XiaoMi-AI文件搜索系统
World File Search Systemfinity
官方信息法回应 20240365 - Finity Consulting 第四季度报告 - 2024 年 5 月 23 日收到 - 2024 年 8 月发布 - 财政部
您可能还想知道，我们计划在发布您要求的文件的同时发布今年前两个季度的报告。我们计划今后定期公开发布这些报告。
山猫 - Infinity Avionics
Infinity Avionics 为全球太空任务提供经过太空飞行验证和辐射测试的传感器和处理器子系统。此外，Infinity Avionics 还提供咨询服务，以设计和交付定制传感器有效载荷，从而及时满足客户的任务要求。
Infinity Avionics - LEO2MP
Infinity Avionics 为全球太空任务提供经过太空飞行验证和辐射测试的传感器和处理器子系统。此外，Infinity Avionics 还提供咨询服务，以设计和交付定制传感器有效载荷，从而及时满足客户的任务要求。
抗癌药物capmatinib的合成和开发
RAIN项目是Caltech和NASA-JPL之间在分布式计算和数据存储系统上用于未来太空传播任务的研究合作。该项目的目标是识别和开发关键的构建块，以使用廉价的现成组件构建的可靠分布式系统。雨水平台由通过多个接口连接到以耐故障拓扑配置的网络连接的计算和/或存储节点的异质群组成。雨软件组件与操作系统服务和标准网络协议结合使用。通过软件实践的容错公差，系统可耐受多个节点，链接和开关故障，而没有单个故障点。雨水技术已转移到雨水最终方面，这是一家专注于创建集群解决方案以提高互联网数据中心的性能和可用性的初创公司。
头部和颈部癌的蛋白质网络图揭示了PIK3CA突变药物敏感性
为了表征HNSCC的蛋白质蛋白质间相（PPI）景观，我们基于从HNSCC肿瘤的癌症基因组图谱分析中鉴定出的分子途径选择了蛋白质。基于具有相对点突变的基因或与HNSCC的先前发表的关联添加了其他细节。pik3ca（编码腓骨phoinonositide 3-激酶的α催化亚基的基因）是HNSCC中最常见的突变癌基因，尽管研究了一些规范性突变，但许多非骨突变的理解较少。我们对三个细胞系进行了质谱净化 - 质谱法（AP-MS）分析，用于HNSCC中经常改变的31个基因以及16个PIK3CA突变。两条线是HNSCC细胞系，带有HNSCC患者的RNA谱曲线，一条是食管，非肿瘤性细胞系。
内核共生的63 kDa周质蛋白
摘要：革兰氏阴性细菌holospora ottusa是纤毛尾ca的大核特异性共生体。众所周知，这种细菌的感染诱导了宿主HSP60和HSP70基因的高水平外，并且宿主细胞同时获得热震和高盐抗性。此外，在其氨基酸序列中具有DNA结合结构域的H. ottusa特异性63-kDa的感染形式被分泌到宿主大核中后，将其分泌到宿主的大核中，并留在大核中并留在原子核中。这些事实表明，63 kDa蛋白与宿主大核DNA的结合会导致宿主基因表达的变化并增强宿主细胞的环境适应性。这种63 kDa蛋白被更名为周质区域蛋白1（PRP1），以将其与具有相似分子量的其他蛋白区分开。确认PRP1是否确实与宿主DNA，SDS-DNA PAGE和DNA Af-FILITY色谱法与小腿胸腺DNA和Caudatum DNA进行了结合，并结合了PRP1与单克隆DNA弱结合，该PRP1与促进63- kda蛋白的单克隆抗体与Caudatum dna弱结合。
裸露的二氧化硅作为亲和纯化的替代基质/...
