XiaoMi-AI文件搜索系统
World File Search Systemexcretion
AH Tablet U.S.P. 5mg/160mg/12.5mg
相互作用的药物与雌激素的相互作用：利尿剂：雌性与利尿剂的共同给药导致尿量和空隙的频率增加，这可能会增强体积耗尽的潜力。胰岛素或胰岛素促分泌物：雌性蛋白与胰岛素或胰岛素促分泌的共同给药增加了低血糖的风险。阳性尿液葡萄糖测试：服用SGLT2抑制剂作为SGLT2抑制剂的患者不建议通过尿葡萄糖测试进行血糖控制，并导致尿液葡萄糖测试阳性。使用替代方法监测血糖控制。不建议对1,5-芳基葡萄醇（1,5-ag）的干扰：不建议使用1,5AG测定法进行测定监测血糖控制，因为1,5AG的测量对于评估服用SGLT2抑制剂的患者的血糖控制是不可靠的。使用替代方法监测血糖控制。
21K08674研究结果报告
研究成果の概要（英文）：我们决定使用肠道功能障碍作为平滑肌性肌发育模型，并使用CRISPR/CAS9在受精的斑马鱼卵中诱导LMOD1基因的缺失。关于幼鱼中的肠腐蚀性，我们使用了时空映射，该时空映射分析了使用视频减少的排泄物和肠蠕动，以获取有关肠腐蚀性的发现。QPCR表明，除了降低LMOD1A的表达外，其他平滑肌成分ACTA2和MYH11的表达以及参与平滑肌发育的MYOD1，也减少了，表明平滑肌本身的成分降低。已确认。另外，为了跟踪PAX7的行为，我们创建了一个模型，其中插入了GFP基因，并正在尝试跟踪PAX7表达细胞生长的行为。
ADMET-AI：用于评估大规模化学库的机器学习 ADMET 平台
摘要：大型化学存储库和组合化学空间的出现，加上高通量对接和生成式 AI，极大地扩展了用于药物发现的小分子化学多样性。选择用于实验验证的化合物需要根据有利的药物特性（例如吸收、分布、代谢、排泄和毒性 (ADMET)）对这些分子进行筛选。我们开发了 ADMET-AI，这是一个机器学习平台，可作为网站和 Python 包提供快速准确的 ADMET 预测。ADMET-AI 在 TDC ADMET 基准组排行榜上的平均排名最高，它目前是速度最快的基于 Web 的 ADMET 预测器，与第二快的 ADMET Web 服务器相比，时间缩短了 45%。ADMET-AI 也可以在本地运行，预测一百万个分子仅需 3.1 小时。
2023年8月22日
属性涉及用氘（氢的同位素）代替一种或多种氢的氢原子，以“减慢”药物的“ CYP介导的代谢”（即细胞色素P450酶）“或减少不可取的代谢物的形成。” ID。2：7-10。氘和碳之间形成的键比碳键强；这种更牢固的键“可以积极影响药物的ADME [吸收，分布，代谢和/或排泄]的特性，从而在没有“影响药物的生化效力和与原始化学实体的生化效力和选择性相比，都可以提高药物有效性，安全性和/或耐受性”。 ID。在2：12-20。这些人体如何处理药物的这些措施也被视为该药物的药代动力学特性。J.A. 8225-46。J.A.8225-46。
纳米技术在药物输送系统中的应用
近十年来，药物开发和输送成为高增长、高需求和高资本投入的制造业之一。这个过程耗时且昂贵，面临着生物利用度低、毒性、低功效、生物相容性、副作用、排泄快和降解性的问题。生物相容性纳米材料具有高侵入率、缓慢、可控和靶向药物释放、易于受体接近等特殊特性，克服了所有这些问题，比传统药物形式更具优势。尽管具有所有这些重要性，但用作药物输送系统的各种纳米粒子的毒性是与之相关的主要问题之一。本综述讨论了与传统药物相关的问题以及纳米粒子在药物输送中的重要性及其毒性作用。关键词：药物、酶、药物靶标、纳米材料、药物输送系统、毒性
塑造肾脏疾病治疗的未来。
肾药理学是肾脏病学的一个重要研究领域，重点是了解药物如何与肾脏相互作用以及如何利用这些相互作用来治疗肾脏疾病。随着慢性肾病 (CKD) 及其并发症在全球的流行率不断上升，肾药理学的进步变得比以往任何时候都更加重要。肾脏在过滤废物、调节体液和电解质平衡以及维持体内平衡方面发挥着至关重要的作用。由于 CKD、急性肾损伤 (AKI) 和糖尿病肾病等疾病导致这些过程出现功能障碍，这凸显了对创新治疗策略的需求。因此，肾药理学不仅关注药物在肾脏中的吸收、分布、代谢和排泄，还关注开发可以直接针对肾功能障碍潜在机制的药物治疗。
