XiaoMi-AI文件搜索系统
World File Search SystemSilico
使用生成ai
癌症源自基因组的改变，了解这些变化如何导致疾病对于实现精确肿瘤学的目标至关重要。将基因组改变与健康结果联系起来需要使用准确的算法进行广泛的计算分析。多年来，这些算法已经变得越来越复杂，但是绝对的开放访问金标准数据集的严重短缺提出了一个基本挑战。由于基因组数据被视为个人健康信息，因此只能共享和重新分布一定数量的深入测序遗留癌症基因组。因此，工具基准测试通常是在与较旧技术和不确定基础真相的相同基因组集上进行的。这是开发改进分析工具的主要障碍。为了解决这个问题，我们开发了Oncogan，这是一种新型的生成AI工具，它结合了生成性对抗网络和表格变异自动编码器，以基于源自大规模基因组项目的训练集生成现实但完全合成的癌症基因组。我们的结果表明，这种方法准确地再现了多种常见癌症类型的体细胞突变，拷贝数改变和结构变异的规模，分布和特征，同时保护捐助者的隐私信息。Oncogan准确地概括了肿瘤类型特异性突变特征以及体细胞突变的位置分布。为了评估模拟的保真度，我们使用DeepTumour测试了合成基因组，该软件能够根据突变模式识别肿瘤类型，并证明了合成基因组肿瘤类型和DeepTumour类型的预测之间的一致性很高。我们还表明，使用Oncogan生成的合成数据增加实际供体数据可用于训练更准确的DeepTumour版本。
计算机药物遗传学 CYP2D6 研究重点关注草药抗抑郁药的药物警戒
全球范围内抑郁症发病率逐年上升，同时使用替代药物治疗的人数呈上升趋势，这要求我们制定可靠的草药安全档案。将草药与处方药结合使用时，会产生相当大的不良反应风险。大约 25% 的药物（包括许多抗抑郁药）的代谢和相应疗效都依赖于 CYP2D6 的活性。因此，探究草药中活性物质在野生型酶和临床相关等位基因变体中对 CYP2D6 的抑制作用对于避免毒性问题至关重要。在这项计算机模拟研究中，我们利用分子对接分析了几种被认为具有抗抑郁活性的草药化合物的 CYP2D6 野生型和 CYP2D6*53 抑制潜力。此外，还评估了几种药代动力学特性，以评估它们穿过血脑屏障的概率，并随后达到足够的脑生物利用度以调节中枢神经系统目标，以及可能暗示潜在安全问题的特征。
从计算机模拟到体外：验证生物信息学结果的综合指南
索引词——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、多组学、计算预测摘要——生物信息学预测和实验验证的结合在推动生物学研究中起着关键作用，从理解分子机制到制定治疗策略。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控网络提供了强有力的手段，但这些预测必须通过实验方法来验证，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通路验证。我们还讨论了将计算预测转化为实验环境所面临的挑战，并强调了生物信息学与实验研究合作的重要性。最后，CRISPR 基因编辑、下一代测序和人工智能等新兴技术正在塑造生物信息学验证的未来，并推动更准确、更高效的生物学发现。
在无模拟海马避免硅的硅试验中
背景和目的：避免海马 - 整个脑放射疗法（HA-WBRT）可能是一个耗时的过程，与常规的全脑技术相比，因此有可能限制广泛利用。因此，我们通过利用计算机断层扫描（CT）基于计算机的商业自适应放射疗法（ART）平台和工作流程来创建和交付不含患者特定于患者的无模拟HA-WBRT，通过剂量 - 体积指标和时间来评估了In In In In In In In In In inico临床可行性。材料和方法：这项研究包括了十名先前接受过具有锥束计算机断层扫描（CBCT）成像的中枢神经系统癌症治疗的患者。CBCT是模拟第一部分板载成像的自适应图像。在MRI上定义的初始轮廓与CBCT匹配。在线艺术是在第一部分制定治疗计划的。将这些无模拟计划的剂量 - 体积指标与每个患者CT仿真数据集中的标准工作流程HA-WBRT计划进行了比较。记录了自适应计划会话的定时数据。结果：对于所有十名患者，无模拟的HA-WBRT计划通过在线艺术工作流程成功地制定了所有限制。在自适应计划中，海马中位数100％为7.8 Gy（6.6 - 8.8 Gy），而标准工作流计划中的8.1 Gy（7.7 - 8.4 Gy）。由于海马约束（6/10自适应分数）和亚最佳目标覆盖范围（6/10自适应片段），所有计划都需要在第一部分进行自适应。自适应课程的中间时间为45.2分钟（34.0 - 53.8分钟）。结论：通过计划质量指标和时间安排在临床上可行的无模拟Ha-wbrt在临床上是可行的。
解锁在设计针对SARS-COV-2
抗体自然产生了免疫系统为与入侵入侵者作斗争的保护蛋白。几个世纪以来，它们已被人为地生产并用来消除各种传染病。鉴于Covid-19-Pandemics在全球范围内构成的持续威胁，抗体已成为防止感染和挽救数百万生命的最有前途的治疗方法之一。当前，在计算机技术中，为开发抗体提供了一种创新的方法，从而显着影响抗体的制剂。这些技术通过使用计算工具和算法开发了针对诸如SARS-COV-2等疾病的特异性和效力的抗体。用于设计和开发抗体的常规方法通常是昂贵且耗时的。但是，在计算机方法中，提供了一种当代，有效和经济的范式来创建下一代抗体，尤其是根据生物信息学的最新发展。通过利用多种抗体数据库和高通量方法，可以在硅中设计独特的抗体构建体，从而促进精确，可靠和安全的抗体开发，以供人类使用。与传统上开发的等效物相比，大量由硅固定的抗体已迅速发展为临床试验，并更快就可以使用。本文通过使他们可以访问有关抗体创建的计算方法的当前信息，从而帮助研究人员更快，更迅速地开发SARS-COV-2抗体。
