■ 与信息指标相反,在所研究的 16 个行业组中,有 13 个使用更细粒度的聚合基于协作指标显示交互有所增加。一些初始交互水平最高的行业组显示增幅最大:C20(化学品和化学产品制造)、C21&C26(基础药品和药物制剂制造;计算机、电子和光学产品制造)和 M72(科学研究和开发)。C27tC28(电气设备制造;机械和设备制造)也显示大幅增长。
网络药理学是一种多靶点药物发现方法,用于探索药物与生物网络之间的相互作用。它有助于了解草药的治疗机制,特别是对于糖尿病等复杂疾病。Chandraprabha Vati 是一种经典的阿育吠陀配方,含有 37 种成分,其中许多成分具有抗糖尿病作用。本研究旨在研究 Chandraprabha Vati 的植物化学物质与抗糖尿病药物格列美脲之间的相互作用。使用 IMPPAT 选择 Chandraprabha Vati 的生物活性成分。使用 Swiss ADME 进行药代动力学预测,并使用 Way2Drug 预测药物间相互作用。使用 STRING 数据库构建蛋白质-蛋白质相互作用 (PPI),并在 Cytoscape 中进行网络分析。使用 DAVID 数据库进行基因本体和 KEGG 富集分析。药代动力学分析确定了 11 种关键植物化学物质,它们对参与格列美脲代谢的酶 CYP2C9 具有不同的影响。靶标重叠分析显示格列美脲和植物化学物质之间存在 34 个共同的枢纽基因,包括 EGFR、ESR1、PIK3CA、CYP2C9 和 SRC。这些基因与药物相互作用有关,其中 EGFR 成为关键因素。Chandraprabha Vati 中的植物化学物质,特别是 20-羟基孕-4-烯-3-酮、β-石竹烯和豆固醇,可能通过抑制 CYP2C9 与格列美脲相互作用。这可能会改变格列美脲代谢,增加不良反应的风险。需要进一步的临床研究来证实这些发现并指导安全的联合用药。
I.INTRODUCTION ............................................................................................................................ 1 1.1 BACKGROUND ........................................................................................................................... 3
AU:请确认所有标题级别均正确表示:我们如何才能弄清楚不同微生物在微生物群落中是如何相互作用的?为了结合理论模型和实验数据,我们经常将系统平均动力学的确定性模型与平均数据拟合。然而,在平均过程中,数据中的大量信息会丢失——而确定性模型可能无法很好地表示随机现实。在这里,我们基于实验和模型都是随机的想法开发了一种微生物群落推理方法。从随机模型开始,我们不仅推导出平均值的动力学方程,还推导出微生物丰度更高统计矩的动力学方程。我们使用这些方程来推断最能描述生物实验数据的相互作用参数的分布——从而提高可识别性和精度。推断出的分布使我们能够做出预测,同时也能区分相当确定的参数和现有实验数据无法提供足够信息的参数。与相关方法相比,我们推导出也适用于微生物相对丰度的表达式,使我们能够使用传统的宏基因组数据,并解释了随着时间的推移无法追踪单个宿主而只能追踪复制宿主的情况。
已经开发了人类凝集素阵列,以探测具有致病性和共生微生物的先天免疫受体的侵蚀。Following the successful intro- duction of a lectin array containing all of the cow C-type carbohydrate-recognition domains (CRDs), a human array described here contains the C-type CRDs as well as CRDs from other classes of sugar-binding receptors, including galectins, siglecs, R-type CRDs, fi colins, intelectins, and chitinase-like lectins.阵列是用单位生物素标签修饰的CRD构建的,以确保CRD中的糖结合位点显示在定义方向的链霉亲和素涂层的表面上,并可以访问Mi-Crobes的表面。一种用于表达和显示来自聚糖结合受体所有不同结构类别的CRD的常见方法,可以在凝集素家族之间进行比较。除了先前记录的含量标记细菌结合的方案外,还开发了通过用DNA结合染料染色来检测与阵列结合的未标记细菌的方法。筛查也已被病毒糖蛋白以及细菌和真菌多糖未侵蚀。阵列为与受体相互作用的糖配体提供了一个公正的筛选,并且许多人表现出了较早研究所没有预期的结合。例如,某些甲状腺蛋白与缺乏乳糖或N-乙酰乳糖胺的细菌甘氨酸结合。结果证明了人类凝集素阵列的实用性,以提供与先天免疫系统中多种类似聚糖蛋白相互作用的独特概述,并提供了不同类型的微生物。
