XiaoMi-AI文件搜索系统
World File Search Systemlecular
对CB1受体在神经变性中的作用的询问
神经退行性疾病是使人衰弱的状况，损害了患者的生活质量，代表着社会的巨大社会经济负担。虽然这些脑部疾病的根源在于常染色体遗传，但这些神经病理学中大多数的起源被熟悉。同样，解释脑功能的逐渐丧失的细胞和细胞底物也有待充分描述。的确，对脑神经变性的研究导致了一幅复杂的图像，由无数的变化过程组成，包括脑生物能骨损坏，广泛的神经炎症和信号通路的异常活性。在这种情况下，几项研究表明，内源性大麻素系统（ECS）及其主要信号枢纽，1型大麻素（CB1）受体在各种神经退行性疾病中改变了。但是，其中一些数据是冲突或描述不佳的。在这篇综述中，我们总结了三种代表性的脑疾病，阿尔茨海默氏症，帕金森氏症和亨廷顿疾病中EC和CB1受体信号的改变的发现，我们讨论了这些研究在理解Neuro脱发开发和进展中的相关性，并特别关注心血管素。值得注意的是，对神经退行性中EC的缺陷的分析需要更多的研究，因为我们对ECS功能的概念理解在过去几年中迅速发展，现在包括胶质细胞和亚细胞特异性CB1受体信号传导作为脑功能的关键参与者。
新冠肺炎疫情期间的合理疫苗设计
COVID-19 疫情正在影响全球数十亿人的生命。与此同时，全球各地的实验室都在加紧开发小分子药物、抗体和疫苗，以对抗 SARS-CoV-2 病毒。虽然针对该病毒的抗体可能会相对较快地问世，但疫苗可能需要更长的时间，而且小分子药物的可用性也更加不确定。然而，大多数人都认为，解决病毒问题最经济实惠的长期解决方案是开发一种安全有效的疫苗。这种疫苗的开发可能很简单，可能仅基于抗体，只需要将表面 S 蛋白作为重组分子、遗传构建体或从合适的病毒载体表达来呈现，即可诱导长效保护性抗体反应。开发也可能会遇到障碍，要求在免疫原和免疫策略的设计上更加复杂。作为可能遇到的障碍的一个例子，呼吸道合胞病毒 (RSV) 疫苗的开发已经推迟了 50 多年，根本原因是缺乏对呈现给免疫系统的表面 F 糖蛋白的适当构象的了解，这一问题直到最近才从详细的分子数据中得到解决。即使一种简单的方法对 SARS-CoV-2 疫苗有效，理想情况下，我们希望开发一种能够包含多种 betacoronaviruses 或至少 sarbecoviruses 的疫苗（即“泛冠状病毒”疫苗）。
malvidin减弱行为并抑制TNF-α/ ... div>
摘要。- 目的：Malvidin是一种在七个果实中发现的natu含量，生物活性多酚。它表现出几种治疗性固定性；但是，有关其对神经退行性临床状况的影响，包括帕金森氏病。这项研究旨在研究马尔维丁在动物模型中对紫藤酮触发的帕金森氏病的治疗特性。材料和方法：为了确定马可丁蛋白的作用，将鱼藤酮（1.5 mg/kg）皮下注射到Wistar大鼠中21天，然后剂量的Malvidin（200和100 mg/kg）。行为测试。在实验的第22天，进行了生化测试，包括超氧化物歧化酶（SOD），谷胱甘肽（GSH），丙二醛（MDA）和催化酶（Catalase（Cat））。The activity of neurotransmit- ters and their metabolites, including acetylcho- line (ACh), acetylcholinesterase (AChE), dopa- mine (DA), norepinephrine (NE), serotonin (5-HT), 3,4-dihydroxyphenylacetic acid (DOPAC), homo- vanillic acid (HVA), and 5-羟基内果酸（5-HIAA）以及神经炎性标记，包括肠道内6（IL-6），白介素1β（IL-1β），肿瘤坏死因子-α（TNF-α）（TNF-α）和核因子因子2型因子2（N-RELYAID因子2）是ESES ESESES-NRF-2）此外，还估计了凋亡标记的水平，即caspase-3。此外，还进行了分支。
描述一本小说.pdf
