XiaoMi-AI文件搜索系统
World File Search Systempharma
成年心脏移植患者的他克莫司种群药代动力学
通讯作者：Jean-Baptiste Woillard标题：Pharmd，Phd OrcID：0000-0003-1695-0695； 0000-0001-6147-9201地址：大学。LIMOGES，INSERM U1248 P＆T，2 Rue du Pr Descottes，F-87000 Limoges，法国。电话：+33 5 55 05 61 40传真：+33 5 55 05 61 62电子邮件：Jean-Baptiste.woillard@unilim.fr作者确认本文的主要研究人员是Pierre Marquet教授和
用免疫检查点抑制剂报道的肺动脉高压：一项药物守护研究
免疫检查点抑制剂（ICI），靶向促进性 - 细胞 - 死亡1蛋白（PD-1），其配体（PD-L1）和细胞毒性-T-淋巴细胞相关 - 抗原-4（CTLA-4），已改善了许多癌症类型的临床临床效果。尽管有巨大的益处，ICIS仍可促进任何器官的炎症，并与可能涉及心血管和肺部系统有关的免疫相关事件有关[1-3]。由于最近出版物引起了人们对与ICIS相关的潜在肺动脉损伤的担忧[4-6]，我们面临着在用Nivolumab治疗的患者中发生的毛细血后肺动脉高压（pH）。因此，我们旨在通过对世界卫生组织的药物宣传数据库中报道的病例进行描述性分析来研究与ICI癌症治疗相关的潜在pH风险。
合理处方的科学基础。基于 WHO 6 步法的精准临床药理学指南 Rongen，GAPJM；Marquet，P
摘要 背景与方法 本意见书扩展了世界卫生组织的“最佳药物治疗六步法”，详细探讨了其背后的药理学和病理生理学原理。这一工作确定了大量需要解决的研究领域，以使临床药理学朝着“精准临床药理学”的方向发展，而精准临床药理学是精准医疗的先决条件。 结果 为了提高患者群体（指导药物开发）和个人（指导治疗选择和优化临床结果）的临床疗效和安全性，临床药理学的发展至少应解决以下问题：（1）分子诊断检测指导药物设计和开发，使医生能够快速准确地确定个体患者的最佳治疗靶点（指导为合适的患者选择合适的药物）；（2）建立和验证靶点参与和修饰的生物标志物作为临床疗效和安全性的预测因子； (3) 将生理性的 PK/PD 模型和药理作用的中间标记物与疾病的自然演变相结合，利用先进的建模技术（基于确定性模型、机器学习和深度学习算法），预测最有效改善患者群体和个体临床结果的药物剂量；(4) 验证人或人源化体外、离体和体内模型预测研究疗法临床结果的能力的方法，包括核酸或重组基因与载体（包括病毒或纳米颗粒）、细胞疗法或治疗性疫苗；(5) 作为金标准大型 3 期随机临床试验的方法学补充，在人群层面（实用临床试验）以及小群体患者（低至 n = 1）中提供有关所有治疗方案的疗效和安全性的临床相关和可靠数据；(6) 监管科学，以优化临床试验的伦理审查流程、文件和监测，提高效率，降低临床药物开发成本； (7) 采取干预措施有效提高患者依从性，合理化多重用药，以减少不良反应并增强治疗相互作用；(8) 评估药物使用的生态和社会影响，以防止环境危害（遵循“ 同一个健康 ” 概念）并减少耐药性。讨论和结论可以看出，精准临床药理学旨在实现高度转化，这将需要大量具有互补技能的专家组。包括非临床药理学家在内的跨学科合作将是实现这一雄心勃勃计划的关键。
针对线粒体复合物 I 的新型抗癌药物
HAL 是一个多学科开放存取档案库，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
对患有1型糖尿病的儿童和青少年的简短接受和承诺疗法
在过去的几年中，放射性药物疗法已成为一种开创性的治疗方式，利用放射性核素的独特特性以高精度提供分子靶向疗法，并改善精确肿瘤学和个性化药物的景观。它的发展反映了数十年来核医学，化学和癌症生物学的进步。，直到最近，还没有确定的临床证据将其确定为治疗计划，很少有大量的随机对照临床研究。过去二十年来见证了范式的转变，并进行了三项成功的3阶段研究，阐明了放射性药物治疗。本文简要概述了当前活跃的第三阶段研究，以突出该临床领域的活力和希望以及正在处理的各种癌症。
dyphAI 利用人工智能进行动态药效团建模
1 产品与工艺设计组 (GDPP)，哥伦比亚波哥大安第斯大学化学与食品工程系，2 哥伦比亚波哥大安第斯大学化学系计算生物有机化学 (COBO)，3 哥伦比亚卡利 ICESI 大学生物科学、生物过程与生物技术系工程、设计与应用科学学院 Natura 集团，4 哥伦比亚波哥大安第斯大学生物科学系微生物研究中心 (CIMIC)，5 哥伦比亚卡利 ICESI 大学制药与化学科学系工程、设计与应用科学学院 Natura 集团，6 哥伦比亚伊瓦格大学自然科学与数学学院生物有机化学与分子系统研究组 (QBOSMO)
