XiaoMi-AI文件搜索系统
World File Search Systemmac
通过机器学习和异质性细胞模型的高通量筛选鉴定针对胶质母细胞瘤的候选药物
3爱丁堡大学生物科学学院，Max Born Crescent，Edinburgh，EH9 3BF，英国。 *相应的作者：d.oyarzun@ed.ac.uk; n.carragher@ed.ac.uk摘要胶质母细胞瘤多形（GBM）是一种侵略性的原发性脑肿瘤，由于其复杂的病理和异质性，引起了重大治疗挑战。 缺乏经过验证的分子靶标是发现新的治疗候选者的主要障碍，在二十年中，没有向患者提供新的有效GBM疗法。 在这里，我们报告了针对GBM干细胞存活表型的化合物的鉴定。 我们的方法采用机器学习（ML）的预测指标的细胞存活率，这些细胞存活在高通量，基于图像的，基于图像的表型筛选数据中，用于3,561种化合物，以多个浓度，跨六个异质，患者衍生的GBM干细胞系进行多个浓度。 我们在计算上筛选了跨越各种化学类别的12,000多种化合物。 对GBM干细胞系中ML识别的候选物的实验验证，导致了三种化合物对GBM表型的活性。 值得注意的是，我们经过验证的HSP90抑制剂XL888之一，靶向消除所有六个GBM干细胞系，其IC50在纳莫尔范围内。 其他两种化合物在具有不同细胞系敏感性的多个GBM细胞系中展示了广泛的活动，为将来的个性化医学运动提供了途径。 患者的预后较差，治疗方案有限（通常是手术，然后进行化学放疗），导致抗药性的出现。3爱丁堡大学生物科学学院，Max Born Crescent，Edinburgh，EH9 3BF，英国。*相应的作者：d.oyarzun@ed.ac.uk; n.carragher@ed.ac.uk摘要胶质母细胞瘤多形（GBM）是一种侵略性的原发性脑肿瘤，由于其复杂的病理和异质性，引起了重大治疗挑战。缺乏经过验证的分子靶标是发现新的治疗候选者的主要障碍，在二十年中，没有向患者提供新的有效GBM疗法。在这里，我们报告了针对GBM干细胞存活表型的化合物的鉴定。我们的方法采用机器学习（ML）的预测指标的细胞存活率，这些细胞存活在高通量，基于图像的，基于图像的表型筛选数据中，用于3,561种化合物，以多个浓度，跨六个异质，患者衍生的GBM干细胞系进行多个浓度。我们在计算上筛选了跨越各种化学类别的12,000多种化合物。对GBM干细胞系中ML识别的候选物的实验验证，导致了三种化合物对GBM表型的活性。值得注意的是，我们经过验证的HSP90抑制剂XL888之一，靶向消除所有六个GBM干细胞系，其IC50在纳莫尔范围内。其他两种化合物在具有不同细胞系敏感性的多个GBM细胞系中展示了广泛的活动，为将来的个性化医学运动提供了途径。患者的预后较差，治疗方案有限（通常是手术，然后进行化学放疗），导致抗药性的出现。我们的工作证明了在与ML串联串联中使用表型筛选的使用可以有效地识别具有很少已知分子靶标的高度异质指示中个性化处理的治疗铅。关键字：胶质母细胞瘤，人工智能，药物发现，机器学习简介胶质母细胞瘤多形（GBM）是人类成年人中最常见和最具侵略性的原发性脑肿瘤，其特征是遗传驱动因素的实质异质性和肿瘤微环境1-3。在过去20年中，新诊断的GBM患者的护理标准包括手术，替莫唑胺（TMZ）和电离辐射（IR），延长了12个月至15个月患者的总体生存期4,5。大规模的基因组分析增强了我们对GBM分子生物学的理解，后者支持
定量系统药理学 (QSP) 模型框架
背景和背景：抗体-药物偶联物 (ADC) 是一类很有前途的靶向癌症疗法，它结合了单克隆抗体的特异性和化疗药物的细胞毒性。ADC 在将药物直接输送到癌细胞的同时，还显示出了巨大的潜力，可以最大限度地减少脱靶效应。然而，在临床环境中预测 ADC 的疗效和毒性仍然是一项重大挑战。经验模型通常无法准确捕捉与这些生物治疗相关的复杂药代动力学和药效学 (PKPD)。
adafruit-braincraft-hat-easy-machine-learning-for-raspberry ...
