XiaoMi-AI文件搜索系统
World File Search System分子的
实时监测爪蟾鸡蛋提取物中单个DNA分子的压实
DNA压实是在有丝分裂过程中凝结和分辨率的凝结和分辨率所必需的，但是单个染色质因子对该过程的相对贡献知之甚少。我们使用高速爪蟾卵提取物和光学镊子开发了一种生理，无细胞的系统，以研究实时有丝分裂染色质纤维的形成，并在单个DNA分子上进行力诱导的拆卸。与将DNA压缩约60％的相间提取物相比，中期提取物将DNA的长度降低了90％以上，这反映了这两种情况下全染色体形态的差异。抑制核小体组装的核心组蛋白伴侣ASF1的耗竭，将中期纤维压实的最终程度降低了29％，而接头组蛋白H1的耗竭效果更大，将总压实降低了40％。 与对照组相比，两种耗竭都降低了压实率，导致了更短的分解时间，并提高了力诱导的纤维拆卸速度。 相比之下，中期提取物中冷凝蛋白的耗竭强烈抑制纤维组件，从而导致瞬态压实事件在高力下迅速逆转。 总的来说，这些发现支持了一种投机模型，在该模型中，冷凝蛋白在有丝分裂DNA压实中起主要作用，而核心和接头组蛋白起作用，可在循环挤出过程中减少滑移并调节DNA压实程度。抑制核小体组装的核心组蛋白伴侣ASF1的耗竭，将中期纤维压实的最终程度降低了29％，而接头组蛋白H1的耗竭效果更大，将总压实降低了40％。与对照组相比，两种耗竭都降低了压实率，导致了更短的分解时间，并提高了力诱导的纤维拆卸速度。相比之下，中期提取物中冷凝蛋白的耗竭强烈抑制纤维组件，从而导致瞬态压实事件在高力下迅速逆转。总的来说，这些发现支持了一种投机模型，在该模型中，冷凝蛋白在有丝分裂DNA压实中起主要作用，而核心和接头组蛋白起作用，可在循环挤出过程中减少滑移并调节DNA压实程度。
超声刺激的布朗棘轮增强了水凝胶中分子的扩散
Faezeh Gerayeli、Nawel Khalef、Aziz Bakri、Philippe Benech、Donald Martin。超声波刺激的布朗棘轮增强了水凝胶中保留的分子的扩散。纳米医学：纳米技术、生物学和医学，2021 年，第 31 期，第 102308 页。�10.1016/j.nano.2020.102308�。�hal-02987851�
实时监测爪蟾鸡蛋提取物中单个DNA分子的压实
DNA压实是在有丝分裂过程中凝结和分辨率的凝结和分辨率所必需的，但是单个染色质因子对该过程的相对贡献知之甚少。我们使用高速爪蟾卵提取物和光学镊子开发了一种生理，无细胞的系统，以研究实时有丝分裂染色质纤维的形成，并在单个DNA分子上进行力诱导的拆卸。与将DNA压缩约60％的相间提取物相比，中期提取物将DNA的长度降低了90％以上，这反映了这两种情况下全染色体形态的差异。抑制核小体组装的核心组蛋白伴侣ASF1的耗竭，将中期纤维压实的最终程度降低了29％，而接头组蛋白H1的耗竭效果更大，将总压实降低了40％。 与对照组相比，两种耗竭都降低了压实率，导致了更短的分解时间，并提高了力诱导的纤维拆卸速度。 相比之下，中期提取物中冷凝蛋白的耗竭强烈抑制纤维组件，从而导致瞬态压实事件在高力下迅速逆转。 总的来说，这些发现支持了一种投机模型，在该模型中，冷凝蛋白在有丝分裂DNA压实中起主要作用，而核心和接头组蛋白起作用，可在循环挤出过程中减少滑移并调节DNA压实程度。抑制核小体组装的核心组蛋白伴侣ASF1的耗竭，将中期纤维压实的最终程度降低了29％，而接头组蛋白H1的耗竭效果更大，将总压实降低了40％。与对照组相比，两种耗竭都降低了压实率，导致了更短的分解时间，并提高了力诱导的纤维拆卸速度。相比之下，中期提取物中冷凝蛋白的耗竭强烈抑制纤维组件，从而导致瞬态压实事件在高力下迅速逆转。总的来说，这些发现支持了一种投机模型，在该模型中，冷凝蛋白在有丝分裂DNA压实中起主要作用，而核心和接头组蛋白起作用，可在循环挤出过程中减少滑移并调节DNA压实程度。
用于靶向癌细胞的药物偶联物的 Affibody 分子的选择和表征
摘要................................................................................................................................................................ 2
使用灵活的建模方法对钥匙红葡萄酒质量分子的气候变化浓度进行建模
