XiaoMi-AI文件搜索系统
World File Search SystemTTD
首席部长慰问遇难者家属
人员因骨折正在接受治疗。所有伤者均已脱离危险。首席部长 N Chandrababu Naidu 与蒂鲁帕蒂收税员 Venkateswarulu、SP Subba Rayudu 和 TTD 主席 Syamala Rao 举行视频会议，回顾了当前局势。首席部长指示部长 Anagani Satya Prasad、V Anita 和 Anam Ramanarayana Reddy 赶赴蒂鲁帕蒂监测局势。官员在蒂鲁帕蒂设立了一间控制室，电话号码为 08772236007，以便向亲属提供伤者和死者的信息。与此同时，安得拉邦省长 S Abdul Nazeer 对星期三在蒂鲁帕蒂排队时发生踩踏事件，造成六名朝圣者死亡，另有数人受伤表示悲痛和深切哀悼。省长指示官员为伤者提供更好的治疗设施，并向遇难者家属表示沉痛的慰问。政府宣布向踩踏事件遇难者家属提供 250 万卢比抚恤金
EHA 2024 真实世界布鲁顿酪氨酸激酶抑制剂...
结果：在指数期内共有 3064 名患者开始接受 BTKi 治疗（1L n=2815；2L+ n=249）。1L 患者的中位年龄（范围）为 72 岁（33-90 岁），2L+ 患者的中位年龄为 72 岁（42-89 岁）。1L 和 2L+ 患者中男性占比分别为 63.1% 和 65.5%。1L 患者中，49.3% 的患者接受 ibru 治疗，43.4% 的患者接受 acala 治疗，7.2% 的患者接受 zanu 治疗。2L+ 患者也观察到了类似的趋势。与 acala 或 zanu 相比，接受 1L ibru 治疗的患者中，出现心血管不良反应的患者更多；第 6 个月分别为 12.1%、7.6% 和 7.3%（P <0.05），第 9 个月分别为 14.6%、9.4% 和 8.5%（P <0.05）。在接受 1 线 ibru 治疗的患者中，12.7% 停止使用 ibru 并改用 acala 或 zanu。ibru 的 1 线 TTD 中位值短于 acala 或 zanu（表格）。在第 6 个月和第 12 个月，zanu 继续治疗的相关概率高于 ibru 或 acala（表格）。zanu 未达到中位 TTNT，而 ibru 为 30.2 个月，acala 为 35.8 个月。
使用 3D-UNet 架构进行 MRI 脑肿瘤分割和不确定性估计
摘要。3D 磁共振图像 (MRI) 中的脑肿瘤分割自动化是评估疾病诊断和治疗的关键。近年来，卷积神经网络 (CNN) 在该任务中表现出更好的效果。然而，高内存消耗仍然是 3D-CNN 的一个问题。此外，大多数方法不包括不确定性信息，这在医学诊断中尤其重要。这项工作研究了使用修补技术训练的 3D 编码器-解码器架构，以减少内存消耗并降低不平衡数据的影响。然后使用不同的训练模型来创建一个利用每个模型属性的集成，从而提高性能。我们还分别使用测试时间丢失 (TTD) 和数据增强 (TTA) 引入了体素不确定性信息，包括认知和随机信息。此外，提出了一种有助于提高分割准确性的混合方法。本论文提出的模型和不确定性估计测量已在 BraTS'20 挑战赛中用于肿瘤分割和不确定性估计的任务 1 和 3。
基于活动的CRIS扫描发现DNA甲基化维护机械的变构
抽象变构可以动态控制蛋白质功能。一个范式的例子是DNA甲基化维持的紧密策划过程。尽管变构站点具有根本的重要性，但它们的识别仍然是高度挑战。在这里，我们对基于基于活动的抑制剂Decitabine的基本维护甲基化机制进行了CRISPR扫描，以发现调节DNMT1的变构机制。与非共价DNMT1抑制相反，基于活性的选择暗示了DNMT1功能中催化结构域以外的许多区域。通过计算分析，我们从活跃位点的DNMT1远端中识别出涵盖多层自身抑制性界面和未表征的BAH2结构域的突变的远端突变点。我们将这些突变表征为功能获得，表现出增加的DNMT1活性。将我们的分析推送到UHRF1中，我们辨别了多个域中的功能收益突变，包括跨自抑制性TTD – PBR界面的关键残基。共同研究了基于活动的CRISPR扫描以提名候选变构站点的实用性，更广泛地介绍了新的分析工具，从而进一步完善了CRISPR扫描框架。
DRDO与40 ...