年龄≥50 岁的患者患带状疱疹的风险较高1
• 注射疫苗（包括 SHINGRIX）可能导致晕厥（昏厥）。应采取措施避免跌倒受伤并在晕厥后恢复脑灌注 • 50 岁及以上人群报告的局部不良反应包括疼痛（78%）、发红（38%）和肿胀（26%） • 50 岁及以上人群报告的一般不良反应包括肌痛（45%）、疲劳（45%）、头痛（38%）、发抖（27%）、发烧（21%）和胃肠道症状（17%） • 数据不足，无法确定孕妇接种 SHINGRIX 是否存在疫苗相关风险 • 尚不清楚 SHINGRIX 是否会经人乳排泄。目前尚无数据来评估 SHINGRIX 对母乳喂养婴儿或产奶量/排泄的影响 • 接种 SHINGRIX 疫苗可能不会保护所有疫苗接种者
引用刘XZ，Duan MJ，Huang HD，Zhang Y，Xiang Ty，Niu WC，Zhou B，Wang HL和Zhang TT（2023）预测2型Diabe
糖尿病是指具有高血糖的慢性流行代谢疾病。国际糖尿病联合会（IDF）的最新统计数据表明，到2019年，全球约有4.63亿成年人（年龄在20至79岁之间）将患有糖尿病；到2045年，糖尿病患者的人数估计达到7亿（1）。糖尿病并发症已被发现是糖尿病患者死亡的主要原因（2），其中76.4％的糖尿病患者至少报告了一种并发症（3）。糖尿病性肾脏疾病（DKD）是糖尿病的主要微血管并发症，其特征在于高患病率，死亡率和治疗成本，但较低的意识和预防和治疗率较差（4）。在中国，近20-40％的糖尿病患者患有DKD，而DKD的意识率低于20％，治疗率甚至低于50％（5）。DKD的典型进展是指尿白蛋白排泄的初始增加（称为微藻尿症），该尿伴随着大量蛋白尿，随后肾功能的快速下降。结果，蛋白尿已被认为是从传统角度开始肾功能下降的初始途径（6）。但是，由于发现许多蛋白尿患者可以自发地恢复到正常的白蛋白排泄率，或者是基于DKD的综合风险管理（7-11），因此上述理论受到了挑战。尽管增加的筛选频率可以避免延迟诊断，但这并不均匀地实现。在此基础上，微量白蛋白尿作为DKD的传统标志和干预的最佳机会的有效性受到挑战，因为DKD在发作过程中通常是阴险的（12）。尽管肾脏活检能够将DKD与糖尿病肾脏疾病（NDKD）区分开，但尚未验证黄金标准以评估DKD的发展。此外，DKD的预防，早期诊断和治疗在降低糖尿病患者心血管事件的发生率并改善其生存率和生活质量方面具有重要意义。因此，迫切需要
医院废水中出现抗生素残留和抗生素耐药性细菌：传播至非洲溪流和河流的潜在途径，综述
摘要：医院内的医疗活动导致抗生素的大量消耗，从而导致抗生素残留物的排泄率很高。当这些抗生素被人体服用时，它们不会被人体完全吸收，通常会与受感染的人类患者的生物废物一起排入环境中。医院的大量用水和医疗机构废水中的药物影响促进了抗生素耐药细菌 (ARB) 和抗生素耐药基因 (ARG) 在环境中的出现和传播。医院废水可能在各种生态系统中双重参与抗生素分子和多重耐药细菌的传播。本综述的目的是通过评估环境（水生环境；河流）中这些医院废水中的抗生素浓度和抗生素耐药细菌的多样性来表征医院废水，以及清点医院废水和环境中存在的细菌和携带抗生素耐药性的细菌。
通过分子对接和分子动力学模拟方法，利用计算机模拟发现 Smallanthus sonchifolius (Poepp.) H.Rob. 中潜在的钠-葡萄糖协同转运蛋白 2 (SGLT-2) 抑制剂
1988年，SGLT-2通过同源性筛选被鉴定（Santer and Calado，2010；Vallon and Thomson，2017）。据报道，SGLT-2介导90%以上的肾脏葡萄糖重吸收（Hummel等，2011）。SGLT-2抑制剂通过阻止近曲小管葡萄糖重吸收来降低血糖，从而起到抗糖尿病的作用，并通过抑制SGLT-2蛋白来促进肾脏葡萄糖排泄（Abdul-Ghani等，2011）。对于糖尿病的治疗和控制，有许多治疗和靶向技术可用（Nauck 等人，2021 年），其中之一是通过 SGLT-2 抑制肾脏对葡萄糖的重吸收，这是一种帮助 2 型糖尿病患者降低血糖的新方法。在治疗 2 型糖尿病时，SGLT-2 抑制剂是一个很好的选择，因为它们可以降低血糖水平而不会损害胰岛素的产生（Miller 和 Shubrook，2015 年）