XiaoMi-AI文件搜索系统
World File Search SystemExtra
从决明子茎皮乙酸乙酯提取物中分离的新型三萜衍生物的抗菌活性：体外和计算机模拟
随着全球范围内抗生素耐药性的增加，细菌感染的标准治疗方法变得越来越无效。由于抗生素的过度使用，耐多药细菌已成为 21 世纪的严重危害和全球主要医疗保健问题。传统的开发新型抗菌药物的方法不足以满足现有的需求，因此正在开发抗菌发现领域的新策略。决明子 (C.fistula) 是豆科植物的一种，天然具有抗菌特性。这种植物用于治疗皮肤病、肝脏问题、结核腺体、呕血、瘙痒、白斑和糖尿病。因此，除抗生素之外的有效抗菌治疗至关重要。这种植物含有多种次级代谢产物，包括单宁、萜类化合物、生物碱、黄酮类化合物和糖苷，它们都具有抗菌特性。萜烯和萜类化合物可有效对抗细菌、真菌、病毒和原生动物。萜烯的作用方式涉及亲脂性化学物质破坏膜。添加甲基以增加贝壳杉烯二萜的亲水性会显著降低其抗菌效果。在这项研究中，对金黄色葡萄球菌和肺炎克雷伯菌的抗菌筛选试验表明，从 C.fistula 的乙酸乙酯提取物中分离出的一种新化学物质比阳性对照具有更宽的抑制区。用这种新化学物质处理后，处理过的培养物的基因组 DNA 图谱保持不变。这种新化学物质抑制了蛋白质合成，导致两种菌株处理过的培养物中的蛋白质含量降低，证实了其杀菌作用。需要进一步进行免疫印迹分析以确认特定的蛋白质。研究一种可降低药物负荷和耐药性风险以及治疗成本的新型三萜类化合物，可以为治疗与糖尿病相关的继发性尿路感染提供有希望的治疗选择。
通过多任务图表结构学习
鉴定蛋白质 - 蛋白质相互作用（PPI）对于在细胞内的众多生物过程中进行深入见解至关重要，并且在药物开发和疾病治疗等领域具有显着的指导价值。当前，大多数PPI预测方法主要集中于蛋白质序列的研究，忽略了蛋白质内部结构的关键作用。本文提出了一种名为MGSlappi的新型PPI预测方法，该方法将注意力集中在我的蛋白质结构信息上，并通过多任务学习策略增强了蛋白质编码器的表现力。具体来说，我们将端到端PPI预测过程分解为两个阶段：氨基酸残基重建（A2RR）和蛋白质相互作用预测（PIP）。在A2RR阶段，我们采用基于图的基于图的残基重建方法来探索蛋白质的内部关系和特征。在PIP阶段，除了基本的相互作用预测任务外，我们还引入了两个辅助任务，即蛋白质特征重建（PFR）和蒙版相互作用预测（MIP）。PFR任务旨在重建在PIP阶段的蛋白质的表示，而MIP任务则使用部分掩盖的蛋白质特征进行PPI预测，两者都在协调一致地工作以提示MGSlappi捕获更多有用的信息。实验结果表明，MGSlappi在各种数据分配方案下的现有最新方法显着优于现有的最新方法。
壁外活动对L2 ...
3。Method ................................................................................................................................. 24
解码性别：一种用于将印度名称分类为高级功能提取的机器学习方法
根据印度名字对性别进行分类，这对国家的巨大文化，语言和地区多样性提出了独特的挑战。现有的方法经常难以解决由宗教，家族和语言影响塑造的命名惯例的复杂性，从而导致不一致和不准确的分类。为了应对这些挑战，这项研究开发了一种文化多样的数据集，分别是313万名男性和女性名称以及杠杆先进的机器学习（ML）和性别分类的深度学习（DL）技术。这些名称来自印度选举数据，使用自定义脚本生成的合成名称以及网站上的公开名称以确保多样性。评估了十二个ML模型，并具有前四个卷积神经网络（CNN），长期短期记忆（LSTM），门控复发单元（GRU）和XGBOOST，以详细分析。
疟疾中的细胞外囊泡：蛋白质组学见解，体外和体内研究表明需要过渡到天然人类感染
摘要在全球范围内，估计在2000 - 2022年期间避免了21亿疟疾病例和1,170万疟疾死亡。明显地，尽管有效的控制测量值，但在2022年，在85个疟疾 - 流行国家中估计有2.49亿个疟疾病例，与2021年相比增加了500万例。进一步了解人类疟疾的生物学，流行病学和发病机理对于实现疟疾消除至关重要。细胞外囊泡（EV）是膜封闭的纳米颗粒，在细胞间通信中关键，并由所有细胞类型分泌。在这里，我们将回顾有关疟疾中电动汽车的目前所知，从生物发生和货物到病理生理学的分子见解。相关性，蛋白质组学货物的荟萃分析以及体外和体内人类研究之间的比较揭示了患者报道的少数研究的差异。因此，表明需要严格的方法论和过渡到人类感染以阐明其生理作用。我们最后关注诊断和疫苗开发的转化方面，并突出疟疾研究中电动汽车知识的关键差距。
来自永生的人类羊膜上皮细胞的细胞外囊泡减少脂肪性肝炎和肝细胞癌的小鼠肝纤维化
