XiaoMi-AI文件搜索系统
World File Search SystemGraves
靶向TSHR的一种新型的口服小分子拮抗剂可改善Graves疾病的体内模型Jun Zhang，Kiana Alvarez，Ivan G
在这里，我们描述了一种新型，有效和选择性的口服生物可利用的小分子TSHR拮抗剂的概念证明数据，该分子TSHR拮抗剂直接靶向TSHR功能，可用于治疗坟墓疾病的表现，包括潜在的眼科表现。使用原代小鼠甲状腺细胞确定小分子化合物SP-1351的体外药理作用。表明，TSH和患者衍生的自身抗体对原代胆红素的功能基因表达产生刺激作用。通过长期激活自身抗体的施用，建立了甲状腺功能亢进症的体内鼠模型。该模型的表征表明，与甲状腺功能亢进相关的关键基因被上调，循环T3和T4的水平失调，甲状腺本身的总体大小显着增加，反映了坟墓疾病的影响。用小分子负构构调节剂重复治疗10天，降低了甲状腺的总体大小，并改善了与Graves疾病（如卵泡肥大和卵泡胶体还原）相关的组织学参数。在T4诱导的急性小鼠模型中，口服SP-1351的口服给予治疗后的T4水平迅速减弱。
真核生物可能在坟墓疾病的肠道微生物中起重要的生态作用
在过去的几十年中，全球自身免疫性疾病的流行迅速增长。越来越多的证据将肠道营养不良与各种自身免疫性疾病的发作联系起来。由于高吞吐量测序技术的显着进步，肠道微生物组研究的数量有所增加。但是，它们主要集中在细菌上，因此我们对人肠道微生物生态系统中真核微生物的作用和意义的理解仍然非常有限。在这里，我们选择了Graves疾病（GD）作为一种自身免疫性疾病模型，并研究了肠道多杀伤力（细菌，真菌和生物学家）从健康控制，患病和药物治疗的康复患者中的微生物群落。结果表明，GD中的生理变化增加了细菌社区组装的分散过程，并增加了真核社区组装的均匀选择过程。恢复的患者与健康对照组具有相似的细菌和原生动物，但没有真菌的社区组装过程。此外，与细菌相比，真核生物（真菌和生物学家）在肠道生态系统功能中起着更重要的作用。总体而言，这项研究简要了解了真核生物对人类肠道和免疫稳态的潜在贡献及其对治疗干预措施的潜在影响。
机器人辅助部分肾切除术（RAPN）的三维虚拟模型（RAPN）：开发评估的研究方案O
背景：血液蛋白质组是生物标志物和治疗靶标的主要来源。我们旨在通过系统的遗传分析来鉴定坟墓疾病（GD）和坟墓的眼科（GO）的因果蛋白和潜在靶标。方法：全基因组协会研究（GWASS）对英国生物友好的蛋白质组学项目（UKB-PPP）收集了来自54,219名参与者的2923个Olink蛋白。我们对整个蛋白质组的孟德尔随机化（MR）研究进行了CIS-PQTL研究，以鉴定候选蛋白的GD和GO风险。共定位分析和HEIDI检验用于检查已鉴定的蛋白质和疾病是否具有相同的变体。使用反式PQTLS的基于摘要的MR（SMR）分析中鉴定了更多具有潜在因果关系的蛋白质。然后，进行下游分析以检测蛋白质相互作用，基因功能，细胞类型特异性表达和可药物的信息。结果：这项研究在遗传上预测的62个血浆蛋白与GD风险有关。将四种蛋白质（CD40，Tinagl1，Gmpr和CXCL10）优先考虑，证明与GD共享相同的变体。具体来说，某些蛋白质与GD与CD40中的Trans-PQTL映射具有潜在的关联。四个优先蛋白编码基因主要富含凋亡和死亡过程的调节。此外，GMPR与GO和GD都沿一致的方向相关联。BTN1A1和FCRL1优先考虑为发作的因果蛋白，与GD无关。关键词：血浆蛋白质组学，Graves疾病，Olink，Mendelian随机化结论：通过综合蛋白质组织和遗传数据，我们确定了GD的几种蛋白质生物标志物，其中一种与GD和GO相关联，而另外两个特定于GO的蛋白质生物标志物可以发作，这为两种疾病提供了对病因学和潜在的治疗靶标的有价值的见解。
2024.07.02 姓名：Jacob Graves McPherson，博士 联系方式...
