受最近批准用于癌症治疗的共价激酶抑制剂 (TKI) 的启发,共价探针和药物的开发经历了一场复兴,现在吸引了工业界和学术界的浓厚兴趣,包括针对 EGFR 的抑制剂:阿法替尼 (Gilotrif) 和奥希替尼 (Tagrisso) 或 BTK:阿卡替尼 (Calquence) 和伊布替尼 (Imbruvica)。1–4 与暂时靶向保守底物和/或变构结合位点的非共价小分子不同,共价抑制剂通常在效力、选择性、药代动力学和药效学方面表现出差异化的药理学,因为它们能够与靶蛋白形成不可逆的共价键。 5,6 尽管有这些优点,许多人仍然对共价抑制剂持怀疑态度,因为它们会产生能够引发特异性免疫反应和过敏/超敏反应的蛋白质加合物。7,8 从历史上看,共价药物的发现
这是一篇在接受后经过改进的文章的 PDF 文件,例如添加了封面和元数据,以及格式化以提高可读性,但它还不是最终的记录版本。此版本在以最终形式发布之前将经过额外的文字编辑、排版和审查,但我们提供此版本是为了让文章尽早可见。请注意,在制作过程中,可能会发现可能影响内容的错误,并且适用于期刊的所有法律免责声明均适用。
(1) 很有可能 (2) 不太可能 (3) 无法在(日期)之前评估 (4) 可通过 ADR 增强: (a) 向法院请求 (b) 外部来源 关于调解的联合声明:双方应就调解进行会面和协商,并应在拟议的发现计划中包括一份声明,解决以下问题:1) 双方是否计划进行调解;2) 如果是,他们预计在进行发现和/或提交简易判决动议之前还是之后进行调解;以及 3) 双方是否将向治安法官/地区法官或私人调解员请求调解。双方还应提出一个日期,在该日期之前向法院通报调解的状态;书记员办公室应在该截止日期之后安排调解状态会议。当一方被监禁且无人代理时,会面和协商以及提交联合调解声明的义务不适用。
在过去十年中,机器学习 (ML) 已成为加速材料开发的有力工具 (1-5)。学术界、政府和商业实体正在广泛部署 ML 以服务于材料发现。即使只是所有材料研究的一小部分,材料 ML 的出版活动也呈指数级增长 (图 1)。尽管关于数据驱动的材料研究 (我们称之为材料信息学) 的文献越来越多,但只有一小部分已发表的研究最终形成了预测,随后通过实验(在实验室中或通过基于物理的模拟的“虚拟”实验)进行验证。训练有素的 ML 模型仅仅是一种手段,只有当 ML 预测得到证实时,材料信息学的效用才能充分实现。在这篇综述中,我们 (a) 描述材料信息学发现流程的关键组成部分;(b) 重点介绍描述材料信息学预测验证的最新研究,如表 1 所示; (c)注意一些针对 ML 的材料发现特定考虑因素。我们首先更详细地描述典型的材料信息学流程。
严格控制纳米粒子与生物系统相互作用的选择性对于靶向疗法的开发至关重要。然而,可调参数数量众多,如果没有指导原则,很难确定最佳设计的“最佳点”。在这里,我们将超选择性理论与软物质物理学结合成一个统一的理论框架,并以血脑屏障细胞为目标证明了它的有效性。我们将我们的方法应用于用靶向配体功能化的聚合物囊泡,以确定在粒径、刷长和密度以及系绳长度、亲和力和配体数量方面最具选择性的参数组合。我们表明,将多价相互作用组合成多路复用系统使相互作用成为细胞表型的函数,即表达哪些受体。因此,我们提出设计一种“条形码”靶向方法,可以根据独特的细胞群进行量身定制,从而实现个性化治疗。
《联邦民事诉讼规则》第 26(f)(2) 条要求各方会面并协商做以下事情: • “考虑其索赔和辩护的性质和依据。” • 考虑“迅速和解或解决案件的可能性。” • “作出或安排”初步披露。 • 讨论有关保存可发现信息的任何问题。 • 制定拟议发现计划。 大多数律师将这些视为清单要求。他们与原告律师坐下来,大声宣读清单上的每一项(自上次发现会议以来第一次),并依次讨论每一项。这满足了第 26 条的要求,但对推进客户的战略目标无济于事。要推进客户的战略目标,您必须有一个策略。该策略将取决于案件,但无论如何,您和您的客户都需要为发现过程设定某些目标。这些目标可能包括限制发现成本(尤其是与文件制作相关的成本);迫使原告明确说明索赔依据,如果投诉
这一显著增长完全归功于科学家成功采用低温电子显微镜作为其 NMR 和 XRD 工作的补充方法。低温电子显微镜的早期行业采用者包括许多知名企业,包括辉瑞、基因泰克、诺华、Astex Pharmaceuticals 和默克。这些最初的采用者了解低温电子显微镜在药物发现方面的前景,因此他们很早就建立了内部能力。这意味着,一旦系统交付和安装,这些采用者就可以开始使用这种技术来分析难以结晶的蛋白质(例如膜蛋白)。现在,这些采用者正在探索在整个药物发现过程的多个步骤中使用低温电子显微镜,甚至包括临床试验期间的样本分析。