XiaoMi-AI文件搜索系统
World File Search SystemMurcko
超人类机构：医学奇迹世界教育家指南
肯尼斯·C·格里芬（Kenneth C. Murcko家庭基金会，Andy Palmer，McGuire家庭基金会，Robert Tepper，Barry E.和Natalie T. Greene家庭基金会，Paul Schimmel，Mark和Becky Levin，Robert Paull，Biogen，Biogen，Alfred W. Sandrock，Jr。以及米尔福德街基金会和奥林工程学院的布伦达·海恩斯（Brenda Haynes）。
将生成的AI带入教育中的自适应学习
生成的AI（genai）是指基于从给定的培训数据中学到的模式和信息生成新内容的人工智能模型，包括文本，图像，Audio和视频（Cao等人，2023）。与传统的机器学习（ML）算法不同，该算法的重点是分析和解释数据，Genai旨在创建新的原始输出，因此能够解决更具挑战性的问题。随着Genai技术的最新成功，例如大语言模型和扩散模型，在自然语言处理（NLP）中产生类似人类的输出（Bubeck等人），2023）和计算机视觉（CV）（Ramesh等人，2022），将Genai应用于现实世界问题的发展正在迅速增加，这是从科学传播的（Walters＆Murcko，2020； Lopez等人。，2020），财务（Rane，2023; Br uhl，2023）对教育（Cooper，2023; Baidoo-Anu＆Owusu andah ansah，2023）。
针对雄激素受体的protac的情况
摘要：涉及蛋白水解靶向嵌合体（Protac）最近已成为药物发现景观中有希望的技术。对雄激素受体（AR）作为一种新的抗攻击性癌症策略的降解的极大兴趣导致了几篇论文，重点是针对AR的Protac。这项研究探讨了一些有机工具中一些在文献中经常报告的格式中AR降解数据中提取药物设计信息的潜力。在设置了具有一致的AR降解值的92个Protac的数据集后，我们采用了Bemis -Murcko方法进行分类。所产生的簇在结构 - 降级关系方面没有信息。随后，我们进行了降解悬崖分析，并确定了一些关键方面为活动提供积极贡献，以及将这种方法应用于Protacs时的一些方法学限制。还研究了接头结构降解关系。然后，我们构建并表征了三元络合物，以验证先前的结果。最后，我们实施了机器学习分类模型，并表明可以通过简单的与透气性相关的2D分子描述符预测基于VHL但基于CRBN的ProTAC的AR降解。