葡萄（Vitis Vinifera）组成是葡萄酒质量的天气依赖性决定者。随着气候变化的变化，我们可以预期葡萄酒品质的变化。为了了解这一点的程度，我们构建了路径模型，以创建一个广义的赤霞珠葡萄质量模型，重点是六个重要分子基团的总浓度（糖，pH，苯酚，单宁，单宁，黄酮，黄酮，花青素）。路径模型在统计上使用一系列因模型将因素连接到输出。因此，这种建模方法将输出从一个模型中获取，并将其作为链条将其放入下一个模型中。通过改变气候输入，我们可以模拟气候变化如何影响葡萄的最终成分。我们探讨了几种气候变化情景下组成变化的影响：通过将气候输入更改为路径模型，光，温度和降雨的变化。我们发现，在中等项目的气候变化（RCP4.5和SRES A2和B2的组合）下，我们期望糖浓度更高，酸度较低（中性pH）和较高的总芳族化合物（单宁，酚，酚，黄酮醇和若虫）。我们还发现，成熟的早期开始会导致相同的结果。这两个结果的结合表明，将来有更多与风味相关的化合物，尤其是单宁通常具有更大的衰老潜力的潜力。
VirtualFlow 2.0 - 下一代药物发现平台，可实现 690 亿个分子的自适应筛选
早期药物发现受到初始命中识别和先导化合物优化及其相关成本的限制（1）。超大型虚拟筛选（ULVS）涉及对大量分子进行虚拟评估以与大分子靶标结合，能够显著缓解这些问题，正如最近多项研究所证明的那样（2-7）。尽管 ULVS 具有巨大潜力，但迄今为止，它仅探索了化学空间和可用对接程序的一小部分。在这里，我们介绍了 VirtualFlow 2.0，这是第一个专用于超大型虚拟筛选的开源药物发现平台的下一代产品。VirtualFlow 2.0 提供了来自 Enamine 的 REAL Space，其中包含 690 亿个“即用型对接”格式的类药物分子，这是迄今为止同类库中最大的一个。我们提供了一个 18 维矩阵，可通过 Web 界面直观地探索库，其中每个维度对应于配体的分子特性。此外，VirtualFlow 2.0 支持多种可大幅降低计算成本的技术，包括一种称为自适应靶标引导虚拟筛选 (ATG-VS) 的新方法。通过对库的代表性稀疏版本进行采样，ATG-VS 可识别超大化学空间中与靶位点结合潜力最大的部分，从而大幅降低计算成本，最高可达 1000 倍。此外，VirtualFlow 2.0 支持最新的基于深度学习和 GPU 的对接方法，可将速度进一步提高两个数量级。VirtualFlow 2.0 支持 1500 种独特的对接方法，提供靶标特定和共识对接选项以提高准确性，并能够筛选新型配体（如肽）和靶标受体（包括 RNA 和 DNA）。此外，VirtualFlow 2.0 还具有许多先进的新功能，例如增强的 AI 和云支持。我们在 AWS 云中展示了高达 560 万个 CPU 的完美线性扩展行为，这是并行云计算的全球新纪录。由于其开源特性和多功能性，我们预计 VirtualFlow 2.0 将在未来的早期药物发现中发挥关键作用。
发现和基于V形连接器分子的基于葡萄的金属有机框架的原位结晶研究
荷兰大学核医学与分子成像系，格罗宁根大学计算机科学和人工智能研究所荷兰E Philips Research，Healthcare，荷兰荷兰人，神经科学系，意大利热那亚大学Gircs Ospedale Policlinico San Mantino，Henoa，意大利Health Sciences，Health Sciencence o o servicio deNeurolología，Complejo de Navarario Deem deNeurología，spein nNeurología西班牙西班牙K神经病学系的Nacional de Medicina deEspaña，西班牙西班牙L Neuroscience计划，应用医学研究中心，西班牙Pamplona，MANADARARA医疗研究所，Pamplona，Pamplona，Pamplona，西班牙Pamplona，西班牙萨克森N萨克森大学N萨克森学院，萨克森学院。 代谢与系统研究，医学与牙科科学学院，伯明翰，英国荷兰大学核医学与分子成像系，格罗宁根大学计算机科学和人工智能研究所荷兰E Philips Research，Healthcare，荷兰荷兰人，神经科学系，意大利热那亚大学Gircs Ospedale Policlinico San Mantino，Henoa，意大利Health Sciences，Health Sciencence o o servicio deNeurolología，Complejo de Navarario Deem deNeurología，spein nNeurología西班牙西班牙K神经病学系的Nacional de Medicina deEspaña，西班牙西班牙L Neuroscience计划，应用医学研究中心，西班牙Pamplona，MANADARARA医疗研究所，Pamplona，Pamplona，Pamplona，西班牙Pamplona，西班牙萨克森N萨克森大学N萨克森学院，萨克森学院。 