XiaoMi-AI文件搜索系统
World File Search SystemQSAR
即时注释；药物化学
AMP腺苷单磷酸HBD氢键供体6-APA 6-氨基酸氨基酸HPLC高性能液体液体液体ATP ATP三磷酸腺苷色谱cns中枢神经系统IND研究对dagycyl-dycyl-applicatition dna dna dna dna dna deoxybibonuciity ipoxyl ipoxyl i oxylir ipoxyl imoxyl troffsyl trofffriffiend inosivir triffsixy dmshthe dmetherty dmeththe dmeththe dmeththents dmeththents posphide磷酸盐涂鸦磷酸化。静脉内EGF表皮生长因子MAOI单胺氧化酶抑制剂EGF-R表皮生长因子mRNA Messenger RNA受体NDA新药物施用EP酶结合的产物NMR核磁共振与酶 - 基层酶（酶）酶 - 基层酶（复杂）pip2 pip2 pip2 PLC phospholipase C GCP good clinical practice QSAR quantitative structure-activity GDP guanosine diphosphate relationship GLP good laboratory practice RNA ribonucleic acid GMP good manufacturing practice rRNA ribosomal RNA GTP guanosine triphosphate SAR structure-activity relationship HBA hydrogen bond acceptor tRNA transport RNA
减少了...
graphyne和GraphDiyne纳米骨本在不同的应用中显示出明显的前瞻性。在电子设备中，他们提出了用于高性能纳米级设备的独特电子性能，而在催化中，它们的出色表面积和反应性将其对许多化学反应的有价值的催化剂提供了支持，从而有助于可持续能量和环境修复。拓扑指数（TIS）是数值不变的，可提供有关给定分子图的分子拓扑的重要信息。这些指数在QSAR/QSPR分析中至关重要，并且在预测各种物理化学特征方面起着重要作用。在本文中，我们提出了用于计算Graphyne和GraphDiyne Nanoribbons的基于反向（RR）学位拓扑指数的公式，包括RR Zagreb索引，RR Hyper-Zagreb索引，RR Hyper-Zagreb索引，RR忘记了RR INDEX，RR ATOM键连接性指数和RR GEEMETEX和RR GEEMETIC INDEX，以及RR GEEMETIC INDEX。我们还执行图理论分析和比较，以证明至关重要的意义并验证获得的结果。我们的发现提供了对这些纳米管的结构和化学特性的见解，并有助于开发各种应用的新材料。
利用靶向RNA的药物发现的计算方法
RNA分子由于细胞在细胞中的功能和调节作用而导致了有希望的治疗靶标。靶向RNA的药物发现中的计算建模为加快新型小分子化合物的发现提供了重要的机会。然而，与蛋白质靶向药物设计相比，该领域遇到了独特的挑战，这主要是由于实验数据的有限和当前模型无法充分解决RNA在配体识别过程中的构象灵活性。尽管存在这些挑战，但使用基于结构的方法或定量结构 - 活性关系（QSAR）模型成功地鉴定了涉及RNA的活跃化合物。本综述概述了建模RNA-MALL分子相互作用的最新进步，强调了计算方法在RNA靶向药物发现中的实际应用。此外，我们调查了现有的数据库，以分类核酸 - 小分子相互作用。随着对RNA-MALL分子相互作用的兴趣会增长并策划数据库扩大，该领域预计快速发展。新颖的计算模型有助于增强有效和选择性的小分子调节剂的识别，以满足治疗需求。
吡咯酯和吲哚基α-γ-二甲酸衍生物作用为...
