XiaoMi-AI文件搜索系统
World File Search Systemdiscovery
wp-genai-suoldus-suger-discovery-nvidia-bionemo.pdf
# Setting ngc config $ ngc config set # Downloading approrpriate model $ python download_models.py --download_dir /workspace/bionemo/models megamolbart # Starting the container with bionemo image $ docker run -d -p :6006:6006 -p :8888:8888 --mount type = bind，source =/dev/shm，目标=/dev/shm -v/biotest/data：/data -v/biotest/result/result/result：/result -It -gpus -gpus ash aul nvcr.io/nvidia/clara/clara/bionemo-frame工作：1.4.1 bash
基于类别的药物发现方法
ATP 结合盒 (ABC) 转运蛋白是一个庞大的、系统发育保守的基因家族，具有广泛的生理和病理相关性。目前，囊性纤维化跨膜传导调节器 (CFTR) 是唯一被批准药物靶向的 ABC 转运蛋白。这些针对 CFTR 的药物化合物可以直接解决驱动 CF 的潜在遗传缺陷，并重建氯离子转运，从而显著改善肺功能。对这些变革性 CF 疗法的分子作用机制 (MoA) 的深入了解表明 ABC 家族作为治疗靶点的潜力更大，为开发用于治疗人类疾病的新型一流药物打开了大门。在 Rectify，我们已经建立了一种基于类别的药物发现方法，利用对 ABC 转运蛋白超家族的了解来推动新型类药物分子的鉴定。在这里，我们描述了我们的发现平台的组件，并说明了如何应用这些组件来识别正功能调节剂 (PFM) 并确定 ABC-T 蛋白质组中关键靶标的药物可行性。这些支持性发现工具包括一个定制合成的专有化合物库 (RectifyER)，该库是根据先前显示可增强 ABC 转运蛋白表达、运输和运输功能的化学基序设计的。RectifyER 库以及大型多样性库使用一种多功能、高通量筛选方法进行筛选，该方法可以快速应用于任何 ABC 转运蛋白靶标，包括野生型转运蛋白以及携带关键患者突变的转运蛋白。另外一套检测方法表征了药物对转运蛋白功能的影响以及药物作用机理。还建立了低温电子显微镜基因到结构管道，以近乎实时地生成关键配体复合物的高分辨率结构，以推动支架优先级排序和化学设计。最后，开发预测性转化模型（包括细胞和动物模型）对于项目推进和开发候选药物的选择至关重要。我们将提供来自多个 ABC 转运蛋白药物发现项目的示例，主要关注尚未满足需求的罕见单基因 ABC 转运蛋白疾病。
通过工程CAS12A元基因组发现的cas12a直系同源
1农业动物遗传学，育种和繁殖，教育部和猪遗传学和育种部关键实验室，农业和农村事务部，瓦兹洪农业大学，430070 Wuhan，P.R。R.中国。2 Yazhouwan国家实验室（YNL），Sanya Hainan 572025，P。R.China。 3瓦兹胡农业大学的可持续猪生产合作创新中心，430070 Wuhan，P。R.中国。 4 Hubei Hongshan实验室，Huazhong农业大学，Wuhan 430070，P。R.China。 5胰腺疾病实验室，吉安格大学医学院第一家附属医院，杭州310058，P。R.China。 这些作者也同样贡献：Dagang Tao，Bingrong Xu，Sheng Li和Hailong Liu。 *电子邮件：ssxie@mail.hzau.edu.cn; shzhao@mail.hzau.edu.cn; xyli@mail.hzau.edu.cn2 Yazhouwan国家实验室（YNL），Sanya Hainan 572025，P。R.China。3瓦兹胡农业大学的可持续猪生产合作创新中心，430070 Wuhan，P。R.中国。4 Hubei Hongshan实验室，Huazhong农业大学，Wuhan 430070，P。R.China。 5胰腺疾病实验室，吉安格大学医学院第一家附属医院，杭州310058，P。R.China。 这些作者也同样贡献：Dagang Tao，Bingrong Xu，Sheng Li和Hailong Liu。 *电子邮件：ssxie@mail.hzau.edu.cn; shzhao@mail.hzau.edu.cn; xyli@mail.hzau.edu.cn4 Hubei Hongshan实验室，Huazhong农业大学，Wuhan 430070，P。R.China。5胰腺疾病实验室，吉安格大学医学院第一家附属医院，杭州310058，P。R.China。这些作者也同样贡献：Dagang Tao，Bingrong Xu，Sheng Li和Hailong Liu。*电子邮件：ssxie@mail.hzau.edu.cn; shzhao@mail.hzau.edu.cn; xyli@mail.hzau.edu.cn