简介：地奥司明是一种天然柑橘黄酮，具有显著的抗氧化和抗炎特性。急性白血病是一种常见的血液癌症。材料和方法：α-淀粉酶活性采用 Taha 等人的工作方法测定。结果：在本研究中，我们检查了它对一些重要酶的影响；醛糖还原酶的 IC 50 值为 196.07，α-淀粉酶的 IC 50 值为 76.40。进行了分子对接研究，以评估地奥司明在 α-淀粉酶和醛糖还原酶存在下的结合亲和力和生物活性。讨论：对接研究的结果表明，地奥司明对这些酶具有显著的结合亲和力，对 α-淀粉酶和醛糖还原酶的对接得分分别为 -9.768 和 -140469。因此，该化合物可用作这些酶的潜在抑制剂。在最近研究的细胞和分子部分，用 MTT 法评估了用地奥司明处理 48 小时的细胞对 HL-60、克隆 15 HL-60、HL-60/MX1 和 HL-60/MX2 细胞系的细胞毒性和抗人急性淋巴细胞白血病特性。地奥司明对 HL-60、克隆 15 HL-60、HL-60/MX1 和 HL-60/MX2 细胞系的 IC 50 值分别为 466、323、502 和 537 µg/ml。结论：在地奥司明存在下，急性淋巴细胞白血病细胞系的活力呈剂量依赖性降低。看来，地奥司明的抗人类急性淋巴细胞白血病作用是由于其抗氧化作用。
原始发表论文的引用（记录版本）：Moro, G., Khaliha, S., Pintus, A. et al (2024). 氨基酸改性氧化石墨烯用于
本文提出将氨基酸改性氧化石墨烯衍生物 (GO-AA) 作为活性材料，用于捕获水介质中的有机污染物并进行电化学检测。草甘膦 (GLY) 是一种存在于许多水体中的除草剂，被选为基准物质，以测试这些材料的电活性有效性，从而为捕获事件提供直接证据。通过环氧环开环反应将 L -赖氨酸、L -精氨酸或 L -蛋氨酸接枝到 GO 表面，促进氨基酸结合并伴随 GO 的部分还原。合成过程导致电荷电阻从 GO 的 8.1 K Ω 降至各种 GO-AA 的 0.8 – 2.1 K Ω，从而支持这些材料在电化学传感中的适用性。所得 GO-赖氨酸、GO-精氨酸和 GO-蛋氨酸用于从水中吸附 GLY。 GO-Lysine 与 GLY 的相互作用最强，1 小时后的去除效率为 76%，大约是工业基准吸附剂颗粒活性炭的两倍。当用作活性材料捕获 GLY 并进行电化学检测时，GO-AA 的性能也优于原始未改性材料。GO-Lysine 表现出最佳灵敏度，即使浓度低至 2 μ g/L 也能识别水中的 GLY。分子动力学模拟证实，这种材料增强的性能可归因于赖氨酸部分和 GLY 之间的氢键和盐桥相互作用，而氢键和盐桥相互作用源于氢键和盐桥相互作用。
评论文章
癌症是全球范围内导致死亡的主要原因。新一代测序 (NGS) 大大增加了测序数据的输出并改变了生物医学研究。NGS 能够从肿瘤组织样本中生成特定于患者的遗传数据，从而可以使用靶向疗法。获得的数据进一步允许根据肿瘤特异性基因型对有效疗法进行优先排序。临床基因组学领域的从业者可以通过选择先验基因组来充分利用测试设施，同时减少可能的脱靶。因此，靶向测序已成为一种更实惠的肿瘤基因组分析技术。由于突变，癌症中通常观察到耐药性。因此，在使用靶向疗法或精准癌症疗法之前，应定期对肿瘤进行精确的遗传和分子分析。NGS 已经能够改善具有各种癌症相关基因高发病史的家族的基因筛查，包括 TP53、APC、BRCA2 和 BRCA1。通过使用 NGS 系统，研究人员检测到癌细胞中增加的变异，其特异性和灵敏度比传统诊断方法更高，这表明 NGS 在诊断方面具有潜力。精准癌症治疗领域正在不断发展，由于其在分子水平上的特异性，改善了许多癌症的管理和治疗。与用于癌症治疗的传统化疗相比，这些疗法毒性更小、效率更高。随着 NGS 系统的进步，精准癌症治疗领域可能会显著扩展。本综述提供了有关 NGS 领域当前进展的大量信息，包括方法、临床应用、基因组分析以及 NGS 在精准癌症治疗中的作用。关键词：癌症、新一代测序、基因组分析、肿瘤、突变
通过虚拟筛选和生物学评价发现对胰腺癌细胞具有抗转移作用的特异性HDAC6抑制剂
组蛋白去乙酰化酶6（HDAC6）已被证明在细胞运动和侵袭体形成中起重要作用，因此HDAC6抑制被认为是一种有前途的癌症治疗表观遗传策略。目前，仅有少数化合物被报道为HDAC6抑制剂，亟待发现具有安全性和特异性的HDAC6抑制剂。本文以结构各异的HDAC6抑制剂为对象，通过基于配体的方法生成药效团模型，该模型含有两个氢键受体和两个疏水基团，采用基于药效团模型和分子对接相结合的虚拟筛选方法，筛选出潜在的HDAC6抑制剂。随后，采用体外酶结合抑制实验评价了命中化合物的HDAC6抑制活性。实验结果表明，在筛选出的6个化合物中，头孢哌酮钠对HDAC6的抑制作用最强，其IC 50 值为8.59±1.06 μM。头孢哌酮钠明显催化α-微管蛋白的高度乙酰化，但不催化组蛋白H3的高度乙酰化，证明头孢哌酮钠是一个选择性HDAC6抑制剂。鉴于HDAC6的表达在癌细胞转移中起重要作用，进一步通过划痕修复实验和Transwell小室实验研究了头孢哌酮钠对人胰腺癌PANC-1细胞迁移和侵袭的影响，发现头孢哌酮钠能明显抑制PANC-1细胞的迁移和侵袭。此外，通过分子对接揭示了抑制剂在晶体结构活性位点的结合模式，为HDAC6抑制剂的结构设计和优化提供参考价值。本研究为发现HDAC6活性抑制剂提供了一种系统的虚拟筛选方法，并发现了头孢哌酮钠对HDAC6的特异性作用，提示其在肿瘤治疗中具有潜在的应用价值。
