XiaoMi-AI文件搜索系统
World File Search SystemNMR
苯基丙烷的定量NMR光谱法，包括草药，香料和精油中的等词
摘要：国际癌症研究机构（IARC）（IARC），最近已将isoeugenol（2-甲氧基-4-（1-丙基）苯酚）归类为人类（第2B组）。这项研究使用1 h核磁共振（NMR）光谱法对普通草药和香料（包括罗勒，肉桂，姜和肉豆蔻）进行了共同的香料和香料进行了分析。此外，通过1 H-NMR分析了1300多个咖啡样品的等词，但在任何分析的样品中均未检测到。检查了各种精油，包括肉豆蔻，罗勒，丁香，甜旗和Ylang-ylang油，以了解异烯醇含量。在测试的十二种肉豆蔻油中，其中四种含有异烯醇，浓度范围从3.68±0.09 g/kg到11.2±0.10 g/kg。然而，使用NMR光谱法在鱿鱼，罗勒，Ylang-ylang的精油中未检测到异烯醇。这些发现值得对先前文献进行批判性评估，鉴于其中一些矩阵中的同类水平高。毒理学评估已经确定，通过肉豆蔻精油暴露于同烯醇的情况下，人类健康没有风险。
NMR结构，一种新型的蛋白质金属蛋白酶抑制剂：对作用机理的见解
emfourin（M4IN）是一种蛋白质的金属蛋白酶抑制剂，该蛋白质抑制剂最近在细菌粒细菌proteamaculans和具有未知作用机理的新型蛋白质蛋白酶抑制剂家族的原型中发现。热蛋白家族的蛋白蛋白样性（PLP）是粉状林样抑制剂在细菌中普遍存在的自然靶标，在古细菌中已知。可用的数据表明PLP参与细菌间相互作用以及与其他生物体的细菌相互作用，并且可能在发病机理中。可以说，emfourin样抑制剂可以通过控制PLP活性来调节细菌发病机理。在这里，我们使用溶液NMR光谱确定了M4IN的3D结构。获得的结构与已知蛋白质结构没有明显的相似性。该结构用于对M4IN - 酶复合物进行建模，并通过小角度X射线散射对复合模型进行了验证。基于模型分析，我们提出了一种抑制剂的分子机制，该机制由位置定向的诱变确认。我们表明，两个在空间上的近距离环路区域对于抑制剂 - 蛋白酶相互作用至关重要。一个区域内天冬氨酸与酶的催化Zn 2+形成酶的配位键，而第二区则携带疏水氨基酸与蛋白酶底物结合位点相互作用。这样的主动位点结构对应于非规范抑制机制。这是Thermolysin家族菌蛋白蛋白质抑制剂的第一个证明，这是依赖于选择性侵害细菌病原体属于该家族的重要因素的抗病剂的新基础的新基础。
使用HRMAS NMR光谱法
对肿瘤的完整切除对于神经胶质瘤患者的生存很重要。即使完成了总切除术，但在切除腔风险中剩下的微尺度组织会相对。高分辨率魔术角旋转核磁共振（HRMAS NMR）技术可以使用生物标记代谢物的峰强度有效地区分健康和恶性组织。该方法是快速，敏感的，可以与小型和未经处理的样品一起使用，这使其非常适合手术期间的实时分析。然而，只能对已知肿瘤生物标志物的存在进行焦油分析，这需要具有化学背景的技术人员，并且在手术期间必须存在有关肿瘤代理的知识的病理学家。在这里，我们表明我们可以实时准确地执行此分析，并可以使用机器学习以不定目标的方式分析整个频谱。我们在神经胶质瘤和对照样品的新型和大型HRMA NMR数据集（n = 565）上工作，该数据集也标有定量病理分析。我们的结果表明，基于森林的随机方法可以用肿瘤细胞来区分样品，并以中位AUC为85.6％，AUPR准确，有效地对照，而AUPR为93.4％。我们还表明，我们可以进一步区分良性和恶性样本，中位AUC为87.1％，AUPR为96.1％。我们分析了分类以解释分类器结果的特征（峰值）的重要性。我们验证了已知的恶性生物标志物，例如肌酸和2-羟基戊二酸，在区分肿瘤和正常细胞中起着重要作用，并提出了新的生物标志物区域。该代码在http://github.com/ciceklab/ hrmas_nc上发布。
通过NMR光谱和分子动力学建模