一家创新的制药公司，拥有广泛而强大的治疗项目组合
推进我们的免疫疗法 - 新的结果表明，可以通过靶向免疫系统而不是该公司宣布的II期随机研究结果来治疗细菌感染，在该研究中，患者被分配给抗生素治疗或ANAKINRA，从而改变了免疫反应对感染的免疫反应。结果表明，可以通过靶向免疫系统而不是细菌来治疗细菌感染。这是该领域的概念变化，在该领域寻找新药物已着重于寻找新的抗生素。靶向免疫系统与抗生素一样有效，通过短期和长期症状的显着降低，症状复发的数量明显低于研究之前，以及生活质量的提高。此外，免疫疗法有可能减少大型患者组中对抗生素的需求，并可能受到抗生素耐药性的威胁。
使用赋形剂预测软件（Expreso）
由于新的方式和更高的预期药物浓度，蛋白质生物药物的制定发展变得越来越具有挑战性。药物供应的约束以及对整体分析方法的需求意味着，只能在湿实验室中彻底测试少量的赋形剂。到目前为止，几乎没有开发出用于完善用于湿实验室测试的候选赋形剂的工具。为了填补这一空白，我们开发了赋形剂预测软件（Expreso），这是一种机器学习算法，该算法建议基于蛋白质药物和靶产品概况的特性，建议不活跃成分。创建了超过350种肽/蛋白质药物制剂的数据集，具有可靠的长期稳定性。该数据集具有预测特征，包括蛋白质结构特性，蛋白质语言模型嵌入和药物产品特征。进行了监督的机器学习，以创建一个模型，该模型为数据集中的每种药物提供了赋形剂。expreso可以成功预测九种最普遍的赋形剂的存在，验证得分远高于随机预测，并且过度拟合最少。仅使用基于序列的输入特征的快速变体显示出与依赖分子建模的模型较慢的模型相似的预测功率。有趣的是，仅具有基于蛋白质的输入功能的Expreso变体也显示出良好的性能，证明该算法对数据集中平台配方的影响有弹性。据我们所知，这是机器学习首次被用来建议生物制药赋形剂。总体而言，Expreso在制定过程中与赋形剂筛查相关的时间，成本和风险显示出巨大的潜力。关键字：配方开发，机器学习，赋形剂，不活跃成分，CMC，生物制药，单克隆抗体，可发展性，蛋白质疗法缩写：Expreso，excipient预测软件； ROC，接收器操作特征； AUC，
使用赋形剂预测软件（Expreso）
由于新的方式和更高的预期药物浓度，蛋白质生物药物的制定发展变得越来越具有挑战性。药物供应的约束以及对整体分析方法的需求意味着，只能在湿实验室中彻底测试少量的赋形剂。到目前为止，几乎没有开发出用于完善用于湿实验室测试的候选赋形剂的工具。为了填补这一空白，我们开发了赋形剂预测软件（Expreso），这是一种机器学习算法，该算法建议基于蛋白质药物和靶产品概况的特性，建议不活跃成分。创建了超过350种肽/蛋白质药物制剂的数据集，具有可靠的长期稳定性。该数据集具有预测特征，包括蛋白质结构特性，蛋白质语言模型嵌入和药物产品特征。进行了监督的机器学习，以创建一个模型，该模型为数据集中的每种药物提供了赋形剂。expreso可以成功预测九种最普遍的赋形剂的存在，验证得分远高于随机预测，并且过度拟合最少。仅使用基于序列的输入特征的快速变体显示出与依赖分子建模的模型较慢的模型相似的预测功率。有趣的是，仅具有基于蛋白质的输入功能的Expreso变体也显示出良好的性能，证明该算法对数据集中平台配方的影响有弹性。据我们所知，这是机器学习首次被用来建议生物制药赋形剂。总体而言，Expreso在制定过程中与赋形剂筛查相关的时间，成本和风险显示出巨大的潜力。关键字：配方开发，机器学习，赋形剂，不活跃成分，CMC，生物制药，单克隆抗体，可发展性，蛋白质疗法缩写：Expreso，excipient预测软件； ROC，接收器操作特征； AUC，
在医院药房制备基因治疗药物期间检测和定量病毒污染的方法
摘要目的本研究的目的是开发一种在隔离器工作室上取样和检测腺病毒衍生的基因治疗（GT）载体的方法。方法我们使用定量PCR（Q-PCR）来检测纯GT产物的标准稀释液和采样表面提取物中的病毒基因组。我们比较了三个用于表面采样的设备（棉花压缩，棉签和聚酯羊群），并对每个设备进行了阳性对照，阴性对照和诱导的污染测试。结果我们的结果表明，Q-PCR分析检测到GT纯产物，并在整个稀释范围内得到扩增。Q-PCR分析中预期和测量的矢量颗粒数量的平均差为1.27 log。聚酯拭子的总提取体积中的颗粒数为4.66×10 8（占初始数量的7.8％），棉签的颗粒数量为3.82×10 8，棉签的颗粒数量为3.82×10 8，棉签的2.88×10 7（4.8％）（4.8％）。结论这些初始结果表明，对工作表的病毒监测是可行的，将有助于我们验证GT产品供应链。