XiaoMi-AI文件搜索系统
World File Search SystemMolecules
突变 p53 团队的关键参与者：小分子、基因编辑、免疫疗法
转录因子 p53 是一种关键的肿瘤抑制因子，由于 TP53 基因的点突变或其负调节因子的过度表达，它在几乎所有癌症中都失活。p53 蛋白因其在促进 DNA 修复、细胞周期停滞或 DNA 损伤后凋亡方面的作用而被称为“细胞守门人”。大多数 p53 突变都是错义的，会导致蛋白质结构不稳定，导致其在生理条件下部分展开和失活，或其 DNA 结合特性受损。由于“热点”新抗原会激发免疫系统反应，因此具有 p53 突变的肿瘤细胞通常更具免疫原性。在这篇综述中，我们讨论了针对突变 p53 肿瘤的关键治疗策略，包括基于小分子干预的经典方法以及基因编辑和 T 细胞免疫疗法等新兴技术。
用于计算分子基态能量的混合量子-经典神经网络
量子计算在推动量子化学研究方面显示出巨大的潜力[1]。许多量子算法已被提出来解决量子化学问题[2-4]，如相位估计算法；Aspuru-Guzik等人[5-8]计算简单分子本征态能量的算法；变分量子本征求解器（VQE）[9-11]解决电子结构问题；开放量子动力学的量子算法[12]；以及在量子计算机上进行的双电子分子基准计算[13]。使用量子计算技术执行机器学习任务[14]最近也受到了广泛关注，包括量子数据分类[15，16]、量子生成学习[17，18]和近似非线性函数的量子神经网络[19]。到目前为止，将各种量子机器学习技术应用于量子化学是一个自然的延伸 [ 20 ， 21 ]。然而，之前的研究仅仅关注只有少数非线性操作的量子电路，这些非线性操作是通过数据编码 [ 19 ， 22 ] 或重复测量直到成功 [ 23 ] 引入的。此外，最近 Sim 等人 [ 24 ] 表明，增加参数化量子电路 (PQC) 的层数将达到饱和，并且当层数足够大时可能无法提高性能。此外，非线性是经典神经网络中最重要的部分 [ 25 ]，它使神经网络能够产生复杂的结果 [ 23 ， 26 ， 27 ]。因此，量子机器学习不应只关注 PQC，量子神经网络需要非线性操作。为了解决这个问题，我们在这里引入一种新的混合量子经典神经网络，将量子计算和经典计算与参数化量子电路之间的测量相结合。本文首先详细描述了混合量子-经典神经网络的整体结构。然后，我们利用新的混合量子-经典神经网络进行了数值模拟，计算了不同分子的基态能量。
针对 NK 细胞检查点受体或分子进行癌症免疫治疗
检查点阻断疗法，例如使用针对 CTLA-4 和 PD-1/PD-L1 的抗体，可缓解肿瘤微环境中抑制性检查点对 T 细胞的抑制；从而在治疗不同类型的癌症时取得良好的效果。与 T 细胞一样，自然杀伤 (NK) 细胞抑制受体可作为 NK 细胞活化的检查点。在与受感染细胞、肿瘤细胞、树突状细胞和调节性 T 细胞上的同源配体相互作用后，来自这些受体的信号会严重影响 NK 细胞的活化和效应功能，导致 NK 细胞衰竭。使用拮抗性抗体 (Abs) 进行检查点抑制可以挽救 NK 细胞衰竭并激发其强大的抗肿瘤能力。最值得注意的是，通过增加 NK 细胞的频率和激活度可以增强对抗 PD-1 疗法的反应，从而提高多种癌症患者的总体生存率。此外，挽救 NK 细胞活性可以增强适应性 T 细胞的抗肿瘤活性。一些拮抗性抗体（例如抗 TIGIT 和抗 NKG2A 单克隆抗体）在癌症治疗中具有非凡的潜力，因为它们通过恢复 NK 和 T 细胞功能诱导强大的抗肿瘤免疫力。在这篇综述中，我们总结了肿瘤微环境中 NK 细胞的功能障碍以及控制 NK 细胞功能的关键 NK 细胞检查点受体或分子。我们特别关注通过阻断 NK 细胞检查点或将其与其他方法相结合以更有效地排斥肿瘤的最有前景的策略的最新进展。
几种化合物和药物对放射性标记的 Affibody 分子肾脏摄取的影响
摘要：A ffi 体分子是放射性核素分子成像中研究最多的一类工程化骨骼蛋白 (ESP)。使用放射性金属直接标记的 A ffi 体分子进行靶向放射性核素治疗的尝试因肾脏中放射性的高吸收和滞留而受到阻碍。已经实施了几种有希望的策略来规避这个问题。在这里，我们研究了是否可以使用针对重吸收系统不同成分的药理学方法来降低肾脏对 [ 99m Tc]Tc-Z HER:2395 A ffi 体分子的吸收。与对照组相比，预先注射丙磺舒、呋塞米、甘露醇或秋水仙碱对肾脏的放射性吸收没有影响。与对照组相比，预先注射马来酸和果糖的小鼠肾脏相关活性分别降低了 33% 和 51%。放射自显影图像显示，注射 [ 99m Tc]Tc-Z HER2:2395 后活性的积累在肾皮质中，马来酸和果糖均可显著降低活性。本研究结果表明，使用马来酸和果糖进行药物干预可有效减少肾脏对 a 体分子的吸收。一种可能的机制是肾小管细胞破坏了 ATP 介导的细胞吸收和 a 体分子的内吞过程。
生物制剂和小分子在covid-19的治疗中