摘要：人类唾液 - 酸性结合免疫球蛋白样凝集素-9（SIGLEC-9）是在几个免疫细胞上表达的糖免疫检查点受体。SIGLEC-9与含糖酸（唾液聚糖）的唾液酸的结合已充分记录，以调节其作为抑制受体的功能。在这里，我们首先使用良好的三维核磁共振（NMR）方法分配了SIGLEC-9 V-SET结构域（Siglec-9 D1）的氨基酸骨架。然后，我们将溶液NMR和分子动力学模拟方法结合在一起，以解释Siglec-9与天然配体α2,3和α2,62,6 siAllyl乳糖胺（SLN）（SLN）（SAIALYL LEWIS X（SALEX）（SALEX）和6-O硫的分子细节，并与两个固定型结合，并将其与两个固定型结合。正如预期的那样，在规范的唾液酸结合位点的F和Gβ链之间容纳了neu5ac。在NEU5AC的C9位置添加杂型支架9 N -5-（2-甲基噻唑-4-基）噻吩磺酰胺（MTTS）会产生与位于Siglec-9的N-末端区域的疏水性残基的新相互作用。同样，在neu5ac的C5位置添加芳族取代基（5- n-（1-二苯基 - 1 H-1 H- 1,2,3-三唑-4-基）甲基（BTC））稳定在SigleC-9中存在长长的B'-c loop的构象。这些结果暴露了负责SIGLEC-9对这两个改良的唾液聚糖的增强的亲和力和特异性的基本机制，并阐明了针对Siglec-9的下一代修改后的Sialoglycans的合理设计。■简介
机器学习辅助术中利用 HRMAS NMR 光谱评估脑肿瘤边缘
完全切除肿瘤对于胶质瘤患者的生存至关重要。即使实现了完全切除，切除腔内残留的微尺度组织也有复发的风险。高分辨率魔角旋转核磁共振 (HRMAS NMR) 技术可以利用生物标志物代谢物的峰值强度有效区分健康和恶性组织。该方法快速、灵敏，可以处理小样本和未处理的样本，非常适合在手术期间进行实时分析。然而，只能对已知肿瘤生物标志物的存在进行有针对性的分析，这需要在手术过程中有具有化学背景的技术人员和了解肿瘤代谢的病理学家在场。在这里，我们展示了我们可以准确地实时执行此分析，并且可以使用机器学习以非目标方式分析全光谱。我们研究了一个新的大型胶质瘤和对照样本 (n = 565) 的 HRMAS NMR 数据集，这些样本也标有定量病理分析。我们的结果表明，基于随机森林的方法可以准确有效地区分肿瘤细胞和对照样本，中位 AUC 为 85.6%，AUPR 为 93.4%。我们还表明，我们可以进一步区分良性和恶性样本，中位 AUC 为 87.1%，AUPR 为 96.1%。我们分析特征（峰值）对分类的重要性，以解释分类器的结果。我们验证了已知的恶性肿瘤生物标志物（如肌酸和 2-羟基戊二酸）在区分肿瘤和正常细胞方面发挥重要作用，并提出了新的生物标志物区域。代码发布在 http://github.com/ciceklab/ HRMAS_NC 。
细胞内结合/解开批准药物与碳酸酐酶II的动力学，由内部NMR
摘要：候选药物在体外合理设计的候选药物通常是由于低组织的可用性或由于不必要的侧面影响而导致体内效率低。要克服体外有理药物设计的局限性，需要在细胞环境中评估候选药物与目标的结合。在这里，我们应用了细胞内NMR来研究一组批准的药物与活体细胞中碳酸酐酶（CA）的同工型II的结合。某些化合物最初是针对其他靶标的开发的，后来被发现抑制CAS。我们观察到剂量和时间依赖性的结合显着不同，其中一些药物比其他药物表现出更复杂的行为。特别是，即使在外部培养基中存在游离化合物的情况下，一些化合物也显示出与细胞内Ca II逐渐解开的，因此可以防止稳定的蛋白质 - 配体配合物的定量形成。这种观察结果可以与这些化合物的已知靶靶性结合活性相关，这表明这种方法可以在多白素药物设计的早期阶段提供有关铅候选者的药代动力学专业培训的信息。■简介
通过NMR光谱和分子动力学建模
