XiaoMi-AI文件搜索系统
World File Search SystemProtein
amala：通过退火突变近似景观对定向进化实验的分析
摘要：基因表达的转录后调节在心脏发育和疾病中起重要作用。心脏特异性替代剪接，协调对心肌细胞组织和收缩至关重要的蛋白质的同工型切换。RNA结合蛋白的功能障碍会损害心脏发育并引起心肌病的主要类型，这代表了一个异常的异常群体，严重影响心脏的结构和功能。尤其是RBM20和RBFOX2的突变与扩张的心肌病，肥厚性心肌病或低塑性左心脏综合征有关。在不同动物模型中的功能分析还提出了其他RNA结合蛋白在心肌病中的可能作用，因为它们参与了组织心脏基因编程。最近的研究为RNA结合蛋白与心血管疾病之间的因果关系提供了重大见解。它们还显示了纠正RNA结合蛋白中致病突变以营救心肌病或促进心脏再生的潜力。因此，RNA结合蛋白已成为心脏疾病功能障碍治疗干预措施的有希望的靶标。挑战仍然是破译它们如何协同调节靶基因的时间和空间表达以确保心脏功能和稳态。本综述讨论了了解心肌病中几种良好表征的RNA结合蛋白的含义的最新进展，目的是确定研究差距以促进该领域的进一步研究。
融合蛋白的人工智能三维...
融合蛋白由至少两个部分蛋白结构域的组合组成，每个蛋白结构域由单独的基因编码，合并以进行关节转录和转移。精确预测蛋白质的三维（3D）结构对于随后的药物发现过程的准确性至关重要。这包括预测蛋白质功能，研究蛋白质 - 蛋白质相互作用，查找抑制剂，设计抗体和分析蛋白质 - 配体相互作用。1,2蛋白质3D结构的预测主要依赖于蛋白质序列数据及其结构同源性。3巨大的努力以更好地理解并研究野生型（WT）蛋白的3D结构。但是，我们缺乏预测融合蛋白3D结构并具有足够知识的努力。融合蛋白。此过程是由DNA双链断裂引起的染色体重排触发的。这些融合蛋白是两种不同蛋白质结构（包括主要功能结构域或部分）的球状形式的组合形式，可能会导致细胞中具有新功能或调节的新型蛋白质，从而导致疾病。4许多融合蛋白已被用作癌症治疗中的治疗靶标。5–8
癌细胞系中临床相关蛋白的药物反应的大规模表征
扰动生物学是一种建模定量细胞行为并理解详细疾病机制的有力方法。然而，癌细胞系对扰动的大规模蛋白质反应资源不可用，从而导致临界知识差距。在这里，我们使用逆相蛋白阵列在> 12,000个癌细胞系样品中生成了〜170种药物化合物的〜210个临床相关蛋白的扰动表达谱。我们表明，整合扰动的蛋白质反应信号提供了对耐药性的机理见解，增加了药物敏感性的预测能力，并有助于识别有效的药物组合。我们构建了“蛋白质 - 药物”连接性的系统地图，并为社区使用开发了一个用户友好的数据门户。我们的研究提供了丰富的资源来研究癌细胞的行为和治疗反应的依赖性，从而实现了广泛的生物医学应用。
激酶抑制剂下拉分析鉴定基于嘌呤结合蛋白的三阴性乳腺癌的化学疗法反应签名
转化相关性鉴定对新辅助化学疗法的病理完全反应（PCR）预测性生物标志物将推进三阴性乳腺癌（TNBC）的精确治疗。为了补充标准的蛋白质组学分析，在分析图43个基线TNBC活检样品的分析中，在分析了多西他赛和甲状腺素新辅助素新辅助化学疗法之前，对激酶抑制剂下拉测定法（KIPA）的优化版本进行了分析。虽然没有基于激酶的显着PCR关联出现，但七个非激酶嘌呤结合蛋白与PCR具有正相关，包括GBP2，GBP5，RAC2，RAC2，ATP6V1B2，NEDD4L，LDHB和KPNA4。使用正交mRNA数据集进行验证表明，复合嘌呤结合蛋白的信号预测了化学疗法的反应性和有利的TNBC结果。也观察到与IFN反应途径，免疫评分和免疫检查点水平（PD-L1）的显着相关性。单细胞RNA测序将GBP5和RAC2鉴定为T细胞相关。因此，KIPA是一种新型的生物标志物发现工具，具有定义免疫反应性和化学疗法敏感肿瘤类型的潜力。
蛋白质Z依赖性蛋白酶抑制剂的抗炎活性