代谢与系统研究，医学与牙科科学学院，伯明翰，英国荷兰大学核医学与分子成像系，格罗宁根大学计算机科学和人工智能研究所荷兰E Philips Research，Healthcare，荷兰荷兰人，神经科学系，意大利热那亚大学Gircs Ospedale Policlinico San Mantino，Henoa，意大利Health Sciences，Health Sciencence o o servicio deNeurolología，Complejo de Navarario Deem deNeurología，spein nNeurología西班牙西班牙K神经病学系的Nacional de Medicina deEspaña，西班牙西班牙L Neuroscience计划，应用医学研究中心，西班牙Pamplona，MANADARARA医疗研究所，Pamplona，Pamplona，Pamplona，西班牙Pamplona，西班牙萨克森N萨克森大学N萨克森学院，萨克森学院。代谢与系统研究，医学与牙科科学学院，伯明翰，英国
利什曼病的综述：杂环分子的当前知识和未来方向
由原生动物寄生虫利什曼尼亚（Leishmania）的各种物种引起的利什曼尼亚疾病继续构成重大的全球健康挑战。药物一直处于打击这些疾病的最前沿，为受苦的人群提供了希望。本评论文章提供了：（1）对当前知识和利什曼尼亚疾病的杂环药物疗法不断发展的景观的全面分析； （2）专注于药物作用机理； （3）治疗作用； （4）副作用； （5）潜在的未来方向。审查首先概述了杂环药物在治疗利什曼尼亚疾病中的重要重要性。它突出了用于对抗利什曼原虫的各种药物，并阐明了其功效的独特机制。这些机制包括寄生虫内细胞过程的破坏，对DNA复制的干扰以及宿主免疫反应的调节。此外，本文深入研究了药物治疗的影响和副作用，对他们对患者的影响进行了深入的分析。它强调了有效的寄生虫清除和最大程度地减少不良反应之间需要保持平衡的需求，这强调了持续研究对完善药物治疗方案的重要性，并降低了耐药性。该评论还探讨了从化学疗法到免疫疗法的利什曼病疾病的各种疗法，并讨论了它们的优势和局限性。此外，它讨论了正在进行的研究工作，旨在开发新型药物配方，例如脂质体和基于纳米载体的递送系统，以增强药物疗效并降低毒性。本文至关重要地关注利什曼尼亚疾病的杂环药物疗法的未来观点。它强调了跨学科研究和整合新兴技术（例如基因组学和蛋白质组学）来确定疾病控制的新药物目标和策略的重要性。还将讨论联合疗法和免疫调节剂改善治疗结果和战斗耐药性的潜力。
通过模拟益生元分子的基态能量在高性能计算机上的基态能量
摘要。我们使用在Qiskit软件包中实现的变异量子本质量（VQE）来计算源自水，H 2 O和HCN氰化氢的小分子的基态能量。这项工作旨在基准基准算法，以计算与益生元化学相关的分子的电子结构和能量表面，从水和氰化氢开始，并在可用的模拟和物理量子硬件上运行它们。小量子处理器的算法的数值计算使我们能够设计更有效的协议，可以在实际硬件中运行，并分析其性能。对可访问量子处理原型的未来实现将基准量子计算机基准测试，并通过启发式量子算法进行量子优势的测试。
田纳根：纯变压器编码器为从头分子的生成提供了有效的离散gan
使用离散数据（例如简化的分子输入线 - 输入系统（Smiles）字符串）的从头生成的深层生成模型吸引了药物设计中的广泛关注。然而，训练不稳定经常困扰生成的广告网络（GAN），导致可能崩溃和低偏移性等概率。这项研究提出了一个纯粹的变压器编码器GAN（宽度）来解决这些问题。宽度的发电机和鉴别剂是变压器启动器的变体，并与加固学习（RL）结合使用，以生成具有所需化学特性的分子。此外，变体微笑的数据增强是为了学习微笑字符串的范围和语法的宽度培训。在方面，我们引入了一个增强的田纳州的变体，称为十（w）gan，其中包含了微型批处理歧视，并提高了生成分子的能力。对QM9和锌数据集的实验结果和消融研究表明，所提出的模型以计算有效的方式产生了具有所需化学性质的高效和新颖的分子。