XiaoMi-AI文件搜索系统
World File Search SystemOpportunistic
意外后果：成人长期糖皮质激素疗法相关的机会性感染风险
糖皮质激素是医学实践中使用的广泛的抗炎药。全身性糖皮质激素的免疫抑制作用和对感染的敏感性增加得到广泛理解。但是，经常使用的剂量依赖性模型可能无法准确预测所有用长期糖皮质激素治疗的患者的感染风险。在这篇综述中，我们通过评估糖皮质激素剂量，持续时间和效力的影响，结合生物学和宿主临床因素以及一丝反应的免疫抑制性治疗，研究了需要糖皮质激素治疗的患者的机会性感染（OIS）的风险。我们提出了预防OI的策略，其中涉及筛查，抗菌预防和免疫接种。这篇综述着重于自身免疫性，炎症或肿瘤性疾病的患者，但潜在的风险和预防策略可能适用于其他人群。临床医生应积极评估系统性糖皮质激素的益处 - 障碍比，并实施预防性努力，以减少其相关感染并发症。关键字。糖皮质激素；机会性感染；免疫系统疾病；感染；肺囊藻carinii。
脂肽的计算机辅助药物发现的机会主义挑战：大分子疗法的新见解
抽象的计算机辅助药物设计是击败干燥药物发现的一种有前途的方法。它旨在通过成本效益减少实验性工作。自然发生的大分子具有高于500道尔顿的分子量，例如猫离子肽，环状肽，糖肽和脂肪肽是一些大分子的例子，这些实例是成功应用，这些实例是作为广泛的抗生素，抗癌，抗癌药物，抗病毒，反病毒，抗原和毒药。利用微生物 - 土豆片作为潜在的候选药物，通过大规模生产此类分子而不是合成方法来产生成本效益。对此类化合物的计算研究产生了巨大的可能性，可以使用可用的计算工具来处理这些复杂分子，从而开发新的潜在客户。开发率始于母体药物分子中所需的结构修饰。虚拟修饰，然后通过分子建模模拟和结构活性关系模型的鉴定，然后在目标位点进行分子相互作用研究，以开发出更为突出和潜在的药物分子。铅优化研究以开发具有提高特异性和降低靶向的新型化合物是大分子在计算上是一个巨大的挑战。预测优化的药物特性的预测有助于与天然化合物相比，具有较低毒性的化合物的发展。因此，需要探索来自具有更高特异性的天然大分子的Devel-op新颖化合物。生成针对目标特异性和ADMET（吸收，分布，新陈代谢，排泄和毒性）的化合物和研究库，用于大分子，这是费力的，并且通过无体外方法产生了巨大的成本和化学浪费。这篇评论文章将重点介绍了计算机辅助药物发现大分子疗法的可能挑战和机遇。关键字：抗真菌剂，环状肽，药物发现，糖肽，脂肽引用本文：Yadav M，Eswari JS。脂肽的计算机辅助药物发现的机会主义挑战：大分子疗法的新见解。Avicenna J Med Bio-Tech 2023; 15（1）：1-13。
Cubesat星座的机会主义联合会
摘要 - 太空事物（IOST）是一个具有挑战性的范式，目前引起了科学和工业社区的极大兴趣。IOST基于将太空段集成到全球物联网（IoT）基础架构中。在相关文献中，通常对纳米卫星平台的多个星座进行了参考，用于在全球范围内实现物联网服务，这也包括处境不利且基础设施不足。在本文中，我们专注于多租户物联网方案，其中多个立方体星座可以通过利用动态联合模型来提供服务。目标是通过利用最初为陆地物联网网络设计的有效合作策略，移动iot-Federation-As-A-Service（Mifaas）范式来效率地提供服务。我们将此愿景扩展到IoT卫星网络，以便通过与其他立方体星座的紧密合作行为来有效地执行任务。报告的绩效评估研究表明，就成功完成的任务百分比而言，可以通过实施拟议的合作范式来实现更好的绩效。
成人和青少年机会性感染预防和治疗指南
机会性感染 (OI) 在 HIV 中被定义为由于 HIV 介导的免疫抑制而更频繁或更严重的感染，1 是提醒临床医生注意艾滋病发生的首批临床表现。肺孢子虫肺炎 (PCP)、弓形虫脑炎、巨细胞病毒视网膜炎、隐球菌脑膜炎、结核病、播散性鸟分枝杆菌复合体 (MAC) 病和肺炎球菌呼吸道疾病以及卡波西肉瘤和中枢神经系统淋巴瘤癌都是艾滋病的标志。这些机会性感染平均发生在感染 HIV 后 7 至 10 年。2,3 在开发有效的抗逆转录病毒疗法 (ART) 之前，患者在艾滋病的最初临床表现后通常只能存活 1 至 2 年。4
用于分布式光伏协调的机会混合通信系统
该项目在范围、预算和时间方面均符合预期，详见本报告。开发了许多测试用例，用于架构和算法（中间件和优化）的开发和测试：来自电气和电子工程师协会测试用例的配电和传输级数据作为机会混合通信系统和光伏/分布式状态估计任务的输入，这需要对 SunShot 赞助的综合电网建模系统项目进行大量测试和修改；对于光伏状态估计任务，住宅光伏板由模拟的、经过测量校准的时空太阳数据驱动，这些数据来自太阳能集成国家数据集和夏威夷的测量数据。在参考测试用例 A (RTC-A) 的基础上，成功开发了一套基于 NS-3 模拟器的机会混合通信系统仿真模型，用于架构和算法（中间件和优化）的验证和评估：六个代表已开发的机会和混合通信系统的 RTC-A 仿真模型得到了智能解决。这些需要大量的开发和验证参数和功能，对于开发任务来说，还需要应对多种替代通信技术、IPv6 到 IPv4 隧道技术和可扩展性问题的挑战。