行业国防研发组织（DRDO）共享了一项技术，用于制造可生物降解的包装产品，使用PBAT（一种可生物降解的聚合物，源自石油产品或植物油），免费制作了40多个工业，并免费提供了40多个行业。DRDO的科学家K Veerabrahmam博士和他的团队开发了这项技术。基于PBAT的可生物降解包装提供了一种环保替代品，而不会损害质量。这些袋子在三个月内分解，没有有害残留物。与普通的聚乙烯袋相比，每公斤的生产成本约为160至180卢比，每公斤140卢比。“ DRDO及其合作伙伴旨在扩大生产和分销。这种方法可确保这种环保解决方案的好处吸引广泛的受众。”这些袋子现在用于分发tirupati laddus。DRDO主席Satish Reddy，以及Tirumala Tirupati Devasthanam（TTD）执行官Dr.Ks Jawahar Reddy和其他EO AV Dharma Reddy在Tirumala启动了一个独家销售柜台。该飞行员是在旅游目的地，沿海地区和其他地区进一步实施的模型。可生物降解的材料可用于医疗垃圾袋，围裙，垃圾袋，苗圃袋，收缩膜和包装膜。这项技术的专利正在进行中。https://www.deccanchronicle.com/southern-states/telangana/drdo-shares-biodegradable-packaging-tech-with-40-industries-1814691https://www.deccanchronicle.com/southern-states/telangana/drdo-shares-biodegradable-packaging-tech-with-40-industries-1814691
基于生物信息学探讨肥胖基因与疾病发生的关联性
方法：网络药理学和蛋白质 - 蛋白质相互作用网络可视化和富裕分析技术用于找到肥胖基因与其相互作用小的RNA和疾病之间的关联。disgenet，Genecards，TTD和OMIM数据库用于搜索与肥胖，糖尿病和乳腺癌相关的基因靶标，然后与UNIPROT数据库结合使用，用于基因去除和映射，肥胖和各种疾病的关键基因数据。使用Venny在线数据处理平台来获得肥胖和各种疾病之间的关联基因。相关基因是通过使用字符串在线分析平台构建目标蛋白质相互作用网络图和topoolosogogogogogopogogogogogogogogogogogogogogogogogogogogogogogogogogogogogogogogical构建基因，并通过Cytoscape软件进一步筛选了结果，以获得各种疾病与肥胖症之间具有牢固关联的核心目标基因。使用David在线数据库和微生物症的在线分析平台，通过GO和KEGG富含所获得的核心靶基因。结果：有460个肥胖胸癌交叉基因，607个肥胖糖果交叉基因，23个肥胖乳腺癌核心基因和24个肥胖糖核心核心基因。在此基础上，总共获得了与肥胖和乳腺癌有关的138个核心基因或miRNA。有144个与肥胖和糖尿病有关的核心基因或miRNA。本研究使用生物信息学方法来研究肥胖与糖尿病和乳腺癌的关系和潜在机制，然后为我们提供了一种新的观点，可以通过对miRNA的研究来了解与肥胖相关并发症的机制，并为我们提供了新的想法，以探索和改善治疗方法。
肥胖基因及其互作microRNA与疾病发生关联的生物信息学研究
目的：探索基于生物信息学的肥胖与疾病发生之间的关联。方法：主要目标是从相关疾病数据库（Genecards，TTD，Omim，Uniprot）中获得的，其中具有“肥胖”，“心血管疾病”，“心脏病”，“癌症”和“肝脏代谢障碍”的关键词。Based on the STRING database, the protein-protein interaction network of dis- ease and obesity cross-targets was constructed, the core targets were screened, and the DAVID data- base was used to analyze the gene ontology function (GO) and Kyoto Encyclopedia of Genes and Ge- nomes (KEGG) pathways, so as to predict the non-coding RNA and transcription factors acting on the core targets, and construct基因调节网络。结果：在肥胖和心血管疾病之间筛选了总共25个核心目标和58个相互作用的miRNA。有30个肥胖和心脏病的核心目标，有81个相互作用的miRNA。有25个肥胖和癌症的核心靶标，以及84个相互作用的miRNA。有30个肥胖和肝脏代谢疾病的核心靶标，还有73个相互作用的miRNA。肥胖和心血管疾病的核心靶标主要富含脂质，动脉粥样硬化，腺苷酸激活的蛋白激酶，信号传导途径等。肥胖和心脏病的核心靶标主要富含胆固醇代谢，脂质动脉粥样硬化和其他信号通路。肥胖和癌症的核心靶标主要在腺苷酸激活的蛋白激酶和磷脂酰肌醇3-激酶-akt信号通路中富含。肥胖和肝脏代谢性疾病的核心靶标主要富含非酒精性脂肪肝病和脂肪细胞因子信号通路。本研究为肥胖与疾病之间复杂关系的后续探索提供了一个新的方向和新思路。