b'靶标发现对于药物开发至关重要，尤其是对于复杂的慢性疾病。高通量技术的最新进展和生物医学数据的爆炸式增长凸显了计算药物可药性预测方法的潜力。然而，大多数当前方法依赖于基于序列的特征和机器学习，这通常面临与手工制作的特征、可重复性和可访问性相关的挑战。此外，原始序列和蛋白质结构的潜力尚未得到充分研究。在这里，我们使用深度学习技术利用蛋白质序列和结构，揭示蛋白质序列，特别是预训练的嵌入，比蛋白质结构更具信息量。接下来，我们开发了 DrugTar，这是一种高性能深度学习算法，将来自 ESM-2 预训练蛋白质语言模型的序列嵌入与蛋白质本体相结合以预测药物可药性。DrugTar 实现了曲线下面积和精确召回曲线值高于 0.90，优于最先进的方法。总之，DrugTar 简化了靶标发现，这是开发新型疗法的瓶颈。'
b'靶标发现对于药物开发至关重要，尤其是对于复杂的慢性疾病。高通量技术的最新进展和生物医学数据的爆炸式增长凸显了计算药物可药性预测方法的潜力。然而，大多数当前方法依赖于基于序列的特征和机器学习，这通常面临与手工制作的特征、可重复性和可访问性相关的挑战。此外，原始序列和蛋白质结构的潜力尚未得到充分研究。在这里，我们使用深度学习技术利用蛋白质序列和结构，揭示蛋白质序列，特别是预训练的嵌入，比蛋白质结构更具信息量。接下来，我们开发了 DrugTar，这是一种高性能深度学习算法，将来自 ESM-2 预训练蛋白质语言模型的序列嵌入与蛋白质本体相结合以预测药物可药性。DrugTar 实现了曲线下面积和精确召回曲线值高于 0.90，优于最先进的方法。总之，DrugTar 简化了靶标发现，这是开发新型疗法的瓶颈。'
摘要 人工智能与制药领域的交叉代表着一场根本性的变革，通过提高治疗方式的精确度，为加速药物设计和开发时间表提供了新的可能性。我们专注于这两个领域的融合，从战略角度出发，通过克服传统配方方法引发的挑战，挖掘出有潜力的精准候选药物。我们的目标是彻底分析人工智能的各种应用，从其对目标识别的重大贡献到其对临床试验优化的影响的认证。作为一本智力指南，本系统评价引导读者探索人工智能与制药科学合作的未知领域。通过从各种研究和方法中获取所需的信息，我们的系统评价不仅致力于对人工智能的影响进行回顾性分析，而且还致力于提供关于其变革可能性的前瞻性视角。 关键词：人工智能、药物发现、机器学习。国际药品质量保证杂志 (2024)； DOI：10.25258/ijpqa.15.3.08 如何引用本文：Sahoo DK、Sarangi RR、Nayak SK、Rajeshwar V、Sayeed M。发现新视野：人工智能在药物发现和开发中的应用系统评价。国际药品质量保证杂志。2024；15（3）：1151-1157。支持来源：无。利益冲突：无
摘要 人工智能与制药领域的交叉代表着一场根本性的变革，通过提高治疗方式的精确度，为加速药物设计和开发时间表提供了新的可能性。我们专注于这两个领域的融合，从战略角度出发，通过克服传统配方方法引发的挑战，挖掘出有潜力的精准候选药物。我们的目标是彻底分析人工智能的各种应用，从其对目标识别的重大贡献到其对临床试验优化的影响的认证。作为一本智力指南，本系统评价引导读者探索人工智能与制药科学合作的未知领域。通过从各种研究和方法中获取所需的信息，我们的系统评价不仅致力于对人工智能的影响进行回顾性分析，而且还致力于提供关于其变革可能性的前瞻性视角。 关键词：人工智能、药物发现、机器学习。国际药品质量保证杂志 (2024)； DOI：10.25258/ijpqa.15.3.08 如何引用本文：Sahoo DK、Sarangi RR、Nayak SK、Rajeshwar V、Sayeed M。发现新视野：人工智能在药物发现和开发中的应用系统评价。国际药品质量保证杂志。2024；15（3）：1151-1157。支持来源：无。利益冲突：无
