XiaoMi-AI文件搜索系统
World File Search SystemSilico
白色念珠菌的计算机代谢途径分析……
白色念珠菌是一种真菌或酵母，通常生长在口腔和消化道中，可引起念珠菌病。白色念珠菌可从良性共生菌转变为致病病原体，导致口腔、胃肠道和生殖道感染。复发性阴道鹅口疮是由对念珠菌病的局部免疫缺陷引起的，这可能是由于前列腺素 E2 (PGE2) 合成过多引起的。白色念珠菌菌株的致病性存在差异，这表明菌株特有的毒力因子可能在疾病严重程度中发挥作用。对宿主智人和病原体白色念珠菌的代谢途径进行了计算机比较分析。blastp e 值阈值截止值设置为 0.005。 281 种酶中，共有 118 种酶序列与人类蛋白质序列非同源，其中 24 种酶根据 DEG 数据库被发现对白色念珠菌的生存至关重要。CELLO v.2.5：subCELlulor 定位预测器结果显示，约 57% 的酶位于细胞质中，15% 的酶位于线粒体中，12% 的酶为质膜蛋白，6% 的酶位于细胞核中，5% 的酶位于叶绿体和过氧化物酶体中。确定的潜在药物靶点为进一步研究发现新型治疗化合物奠定了基础。
单细胞分辨率的计算机空间转录组编辑
动机：生成对抗网络 (GAN) 在文本引导的自然图像编辑方面取得了令人印象深刻的表现。然而，对于具有匹配基因表达和生物医学图像数据的空间转录组学 (ST) 技术，GAN 的类似效用仍未得到充分研究。结果：我们提出了硅基空间转录组编辑，可以实现基因表达引导的免疫荧光图像编辑。使用从正常和肿瘤组织切片中提取的细胞级 ST 数据，我们在 GAN（反转）框架下训练该方法。为了模拟细胞状态转换，我们将编辑后的基因表达水平输入到训练模型中。与正常细胞图像（基本事实）相比，我们成功地模拟了从肿瘤到正常组织样本的转变，并以可量化和可解释的细胞特征来衡量。可用性和实施：https://github.com/CTPLab/SST-editing 。
在瞄准有效的植物固醇的计算机探索中
非小细胞肺癌Bishnu adhikari 1，Ashish Phuyal 2，Anuraj Phunyal 2，Nabin Upadhyaya 2，Amar Waiba 2，
纳米...
基于抽象石墨烯的纳米孔材料（GNM）对于所有需要大型表面积（SSA）（典型的二维石墨烯）的应用都有可能有用，但在整体维度上都实现。此类应用包括例如气体存储和排序，催化和电化学能源存储。通过使用纳米 - 微粒颗粒作为模板来实现对结构的合理控制，但在纳米尺度上严格孔隙率的GNM的受控生产甚至表征仍然会引起问题。这些通常是使用纳米环的分散来产生的，作为前体，几乎无法控制最终结构，这反过来又反映了用于计算机模拟的结构模型构建中的问题。在这项工作中，我们描述了一种具有预定结构特性（SSA，密度，孔隙率）的材料模型的策略，该材料利用了分子动力学模拟，蒙特卡洛方法和机器学习算法。我们的策略受到实际综合过程的启发：从随机分布的平板开始，我们在频率上包括缺陷，穿孔，结构变形和边缘饱和度，在结构性重新结构后，我们获得具有给定结构特征的现实模型。我们发现了起始悬架的结构特征和大小分布与最终结构之间的关系，这可以为更有效的合成途径提供指示。我们在软件工具中实施了模型构建和分析程序，可根据要求免费提供。随后，我们对模型与H 2吸附的完整表征，从中我们从结构参数和重量密度之间提取定量关系。我们的结果定量地阐明了表面和边缘在确定H 2吸附中相对的作用，并提出了克服这些材料作为吸附剂的固有物理局限性的策略。
在转化生长因子-β抑制剂的计算机研究中
转化生长因子β（TGF-β）在肾小管和肾小球上皮细胞中引发上皮间质转变（EMT），从而通过与TGF-β的相互作用在TGF-β中相互作用，导致细胞外基质的过量产生和沉积在TGF-β型号中的作用。 II型（TβRII）。EMT有助于间质肾纤维化的发病机理，肾纤维化是终末期肾脏疾病的标志。这项研究旨在鉴定Angulata活跃分数中的生物活性化合物，并评估其抑制TGF-β活性及其作为候选药物的潜力的能力。使用气相色谱 - 质谱法（GC-MS）分析了Angulata活性分数中的活性成分。从PubChem数据库中获得生物活性化合物结构，而蛋白质靶标TβRI和TβRII从蛋白质数据库（PDB）中获取。使用PYRX 0.8和Discovery Studio进行了分子对接分析。Swissadme用于评估配体性质和药物液化。鉴定出三种主动活性化合物，即棕榈酸，campsterol和Stigmasterol。在计算机研究中表明，在TβRI和棕榈酸，camp醇，柱头固醇和SB431542之间存在强键，分别为-5.7，-10，-9.4和-10.9 kcal/mol，结合能值分别为-5.7，-10，-9.4。同样，它们与TβRII强烈结合，结合能值分别为-5.2，-7.1，-7.5和-6.1 kcal/mol。所有化合物都符合Lipinski的药物标准。在已识别的活性化合物中，campesterol对TβRI的亲和力最高，而柱头固醇对TβRII的亲和力很强。这些发现表明，这三种化合物具有候选药物的潜力。关键字：糖尿病性肾病，转化生长因子β，TGF-β抑制剂，Physalis angulata
rnabench：用于硅RNA建模中的综合库
