XiaoMi-AI文件搜索系统
World File Search SystemRMSD
基于卷积神经网络语音识别系统操控机器人轮椅
摘要：许多轮椅使用者依赖他人来控制轮椅的移动，这严重影响了他们的独立性和生活质量。智能轮椅提供了一定程度的自立和驾驶自己车辆的自由。在这项工作中，我们设计并实施了一种低成本的软件和硬件方法来操纵机器人轮椅。此外，从我们的方法中，我们基于 Flutter 软件开发了自己的 Android 移动应用程序。我们还开发并配置了一种基于卷积神经网络 (CNN) 的网络内 (NIN) 结构方法，该方法与语音识别模型相结合，以构建移动应用程序。该技术还使用软件和硬件组件之间的离线 Wi-Fi 网络热点来实施和配置。五个语音命令（是、否、左、右和停止）通过 Raspberry Pi 和直流电机驱动器引导和控制轮椅。整个系统基于阿拉伯语母语人士针对孤立词训练和验证的英语语音语料库进行评估，以评估 Android OS 应用程序的性能。还从准确性方面评估了室内和室外导航的可操作性性能。结果表明，五个语音命令中的一些命令的准确预测准确度约为 87.2%。此外，在实时性能测试中，室内/室外操纵的计划节点和实际节点之间的均方根偏差 (RMSD) 值为 1.721 × 10 − 5
未称呼4通过快速准确的信号比对来改善纳米孔DNA和RNA修饰检测
缩放定律表明，超过一万亿种居住在我们的星球上，但迄今为止仅研究或测序了一个微小和非代表性的分数（少于0.00001％）。深度学习模型，包括应用于生命科学任务的模型，取决于培训或参考数据集的质量和大小。鉴于我们在地球上生活时遇到的较大知识差距，我们提出了一种以数据为中心的方法来改善生物学中的深度学习模型：我们与自然公园和生物多样性利益相关者建立了伙伴关系，覆盖了50％的全球生物群落，建立了一个全球的宏观元素学和生物数据供应链。与现有公共数据相比，该数据集中捕获的蛋白质序列多样性具有较高的蛋白质序列多样性，我们将此数据优势应用于蛋白质折叠问题，通过补充Al-Phafold2的推断。我们的模型（基本折叠）超过了CASP15和CAMAO的目标的传统Alphafold2性能，其中60％显示PLDDT分数提高，RMSD值降低了80％。最重要的是，预测结构的提高质量可以产生赌注对接结果。通过与利益相关者分享利益，该数据源于我们提出的一种方法，可以同时改善生物学的深度学习模型，并激励对我们星球的生物多样性的保护。
人类突变体潜在药物靶标的硅内方法...
摘要：由于对有效的治疗干预措施的需求不断增长，计算方法被用于药物发现中。这项工作的重点是使用一种硅胶方法来寻找可能的药物靶标，并检查它们如何与人类突变体复合物中的AG-881（Vorasidenib）抑制剂和NADPH相互作用。我们使用分子对接，结构验证和毒性预测评估了Tovorafenib和姜黄素作为可能的治疗剂的有效性。cb-dock用于分子对接。使用Pymol计算用于结构稳定性分析的根平方偏差（RMSD）。为了确定所选化合物的安全性，使用毒素毒性鉴定进行了毒性评估。我们的结果表明，姜黄素和Tovorafenib在目标稳定性分析中都表现出令人鼓舞的结合亲和力和结构稳定性。使用正毒素进行毒性评估，以确定所选化合物的安全性。我们的发现表明，Tovorafenib和姜黄素在靶复合物中都表现出有希望的结合亲和力和结构稳定性，姜黄素表现出良好的毒性特征。这项研究强调了计算药物发现在识别新型治疗候选者中的潜力，这有助于精确医学的发展。关键字：分子对接；结合亲和力； Tovorafenib;药效团建模；结构分析； AG-881抑制剂
rnagrail：RNA 3D结构预测的图形神经网络和扩散模型
RNA的功能与X射线晶体学，NMR和Cryo-EM传统上探索的3D结构本质上息息相关。但是，这些实验通常缺乏原子水平的分辨率，从而使需要准确的RNA RNA结构预测工具。这一需求推动了人工智能（AI）的进步，该技术已经彻底改变了蛋白质结构的预测。不幸的是，由于稀疏和不平衡的结构数据，RNA场中的类似突破仍然有限。在这里，我们介绍了RNAGRAIL，这是一种新型的RNA 3D结构预测方法，该方法侧重于使用denoising扩散概率模型（DDPM）进行RNA子结构。与Alphafold 3（AF3）不同，被许多人认为是Oracle，Rnagrail允许专家用户定义基本对约束，从而提供出色的灵活性和精确度。，我们的方法在平均RMSD方面优于AF3，而平均ERMSD的表现为24％。此外，就相互作用网络保真度（INF）而言，它完美地再现了规范的二级结构优于AF3。rnagrail表现出各种RNA图案和家庭的鲁棒性。尽管受过rRNA和tRNA的训练，但它有效地概括为新的RNA家族，因此解决了RNA 3D结构预测中的主要挑战之一。这些结果强调了专注于小的RNA组件并集成用户定义的约束以显着增强RNA 3D结构预测的潜力，从而在RNA建模中设定了新标准。
基于S-三嗪的MMP- ...