基于硅胶的发现，使用药效团筛查，分子对接和MD模拟研究的策略 神经元 - 胶体传播中的外泌体 一种基于模糊的逻辑计算方法，用于重新利用Covid-19 靶向缺氧诱导因子1α通过调节乳房can中的肿瘤微环境 制造介孔二氧化硅纳米颗粒，以靶向糖替尼向卵巢癌细胞靶向递送
摘要简介：这项研究的主要目的是确定开发有效KEAP1抑制剂的潜在潜在客户。方法：在当前的研究文章中，已采用了硅内方法来发现潜在的KEAP1抑制剂。3D-QSAR是使用具有IC 50的KEAP1抑制剂的Chembl数据库生成的。选择了最好的药理，以筛选三个不同的文库，即Asinex，Minimaybridge和锌。从数据库中筛选的分子通过可药物性规则和分子对接研究过滤。对接研究后获得的最佳结合分子通过二利方法对测定物理化学性质进行毒性进行。通过分子动态模拟，研究了最佳的命中以在KEAP1腔中进行稳定。结果：分别对不同数据库进行虚拟筛选，并获得了三个导线。这些铅分子asinex 508，minimaybridgehts_01719和锌0000952883在KEAP1腔中显示出最好的结合。铅的结合复合物的分子动态模拟支持对接分析。铅（Asinex 508，minimaybridgehts_01719和锌0000952883）在100 NS模拟的KEAP1结合腔中稳定，平均RMSD值分别为0.100、0.114和0.106 Nm。结论：这项研究提出了三个铅分子作为基于高吞吐量筛查，对接和MD模拟研究的潜在KEAP1抑制剂。这些HIT分子可用于进一步设计和开发KEAP1抑制剂。这项研究提供了用于发现新型KEAP1抑制剂的初步数据。它为药物化学家打开了新的途径，以探索针对KEAP1-NRF2途径的抗氧化剂刺激分子。
基因组学 2 蛋白质门户：将基因筛选结果与蛋白质序列和结构联系起来的资源和发现工具
基于人工智能的方法的最新进展彻底改变了结构生物学领域。与此同时，高通量测序和功能基因组学产生了前所未有的遗传变异。然而，需要有效的工具和资源来链接不同的数据类型——将变异“映射”到蛋白质结构上，更好地了解变异如何导致疾病，从而设计治疗方法。在这里，我们介绍了 Genomics 2 Proteins 门户网站 ( https://g2p.broadinstitute.org/ )：这是一种人类蛋白质组范围的资源，将 20,076,998 个遗传变异映射到 42,413 个蛋白质序列和 77,923 个结构上，具有一套全面的结构和功能特征。此外，Genomics 2 Proteins 门户网站允许用户以交互方式上传蛋白质残基注释（例如，变异和分数）以及数据库之外的蛋白质结构，以建立基因组学与蛋白质之间的联系。该门户网站是一个易于使用的发现工具，可供研究人员和科学家假设自然或合成变异与其分子表型之间的结构-功能关系。
人类心脏器官的成熟使复杂的疾病建模和药物发现
心脏成熟是一个重要的发育阶段，最终是在深刻的生物学和功能变化中，以适应出生后的高需求环境1,2。人类多能干细胞衍生的人心脏器官（HCO）对人心脏组织的成熟对于理解疾病病理学至关重要。在此，我们在体内介绍了人心脏成熟，以识别驱动HCOS 4,5成熟的关键信号通路。5'AMP激活的激酶（AMPK）和与雌激素相关的受体（ERR）的瞬时激活通过模仿产后发育的功能需求增加，从而促进了HCO成熟。在这些定向成熟（DM）条件（DM-HCO）下培养的HCO显示出强大的转录成熟，包括成熟肉瘤和氧化磷酸化基因的表达增加，从而增强了代谢能力。DM-HCO具有功能成熟的特性，例如肌质网依赖性钙处理，对激发偶联过程的药物处理的准确反应以及检测Ectopy casq2和RyR2突变体的能力。重要的是，DM-HCO允许对复杂人类疾病过程（例如Desmoplakin（DSP）心肌病）进行建模，该过程由多种细胞类型驱动。随后，我们部署了DM-HCO，以证明溴化域外末端抑制剂INCB054329营救了DSP表型。一起，这项研究表明，概括体内发展会促进高级成熟，从而使疾病建模和DSP-心肌病治疗策略的鉴定。
用于发现和验证药物靶点的人工智能方法
人工智能 (AI) 在加速和改善药物发现的各个方面具有巨大的前景，尤其是靶点发现和验证。通过整合多种生物数据模式，AI 能够准确预测药物靶点的特性，最终阐明疾病的生物学机制并指导药物发现策略。尽管 AI 在药物靶点发现方面具有无可争辩的潜力，但仍有许多挑战和障碍需要克服，包括处理数据偏差、模型的可解释性和普遍性以及预测药物靶点的验证等等。通过探索 AI 的最新进展，本综述展示了 AI 在药物靶点发现中的当前应用，并提供了 AI 在药物靶点发现和验证方面的未来前景，为生产新型和更安全的药物铺平了道路。