脂肪性肝炎； MASH）[2]。Mash是MASLD的更严重的形式，其特征是细胞损伤，炎症和疤痕。MASH中持续的炎症和肝损伤会导致肝硬化和肝细胞癌的发展。尽管发病率很高，而且全球健康的影响越来越大，直到最近，还没有针对MASLD/MASH的批准治疗方法。2024年3月，甲状腺激素受体β（THR-β）的部分激动剂Resmetirom被FDA批准为MASH的第一种治疗方法[3]。最近批准了用于治疗非乳糖毒物的成年人的批准，对MASLD/MASH患者的治疗可能性产生了重大影响，但药物诱导的肝毒性以及与其他药物（例如statins）的潜在相互作用的可能性[4]意味着仍然需要替代治疗。因此，患者的教育和生活方式的改变仍然被认为是防止MASLD/MASH进展的主要工具，并且迫切需要开发一种解决泥浆基础的复杂病理生理学的治疗方法。
Damak Campus Journal 2024, 13 (1): 99-104 ISSN : 2565-4772 (Print) DOI: https://doi.org/10.3126/dcj.v13i1.74542 鳞毛蕨属植物提取物作为绿色
引言腐蚀是金属在其大气中通过化学或电化学反应被破坏的过程。这是一个自然过程。这是一个持续而有规律的问题，永远不会消除。[1]预防胜于彻底消除。它以直接或间接的方式影响着我们的日常生活。它降低了金属的有用性能。它是经济因素中最严重的问题。[2]当存在腐蚀抑制剂时，金属腐蚀速率可以大大降低。腐蚀抑制剂主要分为两类，即无机和有机。大多数无机抑制剂对环境不安全。因此，有人建议使用绿色植物叶子的提取物。在绿色植物中，它们含有许多化合物来控制腐蚀问题，而不会破坏环境的生态系统[3]。在许多研究中，使用合成化学品进行腐蚀抑制因其见效更快而被广泛使用。合成抑制剂成本高昂，同时会对环境产生负面影响。因此，许多研究人员专注于
探索蝴蝶豌豆（Clitoria ternatea）提取物作为具有抗菌特性的天然槲皮素源
蝴蝶豌豆花（Clitoria ternatea）是槲皮素的天然来源，槲皮素是一种具有各种生物学活性的类黄酮，包括抗氧化剂，抗炎症和抗菌特性。本研究旨在确定蝴蝶豌豆花提取物中的槲皮素水平，并测试其针对大肠杆菌和金黄色葡萄球菌的抗菌活性。使用HPLC方法在374 nm处使用HPLC方法的槲皮素分析显示，平均水平为42 ppm（4.2％w/w），方法验证包括精度，精度，线性性（𝑟2= 0.9959），LOD和LOD和LOQ分别为0.57 ppm和1.91 ppm。抗菌试验表明，蝴蝶豌豆花提取物分别抑制了大肠杆菌和金黄色葡萄球菌的生长，其抑制区最大，浓度分别为10.27±1.01 mm和12.28±0.09 mm的30％。该活性与槲皮素含量有关，槲皮素含量通过损坏细菌细胞壁和抑制生物膜形成等机制起作用。由于这种药理潜力，这些花可以作为药物和化妆品应用中的天然抗菌剂开发。©2025 SPC（SAMI Publishing Company），《亚洲绿色化学杂志》，用于非商业目的。
通过神经影像学研究提取认知表征可改善大脑解码
认知脑成像正在积累有关许多不同心理过程的神经基础的数据集。然而，大多数研究都基于少数受试者，统计能力较低。跨研究分析数据可以带来更多的统计能力；然而，当前的脑成像分析框架无法大规模使用，因为它需要将所有认知任务置于统一的理论框架中。我们引入了一种新方法来分析跨任务的大脑反应，而无需心理过程的联合模型。该方法通过联合分析具有特定认知重点的小型研究与探究不太重点的心理过程的大型研究，提高了小型研究的统计能力。我们的方法提高了 35 项差异很大的功能成像研究中 80% 的解码性能。它通过预测心理过程的共同大脑表征，以数据驱动的方式发现跨任务的共性。这些是适应心理操纵的大脑网络。它们概述了可解释和合理的大脑结构。提取的网络已经可用；它们可以在新的神经成像研究中轻松重复使用。我们提供了一个多研究解码工具来适应新数据。
乔木叶水仙地上部分提取物的抗氧化和抗菌活性及其丙酮提取物的 LC-HESI-MS2 表征
1 有机化学实验室 LR17ES08，天然物质团队，斯法克斯大学科学学院，PB 1171，斯法克斯 3000，突尼斯；samet.sonda95@gmail.com（SS）；amaniayachi21@gmail.com（AA）；noureddineallouche@yahoo.fr（NA）；raoudhajarraya@yahoo.fr（RM-J.）2 斯法克斯突尼斯大学斯法克斯生物技术中心微生物生物技术和酶工程实验室，Road of Sidi Mansour Km 6，PB 1177，斯法克斯 3018，突尼斯；mariamfourati@ymail.com（MF）； lotfi.mallouli@cbs.mrt.tn (LM) 3 Equipe BTSB-EA 7417, Institut National Universitaire Jean-François Champollion, Université de Toulouse, Place de Verdun, 81012 Albi, France; michel.treilhou@univ-jfc.fr * 通讯：nathan.tene@univ-jfc.fr；电话：+33-667276471 † 这些作者对这项工作做出了同等贡献。