XiaoMi-AI文件搜索系统
World File Search SystemSilico
一项探索 EGFR 在卵巢癌中的作用的计算机模拟研究
ERbB 家族受体酪氨酸激酶在多种实体瘤的形成中发挥作用，包括表皮生长因子受体 (EGFR)（也称为 HER1/ErbB1）、人 EGFR2 (HER2/neu)/ERbB2、HER3/ErbB3 和 HER4/ErbB4。7 这四种 HER 受体在癌症中都发挥着重要作用，并通过细胞增殖、存活、迁移、粘附和分化促进肿瘤形成。活化 HER 的受体后信号传导包括四种代表性途径：Ras-Raf/丝裂原活化蛋白激酶 (MAPK) 和信号转导和转录激活 (STAT) 途径、磷脂酰肌醇 3-激酶 (PI3K)/蛋白激酶 B (AKT)/哺乳动物雷帕霉素靶蛋白 (mTOR) 途径和磷脂酶 Cγ (PLCγ) 途径。 EGFR 以及其他 HER 家族成员的突变、基因扩增和蛋白质过度表达与致癌作用有关。EGFR 和 HER2 的过度表达和/或突变在包括卵巢癌在内的多种实体肿瘤中都很明显，并且具有治疗意义。
通过计算机模拟研究 Lon 蛋白酶作为有希望的治疗靶点
考虑到抗生素耐药性的广泛存在，对新治疗策略的需求是不可避免的。细菌蛋白酶是一类广泛的酶，在细胞存活、应激反应和致病性中起着至关重要的作用。这项计算机模拟研究旨在关注 Lon 蛋白酶在调节大肠杆菌毒素-抗毒素系统中的关键作用，并设计针对该蛋白酶作用的抑制肽。借助相关服务器和软件，检查了 Lon 与相应抗毒素的通信网络、进化历史和相互作用，然后针对这些相互作用设计了抑制肽。结果表明，Lon 蛋白酶在控制这些系统中起着核心作用，是一种保守的蛋白质，尤其是在肠杆菌科中。设计的肽与 Lon 蛋白酶的对接结果具有重要意义。这项研究表明 Lon 蛋白酶可能具有新治疗靶点的特征。
社论：利用计算机方法发现抗癌药物的最新趋势
大量的药物研发工作集中于调节与癌症相关的分子通路，特别是涉及功能或表达改变的蛋白质的通路，这也为个性化医疗奠定了基础。在这种情况下，计算方法极大地支持了药物发现过程（ Rosales-Hernandez 等人，2012 年；Lavecchia 和 Di Giovanni，2013 年；Cerchia 和 Lavecchia，2023 年；Romanelli 等人，2024 年），在某些情况下代表了发现新型小分子疗法背后的驱动力。本研究主题收集了宝贵的贡献，展示了抗癌药物发现领域的成功案例，并强调了与变革性计算机模拟方法的协同作用。Marção 等人的研究文章报道了使用一类逻辑回归机器学习算法（OCLR）来估计人类癌细胞的干性，还提供了各种犬和乳腺癌细胞的干性指数。干细胞特性与癌症的发生和发展以及恶性肿瘤和治疗耐药性有关。随后，作者研究了小分子 (+)-JQ1 对溴结构域和末端外 (BET) 蛋白家族抑制的影响，以及随之而来的犬癌细胞干细胞特性抑制。通过分析公开数据，他们注意到人类三阴性乳腺癌细胞系 MDA-MB- 231 中也有类似的结果，从而指出通过 BET 抑制进行表观遗传调控是解决干细胞特性的一个有趣策略。这项研究为机器学习在理解化合物对癌症干细胞特性的影响方面的潜力提供了宝贵的见解，这对于开发靶向疗法至关重要。在 Menendez-Gonzalez 等人的文章中，作者描述了通过基于配体的虚拟筛选发现一种新型 GATA2 抑制剂，为急性髓细胞白血病 (AML) 治疗提供了一个有希望的途径。该研究通过基于形状的筛选和分子对接来识别潜在的 GATA2 抑制剂，随后进行体外和体内实验来评估对 AML 细胞的抑制作用。已识别的 GATA2 抑制剂化合物 11 带有取代的哌嗪骨架，通过诱导细胞凋亡和抑制细胞增殖表现出强大的抗 AML 活性。
