XiaoMi-AI文件搜索系统
World File Search SystemMCODE
通过文本挖掘和数据分析确定心血管疾病的药物发现
STRING数据库（版本11.0）是描述和展示各种蛋白质之间相互作用的主要来源，涵盖约2460万种蛋白质和来自5.09万个生物体的超过31亿种相互作用。首先，我们将重叠基因上传到STRING网站，并以最小相互作用评分>0.4（低置信度）作为显著阈值。然后下载蛋白质-蛋白质相互作用（PPI）的TSV格式文件，用Cytoscape软件构建PPI网络。随后，利用Cytoscape自带的分子复合物检测（MCODE）和STRING应用程序对显著的基因模块（簇）进行分类，这些基因模块在PPI网络中具有高度互联的簇。MCODE中的参数采用默认设置。对基因模块中的基因进行药物-基因相互作用分析。
鉴定恶性疟原虫的红细胞侵袭途径中的潜在药物靶标
摘要红细胞侵袭阶段在恶性疟原虫中在繁殖，性测定和耐药性中起着关键作用。为了确定红细胞侵袭阶段中的关键基因和途径，使用了W2MEF菌株的基因集（GSE129949）和RNA-SEQ计数数据进行进一步分析。进行了一项综合生物启动研究研究，以审查基因作为潜在的药物靶标。487差异表达的基因（DEG）具有调整后的P值<0.001富含47个基因本体论（GO）项，这些术语基于超几何分析P值<0.01。蛋白质 - 蛋白质相互作用网络分析是使用具有较高置信度相互作用的DEG进行的（PPI评分阈值= 0.7）。MCODE和CYTOHUBBA应用程序用于定义轮毂蛋白，并根据多个拓扑分析和MCODE分数对它们进行排名。此外，通过使用MPMP数据库中的322个基因集进行基因集富集分析（GSEA）。通过领先分析确定了多个重要基因集中涉及的基因。我们的研究确定了编码蛋白质的六个基因，这些基因可能是与蛋白质侵袭阶段有关的潜在药物靶标，与MerozoITE的运动性，细胞周期调节，G依赖性蛋白激酶磷酸化，微蛋白蛋白的控制，微管组装的控制和性承诺有关。根据DCI（药物置信度指数）和预测结合口袋的值计算这些蛋白质的可药物性。表现出最好的结合袋值的蛋白质受到深度学习的虚拟筛选。该研究以抑制剂鉴定的蛋白质的药物结合评分来确定最佳的小分子抑制剂。
研究论文鉴定巩膜外基质重塑的关键基因和途径：潜在的治疗剂Discovere
背景：青光眼是不可逆转的失明的主要原因。硬化细胞外基质（ECM）的重塑在青光眼发展中起重要作用。这项研究的目的是通过生物信息学分析来确定巩膜在青光眼中进行ECM重塑的关键基因和途径，并探索青光眼管理的潜在治疗剂。方法：使用文本挖掘工具PubMed2Ensembl检测到与青光眼，巩膜和ECM重塑相关的基因，并使用Genecodis程序分配了基因和基因组（KEGG）途径的京都百科全书。通过弦构建蛋白质 - 蛋白质相互作用（PPI）网络，并在Cytoscape中进行可视化，使用分子复合物检测（MCODE）插件进行模块分析，并使用注释，可视化和集成发现（David（David））平台对基因模块进行GO和KEGG分析。选择了聚集在显着模块中的基因作为核心基因，并使用Cluego和Cluepedia可视化核心基因的功能和途径。最后，使用药物 - 基因相互作用数据库来探索核心基因的药物与果仁相互作用，以找到青光眼的药物候选物。结果：我们通过文本挖掘确定了125个与“青光眼”，“ sclera”和“ ECM重塑”的基因。基因功能富集分析产生了30个富集的GO术语和20个相关的KEGG途径。构建了一个带有249个边缘的60个节点的PPI网络，并使用MCODE获得了三个基因模块。我们选择了13个聚集在模块1中的基因作为主要与ECM降解以及细胞增殖和分裂相关的核心候选基因。发现HIF-1信号通路，FOXO信号通路，PI3K-AKT信号通路和TGFB信号通路被发现富集。我们发现，13个选定基因中的11个可以由26种现有药物瞄准。结论：结果表明，VEGFA，TGFB1，TGFB2，TGFB3，IGF2，IGF1，EGF，EGF，FN1，KNG1，TIMP1，SERPINE1，THBS1，THBS1和VWF是涉及巩膜ECM重塑的潜在关键基因。此外，将26种药物确定为青光眼治疗和管理的潜在治疗剂。
在线优先