摘要：本研究通过全面的分子动力学（MD）仿真探讨了新型S-三嗪基于S-三嗪的MMP-10抑制剂的动态行为和结合稳定性。所研究的化合物，称为化合物（i），表现出有效的抗大肠癌活性（HCT-116; IC 50 =0.018μm）。从机械上讲，标题化合物（i）超过了参考MMP抑制剂NNGH对MMP-10（IC 50 =0.16μm），HCT-116细胞中的GSH耗尽（相对折叠降低= 0.81），使用适度的GPX4抑制作用，诱导的脂质过氧化物和1.32相对倍数。使用Gromacs计划进行100 ns进行MD模拟，以评估复合物的均方根偏差（RMSD），均方根均方根波动（RMSF），旋转半径（RG）（RG），溶剂可访问的表面积（SASA），SASA（SASA），配体相互作用网络，触点频率分析，触点和分子机械构成 - 型 - 分子机械范围（MM MM MM），阐明负责其抗直肠癌活性的分子原则。结果表明，化合物（i）在MMP-10活性位点具有稳定且一致的相互作用，该相互作用支持其有前途的抑制作用和在结直肠癌治疗中的前瞻性治疗应用。结直肠癌（CRC）是第三常见的恶性肿瘤，也是癌症相关死亡率的第四大原因。
分子对接，MD模拟，合成，DFT和生物学评估以及与Para Nitro苯基
伏诺替纳斯特的结构特征显示了三个部分，例如表面识别苯甲酰胺，接头己酰基和金属结合羟氨酸。在这项工作中，用取代的苯基环改变了表面识别组，咪唑基 - 三唑组用相同的金属结合羟氨基酸更改了接头组，最后设计了（F1-F4）分子。然后将所有设计的分子对接使用HDAC 2（4LXZ）受体。f4显示-8.7 kcal/mol的最大结合能，标准vornostat显示-7.2 kcal/mol。所有设计的分子都是使用gromacs软件模拟的分子动力学，以确定RMSD，RMSF，SASA和氢键的数量。所有仿真数据显示配体和受体之间的良好相互作用。然后，所有分子均由三个部分合成：a。二硝基苯基连接的三唑羟酸的合成，b。取代的恶唑酮衍生物的合成和c。在最后一步中，对替代的恶唑酮衍生物和二硝基苯基链接的三唑羟氨基酸反应，以产生最终的分子集（F1-F4）。DFT分析确定，F4以良好的亲电性而出现为最反应性分子。此外，对乳腺癌细胞系的体外抗增殖活性表明，F4是所有合成分子中最有效的抗癌分子。
乳杆菌属的差异。在传统和工业蔬菜泡菜之间
Alperönder1，GülceDavutlar 2，Mehmet Ay 1，FerahCömertInder3 *抽象的鞘氨醇激酶（SPHKS）作为脂质激酶，催化鞘氨醇（SPH）（SPH）促成鞘氨酸1-磷酸盐（S1P）的磷酸化。靶向S1P信号通路是许多人类疾病的重要策略。在此，我们评估了药用植物的主要原型生物活性成分，并用类黄酮化合物进行了虚拟筛查研究，然后对靶向癌症治疗进行了分子对接和分子动力学（MD）模拟。通过Biovia Discovery Studio（DS）确定了计算机ADMET和吸毒结果。分子对接和分子动力学（MD）模拟是通过使用过滤的配体的Glide/SP和Desmond进行的。滑行/SP对接结果显示与Xanthohumol（Xn），8-丙烷纳明蛋白（8-PN）和Neobavaisoflavone对SPHK1的结合亲和力更高。三击在靶向SPHK1的特定氨基酸残基之间显示出强氢结合。在gromacs进行的200 ns MD模拟分析期间，SPHK1-XN和SPHK1-XN和SPHK1-Neobavaisoflavone复合物之间没有显着的结构变化。将Xn-和Neobavaisoflavone-蛋白质络合物的平均值与游离SPHK1进行比较，分别为0.2626 nm，0.2589 nm和0.2508 nm。结果，XN和8-PN和Neobavaisoflavone已被确定为SPHK1的潜在抑制剂候选者，以检查进一步的体外和体内研究。
以 DNA 拓扑异构酶 I 为靶点，对中药化合物进行计算筛选和分子对接，设计潜在的抗癌药物
