XiaoMi-AI文件搜索系统
World File Search SystemTOPK
靶向TOPK将肿瘤细胞敏感到辐射 - ...
抽象T-LAK原始的蛋白激酶（TOPK）过表达是多种癌症的特征，但在大多数表型正常组织中都没有。因此，Topk表达效果和靶向TOPK靶向药剂的发展增强了对目标疗法发展的未来潜力的希望。在本文中提出的结果证实了TOPK作为治疗实体瘤的潜在目标，并证明了与放射治疗结合使用时TOPK抑制剂的效率（OTS964）。使用H460和CALU-6肺癌异种移植模型，我们表明，TOPK的药物抑制作用增强了分馏辐射的效率。此外，我们还提供了体外证据表明，在S阶段，TOPK在迄今为止扮演着未知的作用，表明TOPK耗竭会在复制应力和外源性DNA损伤的条件下增加叉子的失速和塌陷。显示TOPK的瞬时敲低可损害叉子失速中的恢复，并增加与H460肺癌细胞中复制相关的单链DNA灶的形成。我们还表明，TOPK与CHK1和CDC25C直接相互作用，这是检查点信号传导路径中的两个关键参与者在复制叉倒塌后激活。因此，这项研究提供了对TOPK活性支持癌细胞存活的机制的新见解，从而促进了对复制应力和DNA损伤的响应检查点信号传导。
PBK/TOPK：具有多种治疗潜力
简单摘要：癌症是全球一个主要的公共卫生问题，解决其发病率，死亡率和患病率是迈向适当控制措施的第一步。在过去的几十年中，许多药理学家一直致力于确定抗癌目标和药物开发策略。在这个时间范围内，已经开发出许多天然化合物来通过靶向激酶（例如AKT，Aurka和Topk）来抑制癌症的生长。激酶测定和计算机建模被认为是有效且有力的目标筛选工具，因为它们可以预测小分子与其生物分子靶标之间的物理相互作用。在本综述中，我们总结了针对TOPK的抑制剂和化合物，并描述了其在癌症进展中的作用。研究了TOPK对癌症的贡献的广泛研究表明，它可能是癌症治疗的有希望的靶标。
fMRI分析的可解释的脑形神经网络
摘要。了解某些大脑区域与特定神经系统疾病或认知刺激的关系是神经成像研究的重要领域。我们提出了Braingnn，即图形神经网络（GNN）框架，以分析功能磁共振图像（fMRI）并发现神经生物标志物。考虑到大脑图的特殊特性，我们设计了利用fMRI的拓扑和功能信息的新型Roi Aware图（RA-GCONV）层。以医学图像分析需要透明度的启发，我们的Braingnn包含ROI选择池层（R-池），突出显示了显着的ROI（图中的节点），因此我们可以推断哪些ROI对预测很重要。此外，我们提出了正则化项 - 单位损失，TOPK PORING（TPK）损失和组水平一致性（GLC）损失 - 在汇总结果上鼓励有理由ROI选择，并提供灵活性，以保留个人或组级别的模式。我们将BRAINGNN框架应用于两个独立fMRI数据集：自闭症谱障碍（ASD）fMRI数据集和人类Connectome Project（HCP）900主题释放。我们投资超参数的不同选择，并表明Braingnn在四个不同的评估指标方面优于替代fMRI图像分析方法。获得的社区聚类和显着的ROI检测结果表明，与ASD和特定任务状态为HCP解码的ASD和特定任务状态的生物标志物的先前神经成像衍生的证据相应很高。
fMRI分析的可解释的脑形神经网络
摘要。了解哪些大脑区域与特定的1个神经系统疾病或认知刺激有关，一直是神经成像研究的重要领域。我们提出了Braingnn，这是一个图神经网络-3工作（GNN）框架，以分析功能磁共振图像4（fMRI）并发现神经生物标志物。考虑到大脑图的特殊5属性，我们设计了新型的Roi Awaw Agraw consolu-6 Tional（RA-GCONV）层，以利用fMRI的拓扑和功能7信息。是在需要透明度的透明度分析中的动机中，我们的braingnn包含ROI选择的池池9 ers（R-Pool），突出了显着的ROI（图中的节点），因此10我们可以推断出哪个ROI对预测很重要。此外，我们11提出正则化项 - 单位损失，TOPK PORING（TPK）损失和12个组级别的一致性（GLC）损失 - 通过汇总结果，以鼓励13个可追溯的ROI selection，并提供完全14个个人或与小组级别数据一致的单个个人或模式。我们将15个BRAINGNN框架应用于两个独立的fMRI数据集：自闭症16频谱障碍（ASD）fMRI数据集和人类Con-17 Nectome Project（HCP）900主题释放的数据。我们研究了超参数的18种选择，并表明Braingnn优于19的替代fMRI图像分析方法，该方法在四个不同的20个ENT评估指标方面。获得的社区聚类和显着的21 ROI检测结果表明，与先前的22个神经影像学衍生的ASD和特定任务的生物标志物的证据相应很高。23为HCP解码的状态。25接受后，我们将公开公开24。