控制。”角色：首席研究员 SCIRTS 拨款 460399 Danziger 和 McPherson 07/31/2017 - 06/30/2021 克雷格 H.尼尔森基金会 321,000 美元 标题：“脊髓损伤后膀胱反射调节与骨盆神经调节。”角色：联合首席研究员 现任 政府 5 R01 NS11234-04 McPherson JG (PI) 03/15/2019 – 02/29/2024 NINDS 1,142,506 美元 标题：“用于多模式康复的脊柱内微刺激。”角色：首席研究员 3 R01 NS11234-04S1 McPherson JG (PI) 05/04/2022 – 05/03/2023 NINDS $78,750 标题：“脊柱内微刺激用于多模式康复。” – 促进保留的研究补充。角色：首席研究员 3 R01 NS11234-04S2 McPherson JG (PI) 05/05/2022 – 05/04/2023* NINDS $62,950/每年 标题：“脊柱内微刺激用于多模式康复。” – 促进健康相关研究多样性的研究补充。 *可续签 角色：首席研究员
众议院交通和基础设施委员会主席 Sam Graves 阁下 美国众议院 华盛顿特区 20515
今天，总统正前往巴尔的摩市视察弗朗西斯·斯科特·基大桥倒塌现场，我写信给您。正如总统在大桥倒塌发生数小时后所说：本届政府将与巴尔的摩人民一路同行，联邦政府必须资助大桥的修复和重建。自大桥倒塌以来，政府已尽一切努力与马里兰州和马里兰州代表团成员合作，应对大桥倒塌，包括利用现有资金立即开展救援和打捞工作，并开始
非典型坟墓的疾病：心动过缓，麻痹和心脏阻滞。案例报告和文献评论
在本文中，我们为一名患者展示了对坟墓疾病的不寻常且可能表现出来的患者。通常以速度性心脏，疲劳，体重减轻和温度不耐受为特征，坟墓的疾病是甲状腺功能亢进症的最常见原因，在某些情况下，可能体现在急诊毒性的性毒性瘫痪（TPP）的危及生命中。我们报告了患者首次发病的患者的案例研究，他仅出现了TPP而没有任何其他持续甲状腺毒性症状的症状。补充，他经历了心动过缓和右捆绑块（RBBB）的发作。钾更换后瘫痪，RBBB在开始抑制抑制剂后解决。本文介绍了患者的临床评估和治疗，概述了防止反弹性高钾血症的措施，并讨论了生物素干扰激素测定，肾上腺不足以及甲状腺毒性导致的心脏阻滞的问题。还提供了TPP的文献和病理生理学的综述。
定量轨道分析的原始文章应用于评估坟墓眼科的活性
摘要：这项研究旨在评估眼外肌肉（EOM），泪腺和视神经中摄取比的诊断价值，以使用99m TC TC酸（99m tc）酸（DC） - 纤维酸（DISETHENEPA DIIETHYLENEPAINAM）进行定量分析，以检测坟墓的眼科（GO）的炎症活性（GO）轨道单光子发射计算机断层扫描/计算机断层扫描（SPECT/CT）图像。根据其临床活动评分，将患者分为活性阶段（临床活动评分≥3/7，n = 23）或不活跃阶段（临床活动评分<3/7，n = 38）。摄取比通过将感兴趣的区域放置在最高吸收区域内，如共识，EOM，泪腺和视神经所同意，并在用于CT衰减的SPECT图像上。与无活性GO患者相比，活跃GO的患者在EOM，泪腺和视神经中表现出明显更高的摄取比（所有P <0.01）。这些参数已被证明可有效区分活性和无活性疾病。
供应链限制和通货膨胀我们感谢布伦特·尼曼（Brent Neiman），塞巴斯蒂安·格雷夫斯（Sebastian Graves），罗伯特·科尔曼（Robert Kollmann），维尔纳·罗格（Werner Roeger），纳拉亚娜（Narayana Kocherlakota）和戴维·洛佩兹·萨利多（David Lopez-Salido NBER``全球供应链的兴起''（2021年12月），国际货币政策会议（2022年5月），CEPR/EC/EER会议``Covid-Shock''Covid-Shock和新的宏观经济环境和新的宏观经济环境''（2022年10月2022年），Boj-Cepr 7th Yourtal Introment for Boj-Cepr Anriginal Introment ofernational Macrocancers and Franagement and Fransamics and Finsists（3月20日）（3月202日），3月3日，3月3日，3月3日，3月3日（3月3日）， 2023年），NBER夏季研究所的货币经济学会议（2023年7月）和CEPR SALENTO宏观会议（2023年7月）以供评论。我们特别感谢Diego Anzoategui，他在这项研究的中级阶段为我们提供了帮助。该材料基于美国国土安全部根据18STCBT00001-03-00的赠款奖励的工作。本文档中包含的观点和结论是作者的观点，不应被解释为一定代表美国国土安全部的官方政策，即表示或暗示的官方政策。该材料基于国家科学基金会基金会支持的SES-2315629编号的工作。任何意见，发现和结论或