肺侧耳是一种价格实惠的食用菌，广泛应用于食品和传统医药。本研究旨在全面分析肺侧耳中的水溶性生物活性化合物，并确定那些负责调节单核细胞免疫反应的化合物。使用非靶向 LC/MS-MS 分析和分子对接分析了通过热水提取制备的粗提取物的生物活性。研究了单核细胞中潜在的化合物靶向蛋白，并使用 MCODE 算法进一步鉴定。使用吸收、分布、代谢、排泄和毒性 (ADMET) 和 PASS 分析研究了暂定化合物的药代动力学特性和生物活性。研究结果表明，在 ESI 正模式下检测到 164 个色谱峰，并提出了 36 种生物活性化合物。选定了蘑菇中含量最丰富的七种候选化合物，包括二酰甘油、磷脂酰乙醇胺、磷脂酰肌醇、谷胱甘肽、槲皮素 3-(6-O-乙酰-β-葡萄糖苷)、二氢白藜芦醇和天冬氨酸。值得注意的是，谷胱甘肽、槲皮素和二氢白藜芦醇表现出有希望的潜在促炎抑制剂，其结合亲和力超过已知抑制剂的结合亲和力（谷胱甘肽为 -2.32 kcal/mol；槲皮素为 -6.76 kcal/mol，二氢白藜芦醇为 -5.02 至 -7.02 kcal/mol）。此外，二氢白藜芦醇因其良好的吸收、分布和安全性而显示出作为免疫调节剂的潜力。这些发现凸显了 P 的潜力。 Pulmonarius，特别是二氢白藜芦醇作为治疗单核细胞相关炎症的天然替代免疫调节剂。
研究论文 利用生物信息学和深度学习技术进行耐药黑色素瘤基因识别和潜在药物治疗
背景：黑色素瘤是起源于黑色素细胞的皮肤恶性肿瘤，主要通过手术、化疗、靶向治疗、免疫治疗、放射治疗等治疗。靶向治疗是治疗晚期黑色素瘤的一种有前途的方法，但总是会发生耐药性。本研究旨在利用计算方法有效地识别耐药黑色素瘤的潜在靶基因和候选药物。方法：使用文本挖掘工具 pubmed2ensembl 识别与耐药黑色素瘤相关的基因。通过 GO 和 KEGG 通路富集分析进行进一步的基因筛选。使用 STRING 数据库和 Cytoscape 构建 PPI 网络。使用 GEPIA 进行生存分析并绘制 Kaplan-Meier 曲线。在 Pharmaprojects 中筛选出针对这些基因的药物。利用 DeepPurpose 预测了药物-靶标相互作用的结合亲和力得分。结果：通过文本挖掘共发现 433 个与耐药黑色素瘤相关的基因。 GO和KEGG分析中统计学差异最大的功能富集通路包含348个基因，通过Cytoscape中的MCODE进一步筛选出27个枢纽基因。经过生存分析和文献综述，鉴定出6个具有统计学差异的基因。在限制条件下，利用Pharmaprojects找到了16个针对枢纽基因的候选药物。最终，利用DeepPurpose预测出11个亲和力得分最高的ERBB2靶向药物，包括10个ERBB2激酶抑制剂和1个抗体-药物偶联物。结论：文本挖掘和生物信息学是药物发现中基因识别的有效方法。DeepPurpose是一种高效、可操作的深度学习工具，可用于预测DTI和选择候选药物。
前列腺癌微生物组研究的当前趋势和挑战
使用网络药理学系统地推断出选择性的核酸腔室抑制剂ML246 Bhuvnesh P. Sharma 1，Himanshu N. Singh 2，Bhupesh Singh 3，Bhupesh Singh 3，Deepak Parashar 4，deepak Parashar 4，Kuldeep K. Roy 5 Kashyap 6,7 1 Bhagwant University，Ajmer，印度拉贾斯坦邦Bhagwant大学生物技术系，305004，2放射学，纪念斯隆·凯特林癌症中心，纽约，美国，美国10065，3次应用科学学院，OM斯特林全球大学，印度Haryar，Haryar，Haryar，Haryars，医学院，医学，医学，医学，医学，医学，医学，医学，医学，医学学，医学，医学学，医学学，科学学，密尔沃基，美国威斯康星州53226，美国5卫生科学和技术学院药学系，UPES，UPES，UPES，DEHRADUN，DEHRADUN，印度北阿坎德邦，248007，248007，癌症免疫学和微生物学和医学和肿瘤学综合服务部门，医学院（ST-CECR），德克萨斯大学里奥格兰德分校医学院，美国德克萨斯州麦克阿伦，美国摘要Metarrestin（ML246）是一种口服的可生物可利用合成分子，选择性地破坏了围核核酸群体（PNC）结构（PNC）的结构，并且在预先进行的转化癌症治疗方面表现出了希望。然而，ML246的精确分子机制仍然鲜为人知。我们研究了ML246的拓扑和蛋白质相互作用网络（PIN）分析，以确定ML246的分子机制。为了确定ML246对ML246雷的销钉的调节作用，使用25种致癌蛋白构建了对讲机。使用反向药效团匹配方法（基于拟合分数> 0.502）选择这些蛋白质。ML246-rewired Pin表现出无尺度的拓扑结构，并且与生物系统表现出很大的连接性。模块化后，Rewired引脚产生了10个子集，MCODE插件能够从中识别对破烂中最关键的种子蛋白。通过使用Cluego插件来富集获得14个富集的信号通路。大多数途径与癌症等人类疾病组有关。最后，通过检查拓扑特性，包括瓶颈分析，GO期限/途径分析，程度分析，分子对接和动力学研究，确定了ML246蛋白引脚的主要调节蛋白。这项研究提出了一种熟练的方法来探索ML246的潜在机械作用，并为临床环境中的新药物开发前景铺平了道路。关键字：Metarrestin，ML246，蛋白质相互作用网络（PIN），拓扑研究