XiaoMi-AI文件搜索系统
World File Search SystemPK
先进材料 - 苯氧基 PKTMHH
特性 与大多数苯氧基树脂相比，Phenoxy PK™HH 具有较高的粘度。苯氧基树脂（聚羟基醚）是坚韧、易延展、无定形的热塑性聚合物，具有出色的热稳定性、粘合强度和防潮性能。苯氧基树脂可通过其羟基官能团与异氰酸酯、三聚氰胺树脂或酚醛树脂反应而交联。交联的苯氧基树脂在许多基材上表现出优异的耐化学性、硬度和附着力，包括钢、铝、玻璃和碳纤维以及尼龙和聚酯 (PET) 等塑料。Phenoxy PK™HH 还可以配制成含有潜在硬化剂（如双氰胺）的单组分环氧树脂，在适当固化后可在基材上提供更好的韧性和粘合强度。Phenoxy PK™HH 可溶于许多极性非质子溶剂，如 MEK、环己酮和乙二醇醚。
217900orig1s000 -AccessData.fda.gov
表82。 Simulated and Observed Geometric Mean PK Parameters for Deuruxolitinib After a Single 16-mg Oral Dose in Healthy Subjects .............................................................................. 263 Table 83. 在健康受试者中单个20毫克口服剂量后，模拟和观察到的几何均值PK参数..................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... 在健康受试者中，第一次和多次口服剂量的8-mg脱发和多次口服剂量的8-mg脱发和多剂量的算术平均PK参数在健康受试者中出现7天。265表85。 在健康受试者中，第一次和多次口服剂量的16毫克脱发和多次口服剂量的16毫克脱发和多次口服剂量在健康受试者中出价7天.............................................................................................................在不存在和存在efavirenz的情况下，去毒素........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... 269表87。 Simulated Geometric Mean AUC 0-t and C max Values and Corresponding GMRs for Deuruxolitinib in the Absence and Presence of Sulphaphenazole (500 mg BID) ....................... 269 Table 88. Simulated Geometric Mean AUC 0-t and C max Values and Corresponding GMRs for Deuruxolitinib in the Absence and Presence of Sulphaphenazole (2000 mg QD) ..................... 270 Table 89. Model Simulation PK Parameters for Tolbutamide and Warfarin Alone and in the Presence of Sulphaphenazole 2000 mg QD ............................................................................... 271 Table 90.表82。Simulated and Observed Geometric Mean PK Parameters for Deuruxolitinib After a Single 16-mg Oral Dose in Healthy Subjects .............................................................................. 263 Table 83.在健康受试者中单个20毫克口服剂量后，模拟和观察到的几何均值PK参数.....................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................在健康受试者中，第一次和多次口服剂量的8-mg脱发和多次口服剂量的8-mg脱发和多剂量的算术平均PK参数在健康受试者中出现7天。265表85。在健康受试者中，第一次和多次口服剂量的16毫克脱发和多次口服剂量的16毫克脱发和多次口服剂量在健康受试者中出价7天.............................................................................................................在不存在和存在efavirenz的情况下，去毒素........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... 269表87。Simulated Geometric Mean AUC 0-t and C max Values and Corresponding GMRs for Deuruxolitinib in the Absence and Presence of Sulphaphenazole (500 mg BID) ....................... 269 Table 88.Simulated Geometric Mean AUC 0-t and C max Values and Corresponding GMRs for Deuruxolitinib in the Absence and Presence of Sulphaphenazole (2000 mg QD) ..................... 270 Table 89.Model Simulation PK Parameters for Tolbutamide and Warfarin Alone and in the Presence of Sulphaphenazole 2000 mg QD ............................................................................... 271 Table 90.Input Parameters (ADME) for SV-Sulphaphenazole ................................................... 271 Table 91.