COVID-19的发病机理涉及与其受体的结合，ACE2（血管紧张素转化酶-2）蛋白，并使用细胞蛋白酶TMPRSS2进入靶细胞。6因此，TMPRSS2抑制剂将阻止病毒的进入，因此可以选择有价值的治疗选择。imatinib是一种BCR-ABL激酶抑制剂，抑制病毒体与内体膜brane的融合。7例服用上调ACE2受体（包括ACE抑制剂和ARB阻滞剂）的药物应停止或其他药物类别取代。这些ACE2回收不仅在肺的肺泡组织中表达，而且在血管中的眼睛，口腔粘膜，肠和肠和内皮细胞表达，损伤皮肤的污染，如特应性皮肤炎，如特应性皮肤炎，泡沫状疾病和牛皮癣，如果允许疾病，如果允许危险或可能危险。8
分子：脱碳能源链中不可或缺的部分
https://www.eea.europa.eu/data-and-maps/daviz/co2-emission-intensity-5#tab- googlechartid_chart_11_filters=%7B%22rowFilters%22%3A%7B%7D%3B%22columnFilters%22%3A%7B%22pre_co nfig_ugeo%22%3A%5B%22European%20Union%20(current%20composition)%22%5D%7D%7D 5 假设电解效率为 75%，使用比能量为 40kWh/kg H 2 6 Soltani, Reza & Rosen, Marc & Dincer, Ibrahim. (2014). 评估蒸汽甲烷重整制氢过程中各个环节的二氧化碳捕获方案。国际氢能杂志。 39. 10.1016/j.ijhydene.2014.09.161。7 例如 https://www.hydrogenics.com/2019/02/25/hydrogenics-to-deliver-worlds-largest-hydrogen-electrolysis- plant/ 或 https://www.hannovermesse.de/en/news/news-articles/hamburg-to-build-worlds-largest-hydrogen-electrolysis- plant
通过减法蛋白质组学和疫苗组学方法鉴定副溶血性弧菌的新型药物和疫苗分子
Mahmudul Hasan 1 , Kazi Faizul Azim 2 , Abdus Shukur Imran 1 , Ishtiak Malique Chowdhury 3 , Shah Rucksana Akhter Urme 4 , Md Sorwer Alam Parvez 5 , Md Bashir Uddin 6* , Syed Sayeem Uddin Ahmed 7*
PiNN：用于构建分子和材料原子神经网络的 Python 库
摘要：原子神经网络 (ANN) 是一类机器学习方法，用于预测分子和材料的势能面和物理化学性质。尽管取得了许多成功，但开发可解释的 ANN 架构并有效实施现有架构仍然具有挑战性。这需要可靠、通用且开源代码。在这里，我们介绍了一个名为 PiNN 的 Python 库作为实现这一目标的解决方案。在 PiNN 中，我们设计了一种新的可解释且高性能的图卷积神经网络变体 PiNet，并实现了已建立的 Behler-Parrinello 神经网络。使用分离的小分子、结晶材料、液态水和水性碱性电解质的数据集测试了这些实现。PiNN 附带一个名为 PiNNBoard 的可视化工具，用于提取 ANN“学习”到的化学见解。它提供分析应力张量计算，并与原子模拟环境和阿姆斯特丹建模套件的开发版本接口。此外，PiNN 是高度模块化的，这使得它不仅可以用作独立软件包，还可以用作开发和实现新型 ANN 的工具链。代码在宽松的 BSD 许可下分发，可在 https://github.com/Teoroo-CMC/PiNN/ 免费访问，其中包含完整的文档和教程。■ 简介计算化学的主要任务之一是将分子或材料的结构映射到其属性，即 f : { x ⃗ i , Z i } → P 。当 P 是总能量时，任务就是设计计算方法来找到薛定谔方程的近似解，正如狄拉克在 1929 年的解释 1 中所预见的那样，也是一代又一代计算和理论化学家一直致力于研究的那样。更具挑战性的是做逆向 f : P → { x ⃗ i , Z i }，也就是说，提出具有特定价值属性的新结构。为了应对这些挑战，机器学习 (ML) 在计算化学和材料发现领域引起了相当大的关注和努力，2 - 4 并且许多不同类型的 ML 方法已成功应用于这些领域。在本文中，我们将重点介绍原子神经网络 (ANN)，它在预测物理化学性质、近似势能面 (PES)、5、6 方面非常成功
利用化学生物学设计嵌合分子用于药物研发
摘要：自 18 世纪引入第一个种子概念以来，不同的学科根据双功能分子的应用赋予了不同的名称，包括生物共轭物、双功能化合物、多靶向分子、嵌合体、杂交体、工程化合物。但这些工程构建体具有共同的通用结构：第一个成分靶向特定细胞，第二个成分发挥药理活性。稳定或可裂解的连接体将嵌合体的两个模块连接起来。本文，我们讨论了利用化学生物学概念在迅速发展的嵌合分子领域的最新进展。本观点重点关注双功能化合物，其中一个成分是先导化合物或药物。我们将详细讨论嵌合分子的化学特征及其在靶向递送和靶向参与研究中的用途。