XiaoMi-AI文件搜索系统
World File Search SystemNishi
基于长短期记忆神经网络的深度学习药物-靶标相互作用预测方法
目前，DTI 预测的计算方法可以分为三类：基于配体的方法、对接方法和特征学习方法。基于配体的方法通常用于通过计算给定药物或化合物与已知靶标的活性化合物的化学结构相似性来估计潜在的作用靶标。Keiser 等人 [3] 提出了一种根据配体的化学相似性推断蛋白质靶标的方法。Yamanishi 等人 [7-9] 通过将化合物的化学结构相似性和蛋白质的氨基酸序列相似性整合到均匀空间来预测未知的药物-靶标相互作用。Campillos 等人 [9] 将化合物的化学结构相似性和蛋白质的氨基酸序列相似性整合到均匀空间中。 [6]通过表型副作用的相似性来预测潜在的靶标蛋白。这种基于配体的方法在化学结构相似性较高的情况下简单有效，但也在很大程度上限制了其应用的范围和准确性。对接方法是计算药物与潜在靶标在三维结构中的形状和电性匹配程度，从而推断药物可能的作用靶点。其中，反向对接方法是最常用的预测方法，该方法通过预测给定化合物与靶标之间的相互作用模式和亲和力对药物靶标进行排序，从而确定该药物的可能靶点。程等[10]开发了基于结构的最大亲和力模型。李等[11]开发了利用对接方法识别药物靶点的网络服务器Tar-FisDock。此类方法充分考虑了目标蛋白质的三维结构信息，但分子对接方法本身仍存在一些尚未得到有效解决的问题，如蛋白质的灵活性、打分函数的准确性以及溶剂水分子等，导致逆对接，该方法的预测准确率较低。对接的另一个严重问题是它不能应用于三维结构未知的蛋白质，到目前为止，已知三维结构的蛋白质仍只占所有蛋白质的一小部分，这严重限制了该方法的推广和普及。特征学习方法将药物靶标关系视为相互作用和非相互作用的二类问题，此类方法利用机器学习算法学习已知化合物-靶标对的潜在模式，通过迭代优化生成预测模型，进而推断潜在的DTI。Yu等[12]提出了一种基于化学、基因组和药理学信息的系统方法。Faulon等[13]提出了一种基于化学、基因组和药理学信息的系统方法。[ 13 ] 预测药物
2023 年年度报告布局
Edward Andrade - 匿名捐赠者 - Jenisa Barr - Angela Bassill - Aspen Billiet - Shelly Billiet - TR Billy - Andrew Blaine - Lee Botelho - Brian Breitbarth - Raven Bridging - Susana & Duane Bullard - Matthew Carter Davidson - John A. Wagner & Charlene Iboshi - Natalie Chong - Leslie Chow -Ken Churches - Mark & Meio Clark - Joel Cooperson - Laurie Correa - Kyle Cosner - Shasta Crazy Cake Lady - Deb Crotteau Billiet - Shantell Cruz - James Dahlman - Shelby Daniel-Wayman - Angelia David - Elizabeth De Young - Michael & Gwendolyn Decoito Marlene DeCosta - Attila Denes - Ralph & Charla Devine - Norman Dionne - 匿名捐赠者 - Carolyn Droke - Paul Walp & Elizabeth Bryan Wesley Ervin - Debra Fenwick - Marian Fieldson - Dave Figueroa - Gary Fischer - Veronica Flores - Stephen Flowers - Aaron Frim - Bernadine Fujii - Melissa Gaspar - Robyn Gill - Martha Greenwell - Marielena Gutierrez Micah Haler - Martha Harden - Anne Harpham - John & Kathy Heffernan - Barbara Heintz - Douglas Hershey - Jason Hickman - Roland & Jan Higashi - Leslie Hittner - Claire Inman - Tehmina Islam - Ann Jamil - Dani Johnson - Brent Kakesako - Michael Kaminski - Laurie Kaneta - Barbara