T 细胞疗法,例如嵌合抗原受体 (CAR) T 细胞和 T 细胞受体 (TCR) T 细胞,是一类日益增长的抗癌疗法。然而,扩展到新适应症和最后一线治疗之外需要设计细胞的动态群体行为。在这里,我们开发了从活细胞成像中分析 T 细胞细胞行为的工具,这是一种用于评估工程化 T 细胞的常见且廉价的实验装置。我们首先开发了一种基于人机深度学习的最先进的分割和跟踪管道 Caliban。然后,我们构建了 Occident 管道来收集表征修饰的 T 细胞和抗原呈递肿瘤细胞共培养中的细胞群体、形态、运动和相互作用的表型目录。我们使用 Caliban 和 Occident 来探究当将 RASA2 和 CUL5 的有益敲除引入 TCR T 细胞时,T 细胞和癌细胞之间的相互作用有何不同。我们应用时空模型来量化与癌细胞相互作用后的 T 细胞募集和增殖。我们发现,与安全港敲除对照相比,RASA2 敲除 T 细胞与癌细胞的相互作用时间更长,从而导致更高的 T 细胞活化和杀伤效力,而 CUL5 敲除 T 细胞的增殖率更高,从而导致更多的 T 细胞可供狩猎。Caliban 的分割和追踪以及 Occident 的表型量化相结合,使细胞行为分析能够更好地设计 T 细胞疗法,从而改善癌症治疗。
模块化结构和功能在生物学中无处不在,从动物体和大脑的组织到生态系统的规模。然而,模块化的机理尚不清楚。在这里,我们介绍了峰值选择的原理,该过程纯粹是局部相互作用和光滑的梯度可以导致全球模块化组织。可以从平稳的全局梯度中导致不连续模块边界的自组织,从而统一了形态发生的位置假设和图灵模式形成假设。应用于大脑的网格细胞网络,峰选择会导致具有离散间隔空间周期的功能不同模块的潮流出现。应用于生态系统,该过程的概括导致离散的系统级别的壁ni。动力学表现出对系统大小和“台式鲁棒性” [1]的新自我缩放,从而使模块出现和模块属性对大多数参数不敏感。此外,峰选择赋予模块内的鲁棒性。即使在单个网格细胞模块中,它也对连续吸引力动力学的微调需求进行了评估。它做出了一个独立于细节的预测,即网格模块周期比率应近似相邻的整数比率,并提供迄今为止最准确的数据匹配。其他可测试的预测有望弥合生理学,连接组学和转录。总的来说,我们的结果表明,与低信息全局梯度相结合的局部交互可以驱动强大的全局模块出现。
准确描述多体相互作用仍然是理论和计算化学领域的挑战,但它是理解和优化与量子信息和能量转换等应用相关的材料性能的关键。在这里,我将描述我在两种不同材料中模拟多体相互作用的工作。首先,我将讨论量子点 (QD),这是一种半导体纳米晶体,具有高度可调的光电特性,这些特性敏感地取决于电子激发和声子 (即晶格振动) 之间的相互作用。我们开发并验证了一种描述激子-声子耦合的方法,该方法具有原子细节,与实验相关的量子点中有数百个原子。我们模拟了能量耗散,发现它发生在超快的时间尺度上,这与实验结果一致,但与长期以来的理论预期相反。此外,我们确定了用于调整这些时间尺度的 QD 手柄,以减少热损失并提高量子产率。接下来,我将重点介绍笼状化学结构,笼状化学结构由于其强大的声子-声子相互作用(即非谐性)而有望用于热电应用。我们开发并应用基于量子嵌入的振动动态平均场理论 (VDMFT) 来模拟笼状物中的非谐性和热传输。我们表明 VDMFT 既高效又准确,描述了笼状物独特振动动力学的基础多声子散射过程,但在常见的微扰理论方法中却被忽略了。借助本次演讲中描述的工具所具备的预测能力,我们可以更好地解锁可转移的洞察力,以增强材料设计。
。cc-by-nc 4.0国际许可(未获得同行评审证明),他授予Biorxiv授予Biorxiv的许可,以永久显示预印本。这是该版本的版权持有人,该版本发布于2024年11月1日。 https://doi.org/10.1101/2024.11.01.618995 doi:biorxiv preprint
肠道微生物群落在宿主健康,调节生理途径和预防病原体增殖中起着至关重要的作用。这些社区的成员也经常争夺空间和营养,有些人获得了专门的武器,将毒素输送到邻近的细胞中,例如VI型分泌系统(T6SSS)。大多数对T6SS的研究都集中在细菌毒力上,但本研究调查了它们在蜜蜂肠中有益共生体中的作用。使用T6SS的遗传操纵和蜜蜂接种实验,我们证明了S. alvi使用这些系统来超过相关的细菌菌株,并与宿主免疫途径相互作用。这些发现扩展了我们对T6SS与有益共生体如何塑造微生物组和影响宿主生理学的理解。