XiaoMi-AI文件搜索系统
World File Search SystemEz
![文章标题：在药物重新使用中的机器学习和人工智能 - 挑战和观点作者：Ezequiel Anokian [1]，Judith Ber](/simg/2/2867641feba13bf24711be4221be8a75a718a686.webp)
文章标题：在药物重新使用中的机器学习和人工智能 - 挑战和观点作者：Ezequiel Anokian [1]，Judith Ber
文章标题：药物重新培训中的机器学习和人工智能 - 挑战和观点作者：Ezequiel Anokian [1]，Judith Bernett [2]，Adrian Freeman [3]，Markus List [2]，LucíaPrietoSantamaría[4]，Auntorrarhman Tanoli [4] Bonnin [1]分支机构：发现与转化科学（DTS），Clarivate Analytics，巴塞罗那（西班牙）[1]，《系统生物学数据科学》，慕尼黑技术大学，慕尼黑技术大学，德国（德国）[2] Biopharmaceuticals R＆D，阿斯利康，剑桥（英国）[3]，EscuelaTécnicasuperior de gegenierossismorlosinformáticos，Madrid大学（西班牙）大学（西班牙） （FIMM），Hilife，Hilife，赫尔辛基大学（芬兰），Bioicawtech，赫尔辛基（芬兰）[5] [5] Orcid ID：0000-0003-0694-1867 [1] [1]，0000-0001-501-5812-8013 [2] 0000-0002-0941-4168 [2], 0000-0003-1545-3515 [4], 0000-0003-2435-9862 [5], 0000-0001-5159-2518 [1] Contact e-mail: Sarah.bonnin@clarivate.com Journal: Drugrxiv review statement:手稿目前正在审查中，应由酌处权对待。手稿提交日期：2024年3月12日关键字：机器学习，神经网络，人工智能，药物repurost
引用Ezenarro JJ，Al Ktash M，Vigues N，Gordi JM，Muñoz-Berbel X和Brecht M（2025）通过
致病细菌造成许多医疗保健和安全问题，包括传染病（He等，2023），食物中毒（Hussain，2016年）和水污染（Some等，2021）。由于其感染性和快速增殖，需要快速，准确的细菌检测和鉴定方法，以减少决策的时间段，从而最大程度地减少医疗保健风险，生态系统影响以及与微生物病原体相关的经济损失。基于琼脂平板上细菌细胞培养的病原体检测和鉴定已经存在不同的方法（Van Belkum和Dunne，2013年），免疫学检测（例如，酶联免疫吸附测定法） ），DNA微阵列（Colle等，2003），生物传感器（Boehm等，2007; Ahmed等，2014），或使用特定试剂敏感的使用，例如，细菌代谢（Ghatole et al。，2020; Hsieh等人，2018年）或lie of eDeNos of AdeNose（Et） ），等（Chen等，2018； Dietvorst等，2020）。然而，由于其简单性，低成本，稳健性和可靠性，传统的板块培养方法仍然是病原体检测和识别的金标准（Rohde等，2017），是细菌污染评估法规中的一种（Word Health Organisation，2017年）。实际上，板培养涉及琼脂平板的细菌生长，直到可以观察到单克隆菌落的形成为止。因此，板块培养在某种程度上容易受到人类错误的影响。菌落在形态，颜色，光泽和不透明度上等等，在仔细观察之后，有时在显微镜下，专家可以区分专家。除此之外，这项技术的主要限制是其持续时间。通常，直到菌落形成的细菌增殖需要超过18小时，对于缓慢增殖的细菌而言，必须超过3 - 4天（Franco-Duarte等，2023; Rajapaksha等，2019; Lee等，2020）。