河马途径调节发育过程中关键细胞过程。在〜10%的人类癌症中,河马途径失调导致YAP/TAZ过度活化,并增加依赖性转录,从而促进肿瘤生长和耐药性 - 通常通过支持药物耐受性持久性生存。在40%的恶性间皮瘤(MM)中,神经纤维瘤病(NF2)基因突变使Merlin蛋白失活,Merlin蛋白是TEAD的上游负调节剂。临床前研究表明NF2突变MM中的高曲线依赖性。我们发现了一系列有效的共价和非共价小分子抑制剂,这些抑制剂占据了te蛋白的棕榈酸盐结合口袋,具有不同的旁系同源物选择性曲线。
摘要:表型稳定的软骨移植物的植入可以代表修复骨关节炎(OA)软骨病变的可行方法。在本研究中,我们研究了调节骨形态发生蛋白(BMP),转化生长因子β(TGFβ)和人介素1(IL-1)信号级联对人骨骨髓基质细胞(HBMSC)中的效果 - 包含的丝绸丝绸纤维蛋白胶质素胶质素(Sf-Gelatin(Sf-Gelatin(Sf-Gelatin))。选定的小分子LDN193189,TGFβ3和IL1受体拮抗剂(IL1RA)与SF-G生物材料共轭,以确保持续释放,增加生物利用度和可打印性,并由ATR-FTIR,释放Kinetics和Hapre-Ftair,Kinetics和Hapor-fterirics确认。在OA诱导培养基中孵育具有软骨分化的HBMSC的3D生物打印构建体14天,并通过详细的QPCR,免疫荧光和生化分析进行评估。尽管供体之间的观察结果存在很大的异质性,但IL1RA分子说明了增强关节软骨成分表达的最高效率,从而减少了肥厚型标记物(由Genemania工具重新验证)的表达,并降低了HBMSCS的炎症分子的产生。因此,这项研究表明了一种新的策略,可以开发一种化学装饰,可打印和仿生的SF-G生物互联,以产生透明的软骨移植物,可抵抗获得OA性状,可用于治疗退化的软骨病变。关键字:骨关节炎,信号通路,软骨发生,丝质纤维素明胶生物学,3D生物打印,软骨细胞肥大
摘要:最近出现了几种合成方法,将高表面积固态有机骨架材料开发成具有永久孔隙率的自由流动液体。这些多孔液体 (PL) 材料的流动性使它们在某些储存和运输过程中具有优势。然而,大多数基于骨架的材料需要使用低温来储存弱结合气体(例如 H 2 ),而在该温度下 PL 会失去流动性。基于共价有机骨架 (COF) 的 PL 可以在接近环境温度的条件下与 H 2 可逆地形成稳定的复合物,这将代表气体储存和运输应用的有希望的发展。我们在此报告一种基于负载 Cu(I) 的 COF 胶体的具有这些卓越特性的材料的开发、表征和评估。我们的合成策略需要使用原子转移自由基聚合 (ATRP) 来定制条件以在 COF 胶体周围生长坚固的聚(二甲基硅氧烷)-甲基丙烯酸酯 (PDMS-MA) 涂层。我们展示了对胶体COF涂层厚度的精准控制,并通过透射电子显微镜和动态光散射进行了量化。随后,将涂覆的COF材料悬浮在液体聚合物基质中,制成PL。CO 2 等温线证实,涂层在自由流动液体中保留了COF的总体孔隙率;而采用漫反射红外傅里叶变换光谱 (DRIFTS) 进行的CO吸附测量证实了Cu(I)配位点的保留。随后,我们使用DRIFTS和程序升温脱附测量评估了基于Cu(I) − COF的PL中的气体吸附现象。除了证实这些材料可以在温和制冷温度下或接近温和制冷温度下进行H 2 传输外,我们的观察还表明,H 2 扩散受到涂层和液体基质的玻璃化转变温度的显著影响。后者结果强调了PL在通过涂层成分调节气体扩散和储存温度方面的另一个潜在优势。
摘要纤维增强聚合物(FRPS)对于诸如风力涡轮机叶片等能量范围的电容至关重要。尽管如此,FRP的寿命终结选项受到限制,因为它们是永久交联的热固性的。为了启用FRP的循环,我们制定了一个可生物衍生的聚酯共价性网络(Pecan),有时被称为聚酯玻璃二聚体,以> 1 kg的比例制造FRP,这是在营养不良的25-425 cp cp cyl and cuter and cury and cury and cury and Cury and cury and cury and cury and curet and cury and cur的505-425 cp。产生高质量的纤维和可回收的硬质。FRP表现出与当今风相关的FRP(10.4–11.9 GPA)相当的横向拉伸模量。建模估计树脂的最低售价为2.28美元/千克,相对于环氧胺树脂,山核桃生产减少了19%–21%的供应链能源,并发出33%–35%的温室气体排放量减少了33%。总体而言,这项研究表明,重新设计的热眠者可以产生有益的循环。
1 QURIENT CO.,LTD。,C-DONG,242 PANGYO-RO,C801 BUNDANG-GU,SEONGNAM-SI 13487,大韩民国2临床和分子Virolosgy研究所,Friedrich-Alexander-UniversitätErlangen-Nürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnürnounberg(faangen)scherny 34,4.1105病毒学研究所,弗雷伊大学柏林,罗伯特 - 冯·斯特拉斯 - 斯特拉斯7-13,14163柏林,德国4铅索发现中心,奥托 - 霍恩 - 斯特拉斯,15,442227德国多特蒙德,德国多特,5 manfred.marschall@fau.de;电话。: +49-91-3185-36096†这些作者对这项工作也同样贡献。‡当前地址:Kanaph Therapeutics Inc.,112-901,58,Mokgam-Ro,Gwangmyeong-Si 14295,大韩民国。§当前地址:MitoMmune Therapeutics,13楼,108,Bongeunsa-Ro,Gangnam-Gu 06123,韩国首尔,韩国共和国。∥当前地址:功能性免疫组学,大学医院Tübingen,Hoppe-Seyler-Straße3,72076Tübingen,德国。
