摘要 据报道,抑制 NADPH 氧化酶 4 (NOX4) 可减轻糖尿病引起的 β 细胞功能障碍并提高体外存活率,以及抵消高脂饮食引起的小鼠葡萄糖不耐受。我们研究了选择性 NOX4 抑制剂 GLX7013159 在移植了人类胰岛的无胸腺糖尿病小鼠体内 4 周的抗糖尿病作用。在整个治疗期间,接受 GLX7013159 治疗的小鼠的血糖和水消耗量均降低。此外,GLX7013159 治疗可改善胰岛素和 c 肽水平,提高胰岛素分泌能力,并大大降低胰岛素阳性人类细胞的凋亡率(以胰岛素和裂解的 caspase-3 的共定位来衡量)。我们得出结论,GLX7013159 抑制 NOX4 的抗糖尿病作用在体内长期研究期间也得到观察到,这可能是由于人类 β 细胞存活率和功能的提高。
糖尿病治疗方案已大大改善,但是,仅在美国,近200万人患有1型糖尿病(T1D),并且仍然依赖多次每日胰岛素注射和/或连续的胰岛素输注,可用于泵送以保持活力,无需提供口服药物。在专注于T1D的免疫抑制/免疫调节方法上,现在很明显,至少在疾病发作之后,这本身可能不足以舒服,并且为了有效的疗法,还需要解决β细胞健康。本观点文章讨论了这种靶向β细胞的出现,针对硫氧还蛋白相互作用蛋白(TXNIP)的新型口服T1D药物(TXNIP)的出现,以及该领域的最新进展开始解决这一未满足的医疗需求。因此,它的重点是重新利用降压药的重新利用,该药物被发现非特异性抑制txnip和Tix100,这是一种新的化学实体,这是一种针对口服抗糖尿病药物抑制TXNIP的口服抗糖尿病药物。在临床前研究中均显示出惊人的抗糖尿病作用。Verapamil也已被证明对成人和最近发作T1D的儿童有益,而Tix100刚刚被美国食品药品监督管理局(FDA)清除,以进行临床试验。总的来说,我们建议单独或与免疫调节方法结合使用这种非免疫抑制,辅助疗法,对于为了实现T1D的有效耐用性疾病治疗而言至关重要。
随着全球气候变化和人类活动对陆地生态系统的日益增长,了解高山草原生态系统及其影响因素的质量对于有效的生态系统管理和改善人类福祉是至关重要的。但是,基于多标准评估的高山草原的当前自适应管理计划有限。这项研究利用了77个采样点,无人机遥感和卫星遥感数据的领域研究,根据植被和土壤指示器构建高山草原质量指数,并评估生态系统的弹性和压力。评估表明,藏族高原的高山草原被分为五个区域,表明质量和压力水平的显着差异。关键发现表明,高质量的压力区占高山草甸面积的41.88%,占高山草原的31.89%,而质量改善限制区则占相应区域的21.14%和35.8%。该研究建议基于质量水平的高山草原的分级保护和恢复策略:优先考虑高质量的草原,对中等优质草原的动态监测和增强,并应用人工干预措施以及适合低品质草原的物种。这项研究强调了基于分区的自适应策略对可持续生态系统管理的重要性,并为在藏族高原的有效管理和保护高山草原提供了宝贵的见解。
扩展数据图 1. 使用 RFdiffusion 设计 β 链配对支架。为了充分利用 RFdiffusion 的多样化生成潜力,同时鼓励在设计输出中使用 β 链界面,我们实现了一种界面调节算法,该算法可根据简单的用户输入生成 SS/ADJ 调节张量。该模型以张量的形式理解折叠调节,这些张量标记每个残基(a,顶部和左侧)的二级结构(蓝色)以及这些二级结构块的邻接关系(a,黄色中心)。用户指定的参数指定了以下信息:结合剂界面二级结构块(在本例中为 β 链)、该块的长度(b,结合剂张量 L 中的青色块)以及结合剂块相邻的靶位残基(b,靶位张量 T 中的青色块)。根据这些预定义参数,该算法随机采样结合剂界面二级结构块在残基索引空间中的位置,同时保持与指定靶位残基的确定邻接关系(绿色)。该用户定义的调节张量将扩散输出导向β链配对的结合物-靶标界面 (c)。此前,RFdiffusion 界面设计计算可以针对指定为靶标“热点”的特定残基,以指定要结合的靶标残基。而这种新的链间 SS/ADJ 调节功能,使用户能够在结合物支架生成过程中指定“β链热点”或“ɑ-螺旋热点”。基于扩展的结合物-靶标 SS/ADJ 张量调节的结合物支架输出,支持用户指定 β 链界面类型的设计。