解密荜茇的抗癌武器库
简介：肺癌的特征是肺组织内细胞增殖不受控制，是全球癌症相关死亡的主要原因。传统药草荜茇因其有据可查的抗癌特性而成为肿瘤学研究的重要竞争者，表明其具有开发新疗法的潜力。方法：本研究采用网络药理学和组学方法，通过识别荜茇的生物活性成分及其相应的分子靶点，阐明荜茇的抗肺癌潜力。结果：通过全面的文献综述和综合药用植物化学和治疗学数据库 (IMPPAT)，我们从荜茇中鉴定出 33 种生物活性分子。随后，使用 SwissTargetPrediction、SuperPred 和 DIGEP-Pred 等工具进行的分析有助于分离出 676 个潜在靶点，其中 72 个与通过治疗靶点数据库 (TTD)、人类在线孟德尔遗传 (OMIM) 和 GeneCards 等数据库确定的 666 个肺癌相关遗传标记相交。通过蛋白质-蛋白质相互作用 (PPI) 网络、基因本体论、通路分析、箱线图和总体生存指标的进一步验证强调了 7-表-eudesm-4(15)-ene-1 β、去甲氧基哌拉汀、3,4,5-三甲氧基肉桂酸甲酯、6-α-二醇和马兜铃二酮等化合物的治疗潜力。值得注意的是，我们的研究结果再次证实了肺癌基因（如 CTNNB1、STAT3、HIF1A、HSP90AA1 和 ERBB2）的重要性，这些基因对各种细胞过程至关重要，在癌症发生和发展中起着关键作用。分子对接评估显示 6-α-二醇与 HIF1A 之间存在明显的亲和力，强调了它们作为肺癌治疗剂的潜力。结论：这项研究不仅突出了 P. longum 的生物活性化合物，还加强了其抗癌机制的分子基础，为未来的肺癌治疗铺平了道路。
桉叶油素的分子机理分析……
目的：探讨桉叶油精柠檬蒎烯肠溶胶囊（QIENUO）治疗肺囊性纤维化（CPF）的作用机制，分析QIENUO与CPF的共同靶点，验证核心蛋白与小分子的分子对接。方法：从PubChem、SwissTargetprediction、GeneCards、PharmMapper、TCMSP数据库中获取主要活性化合物及其对应靶点，从GeneCards、OMIM、DisGeNET、TTD数据库中筛选与CPF相关的靶点。通过维生信网站利用基因本体论（GO）和京都基因与基因组百科全书（KEGG）对“QIENUO-CPF”共同靶点进行分析，利用Cytoscape构建蛋白质-蛋白质相互作用（PPI）网络和化合物-靶点-通路网络，并系统分析网络参数。采用分子对接方法评估并验证核心蛋白与单体成分之间的相互作用。结果：筛选出228个活性化合物靶点和1354个CPF相关靶点，对92个共同靶点进行GO和KEGG分析。结果显示，切诺对CPF的治疗作用主要通过AMPK信号通路、cGMP-PKG信号通路和TGF-β信号通路实现。分子对接结果显示，15对配体-受体对中，有9对的结合能低于-6kjmol-1。结论：切诺作为治疗肺囊性纤维化的药物具有巨大的潜力，研究和论证了切诺治疗CPF的具体分子机制和有效活性成分，为切诺更好的临床应用提供理论基础。关键词：网络药理学；分子对接；肺囊性纤维化；桉叶油素、柠檬烯、蒎烯肠溶胶囊
天花粉-当归-乳香-没药治疗乳腺癌的药物-靶点-疾病网络分析杨金清 1 ,†
摘要 本研究旨在利用网络药理学和分子对接方法探讨瓜蒌-当归-乳香-没药（TAFM）治疗乳腺癌的关键活性成分、潜在靶点及其分子机制。利用中药系统药理学数据库与分析平台（TCMSP）数据库获取TAFM的化学成分和相关靶点；利用GeneCards、OMIM、Drugbank和治疗靶点数据库（TTD）等数据库识别乳腺癌相关靶点；利用Cytoscape 3.9.1软件和STRING（Search Tool for the Retrieval of Interaction Gene/Proteins）数据库可视化药物成分-靶点-疾病和蛋白质相互作用网络，筛选核心成分和关键靶点。使用DAVID（Database for Annotation, Visualization and Integrated Discovery）数据库进行基因本体论（GO）和京都基因和基因组百科全书（KEGG）分析，使用AutoDock和PyMOL软件进行分子对接。发现TAFM在治疗乳腺癌中的关键活性成分包括β-谷甾醇、豆固醇、鞣花酸、天竺葵素和矮牵牛素，共鉴定出ESR1、VEGFA、PTGS2、HSP90AA1、CASP3等38个关键靶点和枢纽基因。分子对接结果证实豆固醇和胱天蛋白酶3（CASP3）是相关最密切的靶点。GO富集分析显示，参与的生物学过程主要包括药物反应、凋亡过程的正向调控和基因表达双向调控等。KEGG通路分析揭示了与癌症、炎症及感染相关疾病相关的通路的参与。研究结果提供了支持性证据，表明β-谷甾醇、豆固醇、鞣花酸、天竺葵素和矮牵牛素代表TAFM的关键生物活性成分，通过调节雌激素受体α（ESR1）、血管内皮生长因子A（VEGFA）、前列腺素-内过氧化物合酶2（PTGS2）、热休克蛋白90α（HSP90AA1）和CASP3在治疗乳腺癌中表现出抗乳腺癌活性。