二氢嘧啶酮衍生物作为环氧合酶-2（COX-2）抑制剂的生物活性：一种计算机模拟方法
炎症是免疫系统对有害刺激（如病原体、受损细胞、有毒化合物或辐射）的反应 1，其特征是发红、肿胀、发热、疼痛和组织功能丧失。 2 如果长期持续，可能会变成慢性，从而导致组织损伤和细胞死亡，引起各种退行性 3 和神经退行性疾病。 4 据世界卫生组织称，慢性炎症是世界上最主要的死亡原因。 5 预计未来 30 年与慢性炎症相关的疾病将继续增加。在世界范围内，五分之三的人死于与慢性炎症相关的疾病，例如中风、慢性呼吸道疾病、心脏病、癌症、肥胖症和糖尿病。 6 – 8
在真实的人类左心模型中对 MitraClip 进行计算机模拟分析
摘要：二尖瓣反流是一种常见的心脏瓣膜疾病，与高发病率和死亡率相关。使用 MitraClip 装置进行经导管二尖瓣修复已成为不适合常规手术的患者的一种安全有效的替代方法。然而，MitraClip 植入左心室的结构和血流动力学影响尚未得到广泛探索。本研究旨在使用高精度人体心脏模型评估 MitraClip 装置的结构和血流动力学性能，特别关注健康的二尖瓣几何形状。使用有限元法进行结构分析和使用格子波尔兹曼法进行计算流分析，模拟了 MitraClip 装置的植入。MitraClip 植入会引起二尖瓣的几何变化，导致受该装置约束的瓣叶区域主应力的局部最大值。血流动力学评估显示左心室壁附近有缓慢移动的嵌套螺旋流，心尖区域有高流速。涡流分析表明，在植入 MitraClip 后，二尖瓣的双孔面积配置会引起异常血流动力学状况。通过以患者特定的方式预测可能的不良事件和并发症，计算建模支持循证决策，并提高经导管二尖瓣修复的整体有效性和安全性。
从神经元到整个大脑的计算机模拟
In Silico 电影相当准确地追溯了详细大脑模型构建的时间线，以亨利·马克拉姆领导的蓝脑计划为代表。电影从项目开始一直延续到 2020 年，即项目启动 10 年后。电影还谈到了人脑计划 (HBP) 几年来的“历程”。这部电影当然是围绕亨利·马克拉姆展开的，他是这项研究的发起人。电影很好地展示了他是如何发起和构思蓝脑计划的。几乎自然而然，从一开始，HBP 也被描述为亨利的纯粹创作。作为 HBP 的创始成员之一，我想对电影中的一些误导性陈述进行一些更正和澄清，特别是关于他与 HBP 的互动，以及这两个项目截然不同的目标。正如 Idan Segev 所说，亨利是一位有远见的科学家，他是 HBP 的发起人，因为最初的想法、最初的愿景都来自他。然而，这部电影呈现的是“EPFL 观点”
从神经元到整个大脑的计算机模拟
In Silico 电影相当准确地追溯了详细大脑模型构建的时间线，以亨利·马克拉姆领导的蓝脑计划为代表。电影从项目开始一直延续到 2020 年，即项目启动 10 年后。电影还谈到了人脑计划 (HBP) 几年来的“历程”。这部电影当然是围绕亨利·马克拉姆展开的，他是这项研究的发起人。电影很好地展示了他是如何发起和构思蓝脑计划的。几乎自然而然，从一开始，HBP 也被描述为亨利的纯粹创作。作为 HBP 的创始成员之一，我想对电影中的一些误导性陈述进行一些更正和澄清，特别是关于他与 HBP 的互动，以及这两个项目截然不同的目标。正如 Idan Segev 所说，亨利是一位有远见的科学家，他是 HBP 的发起人，因为最初的想法、最初的愿景都来自他。然而，这部电影呈现的是“EPFL 观点”