Kankainen - Marie-Ann Kelly - Michelle Kerr - Sonya Kincheloe - Karl & Kathi Kindi - Peter Koulogeorg - Gail Larson - Lisa Le - Lenley Lewi - Nautasha-Cheri Lyman - Denise Mackey - Lisa Malapit - David Mallen - Mana Silva - Suzette Lillinoe凯克阿拉尼·曼纳斯 - 卡门·马丁内斯 - 黛博拉·马蒂纽克 - 娜塔莉·马修斯 - 克里斯蒂·麦卡利 - 卡维卡·麦基格 - 维基·麦克马纳斯 - 约翰和苏·芒通 - 安德里亚·梅居尔 - 彼得和维克托琳·梅里曼 - 伊莱恩·梅森 - 彼得和菲比·米尔斯 - 劳伦·米纳托 - 朱莉·米切尔 - 大流士·蒙塞夫 - 埃德温和乔迪·蒙特尔 - 森上真希 - 米歇尔森田 - 贝特西·莫里根 - 韦恩和爱丽丝·莫里斯 - 凯瑟琳·穆斯 - 安妮·玛丽·墨菲 - Serina Naboa - 达里尔和爱丽丝长野 - 迪兰·中野 - 卡梅拉·纳基平 - 克里斯·尼达姆 - 吉娜·尼利 - 柯克·诺斯特罗姆 - 海伦·吴 - 凯瑟琳·西 - 安东尼·奥弗雷特 - 兰斯·奥哈纳 - 克莱德·奥野 - 斯塔福德·奥玛亚 - 马克·佩辛 - K & J帕金斯 - 希亚波·佩雷拉- 惠特尼·彼得森 - 休盖特·皮彻 - 卡罗尔·皮纳 - 约瑟夫·拉戈科斯 - 祖阿尔·伦基 - 凯瑟琳·威拉兹·罗兹约瑟芬·里奇 - 伊莱恩·罗斯 - 加里和卡普阿纳尼·罗斯福斯 - 桑德拉·坂口 - 西奥多·酒井 - 瑞秋·YM·佐藤 - 朱莉娅·谢弗 - 莎朗·舍勒 - 吉尔·希尔坎普 - 凯里·L·塞劳 - 玛丽莲·谢菲尔德 - 詹妮弗涩谷 - 莱拉尼·筱田 - 拉里·席尔瓦主教 - 内斯塔·苏亚雷斯 - 埃德温·索萨 - 史蒂文·斯塔丘斯基 - 布莱恩·L·斯坦利 - 克里斯塔·斯坦菲尔德 - 保罗和弗朗西斯·普雷斯顿三世 苏特·阿普丽尔·萨顿 - 迈克尔·斯沃德洛 - 图尼亚·西茨玛 - 凯拉·竹中 - 尼姆尔和香农·塔米米 - 雪莉·托莱多 - 拉维恩·托尔米 - 简·托里瑟 - 加林·泰纳 - 卡尔文马本 - 玛丽亚·韦德拉 - VFW - 玛丽安瓦格纳 - 约翰·沃德 - 露西尔·惠特克 - 约瑟芬·格兰德 & 威拉德·威尔士 特蕾莎·温 - 安德鲁·萨帕塔
日本医科大学杂志
1。 日本肥胖学会肥胖治疗指南2022.2022； 2。 日本肥胖学会。关于2023年11月25日的肥胖药物的安全和适当使用的声明。 http：// wwwjasso.or..jp/data/introduction/pdf/academic- Information_statement_20231127.pdf 3。 Woodward M，Barzi F，Martiniuk A等：队列概况：亚太队列研究合作int j epidemiol2006; 35：1412-14164。 Yoshiike Nobuo，Nishi Nobuo，Matsushima Matsusui等人：基于体重指数的肥胖程度与糖尿病，高血压和高脂血症的危险因素之间的关系。肥胖研究2000；5。 2022年《动脉硬化疾病预防指南》：日本动脉硬化学会编辑。 2022;日本动脉粥样硬化化学协会东京。 6。 Lamon-Fava S，Wilson PW，Schaefer EJ等：体重指数对男性和女性的冠心病风险因素的影响Framingham后代研究Arterioscler Thromb Vasc Biol 1996;7。 Dattilo AM，Kris-Etherton PM：降低血脂和脂蛋白的影响：元分析AM J Clinr Nutr 1992;8。 Agata J，Masuda A，Takada M等：高血浆中的高血浆瘦素水平Am J Hypertens 1997; 10（10 pt1）：1171-11749。 Newman LP，Torres SJ，Bolhuis DP，Keast RS：高脂餐对脂肪味道的影响Appetite 2016;10。 Huang Z，Willett WC，Manson JE等：体重，体重变化和女性高血压的风险Ann Intern Med 1998; 11。 Tokunaga K，Matsuzawa Y，Kotani K等 ：从最低的体重指数估计的理想体重 Int J Obes 1991; 12。 Matsumura F，Yamashita S，Nakamura T等Ann Intern Med 1998;11。 Tokunaga K，Matsuzawa Y，Kotani K等：从最低的体重指数估计的理想体重Int J Obes 1991;12。 