一种极端情况是军团菌，它需要非标准治疗和第二盘培养以进行适当的诊断，从而将细菌识别延迟到几周内（Tronel和Hartemann，2009; McDade，2009）。减少测量时间和加速决策的一种可能性是实施能够检测菌落并在形成的早期阶段识别的先进成像系统（Wang等，2020）。从这个意义上讲，高光谱成像是有利的，因为它以3D数据矩阵或超立方体格式提供了高分辨率图像，其中二维对应于空间信息（x，y坐标），而第三个维度对每个单独的像素（λ坐标）的光谱数据（Gowen等，2015，2015，2015; arrigoni; arrigoni et al arrigoni; arrigoni et al and arrigoni; arrigoni et al and arrigoni et al and arrigoni et al and arrigoni et al and arrigy and and and and。通常使用化学计量学来处理大量信息，以识别数据集中的模式，这些模式在裸眼中并不明显，并创建了能够对新数据进行分类的预测模型（Huang，2022）。然后可以使用这些PC进行基于PCA的判别分析（PCA-DA）（UDDIN主成分分析（PCA）通常与高光谱成像结合使用，以将光谱图像数据集减少为称为主成分（PCS）的代表变量（Abdi和Williams，2010年）。
ezh2在单核细胞分化限制心脏功能障碍期间作为表观遗传检查点调节剂
组蛋白H3K27甲基化的表观遗传调节最近已成为替代免疫调节的M2样巨噬细胞极化期间的关键步骤。已知会影响心肌梗塞后心脏修复（MI）。 我们假设负责H3K27甲基化的EZH2可以在此过程中充当表观遗传检查点调节剂。 我们在单核细胞分化为体外的M2巨噬细胞中，以及在体外的M2巨噬细胞中分化为M2巨噬细胞，以及在免疫后的巨噬细胞中，在体外阶段中，表观遗传酶的定位是表观遗传酶的假定胞质不活跃定位。 此外，我们表明，使用GSK-343的药理EZH2抑制分析了二价基因启动子的H3K27甲基化，从而增强其表达以促进人类单核细胞修复功能。 与这种保护作用相一致，GSK-343治疗加速了心脏炎症分辨率，可防止体内MI小鼠的梗死扩张和随后的心脏功能障碍。 总而言之，我们的研究表明，对心脏效果的药理学表观遗传学调节可能会有望限制MI后限制心脏不良改造。组蛋白H3K27甲基化的表观遗传调节最近已成为替代免疫调节的M2样巨噬细胞极化期间的关键步骤。已知会影响心肌梗塞后心脏修复（MI）。我们假设负责H3K27甲基化的EZH2可以在此过程中充当表观遗传检查点调节剂。我们在单核细胞分化为体外的M2巨噬细胞中，以及在体外的M2巨噬细胞中分化为M2巨噬细胞，以及在免疫后的巨噬细胞中，在体外阶段中，表观遗传酶的定位是表观遗传酶的假定胞质不活跃定位。此外，我们表明，使用GSK-343的药理EZH2抑制分析了二价基因启动子的H3K27甲基化，从而增强其表达以促进人类单核细胞修复功能。与这种保护作用相一致，GSK-343治疗加速了心脏炎症分辨率，可防止体内MI小鼠的梗死扩张和随后的心脏功能障碍。总而言之，我们的研究表明，对心脏效果的药理学表观遗传学调节可能会有望限制MI后限制心脏不良改造。
跟踪Ezemvelo KZN野生动物的碳足迹趋势
碳足迹评估对于打击全球变暖和促进可持续性很重要。在全球范围内，致力于生物多样性保护的组织对于维持生态系统和居住在生态系统的人们至关重要。尽管如此，这些组织由于其运营而产生了碳足迹。因此，本研究旨在评估Ezemvelo KZN野生动植物（EKZNW）的特定碳足迹，以提高其对环境含义的理解，并鼓励其在其特定任务内的可持续行为。使用温室气体协议公司会计和报告标准作为指导，研究方法研究了与Ezemvelo野生动物活动有关的直接（范围1）和间接（范围1和3）的温室气体排放（范围2和3）。结果表明，每年平均发射34,016.62吨二氧化碳（TCO2E）。这些排放中的大多数是由范围2用电量造成的，该范围占23,475.82 TCO2E，范围1排放量为7,826.20 TCO2E。此外，储量之间的排放量存在明显差异，而Imfolozi游戏储备的排放最高。这项研究的发现将EKZNW引向了生态意识的行为，通过充当教育决策的催化剂。获得的洞察力为积极的步骤铺平了道路，以降低碳排放量，协调保护工作，并具有更大的可持续性和气候弹性目标。
