XiaoMi-AI文件搜索系统
World File Search Systemsimilar
青春期过渡期间心理化和现场社交互动之间的神经相似性
图 1 社交互动 fMRI 任务示意图 (a)。参与者会得到半秒钟的提示，表明他们是要回答互动伙伴 (peer) 提出的问题，还是回答计算机提出的关于故事人物 (character) 的问题。提示持续 3.5 秒，需要使用关于目标的心理状态信息 (mental)，或非心理、物理信息 (nonmental)。这产生了一个完全的受试者内、2 (同伴/角色) 2 (心理/非心理) 设计 (b)。PM，同伴心理；PNM，同伴非心理；CM，角色心理，CNM，角色非心理。模型 1 = 互动涉及心理化 (c)，模型 2 = 互动模型 (d)，模型 3 = 心理化模型 (e)
将药物-药物相似性添加到药物-靶标相互作用预测方法中是否会显著提高其效率？
摘要 预测药物-靶标相互作用 (DTI) 已成为一个重要的生物信息学问题，因为它是药物重新定位的关键和初步阶段之一。因此，科学家们正在尝试开发更准确的计算方法来预测药物-靶标相互作用。这些方法通常基于机器学习或推荐系统，并使用生物和化学信息来提高预测的准确性。在这些方法的背景下，有一个假设，即具有相似化学结构的药物具有相似的靶标。因此，药物之间的相似性作为化学信息被添加到计算方法中以改进预测结果。这里出现的问题是这种说法是否真的正确？如果是这样，应该使用什么方法来计算药物-药物化学结构的相似性？我们是否会从我们使用的任何 DTI 预测方法中获得同样的改进？在这里，我们研究了通过将药物-药物化学结构相似性添加到问题中可以实现的改进量。为此，我们考虑了不同类型的真实化学相似性、随机药物相似性、四个黄金标准数据集和四种最先进的方法。我们的结果表明，数据的类型和大小、用于预测相互作用的方法以及用于计算药物间化学相似性的算法都很重要，不能轻易地说增加药物相似性可以显著改善结果。因此，我们的结果可以为想要改进机器学习方法的科学家提供一份清单。
将药物-药物相似性添加到药物-靶标相互作用预测方法中是否会显著提高其效率？
大多数药物在临床试验的早期阶段就失败了，而且一种药物要想在市场上取得成功需要花费大量的时间和成本 [1, 2]。这些因素促使科学家们努力寻找更好、更便宜的方法来寻找合适的药物。解决这些问题最有效、最有趣的解决方案之一是药物重新定位 (也称为药物再利用)。药物重新定位确实可以加快研究速度，因为它省去了药物设计的早期阶段，但它也有缺点。例如，使用药物重新定位来确定用于治疗新疾病的药物剂量是这一观点面临的最重要挑战之一，因为该药物已经被考虑用于治疗另一种疾病，并且剂量特定。然而，这种观点已经找到了自己的地位，我们今天必须考虑它。
使用针对药物间靶标相似性进行训练的机器学习模型对天然化合物的生物活性进行评估
天然化合物是潜在小分子治疗药物的丰富资源。尽管由于其多样性和系统纯化的困难，这种资源的实验性访问受到限制，但计算评估与已知治疗分子的结构相似性提供了一种可扩展的方法。在这里，我们使用机器学习方法结合多种化学相似性指标和物理化学性质来评估天然化合物与已批准药物之间的功能相似性。我们计算了 1410 种药物之间的成对相似性以训练分类模型，并使用药物共享的蛋白质靶标作为类标签。表现最好的模型是随机森林，其平均 ROC 下面积为 0.9，马修斯相关系数为 0.35，F1 得分为 0.33，表明它很好地捕捉了结构-活性关系。然后使用这些模型通过将大约 11k 种天然化合物与药物进行比较来预测其蛋白质靶标。这揭示了几种天然化合物的治疗潜力，包括那些有以前发表的资料支持的化合物以及迄今为止尚未开发的化合物。我们通过实验验证了预测对之一的活性，即 5-甲氧基水杨酸对 Cox-1 的抑制作用，5-甲氧基水杨酸是一种常见于茶、草药和香料中的分子。相比之下，另一种天然化合物 4-异丙基苯甲酸在考虑最大加权相似度指标时具有最高相似度得分，但未被我们的模型挑选出来，它没有抑制 Cox-1。我们的结果证明了结合多种化学特征的机器学习方法在揭示天然化合物的蛋白质结合潜力方面的实用性。
基于相似性的目标钓鱼引擎 FastTargetPred 的新 ChEMBL 数据集：线性四肽详尽列表的注释