Matsumura F，Yamashita S，Nakamura T等：内脏脂肪积累对雄性肥胖受试者尿酸代谢的影响；与皮下脂肪肥胖相比，内脏脂肪肥胖与尿酸的过量生产更紧密地联系在一起。代谢1998; 47：929-933。13。 Yatsuya H，Toyoshima H，Yamagishi K等。：相对瘦的人群中的体重指数和中风和心肌梗塞的风险：使用单个数据对16个日本人群进行元分析。Circ Cardiovasc Qual成果2010； 3：498-505。14。 Eslam M，Sarin SK，Wong VW等。：亚洲太平洋协会的肝临床实践研究指南，用于代谢相关脂肪肝病的诊断和管理。Hepatol Int 2020; 14：889-919。15。 Rowland AS，Baird DD，Long S等。：医疗状况和生活方式因素对月经周期的影响。流行病学2002； 13：668-674。16。 佐藤：SDB とは・睡眠呼吸障害（SDB）を见逃さ2010；诊断と治疗社 ；诊断と治疗社17． Manek NJ，Hart D，Spector TD，MacGregor AJ等。：膝关节体重指数和骨关节炎的关联：遗传和环境影响的检查。关节炎Rheum 2003; 48：1024-1029。 18。 戸田佳孝：肥満した変形性膝关节症患者に対する各种关节炎Rheum 2003; 48：1024-1029。18。 戸田佳孝：肥満した変形性膝关节症患者に対する各种
材料科学的人工智能
自动化的导向车辆（AGV）在各个研究领域都起着至关重要的作用。我们的项目旨在增强人类的视觉系统并开发智能机器。AGV广泛用于工业领域，社区服务和危险工作环境中。他们在我们的日常生活中具有许多优势，使他们能够像机器人一样感知和对环境做出反应。考虑到它们的广泛使用，我们开发了一个AGV的原型，该原型使用两个DC电动机和一个freewheel遵循平坦表面上的预定路径。相机连接到PC，以通过MATLAB进行图像采集和处理。GUI应用程序允许用户确定路径，而RF模块可以在PC和MicroController之间进行通信。我们可以根据车辆的位置从PC发送命令，然后按照指示向前，向左，右或停止。这项研究旨在利用医疗保健部门的机器人技术来增强残疾人的流动性。该项目涉及开发一个机器人系统，该机器人系统可以跟踪和导航各种环境，包括工业领域，仓库，医疗设施以及人类无法运作的地区。所提出的系统由三个主要组件组成：机器人组件，PC和GUI应用。机器人组件包括Atmega 16A微控制器，电机驱动器电路（L293D），RF模块（CC2500），IR传感器和USB摄像头。PC将从GUI应用程序接收命令，并通过RF模块向机器人组件发送信号。基于IR的传感器用于障碍物检测。系统的功能框图说明了摄像机如何使用阈值捕获车辆路径的鸟眼视图图像，并使用阈值检测车辆上的红色条并跟踪其运动。GUI应用程序允许用户追踪路径，而微控制器识别PC中的命令并控制机器人的运动（向前，左或右）。电路图显示了两个主要部分：机器人组件和PC。机器人组件采用带电机驱动器电路的Atmega 16A微控制器，用于隔离高功率电动机。RF模块CC2500使用串行协议操作，并连接到微控制器的TX和RX引脚。该系统的算法涉及初始化微控制器，USART和电机；从USB摄像头获取图像；处理图像；跟踪位置；向机器人组件发送信号；并在各自的方向上移动机器人。原型实施证明了在各个领域中使用AGV的可行性，包括工业环境，仓库，医疗设施和人类无法运作的危险区域。参考：1。R.C. Arkin和R.R. Murphy，“制造环境中的自动导航”，IEEE Int。 conf。 机器人和自动化，1997年，pp。 2312-2317。 2。 K. Schilling，M。Mellado-Arteche，J。Garbajosa和R. Mayerhofer，“用于工业生产的灵活自动运输机器人的设计”，《 Proc》。 ieee int。 sammp。 工业电子（ISIE'97），第1卷。R.C.Arkin和R.R.Murphy，“制造环境中的自动导航”，IEEE Int。conf。机器人和自动化，1997年，pp。2312-2317。2。K. Schilling，M。Mellado-Arteche，J。Garbajosa和R. Mayerhofer，“用于工业生产的灵活自动运输机器人的设计”，《 Proc》。ieee int。sammp。工业电子（ISIE'97），第1卷。在1997年，纽约纽约发行了一份出版物，涉及从第791页到796。一份题为“自动导向车辆的同时调度和无冲突路线的动态优化”的研究论文发表在2010年的高级机械设计，系统和制造杂志上。另一项研究是“自动制造系统的过程与以资源为导向的Petri净建模”，由N. Wu和M. Zhou进行，出现在2010年5月的《亚洲控制杂志》中。本文讨论了与AGV词典中与AGV相关的框图。