在某些必需震颤(ET)的患者中,据报道,丘脑腹中间核的深脑刺激的有效性部分丧失,这可能是由于永久性刺激的习惯。这项研究的重点是随着时间的流逝,VIM局部势势(LFP)数据的演变,以评估基于丘脑活性的闭环治疗的长期可行性。我们使用Activa™PC + S(Medtronic Plc。允许同一区域的记录和刺激。特别注意描述LFP的演变,随着刺激的关闭后,手术后的3个月到24个月。We demonstrated a significant decrease in high-beta LFPs amplitude during movements inducing tremor in comparison to the rest condition 3 months after surgery (1.91 ± 0.89 at rest vs. 1.27 ± 1.37 µV 2 /Hz during posture/action for N = 8/10 patients; p = 0.010), 12 months after surgery (2.92 ± 1.75 at rest vs. 2.12 ± 1.78 µV n = 7/10患者的姿势/动作期间为2/Hz; p = 0.014)和手术后24个月(静止时为2.32±0.35 vs 0.75±0.78 µV 2/Hz 4/6患者的姿势/动作; p = 0.017)。在关闭刺激时表现出显着降低高βLFP振幅的患者中,在随访期间至少观察到了这一现象两次。尽管在诱导震颤过程中高βLFPS振幅的这种降低的程度可能会随着时间而变化,但这种运动的丘脑生物标志物可能长期用于闭环治疗。
对诱导的,特定于频率的神经活动的经典分析通常在试验中平均带限制功率。 最近,已广泛理解的是,在个别试验中,β频段活性是作为瞬态爆发而不是振幅调节的振荡而发生的。 大多数Beta爆发研究将它们视为单一,并具有刻板印象的波形。 但是,我们表明爆发形状各不相同。 使用爆发产生的生物物理模型,我们证明了波形可变性是通过产生β爆发的突触驱动器的可变性来预测的。 然后,我们使用一种新颖的自适应爆发检测算法来识别基于操纵杆的到达任务中记录的人类MEG传感器数据的爆发,并应用主成分分析以爆发波形来定义一组维度或图案,以最能解释波形方差。 最后,我们证明了特定范围的波形图案的突发,生物物理模型未完全解释的波形基序,差异化有助于运动相关的β动力学。 感觉运动β爆发不是均匀的事件,并且可能反映了不同的计算过程。对诱导的,特定于频率的神经活动的经典分析通常在试验中平均带限制功率。最近,已广泛理解的是,在个别试验中,β频段活性是作为瞬态爆发而不是振幅调节的振荡而发生的。大多数Beta爆发研究将它们视为单一,并具有刻板印象的波形。但是,我们表明爆发形状各不相同。使用爆发产生的生物物理模型,我们证明了波形可变性是通过产生β爆发的突触驱动器的可变性来预测的。然后,我们使用一种新颖的自适应爆发检测算法来识别基于操纵杆的到达任务中记录的人类MEG传感器数据的爆发,并应用主成分分析以爆发波形来定义一组维度或图案,以最能解释波形方差。最后,我们证明了特定范围的波形图案的突发,生物物理模型未完全解释的波形基序,差异化有助于运动相关的β动力学。感觉运动β爆发不是均匀的事件,并且可能反映了不同的计算过程。
OITA大学和日本的Eisai Co.宣布开发机器学习模型,以预测淀粉样蛋白β(A?)在大脑中积累,结合了背景数据,例如年龄,性别,吸烟史和病史,以及一般血液测试和小型精神状态检查(MMSE)项目。该模型有望使初级保健医师预测大脑A的积累?,在常规体检期间,哪个是阿尔茨海默氏病(AD)的重要病理因素,并促进AD的简单早期筛查。