药物发现通常需要识别脱靶，因为化合物与预期靶标以外的靶标的结合在某些情况下可能是有益的，而在其他情况下可能是有害的（例如，与反靶标结合）。此类调查在项目的早期阶段也很重要，例如当靶标未知时（例如，表型筛选）。靶标识别可以在体外进行，但近年来也开发了各种计算机模拟方法，以促进靶标识别并帮助产生想法。FastTargetPred 就是这样一种方法，它是一个免费的 Python/C 程序，它尝试使用已建立的化学相似性搜索方法预测单个输入小分子查询或整个化合物集合的假定大分子靶标（即靶标钓鱼）。事实上，小化合物的假定大分子靶标可以通过识别来预测。
肿瘤学中的生物仿制药
ASCO 肿瘤生物仿制药工作组成员 安进公司为弗雷德哈钦森癌症研究中心提供研究资助的 PI 咨询机构：G1 Therapeutics；BeyondSpring；Sandoz；TEVA；SeaGen；ER Squibb；默克；三星、费森尤斯卡比
基于重要性变化的性能下降及其在异种冗余驱动系统中的应用
摘要：重要性测度是识别和评估系统薄弱环节的重要方法，广泛应用于航空、航天、核能等系统的优化设计和维护决策。非相似余度作动系统（DRAS）是实现飞机姿态和飞行轨迹控制的关键飞机控制子系统，其性能和可靠性直接影响飞机的飞行品质和飞行安全。本文分别考虑Birnbaum重要性测度（BIM）和综合重要性测度（IIM）对DRAS中关键部件可靠性变化的影响，首先考虑了性能退化和功率不匹配导致不同部件物理故障特征的差异，然后分析了DRAS中关键部件的可靠性变化。然后通过假设 DRAS 组件的随机退化过程遵循逆高斯 (IG) 过程来估计系统中每个组件的可靠性。最后，使用 BIM 和 IIM 识别系统的薄弱环节，以便在维护期间将资源合理地分配给薄弱环节。所提出的方法可以为人员维护提供技术支持，从而以最小的生命周期成本提高系统可靠性。
生物仿制药：十年经验和未来方向改善生物仿制药采用的策略和临床药理学的潜在作用
Yow-Ming Wang，博士 美国食品药品管理局临床药理学办公室生物仿制药和治疗性生物制品副主任 Yow-Ming Wang 博士目前担任 FDA 临床药理学办公室生物仿制药和治疗性生物制品副主任。她领导的治疗性生物制品项目旨在通过制定明确的政策、提高审查质量、促进知识共享、建立合作与拓展，促进生物产品开发中的科学和监管卓越性。 Gary Lyman，医学博士，公共卫生硕士，FACP，FRCP（爱丁堡），FASCO 教授；弗雷德哈钦森癌症研究中心公共卫生科学部和临床研究部癌症预防项目高级主管；哈钦森癌症结果研究所卫生保健质量与政策教授和兼职教授；华盛顿大学和杜克大学医学院公共卫生与药学系 Lyman 博士是弗雷德哈钦森癌症研究中心公共卫生科学与临床研究教授，同时还是哈钦森癌症结果研究所医疗质量与政策高级主管。他还是华盛顿大学和杜克大学医学院医学教授和公共卫生与药学副教授。
引文详情：Brown,P.、RELISH Consortium、Zhou,Y。大型专家精选数据库，用于对生物医学文献搜索中的文档相似性检测进行基准测试。数据库 (2019) 第 2019 卷：文章 ID baz085；doi：10.1093/database/baz085
用于查找相关文献的文档推荐系统大多依赖于十年前开发的方法。这主要是因为缺乏一个涵盖各种研究领域的大型离线黄金标准相关文献基准，以便可以比较、改进新开发的文献检索技术并将其转化为实践。为了克服这个瓶颈，我们成立了 RE 相关文献搜索联盟，该联盟由来自 84 个国家的 1500 多名科学家组成，他们共同注释了超过 180,000 篇 PubMed 收录文章与其各自的种子（输入）文章的相关性。大多数注释都是由经验丰富的种子文章原作者提供的。收集到的数据涵盖了 76% 的所有唯一 PubMed 医学主题词描述符。在不同经验水平、研究领域或注释时间之间未观察到系统性偏差。更重要的是，不同科学家对相同文档对的注释高度一致。我们进一步表明，用于生成推荐文章以供评估的三种代表性基线方法（Okapi Best Matching 25、词频 - 逆文档频率和 PubMed 相关文章）具有相似的总体性能。此外，我们发现这些方法各自倾向于生成不同的推荐文章集合，这表明可能需要一种混合方法来完全捕获所有相关文章。位于 https://relishdb.ict.griffith.edu.au 的已建立数据库服务器可免费下载注释数据和盲测新方法。我们预计，该基准将有助于促进开发新的强大技术，用于生物医学研究中的相关文章的标题和基于标题/摘要的搜索引擎。