XiaoMi-AI文件搜索系统
World File Search SystempEMT
四种空间推进方法对缩短载人火星任务转移时间的比较
摘要 我们评估了通过研究四种不同的推进方法并将出发时的质量保持在 2 500 吨以下（对于固定架构）来缩短载人火星任务的旅行时间的可能性。我们评估了三种不同的先进技术（化学、核热和电）和一种先进技术“纯电磁推力”（PEMT）概念（由 Rubbia 提出）的代表性系统。假设任务架构主要基于设计参考架构 5.0，以估算影响推进系统性能的质量预算。绘制了任务持续时间和飞行时间与任务质量的帕累托曲线。我们得出结论，离子发动机技术与经典化学发动机相结合，使这种架构的任务时间最短，质量最低，而单独使用化学推进是缩短旅行时间的最佳方法。使用 PEMT 获得的结果表明，它可能是比火星更远的目的地更合适的解决方案。
柳叶刀肿瘤学 - 牛津大学研究档案
摘要：上皮-间质转化 (EMT) 是细胞失去上皮特征（例如顶端-基底细胞极性和细胞间接触）并获得间质特性（例如运动能力增强）的过程。在结直肠癌 (CRC) 中，EMT 在肿瘤进展、转移和耐药性方面发挥着重要作用。越来越多的临床前和早期临床研究表明，EMT 标志物可作为 CRC 的结果预测因子和潜在治疗靶点。本综述描述了 EMT 的基本原理，包括 EMT 的生物学和新出现的部分 EMT (pEMT) 及其相关变化。我们还全面总结了能够靶向 EMT 标志物的治疗化合物，包括临床前阶段、临床试验或再利用潜力。最后，我们还探讨了 EMT 实验室到临床药物开发面临的潜在障碍。
药品专利布局：从药物发现角度理解专利的新方法
专利在药物发现过程中发挥着至关重要的作用，它为发现提供法律保护并激励对研发的投资。通过识别专利数据资源中的模式，研究人员可以深入了解制药和生物技术行业的市场趋势和优先事项，并提供有关更基本方面的更多观点，例如潜在新药靶点的出现。在本文中，我们使用专利丰富工具 PEMT 来提取、整合和分析罕见病 (RD) 和阿尔茨海默病 (AD) 的专利文献。随后对底层专利格局进行系统回顾，以解读这些疾病的专利趋势和应用。为此，我们讨论了参与 AD 和 RD 药物发现研究的知名组织。这使我们能够从特定组织（制药或大学）的角度了解 AD 和 RD 的重要性。接下来，我们分析专利与单个治疗靶点的历史重点，并将其与市场情景相关联，从而确定疾病的突出靶点。最后，我们借助专利确定了这两种疾病中的药物再利用活动。这项研究发现，现有的再利用药物和适用于适应症领域的新型潜在治疗方法均已实现。该研究证明了专利文献的适用范围已从法律扩展到药物发现、设计和研究，从而为未来的药物发现工作提供了宝贵的资源。
阿富汗新冠肺炎疫苗接种国家计划
AEFI 免疫接种后的不良事件 AFP 急性弛缓性麻痹 ARTF 阿富汗重建信托基金 COVAX AMC COVAX 预先市场承诺 BHC 基础卫生中心 BPHS 基本卫生服务包 CBHC 社区医疗保健 CCC 控制指挥中心 CEPI 流行病防范创新联盟 CHC 综合卫生中心 CHS 社区卫生监督员 CHW 社区卫生工作者 COVAX COVID-19 疫苗 COVID-19 冠状病毒病 2019 CRF 病例报告表 DCO 区联络官 DH 区医院 DHO 区卫生官员 DPO 区脊髓灰质炎官员 EPHS 基本医院服务包 EPI 扩大免疫规划 EPR 应急准备与响应 GAVI 全球疫苗接种和免疫联盟 GDPM 疾病控制和预防总局 HF 卫生机构 HLHPOC 高级卫生计划监督委员会 IDA 国际开发协会 IDP 境内流离失所者 MDB 多边开发银行 MHT 流动医疗队 MoF 财政部 MoHE 部委高等教育部 MoPH 公共卫生部 NDSR 国家疾病监测与应对 NEOC 国家紧急行动中心 NIP 国家免疫计划 NMHRA 国家医药卫生监管局 NRA 国家监管局 PCO 省级通讯官 PEMT 省级 EPI 管理团队 PH 省级医院 PPHD 省级公共卫生局局长
药品专利美化：一种从药物发现的角度理解专利的新方法
专利通过为发现和激励研究和开发的投资提供法律保护，在药物发现过程中起着至关重要的作用。通过确定专利数据资源中的模式，研究人员可以深入了解药物和生物技术行业的市场趋势和优先事项，并提供有关更基本方面的其他观点，例如潜在的新药目标的出现。在本文中，我们使用了专利富集工具PEMT，提取，整合和分析稀有疾病（RD）和阿尔茨海默氏病（AD）的专利文献。接下来是对基础专利景观的系统审查，以破译这些疾病的专利趋势和应用。为此，我们讨论了参与AD和RD药物发现研究的著名组织。这使我们能够从特定的组织（制药或大学）观点中了解AD和RD的重要性。接下来，我们分析了专利与个体治疗靶标的有关的历史重点，并将其与市场情景相关联，从而确定了疾病的突出靶标。最后，我们在专利的帮助下确定了两种疾病中的药物重新利用活动。这导致确定现有的重新定位药物和适用于指示区域的新型潜在治疗方法。这项研究表明，专利文件从法律发现，设计和研究的扩大适用性，因此为未来的药物发现工作提供了宝贵的资源。此外，这项研究是为了理解专利文档中基础数据的重要性，并提出了为基于机器学习的应用程序准备数据的必要性。
人工智能基因表达分析预测了套细胞淋巴瘤和大型泛癌系列的总体生存率
摘要：套细胞淋巴瘤 (MCL) 是成熟 B 细胞非霍奇金淋巴瘤的一种亚型，其预后不良。首先，我们分析了一系列 123 例病例 (GSE93291)。使用多层感知器人工神经网络、径向基函数、基因集富集分析 (GSEA) 和常规统计数据的算法，将 20,862 个基因与 28 个 MCL 预后基因相关联以进行降维，从而预测患者的总体生存率并突出显示新的标志物。结果，58 个基因以高精度预测生存率（曲线下面积 = 0.9）。进一步缩减后，确定了 10 个基因：KIF18A、YBX3、PEMT、GCNA 和 POGLUT3 与生存率较差有关；SELENOP、AMOTL2、IGFBP7、KCTD12 和 ADGRG2 与生存率较高有关。还与增殖指数 (Ki67) 进行了关联。有趣的是，这些与细胞周期、凋亡和代谢有关的基因也预测了弥漫性大 B 细胞淋巴瘤 (GSE10846，n = 414) 的生存率，以及包括最相关癌症 (肺癌、乳腺癌、结直肠癌、前列腺癌、胃癌、肝癌等) 的癌症基因组图谱 (TCGA，n = 7289) 的泛癌系列。其次，使用 10 个肿瘤学小组 (转录组、癌症进展和途径、代谢途径、免疫肿瘤学和宿主反应) 预测生存率，并突出显示 TYMS。最后，使用机器学习，C5 树和贝叶斯网络对 LLMPP MCL35 增殖测定的预测和相关性具有最高的准确度，并制作了 RGS1。总之，人工智能分析可以高精度地预测 MCL 的总体生存率，并突出显示可预测大量泛癌症系列生存率的基因。