https://doi.org/10.26434/chemrxiv-2023-dj4m0-v3 orcid:https://orcid.org/0000-0000-0003-3278-5570不通过chemrxiv对内容进行不同行评审的内容。许可证:CC BY-NC-ND 4.0
基于质谱的蛋白质组学已成为复杂生物样品中蛋白质识别和定量的既定方法,代表了该领域的金标准。在共价药物发现的领域,化学蛋白质组学已成为不可或缺的成分,因为它可以通过蛋白质组学方法通过共价配体诱导的化学修饰映射(Meissner等,2022)。这些技术的成功通过实现高通量和定量分析,彻底改变了现代药物筛查工作。本综述着重于阐明各种定量蛋白质组学技术的原理和方法,包括无标签定量,ITRAQ(用于相对和绝对定量的等速标记)和TMT(tandem质量标签)标签。此外,我们探索了这些工具在定量化学蛋白质组学中的应用,证明了它们在发现共价配体中的实用性。
作者及附属机构: (1) Jennifer DeCuir,医学博士,哲学博士 美国疾病控制与预防中心 (CDC) 国家免疫与呼吸系统疾病中心,佐治亚州亚特兰大 电子邮件:qeo3@cdc.gov (2) Diya Surie,医学博士 美国疾病控制与预防中心 (CDC) 国家免疫与呼吸系统疾病中心,佐治亚州亚特兰大 电子邮件:dsurie@cdc.gov (3) Yuwei Zhu,医学博士 范德堡大学医学中心生物统计学系,田纳西州纳什维尔 电子邮件:yuwei.zhu@vumc.org (4) Adam S. Lauring,医学博士,哲学博士 密歇根大学内科医学系、微生物学和免疫学系,密歇根州安娜堡 电子邮件:alauring@med.umich.edu (5) Manjusha Gaglani,医学学士 贝勒斯科特和怀特健康中心,德克萨斯州坦普尔和达拉斯,德克萨斯 A&M 大学医学院,德克萨斯州坦普尔 电子邮件: manjusha.gaglani@bswhealth.org (6) Tresa McNeal, MD 贝勒斯科特和怀特健康中心以及贝勒医学院,德克萨斯州坦普尔市 电子邮件:tresa.mcneal@bswhealth.org (7) Shekhar Ghamande, MD 3 贝勒斯科特和怀特健康中心,德克萨斯州坦普尔市 邮件:shekhar.ghamande@bswhealth.org (8) Ithan D. Peltan, MD, MSc 犹他州默里市山间医疗中心和犹他大学医学部,犹他州盐湖城 电子邮件:Ithan.Peltan@imail.org (9) Samuel M. Brown, MD, MS 犹他州默里市山间医疗中心和犹他大学医学部,犹他州盐湖城 电子邮件:Samuel.Brown@imail.org (10) Adit A. Ginde, MD, MPH 科罗拉多州奥罗拉市科罗拉多大学医学院急诊医学部电子邮件: adit.ginde@cuanschutz.edu (11)Aimee Steinwand,理学学士,科罗拉多大学医学院急诊医学系,科罗拉多州奥罗拉
摘要:机器学习 (ML) 识别共价配位位点可能会加速靶向共价抑制剂的设计,并有助于扩大可用药的蛋白质组空间。本文我们报告了基于树的模型和卷积神经网络 (CNN) 的严格开发和验证,这些模型和神经网络是在新近整理的数据库 (LigCys3D) 上训练的,该数据库包含近 800 种蛋白质中的 1,000 多个配位半胱氨酸,由蛋白质数据库中的 10,000 多个三维结构代表。树模型和 CNN 的未见测试分别产生了 94% 和 93% 的 AUC(受试者工作特征曲线下面积)。基于 AlphaFold2 预测的结构,ML 模型以超过 90% 的召回率重现了 PDB 中新配位的半胱氨酸。为了协助共价药物发现社区,我们报告了 392 种人类激酶中预测的可配体半胱氨酸及其在序列比对激酶结构(包括 PH 和 SH2 结构域)中的位置。此外,我们还发布了可搜索的在线数据库 LigCys3D(https://ligcys.computchem.org/)和网络预测服务器 DeepCys(https://deepcys.computchem.org/),这两个数据库都将通过包含新发布的实验数据不断更新和改进。本研究代表了迈向由机器学习主导的大型基因组数据和结构模型集成的第一步,旨在为下一代共价药物发现注释人类蛋白质组空间。
使用基于假病毒的中和测定法,我们证明了在XBB.1.5疫苗后测试的所有变体的中和显着增加(图1A)。几何平均中和ID 50滴度(GMT)至XBB.1.5在疫苗接种后两周增加了10倍以上(84至869)。重要的是,对BA.2.86的中和滴度以相似的幅度增强(81至862),表明XBB.1.5疫苗接种会引起能够中和BA.2.86的抗体。虽然野生型和BA.5仍然比XBB.1.5和BA.2.86更有效地中和,但无论是在XBB.1.5之前和之后,疫苗接种之前及之后,疫苗赋予这些历史变体的提升不太明显(2.4和3.7吨时,GMT在第14天的GMT增加了)(图14)(图1A)。结果,XBB.1.5疫苗(补充图2 A-B)也降低了中和野生型和Omicron变体XBB.1.5和BA.2.86之间的差异。