RNA是生物体中的关键调节剂，故障可能导致严重的疾病。探索基于RNA的治疗剂和应用，计算结构预测和设计方法起着至关重要的作用。在这些方法中，深度学习（DL）算法表现出巨大的希望。但是，由于各种挑战，RNA社区中DL方法的采用受到限制。dl从业者经常低估了数据同源性，在该领域引起怀疑。此外，缺乏标准化的基准测试器会导致比较，同时应对低级任务需要大量的努力。评估性能和可视化结果被证明是非平凡和任务依赖性的。为了解决这些障碍，我们引入了RNABENCH（RNB），这是一个专门用于开发深度学习算法的开源RNA库，可减轻在数据生成，评估和可视化过程中的挑战。它提供了精心策划的同源性感知的RNA数据集和标准化的RNA基准，包括开创性的RNA设计基准套件，其中包含一个新颖的现实世界RNA设计问题。此外，RNB还提供基线算法，包括现有的和新颖的性能指标以及数据实用程序和全面的可视化模块，所有这些都可以通过用户友好的界面访问。通过利用RNB，DL从业人员可以快速开发创新的算法，从而有可能彻底改变计算RNA研究领域。
开发基于约瑟夫森连接的单光子微波检测器，用于轴突检测实验
基于抽象石墨烯的纳米孔材料（GNM）对于所有需要大型表面积（SSA）（典型的二维石墨烯）的应用都有可能有用，但在整体维度上都实现。此类应用包括例如气体存储和排序，催化和电化学能源存储。通过使用纳米 - 微粒颗粒作为模板来实现对结构的合理控制，但在纳米尺度上严格孔隙率的GNM的受控生产甚至表征仍然会引起问题。这些通常是使用纳米环的分散来产生的，作为前体，几乎无法控制最终结构，这反过来又反映了用于计算机模拟的结构模型构建中的问题。在这项工作中，我们描述了一种具有预定结构特性（SSA，密度，孔隙率）的材料模型的策略，该材料利用了分子动力学模拟，蒙特卡洛方法和机器学习算法。我们的策略受到实际综合过程的启发：从随机分布的平板开始，我们在频率上包括缺陷，穿孔，结构变形和边缘饱和度，在结构性重新结构后，我们获得具有给定结构特征的现实模型。我们发现了起始悬架的结构特征和大小分布与最终结构之间的关系，这可以为更有效的合成途径提供指示。我们在软件工具中实施了模型构建和分析程序，可根据要求免费提供。随后，我们对模型与H 2吸附的完整表征，从中我们从结构参数和重量密度之间提取定量关系。我们的结果定量地阐明了表面和边缘在确定H 2吸附中相对的作用，并提出了克服这些材料作为吸附剂的固有物理局限性的策略。
在计算机中，体外和体内机器学习合成...
我们已经看到过去几年对使用机器学习进行化学和生物学，合成生物学和代谢工程的兴趣越来越不例外[1]。本文回顾了工程生物系统时使用的三种主要技术。在第2节中，我们介绍了受监督和半监督的机器学习技术的概述，提供了搜索混杂酶活性的示例。在第3节中，我们讨论了通常基于监督学习的主动和强化学习方法，并在迭代过程中直接获得培训集。这些方法对设计构建测试的合成生物学周期尤其可以修改。在预测酶活性，优化代谢途径和进行重新生物合成的背景下提供了示例。生活系统中的工程信息处理设备是一项长期的合成生物学企业。然而，在机器学习中发现的基本操作的工程设备的问题在很大程度上尚未探索。第4节提出试图在体外和体内构造的尝试，这是所有人工神经网络的基本单元。
通过计算机模拟预测所选生物活性化合物的存在...
癌症是一种已知疾病，它会迅速增殖并侵入正常范围以外的细胞（世界卫生组织，2021 年），影响着全世界的人们。尽管合成药物对癌症和健康细胞都有毒性，但其副作用迫在眉睫，但通常用于化疗治疗癌症（Laskar 等人，2020 年；Hennessy 等人，2009 年）。正因为如此，人们不断需要研发出既能有效对抗癌细胞又能减少伤害的药物。使用草药治疗癌症可被视为一种有效且廉价的方式，可以促进普通民众负担得起医疗保健和药物，从而为生计和医疗领域的进步提供保障（Richard 等人，2015 年）。菲律宾拥有多种植物物种，但对其潜在药用特性的研究有限。
在Glibenclamide中作为候选药物的研究...
与目前市场上的抗癌药物相关的副作用的严重程度包括潜在的致命副作用，例如心脏毒性在阿霉素的情况下。这项研究旨在找到副作用低的新抗癌药物候选者。这项研究中使用的研究设计是在2023年8月在技术，科学和健康RSUD DR的化学实验室进行的干燥实验室实验研究。 Soepraoen。在计算机方法中是发现新药候选物的计算方法。从PubChem数据库获得了Glibenclamide和阿霉素的配体，而从瑞士模型数据库获得的靶蛋白MAP2K1作为受体。在这项研究中，使用PYMOL装置制备配体和蛋白质，并且从PyRX设备获得的对接结果是结合亲和力值。蛋白质与glibenclamide和阿霉素之间的结合亲和力分别为-9.9 kkal/mol和-8.8 kkal/mol，使用Pymol可视化对接结果。这些化合物的结合比结合阿霉素的化合物的结合效果不太紧密，但它们仍然与MAP2K1蛋白相互作用。 PLIP（蛋白质 - 配体相互作用探测器）可用于可视化这些相互作用的效果。根据研究结果，Glibenclamide化合物与MAP2K1蛋白具有良好的相互作用，这可能使它们成为未来癌症药物的有希望的靶标。在硅中是发现新药的第一步，因此为了验证这些发现，在生化，体外和体内需要进一步的研究。