摘要：人类唾液 - 酸性结合免疫球蛋白样凝集素-9（SIGLEC-9）是在几个免疫细胞上表达的糖免疫检查点受体。SIGLEC-9与含糖酸（唾液聚糖）的唾液酸的结合已充分记录，以调节其作为抑制受体的功能。在这里，我们首先使用良好的三维核磁共振（NMR）方法分配了SIGLEC-9 V-SET结构域（Siglec-9 D1）的氨基酸骨架。然后，我们将溶液NMR和分子动力学模拟方法结合在一起，以解释Siglec-9与天然配体α2,3和α2,62,6 siAllyl乳糖胺（SLN）（SLN）（SAIALYL LEWIS X（SALEX）（SALEX）和6-O硫的分子细节，并与两个固定型结合，并将其与两个固定型结合。正如预期的那样，在规范的唾液酸结合位点的F和Gβ链之间容纳了neu5ac。在NEU5AC的C9位置添加杂型支架9 N -5-（2-甲基噻唑-4-基）噻吩磺酰胺（MTTS）会产生与位于Siglec-9的N-末端区域的疏水性残基的新相互作用。同样，在neu5ac的C5位置添加芳族取代基（5- n-（1-二苯基 - 1 H-1 H- 1,2,3-三唑-4-基）甲基（BTC））稳定在SigleC-9中存在长长的B'-c loop的构象。这些结果暴露了负责SIGLEC-9对这两个改良的唾液聚糖的增强的亲和力和特异性的基本机制，并阐明了针对Siglec-9的下一代修改后的Sialoglycans的合理设计。■简介
机器学习辅助术中利用 HRMAS NMR 光谱评估脑肿瘤边缘
摘要。完全切除肿瘤对于胶质瘤患者的生存至关重要。即使实现了完全切除，切除腔内残留的微尺度组织也有复发的风险。高分辨率魔角旋转核磁共振 (HRMAS NMR) 技术可以利用生物标志物代谢物的峰值强度有效区分健康和恶性组织。该方法快速、灵敏，可以处理小样本和未处理的样本，非常适合在手术期间进行实时分析。然而，只能对已知肿瘤生物标志物的存在进行有针对性的分析，这需要具有化学背景的技术人员和了解肿瘤代谢的病理学家在手术期间在场。在这里，我们展示了我们可以准确地实时执行此分析，并且可以使用机器学习以非目标方式分析全光谱。我们研究了一个新的大型胶质瘤和对照样本 (n = 568) 的 HRMAS NMR 数据集，这些样本也标有定量病理分析。我们的结果表明，基于随机森林的方法可以准确有效地区分肿瘤细胞和对照样本，平均 AUC 为 85.6%，AUPR 为 93.4%。我们还表明，我们可以进一步区分良性和恶性样本，平均 AUC 为 87.1%，AUPR 为 96.1%。我们分析特征（峰值）对分类的重要性，以解释分类器的结果。我们验证了已知的恶性肿瘤生物标志物（如肌酸和 2-羟基戊二酸）在区分肿瘤和正常细胞方面发挥重要作用，并提出了新的生物标志物区域。代码发布在 http://github.com/ciceklab/HRMAS_NC。
deepspinn - 从红外和13C NMR光谱预测分子结构的深钢筋学习
分子光谱是分子与电磁辐射相互作用时的电子，振动和旋转激发的分析。它被广泛用作识别和表征材料定量和定性分析的分子的工具。摩尔的光谱是入射电磁辐射的测量吸收或发射。每个分子都为特定的光谱法产生独特的光谱，从而使光谱被用作分子的ngerprint。红外（IR）光谱法是一种光谱技术，它阐明了改变其偶极矩的分子的振动模式。1这些振动模式导致摩尔数在红外线区域吸收电磁辐射，该区域位于波数4000 - 400 cm-1的范围内。官能团在1500 cm - 1以上的峰区域中具有独特的吸光度，称为功能组区域。2
定量67Zn，27AL和1H MAS NMR光谱，用于ZSM-5催化剂中Zn物种的表征
可以通过Zn-Modifified沸石催化剂进行有效执行的光烯烃转化为高价的芳族烃。1–4已使用了各种方法2,5用于在沸石中加载锌，因此，锌物种，沸石孔内和晶体的外表面的不同类型，尺寸和局部位置已被考虑用于催化的机制。6–8在这方面，正确表征载入沸石的锌物种的状态至关重要。在最近的工作中，我们使用以下实验技术来研究Zeolites中的Zn物种：8个扩展的X射线吸收细胞（EXAFS），X射线光电子光谱（XPS）和弥漫性反射红外傅立叶傅立叶傅立叶变换光谱（Refrancopopicy），后来用于