基于低成本、储量丰富且环保的亲和基质的“绿色”蛋白质纯化/固定工艺非常可取。未改性的二氧化硅基质非常适合这些需求。由于富含组氨酸的二氧化硅结合肽经常在生物淘选实验中分离，因此这项工作旨在评估使用裸露二氧化硅作为纯化/固定 His 标记蛋白质的替代基质的可行性。对纯化的 His6 标记 EGFP 进行的吸附和解吸研究表明，在测试条件下，不同大小和孔隙率的裸露二氧化硅颗粒会结合，并且可以使用含有 L-精氨酸/L-赖氨酸的环保洗脱液进行洗脱。未标记的 EGFP 不会与这些基质结合。小规模批量纯化方案使用 Davisil 643 或 646 级硅胶作为亲和基质，Tris 缓冲盐水洗脱液中含有 0.5 M L-精氨酸 (pH 8.5)，仅经过一个洗脱步骤，便可从大肠杆菌裂解物中纯化出纯度高达 96% 的 His6-EGFP，回收率约为 70%。用二氧化硅结合肽 Car9 标记的 EGFP 以类似的纯度和产量回收。其他 His 标记蛋白也可以纯化到类似的纯度水平。该批量纯化方案的规模被证明是可扩展的。这些结果表明，未改性的二氧化硅基质可用于有效纯化 His 标记蛋白。由于双标记 His6-EGFP-Car9 的回收率仅为 30 – 55%，因此标签组合对于固定化目的而言是有利的。
设计选择性分子束缚以增强次优药物特性
摘要：小分子药物在临床上有广泛的应用，然而，许多此类药物存在一种或多种不理想的特性，这些特性会阻碍其在体内的输送或细胞作用，甚至会阻碍原本生物可耐受的药物。虽然高通量筛选提供了一种发现具有改变化学性质的药物的方法，但直接设计小分子生物缀合物提供了一种专门调节药物特性的机会，而不是筛选看似“随机”的药物特性的大型药物库。在此，我们提出，选择性地将药物分子“束缚”到具有有利特性的额外基团上将改善药物缀合物的整体特性，例如溶解度。具体而言，我们概述了雷帕霉素 (RAP) 与额外的“高亲和力”基团的位点特异性化学缀合，以提高药物对环糊精基聚合物 (pCD) 的整体亲和力。通过这种方式，我们发现 RAP 对 pCD 的亲和力以及 RAP 从 pCD 微粒的递送窗口增加了三倍，同时又不影响 RAP 的细胞作用。这种合成方法应用于 pCD 的“亲和力”概念，但其他辅基也可以以类似的方式用于修改其他药物特性。这项研究展示了在 pCD 系统中增加小分子药物的药物递送窗口以用于慢性药物治疗的潜力，并引入了改变药物特性以调节聚合物-药物相互作用的想法。
基于长短期记忆神经网络的深度学习药物-靶标相互作用预测方法
目前，DTI 预测的计算方法可以分为三类：基于配体的方法、对接方法和特征学习方法。基于配体的方法通常用于通过计算给定药物或化合物与已知靶标的活性化合物的化学结构相似性来估计潜在的作用靶标。Keiser 等人 [3] 提出了一种根据配体的化学相似性推断蛋白质靶标的方法。Yamanishi 等人 [7-9] 通过将化合物的化学结构相似性和蛋白质的氨基酸序列相似性整合到均匀空间来预测未知的药物-靶标相互作用。Campillos 等人 [9] 将化合物的化学结构相似性和蛋白质的氨基酸序列相似性整合到均匀空间中。 [6]通过表型副作用的相似性来预测潜在的靶标蛋白。这种基于配体的方法在化学结构相似性较高的情况下简单有效，但也在很大程度上限制了其应用的范围和准确性。对接方法是计算药物与潜在靶标在三维结构中的形状和电性匹配程度，从而推断药物可能的作用靶点。其中，反向对接方法是最常用的预测方法，该方法通过预测给定化合物与靶标之间的相互作用模式和亲和力对药物靶标进行排序，从而确定该药物的可能靶点。程等[10]开发了基于结构的最大亲和力模型。李等[11]开发了利用对接方法识别药物靶点的网络服务器Tar-FisDock。此类方法充分考虑了目标蛋白质的三维结构信息，但分子对接方法本身仍存在一些尚未得到有效解决的问题，如蛋白质的灵活性、打分函数的准确性以及溶剂水分子等，导致逆对接，该方法的预测准确率较低。对接的另一个严重问题是它不能应用于三维结构未知的蛋白质，到目前为止，已知三维结构的蛋白质仍只占所有蛋白质的一小部分，这严重限制了该方法的推广和普及。特征学习方法将药物靶标关系视为相互作用和非相互作用的二类问题，此类方法利用机器学习算法学习已知化合物-靶标对的潜在模式，通过迭代优化生成预测模型，进而推断潜在的DTI。Yu等[12]提出了一种基于化学、基因组和药理学信息的系统方法。Faulon等[13]提出了一种基于化学、基因组和药理学信息的系统方法。[ 13 ] 预测药物