Pauline Ezanno、Sébastien Picault、Gaël Beaunée、Xavier Bailly、Facundo Muñoz 等人。人工智能时代动物健康的研究视角。兽医研究，2021 年，52 (40)，10.1186/s13567-021-00902-4。 hal-03161705
摘要 利用人工智能 (AI) 方法处理动物健康 (AH) 领域中遇到的高度复杂问题，例如定量和预测流行病学、动物/人类精准医学或研究宿主×病原体相互作用中遇到的问题。AI 可能有助于 (i) 诊断和疾病病例检测，(ii) 提供更可靠的预测和减少错误，(iii) 表示更现实的复杂生物系统并使计算代码对非计算机科学家更具可读性，(iv) 加快决策速度并提高风险分析的准确性，以及 (v) 更有针对性的干预措施和预期的负面影响。反过来，由于 AH 系统、数据、约束和分析目标的特殊性，AH 中的挑战可能会刺激 AI 研究。本研究基于对 2009-2019 年期间 AI 和 AH 交界处的科学论文的文献综述，以及对处于这一交界处的法国研究人员的采访，解释了目前各种 AI 方法所采用的主要 AH 领域，以及它如何有助于更新 AH 研究问题并消除方法或概念障碍。在介绍可能的障碍和杠杆之后，我们提出了几项建议，以更好地应对 AH/AI 界面所代表的挑战。随着最近几个促进卫生领域全球和多部门视角的概念的发展，AI 应该有助于将 AH 的不同学科转向更横向和综合的研究。关键词：动物疾病、数据、畜牧业、建模、人工智能、决策支持工具
隐藏在明显的视线中：FDA批准的胆固醇药物ezetimibe作为阿尔茨海默氏症的治疗方法
年龄是阿尔茨海默氏病（AD）的最突出的非态危险因素，每5岁以上每5岁时发病率翻了一番。蛋白质聚集是年龄疾病以及正常衰老的最一致的特征之一。许多与年龄相关的疾病在健康年龄中观察到的那些（包括所有神经退行性疾病，多种肌病，肺病和慢性肾脏疾病）上增加了特定于疾病的骨料。这种数据与促进衰老和伴随众多途径的常见机制可能是一种常见的机制，但没有证明这一假设是一致的。Ganne等人的一项新研究。1报告说，埃泽蒂略伯是他们选择的一种药物，用于破坏硅和各种年龄和阿尔茨海默氏症的临床前模型，与阿尔茨海默氏病的前瞻性风险减少了阿尔茨海默氏病和相关痴呆症患者的预期风险，该症状的序列是一般的 - 造成了七叶的患者，而造成了七叶的患者，而这是一种途中的途中，而这是一种途中的途中，而这是一种途中的途中，而这是一种途中的途中，而这是一种途中的途中，而这是一种途中的途中，而这是一种途中的途中，而这是一种途中的途中，而这是一种途中的途中，则是少量的。加倍。ezetimibe在2002年获得了FDA批准，用于降低循环胆固醇水平。作者指出，虽然对照（未服用ezetimibe的近100万个副主管）与年龄，性别和已建立的ADRD危险因素（例如高血压，糖尿病和肾脏病）相匹配，但胆固醇水平与胆固醇水平不匹配。有足够的证据表明，高LDL-胆固醇会增加AD风险2、3，这表明他汀类药物可以实现此类患者的风险降低。由于血清胆固醇水平相对较高，因此规定的Ezetimibe处方的患者已经开始了，因此这些研究人员指出，必须对新入学的患者进行双盲随机试验来建立因果关系。包括1.20万个主管的21项研究中最近的一项荟萃分析计算出汀类药物与未经治疗的受试者的AD相对风险降低了32％，即OR = 0.68，其= 0.68，其95％的固定间隔为0.56 - 0.81 4。在36项研究和5M受试者中得出的所有痴呆症的OR，在0.80下（尽管不是显着），而95％CI为0.75 - 0.86 4。降低胆固醇的降低只能说明86％ADRD风险降低（95％CI 0.06 - 0.34）的一小部分（少于一半），这意味着
