XiaoMi-AI文件搜索系统
World File Search Systempres
亨廷顿氏病动物模型中微小RNA表达的改变及潜在的治疗策略
摘要 回顾近年来的亨廷顿舞蹈症动物模型，发现许多microRNA在纹状体和大脑皮层中的表达水平发生改变，且大多下调。发生改变的microRNA包括miR-9/9*、miR-29b、miR- 124a、miR-132、miR-128、miR-139、miR-122、miR-138、miR-23b、miR-135b、miR- 181（均下调）和miR-448（上调），类似的变化此前也在亨廷顿舞蹈症患者中发现过。在动物细胞研究中，发生改变的microRNA包括miR-9、miR-9*、miR-135b、miR-222（均下调）和miR-214（上调）。在动物模型中，miR-155 和 miR-196a 的过表达导致突变型亨廷顿蛋白 mRNA 和蛋白质水平下降，纹状体和皮质中的突变型亨廷顿蛋白聚集体降低，并改善行为测试中的表现。miR-132 和 miR-124 的过表达也使行为测试中的表现得到改善。在动物细胞模型中，miR-22 的过表达增加了感染突变型亨廷顿蛋白的大鼠原代皮质和纹状体神经元的活力，并减少了 ≥ 2 µm 的亨廷顿蛋白富集灶。此外，miR-22 的过表达提高了用 3-硝基丙酸处理的大鼠原代纹状体神经元的存活率。外源性表达 miR-214、miR-146a、miR-150 和 miR-125b 会降低 Hdh Q111 / Hdh Q111 细胞中内源性亨廷顿蛋白 mRNA 和蛋白质的表达。有必要对亨廷顿氏病动物模型进行进一步研究，以验证这些发现，并确定特定的microRNA，它们的过度表达可抑制突变亨廷顿蛋白的产生和其他有害过程，并可能为治疗亨廷顿氏病患者和减缓其进展提供更有效的方法。关键词：动物模型；大脑皮层；亨廷顿蛋白；亨廷顿氏病；microRNA；神经退行性；纹状体；治疗策略
请引用本文：Toda and Okamoto，（2020）。通过将大分子直接递送到水稻卵细胞中的基因表达和基因组编辑系统
请引用本文：Toda and Okamoto，（2020）。通过将大分子直接递送到水稻卵细胞和受精卵中的基因表达和基因组编辑系统，Bio-protocol 10 (14): e3681。DOI：10.21769/BioProtoc.3681。
RASSF1A 肿瘤抑制因子 - UCD 研究资料库
摘要：RASSF1A 肿瘤抑制因子是一种参与细胞信号传导的再生蛋白。越来越多的证据表明，这种蛋白质位于复杂信号网络的交叉点，该网络包括细胞稳态的关键调节器，例如 Ras、MST2/Hippo、p53 和死亡受体通路。RASSF1A 表达的丧失是实体肿瘤中最常见的事件之一，通常是由 DNA 甲基化导致的基因沉默引起的。因此，重新表达 RASSF1A 或针对其复杂信号网络的影响模块进行治疗是治疗多种肿瘤类型的一种有希望的途径。在这里，我们回顾了 RASSF1A 信号网络的主要模块以及网络失调对不同癌症类型的影响的证据。具体来说，我们总结了介导 RASSF1A 启动子甲基化的表观遗传机制以及 Hippo 和 RAF1 信号模块。最后，我们讨论了重建 RASSF1A 功能的不同策略，以及如何通过多靶向途径方法选择此网络中的可用药节点来开发新的癌症治疗方法。
2024-5VELIA 新闻稿
VELIA 的设计灵感来源于南半球天空的杰作“船帆座”。它不仅仅是一个星团，更是一场穿越宇宙的旅程，一幅等待探索的无限可能。它的名字是拉丁语，意为船帆，象征着启航史诗般的旅程，就像我们戴着这款智能戒指踏上的旅程一样。就像船帆座一样，VELIA 代表着一个星座，一个围绕着戒指战略性放置的高科技传感器星座。这些光电元件形成了一个独特的空间星座，允许从一刀切的方法转变为真正非凡的方法。我们的尖端技术将 VELIA 智能戒指转变为针对每个用户的专用设备，就像为您的健康和幸福量身定制的西装一样。
索尔维公司介绍
[1] 投资现金流回报率衡量索尔维业务活动的现金回报。CFROI 水平的变动是显示经济价值是否增加的相关指标，尽管人们普遍认为该指标无法与行业同行进行对标或比较。该定义使用对资产重置成本的合理估计，并避免会计失真，例如减值。它计算为经常性现金流与投资资本之间的比率，其中：经常性现金流 = 基础 EBITDA + 来自联营公司和合资企业的股息 - 来自联营公司和合资企业的收益 + 经常性资本支出 + 经常性所得税；投资资本 = 商誉和固定资产的重置价值 + 净营运资本 + 联营公司和合资企业的账面价值；经常性资本支出标准化为固定资产重置价值减去商誉价值的 2%；经常性所得税标准化为（基础 EBIT - 来自联营公司和合资企业的收益）的 30%
张量网络状态的量子压缩
摘要 我们为张量网络状态的参数族设计量子压缩算法。我们首先建立存储给定状态族中的任意状态所需的内存量的上限。该上限由合适流网络的最小割确定，并与从指定状态的参数流形到状态所体现的物理系统的信息流有关。对于给定的网络拓扑和给定的边维度，当所有边维度都是同一整数的幂时，我们的上限是严格的。当不满足此条件时，该上限在乘法因子小于 1.585 时是最佳的。然后，我们为一般状态族提供了一种压缩算法，并表明该算法对于矩阵乘积状态在多项式时间内运行。
基于空间表征语义层次的机器人探索与绘图策略
许多科学家 [Lynch，1960；Piaget 和 Inhelder，1967；Siegel 和 White，1975] 已经观察到认知地图被组织成连续的层，并提出对大规模环境的有用且有力的描述的核心要素是拓扑描述。分层模型包括从局部感官信息中识别和辨认地标和地点；路线控制知识（从一个地方到另一个地方的过程）；连通性、顺序和包含的拓扑模型；以及形状、距离、方向、方位以及局部和全局坐标系的度量描述。看来，认知地图的分层结构是人类在大规模空间中稳健表现的原因。我们的方法试图将这些方法应用于机器人探索和地图学习问题。我们定性方法中对环境的核心描述是拓扑模型，如 TOUR 模型 [Kuipers，1978]。该模型由一组节点和弧组成，其中节点代表环境中可识别的位置，弧代表连接它们的行进路径。节点和弧是根据机器人的感觉运动控制能力程序性定义的。度量信息添加到拓扑模型之上。