在正常代谢器和CYP2C9*3*3*3*3基因分型受试者中单个12毫克口服剂量后，脱发的几何平均PK参数。在不存在和存在itraconazole（200 mg qd）的情况下，在正常代谢剂中，去毒素的几何均值AUC 0-T和C最大值在CYP2C9*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3* 单独的正常代谢剂中的去尿素甲替尼的模拟几何均值AUC 0-T和C最大值，在CYP2C9*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*的情况下， 。 Validation Summary for the Determination of Deuruxolitinib, C-21714 and C-21717 Plasma Concentrations ............................................................................................................. 274 Table 95. 的平均值和平均变化与HADS总分的基线相比，基线和第24周观察到的HADS得分..................................................................................................................................................................................................................................................................................................................................................... 275在正常代谢剂中，去毒素的几何均值AUC 0-T和C最大值在CYP2C9*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*单独的正常代谢剂中的去尿素甲替尼的模拟几何均值AUC 0-T和C最大值，在CYP2C9*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*3*的情况下， 。 Validation Summary for the Determination of Deuruxolitinib, C-21714 and C-21717 Plasma Concentrations ............................................................................................................. 274 Table 95. 的平均值和平均变化与HADS总分的基线相比，基线和第24周观察到的HADS得分..................................................................................................................................................................................................................................................................................................................................................... 275。 Validation Summary for the Determination of Deuruxolitinib, C-21714 and C-21717 Plasma Concentrations ............................................................................................................. 274 Table 95. 的平均值和平均变化与HADS总分的基线相比，基线和第24周观察到的HADS得分..................................................................................................................................................................................................................................................................................................................................................... 275。Validation Summary for the Determination of Deuruxolitinib, C-21714 and C-21717 Plasma Concentrations ............................................................................................................. 274 Table 95.的平均值和平均变化与HADS总分的基线相比，基线和第24周观察到的HADS得分..................................................................................................................................................................................................................................................................................................................................................... 275
原始研究对小鼠脑肿瘤模型中血管药代动力学参数的深度学习定量