新型小分子 MDM2 抑制剂的设计和计算机模拟研究
摘要：蛋白质-蛋白质相互作用 (PPI) 在许多疾病状况中起着核心作用。因此，靶向和调节 PPI 是治疗疾病的有效方法。癌症也是由于蛋白质-蛋白质相互作用而产生的。在癌症中，肿瘤抑制因子 p53 蛋白被 MDM2 蛋白抑制。p53 蛋白调节细胞周期和细胞凋亡。p53-MDM2 蛋白之间的相互作用导致 p53 功能的抑制。通过这种相互作用，MDM2 降解并抑制 p53 蛋白。因此，靶向和抑制 p53-MDM2 相互作用来治疗癌症是合理的方法。通过用药物靶向这种相互作用，我们可以选择性地杀死癌细胞而不是正常细胞。最近，许多研究人员和制药公司已经报道了 p53-MDM2 相互作用抑制剂药物。并且有几种药物进入了临床试验。在这项研究中，一种新型的 1,2,4-三唑基分子被设计为 MDM2 抑制剂并进行了计算机研究。我们设计了新型化合物 01 和 Lead 1a。在这项工作中，对 Lead 1a 和参考化合物（Nutlin 3a、RG7112）进行了计算机模拟研究。对新型 1,2,4-三唑基 Lead 1a 和参考化合物进行了分子对接研究。发现 Lead 1a 的对接得分优于 Nutlin 3a 并且接近 RG7112。对接研究还确定了各种可能的构象和结合亲和力值。这些结果表明 Lead 1a 是一种潜在的 MDM2 抑制剂和抗癌剂。
从硅中到体外：验证生物信息学发现的综合指南
索引术语 - 生物信息学，实验验证，基因表达，蛋白质 - 蛋白质相互作用，CRISPR，下一代测序，人工智能，多摩学，计算预测摘要 - 从了解生物学预测和实验验证在促进生物学的策略方面扮演生物信息信息预测和实验验证的作用。生物信息学工具和方法为预测基因功能，蛋白质相互作用和调节网络提供了有力的手段，但是必须通过实验方法来验证这些预测以确保其生物学相关性。本综述探讨了用于实验验证的各种方法和技术，包括基因表达分析，蛋白质 - 蛋白质相互作用验证和途径验证。我们还讨论了将计算预测转化为实验环境的挑战，并强调了生物启发性和实验研究之间协作的重要性。最后，新兴技术，例如CRISPR基因编辑，下一代测序和人工智能，正在塑造生物信息学验证的未来，并推动更准确，更加精确的生物学发现。
对重新定位药物和化学化合物的硅方法中电流的综述
药物重新定位是将现有治疗剂应用于新疾病适应症的新方法。由于成本高昂和开发新药的高失败率，继续使用现有药物进行治疗，尤其是抗肿瘤药物，已成为一种广泛的做法。在高通量测序技术的帮助下，已经提出并应用了许多有效的方法，并应用于药物重新定位和个性化肿瘤治疗。用于重新定位药物和化学化合物的当前计算方法可以分为四类：（i）基于特征的方法，（ii）基于矩阵分解的方法，（iii）基于网络的方法和（iv）基于逆转录的方法。在本文中，我们全面回顾了上述四类中广泛使用的方法。最后，我们总结了这些方法的优点和缺点，并指示了更敏感的计算药物重新定位方法和个性化肿瘤治疗的未来方向，这对于进一步的实验验证至关重要。