1 CdSnAs2 的结构、电子和热特性...
(1) Lincot, D.；Guillemoles, JF；Taunier, S.；Guimard, D.；Sicx-Kurdi, J.；Chaumont, A.；Roussel, O.；Ramdani, O.；Hubert, C.；Fauvarque, JP；Bodereau, N.；通过电沉积制备黄铜矿薄膜太阳能电池。太阳能 2004，77，725-737。 (2) Todorov, T.；Mitzi, DB 光伏器件黄铜矿吸光层的直接液体涂层。欧洲无机化学杂志 2010，1，17-28。 (3) Jäger-Waldau, A. 在《光伏实用手册》中 McEvoy, A；Markvart, T.；Castañer, L. 编辑；Academic Press，2012； IC-4 章，第 373-395 页。（4）Cao, Q.；Gunawan, O.；Copel, M.；Reuter, KB；Chey, SJ；Deline, VR；Mitzi, DB Cu（In, Ga）Se 2 黄铜矿半导体中的缺陷：材料特性、缺陷态和光伏性能的比较研究。Adv. Energy. Mater. 2011，1，845-853。（5）Rockett, AA 黄铜矿太阳能电池的现状和机遇。Curr. Opin. Solid State Mater. Sci. 2010，14，143-148。（6）Fiechter, S.；Tomm, Y.；Kanis, M.；Scheer, R.；Kautek, W. 论黄铜矿型 CuInS 2 的均质区、生长模式和光电特性。 Phys. Status Solidi B 2008 , 245, 1761-1771。（7） Marron, DF; Cánovas, E.; Levy, MY; Marti, A.; Luque, A.; Afshar, M.; Albert, J.; Lehmann, S.; Abou-Ras, D.; Sadewasser, S.; Barreau, N. 对基于黄铜矿的中间带材料纳米结构方法的光电评估。Sol. Energy Mater. Sol. Cells 2010 , 94, 1912-1918。（8） Kerroum, D.; Bouafia, H.; Sahli, B.; Hiadsi, S.; Abidri, B.; Bouaza, A.; Timaoui, MA 压力对锌硅二砷化物 ZnSiAs 2 -黄铜矿的机械稳定性和光电行为的影响：DFT 研究。Optik 2017，139，315-327。（9）Ohmer, MC；Pandey, R. 黄铜矿作为非线性光学材料的出现。MRS Bull。1998，23，16-22。（10）Kildal, H.；Mikkelsen, JC 黄铜矿 AgGaSe 2 中的非线性光学系数、相位匹配和光学损伤。Opt. Commun. 1973，9，315-318。（11）Abrahams, SC； Bernstein, JL 压电非线性光学 CuGaS 2 和 CuInS 2 晶体结构：AIB III C 2 VI 和 A II B IV C 2 V 型黄铜矿中的亚晶格畸变。J. Chem. Phys. 1973 ，59，5415-5422。（12）Boyd, G.；Buehler, E.；Storz, F.；Wernick, J. 三元 A II B IV C 2 V 黄铜矿半导体的线性和非线性光学特性。IEEE J. Quantum Electron. 1972 ，8，419-426。（13）Feng, W.；Xiao, D.；Ding, J.；Yao, Y. I-III-VI 2 和 II-IV-V 2 黄铜矿半导体中的三维拓扑绝缘体。Phys. Rev. Lett. 2011, 106, 016402. (14) 赵YJ; Zunger, A. 自旋电子 CuM III X 2 VI 黄铜矿半导体中 Mn 取代的位点偏好。物理。 Rev. B 2004 , 69, 075208。 (15) Koroleva, LI; Zashchirinskiĭ，DM；卡帕耶娃，TM；马伦金，SF；费多尔琴科，四世；希姆恰克，R.；克鲁祖曼斯卡，B.；多布罗沃尔斯基，V.；基兰斯基，L.锰掺杂的 ZnSiAs 2 黄铜矿：一种用于自旋电子学的新型先进材料。Phys. Solid state 2009，51，303-308。（16）Shay, J. L；Wernick, JH 三元黄铜矿半导体：生长、电子特性和应用。英国牛津，帕加马出版社，1975 年。（17）Medvedkin, GA；Ishibashi, T.；Nishi, T.；Hayata, K.；Hasegawa, Y.；Sato, K. 新型稀磁半导体 Cd 1-x Mn x GeP 2 的室温铁磁性。Jpn. J. Appl. Phys. 2000，39，L949。