1 1 50019佛罗伦萨。意大利3佛罗伦萨大学制药和营养分离的神经法兰部，通过U.Schiff 6，Sesto Fiorentino，50019，意大利佛罗伦萨市50019 4 4罗马大学萨皮恩萨大学实验医学系，萨皮恩萨大学，萨皮恩萨大学，萨皮恩萨大学，萨迪纳·拉吉纳·埃琳娜324 324 324，00161罗马，00161罗马，00161，00161 ITALY 5 Italico", 00135 Rome, Italy 6 Department of Sensory Organs, Sapienza University of Rome, Viale del Policlinico 155, 00161 Rome, Italy 7 Department of Motor Sciences and Wellness, University of Naples "Partenope", 80133 Naples, Italy 8 D3 Pharmachemistry, Italian Institute of Technology, via Morego 30, 16163 Genoa,意大利 * Corpsondence：antonella.meterio@uniroma1.it（A.M。）； paola.gratteri@unifin。它（P.G. ）;电话。 ： +39-0649913966（A.M.）; +39-0554573701（P.G.）1 50019佛罗伦萨。意大利3佛罗伦萨大学制药和营养分离的神经法兰部，通过U.Schiff 6，Sesto Fiorentino，50019，意大利佛罗伦萨市50019 4 4罗马大学萨皮恩萨大学实验医学系，萨皮恩萨大学，萨皮恩萨大学，萨皮恩萨大学，萨迪纳·拉吉纳·埃琳娜324 324 324，00161罗马，00161罗马，00161，00161 ITALY 5 Italico", 00135 Rome, Italy 6 Department of Sensory Organs, Sapienza University of Rome, Viale del Policlinico 155, 00161 Rome, Italy 7 Department of Motor Sciences and Wellness, University of Naples "Partenope", 80133 Naples, Italy 8 D3 Pharmachemistry, Italian Institute of Technology, via Morego 30, 16163 Genoa,意大利 * Corpsondence：antonella.meterio@uniroma1.it（A.M。）； paola.gratteri@unifin。它（P.G. ）;电话。 ： +39-0649913966（A.M.）; +39-0554573701（P.G.）1 50019佛罗伦萨。意大利3佛罗伦萨大学制药和营养分离的神经法兰部，通过U.Schiff 6，Sesto Fiorentino，50019，意大利佛罗伦萨市50019 4 4罗马大学萨皮恩萨大学实验医学系，萨皮恩萨大学，萨皮恩萨大学，萨皮恩萨大学，萨迪纳·拉吉纳·埃琳娜324 324 324，00161罗马，00161罗马，00161，00161 ITALY 5 Italico", 00135 Rome, Italy 6 Department of Sensory Organs, Sapienza University of Rome, Viale del Policlinico 155, 00161 Rome, Italy 7 Department of Motor Sciences and Wellness, University of Naples "Partenope", 80133 Naples, Italy 8 D3 Pharmachemistry, Italian Institute of Technology, via Morego 30, 16163 Genoa,意大利 * Corpsondence：antonella.meterio@uniroma1.it（A.M。）； paola.gratteri@unifin。它（P.G. ）;电话。 ： +39-0649913966（A.M.）; +39-0554573701（P.G.））;电话。： +39-0649913966（A.M.）; +39-0554573701（P.G.）
数据分析和不规则测量碳纳米酮CNC T（M）
摘要。不规则指数本质上是拓扑指数。它们对于确定非规范图的分子结构的定量形态非常有帮助。定量结构 - 特性关系（QSPR）和定量结构 - 活性关系（QSAR）都在很大程度上取决于图中异常的计算。它由几种化学和物理特征组成，包括抗性，焓，熵，毒性，熔融和沸点以及熵。本文研究了不同不规则性指数在碳纳米酮分子网络中识别不规则度测量（IMS）CNC T（M）的应用，t = 4、5和T。我们使用了不同的不规则指标，例如IRDIF（ξt），AL（ξt），IRL（ξt），IRLU（ξt），IRLF（ξT），IRF（ξT），IRLA（ξT），IRLA（ξt），IRD 1（IRD 1（IRD 1（ξt），IRA（ξt），IRA（IRA（IRA），IRA（IRA（IRA），IRGA（IRGA（IRGA），IRGA（IRGA（IRGA）），IRB（IRB），IRB（ξT）在CNC 4（M），CNC 5（M）和CNC T（M）中的不规则性比较图形测量也已被阐明并提出。我们有兴趣创建新的公式，以便使用上述指数更好地了解碳纳米酮中的不规则度量。
人工智能在药物发现和开发中的作用