每年，全球有成千上万的人因癌症发病率和死亡率上升而受苦。此外，癌症患者的治疗选择也很昂贵，而且抗癌药物往往疗效较低且副作用较大。DNA拓扑异构酶可以作为已确定的癌症靶点，因为人类拓扑异构酶（Top1）在有丝分裂后阶段调节基因转录，并在复制和修复过程中在DNA超螺旋中起关键作用。因此，在药物治疗过程中，阻断Top1可能对抑制癌细胞增殖至关重要。这里，通过虚拟筛选对中药化合物进行了筛选。中药库的虚拟筛选过程使得能够根据结合能（-7.1至-9.3Kcal/mol）将化合物列表缩小到29种化合物，而在Lipniski过滤之后，使用MM/PB（GB）SA过滤来筛选剩下的22种化合物，并根据结合自由能选出前四种化合物。这里，这四种化合物； CID-65752（T2972：吴茱萸次碱）、CID-5271805（T4S2126：银杏黄素）、CID-9817839（T2S2335：脱氢吴茱萸碱）和CID-51106（T3054：达伍里索林）在分子对接过程中的结合能分别为-8.2、-8.5、-8.3和-8.2，高于其他化合物。在这四个化合物中，ADMET筛选未发现两个筛选化合物CID-5271805和CID-9817839的毒性特征。此外，药物-蛋白质复合物的SASA（溶剂可及表面积）、Rg（回转半径）、RMSD（均方根偏差）和RMSF（均方根波动）轮廓在分子动力学模拟研究中揭示了化合物的稳定性和刚性。然而，这些研究需要通过实验方法进行验证，以开发更有效的抗癌药物。
基于硅胶的发现，使用药效团筛查，分子对接和MD模拟研究的策略 神经元 - 胶体传播中的外泌体 一种基于模糊的逻辑计算方法，用于重新利用Covid-19 靶向缺氧诱导因子1α通过调节乳房can中的肿瘤微环境 制造介孔二氧化硅纳米颗粒，以靶向糖替尼向卵巢癌细胞靶向递送
摘要简介：这项研究的主要目的是确定开发有效KEAP1抑制剂的潜在潜在客户。方法：在当前的研究文章中，已采用了硅内方法来发现潜在的KEAP1抑制剂。3D-QSAR是使用具有IC 50的KEAP1抑制剂的Chembl数据库生成的。选择了最好的药理，以筛选三个不同的文库，即Asinex，Minimaybridge和锌。从数据库中筛选的分子通过可药物性规则和分子对接研究过滤。对接研究后获得的最佳结合分子通过二利方法对测定物理化学性质进行毒性进行。通过分子动态模拟，研究了最佳的命中以在KEAP1腔中进行稳定。结果：分别对不同数据库进行虚拟筛选，并获得了三个导线。这些铅分子asinex 508，minimaybridgehts_01719和锌0000952883在KEAP1腔中显示出最好的结合。铅的结合复合物的分子动态模拟支持对接分析。铅（Asinex 508，minimaybridgehts_01719和锌0000952883）在100 NS模拟的KEAP1结合腔中稳定，平均RMSD值分别为0.100、0.114和0.106 Nm。结论：这项研究提出了三个铅分子作为基于高吞吐量筛查，对接和MD模拟研究的潜在KEAP1抑制剂。这些HIT分子可用于进一步设计和开发KEAP1抑制剂。这项研究提供了用于发现新型KEAP1抑制剂的初步数据。它为药物化学家打开了新的途径，以探索针对KEAP1-NRF2途径的抗氧化剂刺激分子。
将网络药理学和分子对接整合到发现
摘要简介：鲁丁蛋白是一种黄酮醇糖苷，已知血糖还原活性。然而，其在降低血糖水平的分子机制尚不清楚。这项研究用于阐明鲁丁作为抗糖尿病药物的药理机制。方法：在相关数据库中筛选Rutin的潜在目标以构建复合目标网络。网络药理学用于识别与疾病，基因本体学和KEGG途径相关的靶标，并使用Autodock 4.2在ADT界面辅助的结果中证实了其潜在的结合亲和力：。结果强调了MTOR，PIK3R1和NFKB1R是通过网络药理学的潜在目标。与胰岛素信号通路，胰岛素抵抗，2型糖尿病，B受体信号通路，糖尿病并发症和胰腺癌中的年龄静电信号通路途径有关的靶标。所有对接协议的有效期为TNF-A，NF-KB，PI3K的RMSD值分别为0.72Å，0.67Å和0.54Å。分子对接已经通过与这些蛋白质稳定结合，估计的自由结合能值为-8.54 kcal/mol（nf -kb），-8.01 kcal/mol（pi3k）和-6.22 kcal/mol（tnf -l -l -l -l -l -l -l -li）。结论：该研究已通过稳定与NF-KB，TNF-和PI3K结合，对Rutin在DM管理中的分子机制有了深入的了解。但是，需要进一步的实验室实验研究，尤其是体外和体内测定。关键字：鲁丁，抗糖尿病，网络药理学，分子对接，虚拟筛查