1迄今为止，Inserm，UMR_S1176，巴黎 - 萨克莱大学，克里姆林宫 - 贝克特·塞德克斯，法国2号，法国2号医学复苏系，欧洲医院乔治·庞皮德，法国，法国，法国3号，医学院3，密集型医学居民，斯特拉斯布尔格大学医学院，史特拉斯布尔大学，史特拉斯布尔大学，新知识，新知识。研究），法国斯特拉斯堡的再生纳米医学（RNM），法国斯特拉斯堡5 APHP，血液学实验室，法国大学医院颈部梅勒斯，法国6分子免疫性肿瘤学，实验室，实验室transex transplantex，血液学和血液学医学研究中心，大学医院联邦研究中心（FHU）。 （FMTS），斯特拉斯堡大学，法国斯特拉斯堡7
人类PKIγ（蛋白激酶抑制剂伽玛）ELISA KIT
电话：+7（495）798-02-48，+7（865）228-34-60电子邮件：sales@immunotex.ru skype：sales.imm地址：355021，Stavropol，UL。Dovatoretsev，177，结构1
通过计算设计的聚合物纳米颗粒（PNP）递送质粒DNA
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2025年2月23日发布。 https://doi.org/10.1101/2025.02.22.639634 doi：Biorxiv Preprint
TET调节的表达和光学清除，用于遗传编码的嵌合DCAS9/荧光蛋白探针的体内可视化
摘要：Cas9（DCAS9）核酸内切酶的催化无效突变体具有多种生物医学应用，最有用的是转录的激活/抑制。dcas9家族成员也正在成为潜在的实验工具，用于在独立活细胞和完整组织的水平上进行基因映射。我们对CAS9介导的核室可视化的一组工具进行了初步测试。我们研究了doxycycline（DOX） - 可诱导（TET-ON）的细胞内分布，这些构建体的构造中编码DCAS9直系同源物（ST）（ST）和脑膜炎N.脑膜炎（NM）与EGFP和MCHERRY FOLORESCENT蛋白（FP）融合的人类A549细胞。我们还研究了这些嵌合荧光构建体的时间依赖性表达（DCAS9-FP）在活细胞中诱导中的诱导中，并将其与实验性DCAS9-FP表达的时间过程进行了比较灌注。在诱导后24小时内，肿瘤异种移植物发生了麦克利 - 奇氏菌表达的体内诱导，并通过使用皮肤的光学清除（OC）来可视化。OC通过局部应用Gadobutrol启用了肿瘤异种移植物中FP表达的高对比度成像，因为红色和绿色通道的FI增加了1.1-1.2倍。
使用高阶的简单复杂传染
摘要 - 神经退行性疾病的特征是复杂的蛋白质错误折叠的大脑内传播。例如，当前的发现突出了2种特定错误折叠蛋白在阿尔茨海默氏症中的作用，这些蛋白质被认为使用脑纤维作为高速公路传播。先前的研究通过模拟模型或基于机器学习的预测变量调查了这种扩散，这些预测因素采用大脑连接组作为基础扩散网络。但是，构造的结构连接组仅描述图中节点之间的成对连接。高阶相互作用复杂网络比正常图提供了显着的优势，因为它们可以捕获超出简单的成对关系船的交互。蛋白质错误折叠和聚集通常涉及正常图的合作行为或群体动力学，其专注于单个边缘，无法充分代表。蛋白质错误折叠的非线性和多尺度可能更适合更丰富的高阶模型。在这项研究中，我们研究了高阶网络在这种情况下是否可以提供改进的拟合和解释能力。更具体地说，我们采用淀粉样蛋白β的简单复杂传染模型来预测蛋白质错误折叠的扩散。Simplicial Cronagion复合物在2年的地平线和其他结果中，阿尔茨海默氏症患者在所有大脑区域的预测蛋白质沉积中产生了0.030的平均重建误差，胜过先前的研究，尤其是对于错误折叠的蛋白质的病例稳定增长。尽管时间范围有限，但这项研究突出了结合先进网络分析以捕获跨神经网络蛋白质聚集的复杂动力学的潜力。临床相关性 - 这项研究突出了高阶网络在阿尔茨海默氏症中提高错误折叠蛋白传播的预测的潜力，从而更好地洞悉了蛋白质聚集动力学。