从发现命中化合物到先导化合物优化，使用 AI 结合配体和基于结构的技术。在最近发表的预印本中，我们描述了 Iktos 和 Servier 在后期先导化合物优化项目中成功合作的结果 [7]。这次，我们首次描述了深度学习在从头设计中成功应用于解决实际药物发现项目中的多参数优化 (MPO) 问题。使用项目的初始数据集，在 11 个生物测定中测量了 881 个分子，我们构建了 11 个 QSAR 模型，并将它们与基于深度学习的 AI 从头设计算法结合使用。我们能够自动生成 150 种预测为在所有 11 个目标上都有效的虚拟化合物。选出 20 个最有前途的分子，合成并测试了 11 个。有趣的是，合成并测试的 11 种 AI 设计化合物显示出的功能组要么在初始数据集中很少见，要么在项目早期从未尝试过。最终，11 种 AI 设计的分子中有一种同时满足了项目的所有目标，这表明该方法可以提出创新的新分子来解决 MPO
瑞士公共评估报告Omjjara
ACVR1激活素A型受体1型AE不良事件AUC面积在血浆浓度时间曲线下bid每天两倍C最大观察到最大观察的药物Danazol Ema Ema Ema药物的血浆/血清浓度 name JAK Janus kinase JAKi Janus kinase inhibitor LoQ List of Questions MAH Marketing Authorisation Holder Max Maximum MF Myelofibrosis Min Minimum MMB Momelotinib NO(A)EL No observed (adverse) effect level OS Overall survival PMF Primary myelofibrosis PV Polycythaemia vera QD Once daily QSAR Quantitative structure-activity relationship RMP Risk management plan SMF Secondary myelofibrosis STAT 2000年12月15日，关于药物和医疗设备（SR 812.21）的TPA联邦公共评估报告TPA联邦评估报告（SR 812.21）TPO法令2018年9月21日，关于治疗产品（SR 812.212.21）TPO法令TPO法令（SR 812.212.21）TPO法令对TPA联邦评估报告（SR 812.212.21）TPO条例，TPA联邦评估报告（SR 812.212.21）
原始文章：parp1pred
癌症是全球死亡的主要原因，根据2020年全球癌症统计数据，2020年导致了超过1000万人的死亡。潜在的癌症疗法涉及通过抑制PARP-1靶向DNA修复过程。在这项研究中，使用非冗余的2018 PARP-1抑制剂构建了分类模型。简要地，通过12种指纹类型描述化合物，并使用随机森林算法以及各种采样方法构建。的结果表明，使用超采样方法的Pubchem产生了最佳性能，Matthews相关系数> 0.7，同时也提供了可预处的分子特征。此外，根据Gini指数确定的特征重要性表明，芳香/环/杂环部分，含氮的指纹和乙醚/醛/酒精部分对于PARP-1抑制很重要。最后，我们的预测模型被部署为称为PARP1Pred的Web应用程序，并在https://parp1pred.streamlitapp.com上公开可用，允许用户使用其笑容的符号作为输入来预测查询化合物的生物学活动。预计本文所述的模型将有助于发现有效的PARP-1抑制剂。关键字：PARP-1，DNA维修，机器学习，QSAR，WebServer，CheminInformatics
基于配体的针对细菌转录的新型抗金黄色葡萄球菌抗菌药物设计
摘要：金黄色葡萄球菌是一种常见的人类共生病原体，可引起多种传染病。由于抗生素耐药性的产生，病原体对越来越多的抗生素产生耐药性，从而产生了耐甲氧西林金黄色葡萄球菌 (MRSA) 甚至耐多药金黄色葡萄球菌 (MDRSA)，即“超级细菌”。这种情况凸显了对新型抗菌药物的迫切需求。细菌转录负责细菌 RNA 的合成，是开发抗菌药物的有效但未充分利用的靶点。之前，我们报道了一类新型抗菌药物，称为 nusbiarylins，它通过中断两种转录因子 NusB 和 NusE 之间的蛋白质-蛋白质相互作用 (PPI) 来抑制细菌转录。在这项工作中，我们根据 nusbiarylins 的化学结构及其对金黄色葡萄球菌的活性开发了一种基于配体的工作流程。整合了基于配体的模型（包括药效团模型、3D QSAR、AutoQSAR 和 ADME/T 计算），并用于以下 ChemDiv PPI 数据库的虚拟筛选。结果，四种化合物（包括 J098-0498、1067-0401、M013-0558 和 F186-026）被鉴定为针对金黄色葡萄球菌的潜在抗菌剂，预测的 pMIC 值范围为 3.8 至 4.2。对接研究表明这些分子与 NusB 紧密结合，结合自由能范围为 -58 至 -66 kcal/mol。
蛋白质-配体氢键强度模式的量子力学评估：来自半经验紧结合和局部振动模式理论的见解
摘要：氢键 (HB) 是生物系统中最丰富的基序。它们在确定蛋白质-配体结合亲和力和选择性方面起着关键作用。我们设计了两个对药物有益的 HB 数据库，数据库 A 包括约 12,000 个蛋白质-配体复合物，约 22,000 个 HB 及其几何形状，数据库 B 包括约 400 个蛋白质-配体复合物，约 2200 个 HB，它们的几何形状和键强度通过我们的局部振动模式分析确定。我们确定了七种主要的 HB 模式，可用作从头 QSAR 模型来预测特定蛋白质-配体复合物的结合亲和力。据报道，甘氨酸是供体和受体谱中最丰富的氨基酸残基，而 N–H · · · O 是数据库 A 中最常见的 HB 类型。HB 倾向于处于线性范围内，且线性 HB 被确定为最强的。HB 角在 100–110° 范围内的 HB 通常形成分子内五元环结构，表现出良好的疏水性和膜通透性。利用数据库 B，我们发现了 2200 多种蛋白质-配体 HB 的广义 Badger 关系。此外，每种氨基酸残基和配体功能团之间的强度和出现图为新颖的药物设计方法和确定药物选择性和亲和力提供了极具吸引力的可能性，它们也可作为命中到先导化合物过程的重要工具。