我们感谢Brent Neiman，Sebastian Graves，Robert Kollmann，Werner Roeger，Narayana Kocherlakota和David Lopez-Salido进行了有益的讨论，以及在波士顿大学，Erasmus University，Erasmus University，Universidad Carlos III DEALRID INSTER，NORIDII INSTER，EINARID INUTHRE，EINAUDI，EINAUDI INSTER，EINADI I IMSIDIS of einaudi Instuction的杜克大学的研讨会参与者（2021年12月），国际货币政策会议（2022年5月），CEPR/EC/EER会议“ Covid-shock and the New宏观经济格局”（2022年10月10日），Boj-Cepr 7届国际宏观经济和财务会议（3月2023日），《经济夏季》（6月20日）会议（2023年7月）和CEPR SALENTO宏观会议（2023年7月）以供评论。我们特别感谢Diego Anzoategui，他在这项研究的中间阶段为我们提供了帮助。该材料基于美国国土安全部根据18STCBT00001-03-00的赠款奖励的工作。本文件中包含的观点和结论是作者的观点，不应被解释为一定代表美国国土安全部所表示或暗示的官方政策。该材料基于国家科学基金会在赠款号SES-2315629。本材料中表达的任何观点，发现，结论或建议都是作者的意见，不一定反映了国家科学基金会的观点。最后，所表达的观点是作者的观点，不一定是美联储委员会，美联储系统或国家经济研究局的观点。
FinRegLab：研讨会——“人工智能与经济：为负责任和包容的人工智能规划道路”联合活动，邀请著名政策制定者参加，重点关注金融服务领域的负责任人工智能。华盛顿特区，2022 年 4 月 22 日——FinRegLab 将与美国商务部、美国国家标准与技术研究所 (NIST) 和斯坦福以人为本人工智能研究所 (HAI) 合作，于 2022 年 4 月 27 日举办一场研讨会，汇集政府、行业、民间社会和学术界的领导人，探讨人工智能和机器学习在不同经济部门部署带来的潜在机遇和挑战，特别关注金融服务和医疗保健。已确认的发言人包括商务部副部长 Don Graves；参议员 Joni Ernst；代理货币监理署署长 Michael Hsu；万事达卡执行副总裁兼首席数据官 JoAnn Stonier；富国银行执行副总裁兼模型风险主管 Agus Sudjianto、斯坦福大学商学院教授兼 HAI 副主任 Susan Athey 博士、布鲁金斯学会技术创新中心主任 Nicol Turner Lee 博士以及哈佛大学计算与社会研究中心博士后研究员 Manish Raghavan 博士。演讲者和小组成员将讨论研究、政策建议和新兴行业实践。FinRegLab 首席执行官兼主任 Melissa Koide 表示：“人工智能与新型数据相结合，为改善金融包容性和平等性提供了巨大的潜力。然而，也存在加剧偏见和排斥的巨大风险。认真、有针对性地研究消费者受到的影响对于制定正确的规则至关重要。” FinRegLab 还将于 4 月 28 日举办一场虚拟会议，详细介绍该组织和斯坦福大学商学院 Laura Blattner 教授和 Jann Spiess 教授就机器学习在信用承保中的应用开展的研究，特别关注机器学习模型对可解释性和公平性的潜在影响。这项研究对当前可用工具的性能和功能进行了实证评估，这些工具旨在帮助贷方开发、监控和管理机器学习承保模型。媒体成员如有兴趣亲临或以虚拟方式参加研讨会或寻求评论，请联系 Alex Bloomfield，邮箱地址为 alex.bloomfield@finreglab.org。有关研讨会的更多信息，包括所有演讲者和小组讨论，请访问此处的活动页面。