引用Stitzlein LM，Gangadharan A，Walsh LM，Nam D，Espejo AB，Singh MM，Patel KH，Lu Y，Su X，Ezhilarasan R，Gumin J，Singh S，Singh S，Sulman S，Sulman E，Sulman E，Lang Ff A
胶质母细胞瘤（GBM）患者的预后较差，即使有一线治疗，平均存活率也为12-15个月（1-3）。针对GBM分子定义的亚群的靶向治疗已进行了广泛的测试，但在很大程度上遇到了耐药性和生存的最小改善，促使需要开发更有效的治疗选择。对靶向疗法的抗性部分归因于整个肿瘤的异质性。 存在这种肿瘤内异质性的存在被认为是由于存在称为胶质母细胞瘤干细胞（GSC）的肿瘤亚群（4-7）所维持的。 GSC具有类似干细胞的特性，包括自我更新，这是重新植入高度适应性肿瘤的关键，该肿瘤可以逃避治疗功效（4，6）。 GBM中GSC的存在通过频繁的突变和宽松的表观遗传景观维持（6，8）。 因此，专注于GBM中的染色质调节剂失调可能会直接抑制GSC并促使持续的治疗反应。对靶向疗法的抗性部分归因于整个肿瘤的异质性。存在这种肿瘤内异质性的存在被认为是由于存在称为胶质母细胞瘤干细胞（GSC）的肿瘤亚群（4-7）所维持的。GSC具有类似干细胞的特性，包括自我更新，这是重新植入高度适应性肿瘤的关键，该肿瘤可以逃避治疗功效（4，6）。GBM中GSC的存在通过频繁的突变和宽松的表观遗传景观维持（6，8）。因此，专注于GBM中的染色质调节剂失调可能会直接抑制GSC并促使持续的治疗反应。
博士以西结·穆格尼（Ezekiel Mugendi Njeru）
从中高质量攀岩豆（叶状球叶。微生物学的边界9：968，1–12 https：//doi.org/10.3389/fmicb.2018.00968。还选择并出版为《 Collael Y.》，Colla G.（2020）农业中的生物刺激剂。植物科学中的边界11。doi：10.3389/fpls.2020.00040。https://www.frontiersin.org/research-topics/6502/biostimulants-in-in-Africulture
![在以下引文样式（a）中引用了本文：[1] Ali Sadig Mohommed Bager，“用于分析和预测温度数据的拱形模型”（b）：Okoye Rosemary，Chinechendo Eze，Aliyu Galadima（2024）。评估真菌，导致地图](/simg/7/796f6b879cbfd5372f37262fce0b88479194a030.webp)
在以下引文样式（a）中引用了本文：[1] Ali Sadig Mohommed Bager，“用于分析和预测温度数据的拱形模型”（b）：Okoye Rosemary，Chinechendo Eze，Aliyu Galadima（2024）。评估真菌，导致地图
摘要这项研究确定了在Zamfara州Gusau的Tudun Wada Market中有助于降解地瓜的真菌。从各个市场中收集了36种地瓜样品，以及六个用于致病性测试的其他块茎。使用标准微生物技术来隔离，筛选和识别与变质相关的真菌。的发生百分比和致病性测试，以确定患病率并评估对块茎体重减轻的影响。存储过程中的生理变化，例如软化，干燥，变色和进攻气味。真菌计数范围从2.5±1.0 cfu/ml到4.±1.5 cfu/ml，yan dankali表现出最低的计数，Yan Kayan Koli最高。确定的真菌属包括尼日尔曲霉，曲霉曲霉，杂田Theobromoae，fusarium oxysporium，Rhizopus stolonifer和Penicillium物种。尼日尔曲霉的发生较高，而botryodiplodia theobromoae的出现最少。致病性测试有助于确定真菌在红薯变质中的作用，通过伤害穿透块茎，并在储存条件下繁荣发展。这些微生物的淀粉分解导致甘薯恶化。尽管针对马铃薯疾病的特定管理实践欠发达，但采用健康的种植材料和卫生措施可以减轻通过藤蔓片传播的地瓜中的真菌疾病。