背景：动态对比增强（DCE）MRI被广泛用于评估癌症的血管灌注和渗透性。在小动物应用中，DCE MRI图像的药代动力学（PK）参数的常规建模是复杂且耗时的。这项研究旨在开发一种深度学习方法，以完全自动化动力学参数图的产生，KTRAN（体积传输系数）和VP（血浆体积比），作为基于DCE MRI的小鼠脑肿瘤模型中常规PK建模的潜在替代PK模型。方法：使用7T MRI，在U87神经胶质瘤异种移植物中进行了DCE MRI，裸鼠在原位生长。使用经典的Tofts模型以及扩展Tofts模型生成了血管通透性KTRAN和VP图。然后将这些血管通透性图作为目标图像处理到二十四层卷积神经网络（CNN）。CNN在T 1加权DCE图像上作为源图像进行了训练，并使用平行的双途径设计以捕获多尺度特征。此外，我们对乳腺癌脑转移（BCBM）小鼠模型进行了该神经胶质瘤训练的CNN的转移研究，以评估替代性脑肿瘤网络的潜力。结果：我们的数据显示了目标PK参数图和胶质瘤的相应CNN映射之间生成的KTRAN和VP映射的良好匹配。像素像素分析揭示了肿瘤内异质性渗透性，这在CNN和PK模型之间是一致的。在BCBM的转移研究中进一步证明了深度学习方法的效用。结论：由于它直接从DCE动态图像直接从无需复杂的数学建模的DCE动态图像中快速准确地估计了血管PK参数，因此深度学习方法可以作为评估肿瘤血管通透性的有效工具，以促进小动物脑肿瘤研究。
Leicns-PK3.0模拟的见解 农业中CRISPR-CAS系统的鸟类视图 将Tikhonov正则化方法应用于低k介电椭圆形孔隙法的问题 泌尿生殖器癌的自适应免疫 通过使用多边形扫描仪在太阳能电池制造中的激光系统的吞吐量限制 DNA聚合酶和生物技术应用 使用结构MRI区分常见的PSP表型：一项机器学习研究 X射线图像的视觉XAI方法可靠性的研究 kurze geschichte der molekularbiologie 胰腺癌的临床免疫疗法
摘要预测脑药代动力学对于中枢神经系统（CNS）药物发展至关重要，但由于人脑抽样的伦理限制，很难。CNS药代动力学（PK）培养物经常因疾病特异性病理生理学而改变中枢神经系统疾病。我们先前发表了一个综合的基于生理的PK（PBPK）模型，该模型预测了大脑和脑脊液室室的小药物的PK pro纤维。在这里，我们改善了这种模型，其大脑非特异性结合和pH对药物电离和被动转运的影响。我们将此改进的模型称为Leiden CNS PBPK预测指标v3.0（leicns-pk3.0）。leicns-pk3.0预测了大鼠和人类中脑ECF和CSF室的未结合浓度，误差少于两倍。然后，我们应用Leicns-PK3.0来研究改变脑脊髓液（CSF）动力学，CSF体积和流动的影响，对脑外细胞外溶液（ECF）药物的影响。使用LEICNS-PK3.0模拟了CSF动力学改变的六种药物的影响，并比较了脑ECF和Lumbar CSF的导致药物暴露。模拟结果表明，改变的CSF动力学改变了CSF PK PROFERES，但并没有改变脑ECF Pro File，而不论该药物的物理化学特性如何。我们的分析支持腰CSF药物浓度不是脑ECF的准确替代的观念，尤其是在中枢神经系统疾病中。系统方法可以说明CNS复杂性的多个级别，并且更适合预测脑PK。
NMHβ-LACTAM TDM协议
f t>麦克风地板/病房100％> 1x MIC所有缩写：ICU，重症监护室； MIC，最小抑制浓度； SCT，干细胞移植； SOT，固体器官移植 *应根据患者的临床状况选择PK/PD靶标的重病患者以及患有深度座椅感染或免疫功能低下的状态的患者的临床状况，请考虑选择患者对治疗疗法的状态和反应的更具侵略性的PK/PD靶标。
将配体功效指数与化合物药代动力学特征相结合，以获得整体化合物质量评分
小分子是否适合作为口服药物，通常通过简单的物理化学规则、配体功效评分（结合物理化学特性和效力）或基于物理化学化合物特性的多参数综合评分来评估。这些规则和评分是经验性的，通常缺乏机制背景，例如药代动力学 (PK) 信息。我们引入了一种新型化合物质量评分（具体称为剂量评分和 c max 评分），其中明确包括预测的或在可用时通过实验确定的 PK 参数，例如分布容积、清除率和血浆蛋白结合。结合靶向效力，这些评分可替代估计剂量或相应的 c max。这些化合物质量评分可用于在测试级联中对化合物进行优先排序，通过整合基于机器学习的效力和 PK 预测，这些评分可用于对合成进行优先排序。我们通过项目实例展示了现有效率指标（如配体效率分数）的互补性，并且在大多数情况下具有优越性。
开始什么：基于蛋白酶的基于蛋白酶的方案
The U.S. Food and Drug Administration (FDA)–approved protease inhibitors (PIs) include atazanavir (ATV), atazanavir/cobicistat (ATV/c), darunavir (DRV), darunavir/cobicistat (DRV/c), fosamprenavir (FPV), indinavir (IDV), lopinavir/ritonavir （LPV/R），Nelfinavir（NFV），Ritonavir（RTV），Saquinavir（SQV）和Tipranavir（TPV）。使用Cobicistat（Cobi）或RTV（也称为PK升高）的药代动力学（PK）增强的基于PI的方案（PK）会增加浓度并延长PI的半衰期。这些方案表现出病毒学效力，艺术性人士的耐用性以及耐药性的高障碍。因为LPV/R，Fosamprenavir/Ritonavir（FPV/R），ATV（有或没有PK增强剂）和Saquinavir/Ritonavir（SQV/R）具有缺点，例如较大的药丸负担，较大的药丸负担，较低的疗效，毒性较低，毒性增加了两种毒性，或者毒性增加了两种成分的driprient，又是一定效率的drivition invirention n comprient invirention -n contriend comprient invers compriention compriention compriention compriention -n contriend comprient comprient invers-在某些临床情况下，建议（NRTIS）作为初始治疗（请参见HIV患者的初始组合抗逆转录病毒方案的表6B）。
革命性药代动力学：AI驱动分析的曙光
本社论探讨了人工智能（AI）如何彻底改变药代动力学科学（PK）。它讨论了常规PK分析的挑战以及AI如何改变了这一领域。它突出了人工智能（AI）在预测化学结构的药代动力学方面的希望及其在药理学的多个方面的应用，包括剂量定制和药物相互作用。此外，它强调了道德问题和开放性对AI应用的重要性，尤其是在药代动力学预测和数据集适应方面。讨论了PK中AI的未来指示，并创建了正在设想的全包AI药代动力学/药物计量计量软件。药物发现和患者护理可以在该软件的帮助下转变为更个性化和有效的医疗保健解决方案，该软件可以处理数据清洁，模型选择和监管报告准备等任务。社论强调了AI在改善药物科学方面的重要性，同时敦促谨慎和团队合作在导航其在药代动力学中的可能用途。