XiaoMi-AI文件搜索系统
World File Search System于顺
用于顺势疗法的 Mulk 糖
除非另有规定，试验中应使用纯化学品，当打算使用水作为试剂时，应使用蒸馏水（见 IS 1070）。“纯化学品”指不含影响测试结果的杂质的化学品。 4 保质期 建议保质期为 2 年，以内部稳定性研究的数据为准。 5 取样 应按照 IS 1000 的规定抽取产品的代表性样品并测试其是否符合本标准。 6 包装和标志 6.1 包装 6.1.1 零售包装 产品应装在干净、完好的金属容器（见 IS 11078）或玻璃容器或惰性塑料容器，如 PET 和 HDPE 罐（见 IS 19084）或食品级软包装中，该包装由薄膜或纸板、纸、聚乙烯、聚酯金属化薄膜或铝箔等任何基材的组合制成，以防止其变质。如果使用塑料材料，只能使用食品级塑料（见 IS 10171）。6.1.2 散装包装产品可以 25 公斤的量装入食品级聚乙烯袋中（见 IS 10171），厚度至少为 0.05 毫米。袋子应该通过缝纫或热封进行适当封闭。
用于顺序膜到...的双印迹纳米粒子
有效和位点特异性地递送治疗药物仍然是癌症治疗中的一个关键挑战。传统的药物纳米载体（如抗体-药物偶联物）由于成本高昂而通常无法获得，并且可能导致严重的副作用，包括危及生命的过敏反应。在这里，这些问题通过设计采用创新的双印迹方法制造的超分子剂来克服。开发的分子印迹纳米粒子 (nanoMIPs) 针对雌激素受体 α (ER 𝜶 ) 的线性表位，并装载有化疗药物阿霉素。这些 nanoMIPs 具有成本效益，并且可与商业抗体对 ER 𝜶 的亲和力相媲美。当材料与在大多数乳腺癌 (BC) 中过度表达的 ER 𝜶 特异性结合后，通过受体介导的内吞作用实现核药物递送。因此，在过度表达 ER 𝜶 的 BC 细胞系中会引发显著增强的细胞毒性，为精准治疗 BC 铺平了道路。通过在复杂的三维 (3D) 癌症模型中评估其药物疗效，为 nanoMIP 的临床应用提供了概念验证，这些模型无需动物模型即可捕捉体内肿瘤微环境的复杂性。因此，这些发现凸显了 nanoMIP 作为一类有前途的新型药物化合物用于癌症治疗的潜力。
JNK 抑制在诱导肺癌细胞死亡中的作用和疗效取决于顺铂的浓度
摘要：毒性和耐药性的产生是癌症治疗的主要挑战。顺铂是最广泛使用的化疗抗癌药物之一，其最佳剂量目前备受争议。此外，其作用的剂量依赖性分子机制尚不清楚。为了评估蛋白激酶 JNK（cJun N 端激酶）信号在肺癌治疗中的作用，我们将小分子 JNK 抑制剂与顺铂相结合。我们的研究以野生型 p53（肿瘤抑制转录因子 TP53）和突变的 RAS 携带肺腺癌细胞系 A549 为模型。在这里，我们展示了顺铂浓度依赖性的 JNK 在杀死癌细胞方面的相反作用：低顺铂浓度下具有细胞保护作用，高浓度下具有促进细胞凋亡（或中性）作用。结果表明，促存活蛋白激酶 AKT 和 TP53 的激活具有时间和剂量依赖性，在暴露于不同（低和高）顺铂浓度的细胞中具有相似的激活动力学。AKT 的选择性抑制和 TP53 的激活（表达和磷酸化）导致细胞存活率降低，表明它们参与了顺铂诱导的细胞死亡调节。在与 JNK 抑制剂 SP600125 共同处理后，顺铂处理的 A549 细胞中 TP53 和 AKT 的激活水平与它们在调节细胞死亡中的作用相关。TP53 和 AKT 被认为是介导暴露于不同浓度顺铂的 A549 细胞中 JNK 抑制结果的信号蛋白。我们的研究结果表明，应激激酶 JNK 抑制和低剂量顺铂的组合，再加上药物诱导信号的操纵，可以被视为某些肺癌的有前途的治疗策略。 ■ 引言 癌症治疗的选择是战胜这种疾病的一大挑战。已知治疗耐药性有多种原因和机制，其本质是肿瘤形成细胞的异质性，这主要由癌细胞的可塑性决定，而癌细胞的可塑性又受多种因素控制。除了基因突变外，在大多数情况下，细胞之间的非遗传差异是造成这种耐药性的原因。这些因素包括表观遗传变化、微环境条件、外在生长调节因子的存在以及细胞间相互作用，所有这些因素最终都会导致信号传导改变。可以说，改变细胞状态的各种外部影响，同时改变细胞内信号传导，也可以改变细胞对治疗的敏感性。技术的进步和对信号通路的理解导致了新靶点的发现，通过这些靶点可以改善治疗结果和患者依从性。与此同时，治疗方法也发生了变化，出现了一种新的趋势，即靶向治疗，与化疗相比，靶向治疗是一种副作用最小的更好治疗策略。与化疗不同，靶向治疗会影响肿瘤细胞，通常对健康细胞的毒性较小。靶向治疗精确瞄准在肿瘤中发生改变的特定分子靶点。
在连续时空学习自我调节的关注，并应用于顺序建议
用户的兴趣通常在现实世界中是动态的，这既提出了从丰富的行为数据中学习准确偏好的理论和实际挑战。在现有用户行为建模解决方案中，注意力网络的有效性和相对简单性被广泛采用。尽管进行了广泛的研究，但现有的关注仍然受到两个局限性：i）判例的关注主要考虑了用户行为之间的空间相关性，而是相对于连续时空中这些行为之间的距离少了； ii）这些注意事项主要对过去所有行为提供了密集且没有区别的分歧，然后专心地将它们编码为输出潜在表示。这在实际情况下不合适 - 用户的未来动作与她/他的历史行为的一小部分相关。在本文中，我们提出了一个新颖的注意网络，名为“自我调节的注意”，该网络对复杂且非线性发展的动态用户偏好进行了建模。我们从经验上证明了我们方法在顶级接收授权任务上的效率，并且三个大型现实世界数据集的结果表明，我们的模型可以实现最新的性能。
在连续时空学习自我调节的关注，并应用于顺序建议
用户的兴趣通常在现实世界中是动态的，这既提出了从丰富的行为数据中学习准确偏好的理论和实际挑战。在现有用户行为建模解决方案中，注意力网络的有效性和相对简单性被广泛采用。尽管进行了广泛的研究，但现有的关注仍然受到两个局限性：i）判例的关注主要考虑了用户行为之间的空间相关性，而是相对于连续时空中这些行为之间的距离少了； ii）这些注意事项主要对过去所有行为提供了密集且没有区别的分歧，然后专心地将它们编码为输出潜在表示。这在实际情况下不合适 - 用户的未来动作与她/他的历史行为的一小部分相关。在本文中，我们提出了一个新颖的注意网络，名为“自我调节的注意”，该网络对复杂且非线性发展的动态用户偏好进行了建模。我们从经验上证明了我们方法在顶级接收授权任务上的效率，并且三个大型现实世界数据集的结果表明，我们的模型可以实现最新的性能。