) 的表观遗传学，因为它们在免疫分布中起着重要作用。此外，在 CRIS-PR-Cas9 的伦理界限内进行了比较分析，以讨论所提出的方法和治疗替代方案的实际方面和挑战。此外，该研究汇集了所有可用数据并总结了先前的研究，同时为这一伦理困境提供了有希望的解决方案。最后，设计了一种方法来回答
轴向脱钩的光刺激和两个光子读数（Adept）用于映射神经回路的功能连通性
摘要：宿主免疫系统的体内平衡受白细胞的调节，其中有8种细胞表面受体用于细胞因子。趋化性细胞因子（趋化因子）激活其受体9，以唤起稳态迁移或炎症条件下的免疫细胞的趋化性，即炎症组织或病原体。免疫系统的失调导致11种疾病，例如过敏，自身免疫性疾病或癌症，需要有效，快速作用的药物，以最大程度地减少慢性炎症的12种长期影响。在这里，我们进行了基于结构的虚拟筛选13（SBV），由KERAS/Tensorflow神经网络（NN）辅助，以查找在三个趋化因子受体上作用的新型化合物支架14：CCR2，CCR3和一个CXC受体CXCR3。keras/tensorflow 15 nn在这里不是用作典型使用的二进制分类器，而是作为有效的多级分类器16，不仅可以丢弃非活性化合物，而且还可以丢弃低或中等活性化合物。在100 ns全原子分子动力学中测试了SBV和NN提出的几种化合物，以确认其结合亲和力。为改善化合物的基本结合亲和力，提出了新的19种化学修饰。将修饰的化合物与这三个趋化因子受体的已知20个雄鹿主义者进行了比较。已知的CXCR3是预测的21磅，因此在基于结构的方法中显示了在药物发现中使用Keras/Tensorflow的好处。此外，我们表明KERAS/Tensorflow NN可以预测化合物的受体亚型选择性，SBV通常会失败。我们跨越了24个测试的趋化因子受体数据集，这些数据集从Chembl和策划的大麻素25受体中策划的数据集获取，网址为：http：//db-gpcr-chem.uw.edu.pl。在从Chembl检索的大麻素26受体数据集上训练的NN模型是受体亚型选择性27预测中最准确的。在趋化因子受体数据集训练的NN模型中，CXCR3模型28在区分给定化合物数据集的受体亚型方面表现出最高的精度。29