可扩展石墨烯纳米结构上的定量中红外等离子体生物传感
光学生物传感器具有直接、实时和无标记生物分子检测的巨大优势。因此，由于它们具有高特异性和灵敏度、紧凑性和成本效益，因此已广泛应用于医疗保健、食品质量控制和药物发现领域。[1,2] 表面等离子体共振 (SPR) 技术一直是终端用户中占主导地位的技术，目前在光学生物传感器市场中占有最大份额。在传统的 SPR 系统中，来自薄金膜的高度受限等离子体场用于通过可见光折射测量来监测生物识别事件（即生物受体和目标分析物结合后引起的折射率变化）。[3] 同时，中红外 (mid-IR) 光谱在研究发展中引起了广泛关注，因为它显示出对生物分析物的联合分子特异性识别和定量的有希望的机会。中红外窗口范围在 2 至 20 µ m 之间，具有分子独特的振动吸收带，可通过光吸收进行特异性探测。[4,5] 因此，中红外光谱测量可以揭示生物分析物的分子指纹，提供有关其分子成分和结构组成的信息。然而，主要的挑战仍然在于克服 µ m 级红外波长和 nm 级生物分子之间的弱光学相互作用。表面增强红外吸收 (SEIRA) 光谱法已被提出通过采用支持高度亚波长表面结合光学模式的纳米结构超表面来克服较弱的光分子相互作用。[6] 最成熟的 SEIRA 平台基于支持局部 SPR (LSPR) 的金纳米结构，已证明生物分子检测（例如蛋白质和 DNA）可将 SEIRA 信号增强 10 到 100 倍。 [7–10] 尽管最近的 SEIRA 发展获得了更好的光学灵敏度（例如，采用金属-绝缘体-金属结构的完美吸收体设计），[11,12] 但金属基超表面由于缺乏光谱选择性和相对较差的红外场限制（典型衰减长度 ≈ 10 2 d ）而受到限制。[13]
超分子销，具有有效的磷光
激子淬火。[10]研究还致力于开发带有红移排放的有机植物[5b，11]，一般策略是增加结合的程度。但是，这导致水溶性不足并使合成复杂化。精确剂和动力因素由于分子的相互作用而形成较低的能级，也是获得红移发射的策略。[12] CHI和同事引入了分子间卤素键合，以提高超大的磷光效率高达52.10％。[4C] KIM和同事报告了一种通过互联体相互作用（卤素和氢键）增强磷光的策略。[4A]众所周知，室内电荷转移（ICT）可以减少单线和三重态，张和同事之间使用ICT来促进磷光的能量差距。[13] Tian和同事报告了基于宿主增强的ICT和宿主诱导的分子内旋转限制的多色发光。[14]最近，我们的小组制定了协同增强策略，以实现室温磷光（RTP），[2B，10,15]，我们已经开发了多阶段组装的超分子系统，这些系统显示出通过荧光共振能量传递和型型组件，这些系统显示出红色和近红外的Emision。[16]然而，尚未报道使用宿主 - guest相互作用来调节ICT并以有效且可调的磷光形式形成动力的方法。此外，我们发现超分子引脚可用于细胞成像，尤其是线粒体中的成像。这种超分子策略在这项研究中，我们现在合成了几个新型的桥梁苯基苯基盐荧光团，并通过供体 - 受体的网状液与柔性烷基链相连。化合物1（方案1）是一个典型的示例。Using NMR spectroscopy, mass spectrometry (MS), transmission electron microscopy (TEM), and theoretical calculations, we analyzed the “molecular folding” binding of 1 and CB[8], and we found that 1 /CB[8] host–guest assemblies show the highest phosphorescence quantum yield reported to date for ultralong organic phosphorescence (UOP) materials.与参考化合物进行仔细的比较揭示了有效磷光的机械性是由于三个主要因素：第一个是非放射性衰变的较低速率，分散在富含羟基的矩阵中，CB [8]严重地封装了色彩的封装[8]和柔性链被抑制了非差异性差异；其次，有效的ICT提高了ISC的速率；最后，分子内卤素键的形成使辐射衰减的速率从t 1增加到S 0。
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