FinRegLab：研讨会——“人工智能与经济：为负责任和包容的人工智能规划道路”联合活动，邀请著名政策制定者参加，重点关注金融服务领域的负责任人工智能。华盛顿特区，2022 年 4 月 22 日——FinRegLab 将与美国商务部、美国国家标准与技术研究所 (NIST) 和斯坦福以人为本人工智能研究所 (HAI) 合作，于 2022 年 4 月 27 日举办一场研讨会，汇集政府、行业、民间社会和学术界的领导人，探讨人工智能和机器学习在不同经济部门部署带来的潜在机遇和挑战，特别关注金融服务和医疗保健。已确认的发言人包括商务部副部长 Don Graves；参议员 Joni Ernst；代理货币监理署署长 Michael Hsu；万事达卡执行副总裁兼首席数据官 JoAnn Stonier；富国银行执行副总裁兼模型风险主管 Agus Sudjianto、斯坦福大学商学院教授兼 HAI 副主任 Susan Athey 博士、布鲁金斯学会技术创新中心主任 Nicol Turner Lee 博士以及哈佛大学计算与社会研究中心博士后研究员 Manish Raghavan 博士。演讲者和小组成员将讨论研究、政策建议和新兴行业实践。FinRegLab 首席执行官兼主任 Melissa Koide 表示：“人工智能与新型数据相结合，为改善金融包容性和平等性提供了巨大的潜力。然而，也存在加剧偏见和排斥的巨大风险。认真、有针对性地研究消费者受到的影响对于制定正确的规则至关重要。” FinRegLab 还将于 4 月 28 日举办一场虚拟会议，详细介绍该组织和斯坦福大学商学院 Laura Blattner 教授和 Jann Spiess 教授就机器学习在信用承保中的应用开展的研究，特别关注机器学习模型对可解释性和公平性的潜在影响。这项研究对当前可用工具的性能和功能进行了实证评估，这些工具旨在帮助贷方开发、监控和管理机器学习承保模型。媒体成员如有兴趣亲临或以虚拟方式参加研讨会或寻求评论，请联系 Alex Bloomfield，邮箱地址为 alex.bloomfield@finreglab.org。有关研讨会的更多信息，包括所有演讲者和小组讨论，请访问此处的活动页面。
人工智能在 Graves 病中的应用
目的：研究人工智能（AI）心电图（ECG）在 Graves 病（GD）患者中识别心房颤动（AF）和射血分数降低的心力衰竭（HFrEF）高风险患者的效用，并研究 AI-ECG 是否可以反映 GD 中的激素变化和由此导致的月经变化。患者和方法：纳入 2009 年 1 月 1 日至 2019 年 12 月 31 日期间诊断患有 GD 的患者。我们考虑在 GD 前 30 天或更短时间或之后任何时间诊断出的 AF，以及在 GD 诊断时/之后无法用缺血、瓣膜疾病或其他心肌病解释的新生 HFrEF。排除指数条件下/之后的心电图。子集分析包括年龄小于 45 岁的女性，以研究 ECG 得出的女性概率与月经变化（周期变短、变轻或新近不规律）之间的关联。结果：在 430 名患者中（平均年龄 50 至 17 岁；337 名（78.4%）为女性），AF 的独立危险因素包括心电图显示 AF 的概率（风险比 [HR]，1.5；95% CI，每 10% 1.2 至 1.6；P < .001）、高龄（HR，1.05；95% CI，每年 1.03 至 1.07；P < .001）和明显的甲状腺功能亢进症（HR，3.9；95% CI，1.2 至 12.7；P = .03）。组合模型的 C 统计量为 0.85。在 495 名患者（平均年龄 52.17 岁；374 名（75.6%）为女性）中，HFrEF 的独立危险因素是心电图显示射血分数低的概率（HR，1.4；95% CI，每 10% 1.1 至 1.6；P = 0.001）和存在 AF（HR，8.3；95% CI，2.2 至 30.9；P = 0.002），组合模型的 C 统计量为 0.89。最后，在 72 名年龄小于 45 岁的女性中，有 30 名在妊娠期间出现月经变化，且 AI ECG 得出的女性概率明显较低[中位数 77.3；（IQR 57.9 至 94.4）% vs. 中位数 97.7（IQR 92.4 至 99.5）%，P < 0.001]。结论：人工智能心电图可以识别患有 GD 相关 AF 和 HFrEF 风险的患者，并且与 GD 女性的月经变化有关。