1.54 英寸 IPS TFT 显示屏，分辨率为 240x240，可显示文本或视频 立体声扬声器端口用于音频播放 - 文本转语音、警报或创建语音助手。 立体声耳机输出，可通过立体声系统、耳机或有源扬声器播放音频。 立体声麦克风输入 - 非常适合制作您自己的智能家居助手 两个 3 针 JST STEMMA 连接器，可用于连接更多按钮 (http://adafru.it/4431)、继电器 (http://adafru.it/4409) ，甚至一些 NeoPixels！(http://adafru.it/3919) STEMMA QT 即插即用 I2C 端口 (https://adafru.it/Ft4) ，可与我们的任何 50+ I2C STEMMA QT 板 (https://adafru.it/NmD) 一起使用，或可用于连接到 Grove I2C 设备适配器电缆（http://adafru.it/4528）。5 向操纵杆 + 按钮用于用户界面和控制。三个 RGB DotStar LED 用于彩色 LED 反馈。
物质制成的医疗器械中非药理作用机制的概念在实践中的作用：药理学能为推动科学做些什么
摘要 医疗器械代表了一类广泛的产品，旨在用于预防、诊断、监测、治疗或缓解疾病或损伤。近年来，医疗器械的发展已导致越来越多的产品含有“物质”，由于其存在形式和使用部位与药品相似，通常被称为“边缘”产品。欧盟 (EU) 的监管文件在许多监管领域都考虑了基于物质的产品；在治疗学中，他们根据产品的主要作用机制将“医疗器械”与“药品”区分开来。这种区别通常不是直观的，而是基于对“药理、免疫和代谢作用机制”等基本术语的正确解释，这些术语具有重要的监管意义。本文讨论了正确解释这些术语的问题，并希望引起药理学家的兴趣，设计适当的实验范例，以严格、科学地解释由物质制成的医疗器械的正确作用机制。
CRISPR技术在植物药有效成分次级代谢途径中的应用及发展
CRISPR/Cas9系统作为一种高效的基因编辑工具，被广泛应用于研究和调控药用植物有效成分的生物合成途径，在提高药用植物有效成分的产量和质量方面具有巨大的潜力。通过精准调控关键酶和转录因子的表达，CRISPR技术不仅加深了我们对药用植物次生代谢途径的认识，也为药物研发和中药现代化开辟了新的途径。本文首先介绍了CRISPR技术的原理及其在基因编辑中的应用，然后详细讨论了其在药用植物次生代谢中的应用，包括有效成分的组成和CRISPR策略在代谢途径中的实施，以及Cas9蛋白变体和先进的CRISPR系统在该领域的影响。此外，本文还展望了CRISPR技术对药用植物研发进程的长远影响，并提出了目前研究中存在的问题，包括脱靶效应、基因组结构复杂、转化效率低、对代谢途径了解不足等，同时提出了一些见解，以期为CRISPR在药用植物中的后续应用提供新思路。总之，CRISPR技术在药用植物次生代谢研究中具有广阔的应用前景，有望促进生物医药和农业科学的进一步发展。随着技术进步和挑战的逐步解决，CRISPR技术有望在药用植物有效成分研究中发挥越来越重要的作用。
制药行业的AI准备就绪 - 最终报告
AI in the innovation pipeline..................................................................................................... 5 Corporate AI readiness.............................................................................................................. 7 External collaborations in AI................................................................................................... 11 Conclusions and recommendations............................................................................................14
药品剂型-CBSPD
inscefflation：它们是一类用于应用体腔的粉末，例如耳朵，鼻子，阴道等。粉末必须非常细，必须找到足够深的腔的入口，以便在现场进行动作。，它借助称为“灭绝机”的设备，将其传递到溪流中的受影响部分，该设备将粉末吹到现场。某些不足含有挥发性液体成分，可能需要在粉末中分布均匀。不应通过蒸发去除去小部分中存在的主动挥发性液体，而应仅通过粉末中的三项掺入。制药行业包装以加压形式的不足，即气溶胶。气溶胶包含具有合适阀的粗壮容器中的药物，粉末的输送是通过非常低的沸点的液化或压缩气体推进剂来完成的。在按下阀的执行器时，推进剂将药物在流中输送。
菲律宾药品竞争
由于大多数家庭自掏腰包购买药品，药品价格是医疗保健成本的主要决定因素，对医疗保健的机会和健康结果有影响，特别是对贫困家庭（Bredenkamp 和 Buisman，2016 年）。2012 年，菲律宾家庭平均在药品上花费 5,158 比索，占总自付医疗支出的 61.7%（Ulep 和 Cruz，2013 年）。在发生灾难性支出的家庭中，药品支出是最大的支出项目，相当于总支出的 55%。在所有收入群体中，药品和药物在医疗支出的构成中占比最高。虽然最富裕五分之一家庭的平均药品和药物支出较高，但贫困家庭的药品支出在总支出中的占比更高。最贫困五分之一家庭将 76% 的自付费用用于购买药品，比最富裕的家庭群体高出约 18 个百分点。
ONMIMHC：通过增强的肽-MHC结合预测的UCEC肿瘤疫苗开发的机器学习解决方案
免疫系统中主要的组织相容性复合物（MHC）I类和II类分子的关键作用已得到很好的确定。本研究旨在开发一种新型的机器学习框架，用于通过MHC I类和II类分子预测抗原肽表现。通过整合大规模质谱数据和其他相关数据类型，我们基于深度学习提供了预测模型ONMIMHC。我们使用独立的测试集对其性能进行了严格的评估，ONMIMHC在MHC-I任务中的PR-AUC得分为0.854，Top20％-PPV为0.934，这表现优于现有方法。同样，在MHC-II预测的域中，我们的模型ONMIMHC的PR-AUC得分为0.606，TOP20％-PPV为0.690，表现出优于其他基线方法。这些结果证明了我们模型ONMIMHC在准确预测MHC-I和MHC-II分子之间的肽MHC结合后的优势。凭借其出色的准确性和预测能力，我们的模型不仅在一般的预测任务中出色，而且在预测新抗原针对特定癌症类型的新抗原方面也取得了显着的结果。特别是对于子宫菌群子宫内膜癌（UCEC），我们的模型成功地预测了新抗原，对普通人类等位基因具有很高的结合概率。这一发现对于开发针对UCEC的个性化肿瘤疫苗非常重要。