XiaoMi-AI文件搜索系统
World File Search SystemMalaria
观点文章赤道几内亚疟疾疫苗倡议：从启动临床研究平台到制定疟疾消除计划
PfSPZ 疫苗（Sanaria Inc.，马里兰州罗克维尔）。反过来，疫苗开发计划正在建设人力资本和物质能力。EGMVI 建立了监管和道德监督，以确保遵守国际协调会议和良好临床实践，这是赤道几内亚历史上首次进口试验产品、获得道德批准和开展临床试验。EGMVI 已在赤道几内亚完成了三次疫苗试验、在坦桑尼亚完成了两次疫苗试验和一项疟疾发病率研究，并启动了一项 2,100 名志愿者临床试验的准备工作。人员正在国外接受高级学位培训，并接受了良好临床实践和特定方案方法的培训。新设施为国家研究机构奠定了基础。在这个富有远见、雄心勃勃的公私伙伴关系中，生物医学研究和开发正在促进赤道几内亚的重大改进。 EGMVI 计划使用 PfSPZ 疫苗与标准疟疾控制干预措施来消灭比奥科岛的 Pf 疟疾，并成为其他地方消灭疟疾运动的潜在典范。
基因编辑揭示了疟疾媒介蚊子 Anopheles coluzzii 中 CO2 受体复合物的必需和调节成分
未经同行评审认证）是作者/资助者。保留所有权利。未经许可不得重复使用。此预印本的版权所有者（此版本于 2020 年 5 月 15 日发布。；https://doi.org/10.1101/2020.05.13.094995 doi：bioRxiv preprint
教育作为轻度认知障碍的危险因素
致编辑 - 我们对Groger及其同事对Gabon中卵质复发的前瞻性研究进行了阅读[1]。鉴于非洲疟疾在非洲的促销活动的增加以及催眠症诱导的复发在这一趋势中的潜在作用，他们的工作是及时的。尽管恶性疟原虫的传播下降，但分子表现出现了6倍的山卵孢菌感染的6倍，从2010年到2016年[2]，刚果民主共和国的趋势类似，该物种的流行率从0.4％增加到全国损伤的0.4％，在2007年和2013年占2007年和2013年。在桑给巴尔[5]和乌干达[6]中对恶性疟原虫的成功干预措施对非falciparum物种没有相同的影响。显然，ovale正在成为非洲越来越重要的疟疾。Vivax的研究已经告诉我们，表征疟疾复发的流行学对于消除努力至关重要，但具有挑战性。在本文中，作者使用了实时聚合酶链反应（PCR）和Sanger测序来区分卵形P. ovale Curtisi和Wallikeri物种。，他们将同类中的复发定义为在适当药物水平的发作之间至少1个PCR阴性样本后检测到的同源基因型。与P. ovale Curtisi相反，他们没有发现卵片瓦利克里复发。在从非洲返回的旅行者的研究中，这一发现是出乎意料的。什么可以解释差异？从疟原虫研究中学到的教训可能解释了这种不和谐。在整个研究中，卵子壁式瓦利克里（P. ovale Wallikeri） - 被感染的旅行者在返回非流行区域后比患有卵虫curtisi的那些分别在1和3个月的阶段（表1）。首先，尽管Groger等人的保守性复发率增加了信心
通过 ReMOT 控制对疟蚊 Anopheles stephensi 进行 Cas9 介导的基因编辑
摘要 创新工具对于推进疟疾控制至关重要，并且取决于对疟蚊传播疟原虫的分子机制的理解。基于 CRISPR/Cas9 的基因破坏是一种揭示媒介-病原体相互作用的潜在生物学原理的有效方法，其本身可以成为蚊虫控制策略的基础。然而，用于对蚊子（尤其是疟蚊）进行基因改造的胚胎注射方法既困难又低效，特别是对于非专业实验室而言。在这里，我们采用了 ReMOT 控制（受体介导的卵巢货物转导）技术，将 Cas9 核糖核蛋白复合物递送至成年蚊子卵巢，从而无需注射胚胎就在疟疾媒介斯氏疟蚊中产生有针对性的可遗传突变。在疟蚊中，ReMOT 控制基因编辑与标准胚胎注射一样有效。 ReMOT 控制对按蚊的应用，为缺乏设备或专业知识进行胚胎注射的疟疾实验室揭示了 CRISPR/Cas9 方法的威力，并建立了 ReMOT 控制对不同蚊子物种的灵活性。
DeepMalaria：人工智能驱动的强效抗疟药发现
由于耐药性的出现，抗疟药物的疗效正在下降。据报道，所有可用的抗疟药物，包括青蒿素，都出现了耐药性，因此对替代药物候选物的需求一直存在。传统的药物发现方法是对大型化合物库进行高通量筛选 (HTS) 以识别新药线索，这种方法耗时且资源密集。虽然虚拟计算机筛选是解决这个问题的一种方法，但模型的泛化并不理想。人工智能 (AI) 利用基于结构或基于配体的方法，在化学性质预测领域表现出高度准确的性能。利用现有数据，AI 将成为盲目搜索 HTS 或基于指纹的虚拟筛选的合适替代方案。AI 模型将学习数据中的模式并帮助有效地搜索命中化合物。在这项工作中，我们引入了 DeepMalaria，这是一种基于深度学习的过程，能够使用化合物的 SMILES 预测其抗恶性疟原虫抑制特性。基于图形的模型在葛兰素史克 (GSK) 数据集中的 13,446 种公开可用的抗疟原虫命中化合物上进行训练，这些化合物目前正用于寻找治疗疟疾的新型候选药物。我们通过预测大环化合物库中的命中化合物和已批准用于重新利用的药物来验证该模型。我们选择了大环化合物，因为这些配体结合结构在疟疾药物发现中尚未得到充分探索。该过程的计算机模拟流程还包括对内部独立数据集的额外验证，该数据集主要由天然产物化合物组成。利用从大型数据集进行的迁移学习来提高深度学习模型的性能。为了验证 DeepMalaria 生成的匹配结果，我们使用了常用的基于 SYBR Green I 荧光测定的表型筛选。DeepMalaria 能够检测到所有具有纳摩尔活性的化合物和 87.5% 的抑制率超过 50% 的化合物。进一步的实验揭示了这些化合物的作用机制，结果表明，其中一种热门化合物 DC-9237 不仅能抑制恶性疟原虫的所有有性阶段，而且是一种速效化合物，这使其成为进一步优化的有力候选者。
肯尼亚 2019-2023 年疟疾战略
为配合全球指导方针，该国将根据疟疾发病率等标准在选定的县建立疟疾消除系统。该战略将加强绩效监测，确保所有部门都能获得准确、及时和完整的数据。预计将加强伙伴关系的协调，并加强与执行伙伴的合作。该战略将利用社区卫生结构来加强交付并改善疟疾控制干预措施的可及性。该战略量化了实现目标所需的资源，并提供了可持续融资的方法。