在二氧化硅研究中的作用中
在编码与自噬相关的蛋白质的基因中的突变，例如ATG（英语，自噬基因基因）基因，对于在细胞降解过程中自动吞噬体的形成和功能至关重要（10），可能导致有缺陷的分子或多余的自由基的积累。这会损害细胞，从而导致DNA不稳定并促进亲构环境（20）。HMGB1蛋白在调节自噬中起着至关重要的作用，直接与ATG蛋白相互作用以促进自动尾象体的形成（10）。因此，HMGB1多态性会影响自噬的效率，从而损害细胞正确确定的能力。因此，可能存在异常蛋白质和细胞废物的积累，形成有助于癌症发展的微环境（20）。
神经：一种多模式的方法，用于生成硅中的新蛋白质变体
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权持有人，该版本于2024年3月14日发布。 https://doi.org/10.1101/2024.03.12.584504 doi：Biorxiv Preprint
在计算机分析中揭示了推定的Mitovires的新型进化谱系
抽象的Mitoviruses（Mitoviridae家族）是在真菌和植物的线粒体中代表的小无衣壳RNA病毒。迄今为止，唯一的真实的动物米托病毒被鉴定为Lutzomyia longipalpis mitovirus 1（Lulmv1）。来自几种动物的转录组研究的公共数据库可能是识别经常错过的Mitovires的好来源。因此，在NCBI转录组shot弹枪组装（TSA）库中搜索类似于Mitovirus的转录本，以及对先前在NCBI非冗余（NR）蛋白质序列库中记录的Mito-病毒的搜索，以识别与动物相关的类似Mitovirus序列。在TSA数据库中总共确定了10个新的推定中病毒，在NR Pro-te-te-te-Te-Te-Teperin数据库中总共确定了5个推定的Mitovires。据我们所知，这些结果代表了与Poriferan，Cnidarians，echinoderms，Crustaceans，Myriapods和Arachnids相关的推定线病毒的第一个证据。根据使用最大似然法的不同系统发育推论，这18种推定的线索病毒与LULMV1（唯一已知的动物感染线虫病毒）形成了强大的单系谱系。基于计算机程序中的这些发现，证明了与动物相关的一系列推定的mitovirus的有力证据，这些枝条被临时命名为“ kvinmitovirus”。
使用 AlphaFold 对寄生虫克氏锥虫进行药物靶点的计算机模拟探索
恰加斯病是一种由克氏锥虫引起的、被忽视的毁灭性疾病，影响着全球数百万人。现有的两种抗寄生虫药物硝呋莫司和苯并硝唑对感染的急性期有良好的疗效。但急性期疗效较差，通常无症状，因此经常无法诊断。治疗大多发生在慢性期，即出现危及心脏和/或消化系统的致命症状时。此后，这两种药物的疗效都会降低，而且长期服药常常会产生不良反应，影响治疗依从性。因此，迫切需要发现更安全、更有效的药物。尽管与最近使用的表型筛选相比，基于靶标的新型抗寄生虫分子的鉴定具有优势，但由于注释不完整以及缺乏寄生虫蛋白质空间结构，因此受到阻碍。目前，AlphaFold 蛋白质结构数据库拥有 19,036 个来自克氏锥虫的蛋白质模型，这些模型不仅可以成为描述新治疗方法的关键，还可以阐明已知化合物的分子作用机制。在这项概念验证研究中，我们筛选了 AlphaFold 克氏锥虫预测蛋白质模型集，以使用基于对接的逆向虚拟筛选为预先选择的已知抗锥虫活性的化合物列表寻找潜在靶标。详细分析了最有希望的配体的最佳受体（靶标），以解决分子相互作用和潜在药物的作用方式。结果深入了解了化合物及其靶标的作用机制，并为寻找新化合物或优化现有化合物的新策略铺平了道路。
在计算机药物中重新利用青霉素靶向SARS-COV-2 的主要蛋白酶mpro
摘要背景：SARS冠状病毒-2（SARS-COV-2）感染引起新型冠状病毒病（Covid-19）。这是一种呼吸道感染，目前在全球范围内成为大流行，影响了超过500万人。到目前为止，尚无用于疾病管理的治疗或疫苗。主要蛋白酶，SARS-COV-2中的M Pro是许多科学家探索的可药物目标。我们使用众所周知的使用计算工具的药物重新利用方法来针对这一点。方法：Schrödinger软件用于研究。配体是通过将其导入使用LIGPREP优化的Maestro图形用户相间的大师图形用户中间，并使用OPLS3E力场最小化的分子几何形状来制备。m Pro Crystal结构6LU7从PDB下载并进行了优化。分子使用滑行对接中的Covdock模块对接。此外，使用Desmond模块对100 ns进行了分子动力学模拟。结果：在对接和分子相互作用研究中，青霉素通过形成亲水性，疏水性，静电相互作用而成为具有一致结合模式的命中。分子动力学模拟证实了相互作用。苯氧基甲基苯基霉素和卡替霉素的相互作用始终如一，并且似乎是最有前途的。结论：通常，由于抗性的发展，抗生素不愿在病毒大流行中使用。azithromycin与羟氯喹结合使用，以治疗COVID-19。青霉素对大多数细菌感染的有效和一线抗生素。这项研究表明苯氧基苯甲酰甲基霉素和卡替霉素可以与羟氯喹一起尝试。此外，这项研究显示了使用计算机辅助的对接工具和β-内酰胺在Covid-19中的潜在作用的药物重新利用的探索。