XiaoMi-AI文件搜索系统
World File Search Systemceu
DCTD的生物制药开发和生产...
经常将产品用于核对毒理学和输注稳定性研究▪临床前安全研究：范围发现，毒理学，生物分布▪CGMP制造：QC/QA释放-COA，COA，CMC，IND IND提交▪实时稳定性：实时稳定性：将检测释放分析的子集，将检测DECTECTECTECT DECTECTICT和DIVARDATION和
用于肿瘤成像的叶酸受体靶向 PET 放射性药物的开发——从实验室到临床的历程
摘要：叶酸受体-α（FR-α）在许多上皮癌中过度表达，包括卵巢癌、子宫癌、肾癌、乳腺癌、肺癌、结肠癌和前列腺癌，但在肾脏、唾液腺、脉络丛和胎盘等正常组织中表达有限。因此，FR-α已成为向FR阳性肿瘤输送治疗剂和成像剂的有希望的靶点。已经开发了一系列基于叶酸的PET（正电子发射断层扫描）放射性药物，用于选择性靶向FR阳性恶性肿瘤。本综述概述了迄今为止关于叶酸衍生的PET放射性结合物的设计、放射合成和用于靶向FR阳性肿瘤的效用的研究进展。本文主要介绍了用氟-18（t 1 / 2 = 109.8 分钟）和镓-68（t 1 / 2 = 67.7 分钟）标记的叶酸放射性结合物的结果，但也讨论了用“外来”和新 PET 放射性核素标记的叶酸，例如铜-64（t 1 / 2 = 12.7 小时）、铽-152（t 1 / 2 = 17.5 小时）、钪-44（t 1 / 2 = 3.97 小时）、钴-55（t 1 / 2 = 17.5 小时）和锆-89（t 1 / 2 = 78.4 小时）。对于肿瘤成像，迄今为止报道的 PET 放射性标记叶酸中，除了 [ 18 F]AzaFol 之外，没有一种完成了从实验室到临床的旅程，该药物在一项多中心首次人体试验中成功用于转移性卵巢癌和肺癌患者。然而，在不久的将来，我们预计会有更多基于叶酸的 PET 放射性药物的临床试验，因为临床对成像和 FR 相关恶性肿瘤的治疗越来越感兴趣。
附加当事人药品审评司，...
由日本医疗研究发展机构 (AMED) 资助的药品和医疗器械监管科学研究“审查有关国内主方案临床试验实施的监管、统计和实际问题并制定其正确使用的指南”（由东京医科齿科大学医学和齿科研究生院临床生物统计学系教授 Akihiro HIRAKAWA 博士领导）已汇编成附录，题为“在药物开发中使用主方案试验的考虑因素”。
用于药妆的新型酪氨酸酶抑制剂
摘要 近年来，护肤品的开发日益增多。含有经证实有效的活性成分的化妆品配方，即药妆，是基于各种化合物，包括肽。具有抗酪氨酸酶活性的不同美白剂已应用于药妆领域。尽管它们很容易获得，但由于毒性、稳定性差等因素，其适用性往往受到限制。在这项工作中，我们展示了缩氨基硫脲 (TSC)-肽结合物对二酚酶活性的抑制作用。三肽 FFY、FWY 和 FYY 通过酰胺键形成在固相中与三种带有一个或两个芳香环的 TSC 结合。然后在鼠黑色素瘤 B16F0 细胞系中检查化合物作为酪氨酸酶和黑素生成抑制剂的作用，然后对这些细胞进行细胞毒性测定。计算机模拟研究解释了测试化合物之间观察到的活性差异。 TSC 1 结合物在微摩尔水平上抑制蘑菇酪氨酸酶，IC 50 低于广泛使用的参考化合物曲酸。到目前为止，这是第一份关于合成用于酪氨酸酶抑制目的的硫脲与三肽结合的报告。
制药行业的AI准备就绪 - 最终报告
AI in the innovation pipeline..................................................................................................... 5 Corporate AI readiness.............................................................................................................. 7 External collaborations in AI................................................................................................... 11 Conclusions and recommendations............................................................................................14
药品剂型-CBSPD
inscefflation：它们是一类用于应用体腔的粉末，例如耳朵，鼻子，阴道等。粉末必须非常细，必须找到足够深的腔的入口，以便在现场进行动作。，它借助称为“灭绝机”的设备，将其传递到溪流中的受影响部分，该设备将粉末吹到现场。某些不足含有挥发性液体成分，可能需要在粉末中分布均匀。不应通过蒸发去除去小部分中存在的主动挥发性液体，而应仅通过粉末中的三项掺入。制药行业包装以加压形式的不足，即气溶胶。气溶胶包含具有合适阀的粗壮容器中的药物，粉末的输送是通过非常低的沸点的液化或压缩气体推进剂来完成的。在按下阀的执行器时，推进剂将药物在流中输送。
机器学习筛查工具，用于预测废水中药物化合物的提取产率
药物化合物已成为废水中越来越重要的污染物来源，因为它是传统的处理方法无效地去除它们的方法，因此它们通常被放入环境中。可以使用液体液体提取成功去除药物，并且可以使用宇宙RS预测相互作用并识别最有前途的溶剂。但是，COSMO热模型无法解释关键过程参数，从而降低了这些计算模型的准确性。因此，需要替代计算方法来准确预测可以纳入处理和相互作用变量的药物的提取产率。这项工作使用机器学习来预测使用八种溶剂的11种药物的提取产率。探索了六个回归模型和两个分类模型。使用ANN回归器（测试MAE：4.510，测试R 2：0.884）和RF分类器（测试精度：0.938，测试召回：0.974）获得了最佳性能。RF回归分析和分类还显示了关键的提取产率特征：溶剂与喂养比，N - 辛烷 - 水分系数，氢键，氢键和范德华对多余的焓的贡献，以及pH距离至最近的PKA。机器学习显示为筛选和选择最有希望的溶剂和过程条件的绝佳工具，以从废水中去除药物。