XiaoMi-AI文件搜索系统
World File Search System定量结构
数据驱动的定量固有危害标准在安全范式范式中用于纳米药物开发：银纳米型的案例研究
摘要：当前的欧洲（EU）政策，即绿色交易，设想化学药品的安全可持续实践，包括纳米型（NFS），在创新的最早阶段。根据设计（SSBD）框架在理论上安全且可持续的框架是从欧盟的协作努力确定的，用于定义每个SSBD维度的定量标准，即人类和环境安全维度以及环境，社会，社会和经济可持续性维度。在这项研究中，我们针对安全维度，并展示了从可发现，可访问，可互操作和可重复使用的数据得出的定量内在危害标准的旅程。数据策划并合并为开发新方法方法，即基于回归和分类机器学习算法的定量结构 - 活性关系模型，目的是预测危害类别。模型利用系统（即流体动力大小和多分散性指数）和非系统（即元素组成和核心大小） - 依赖性纳米级特征与生物学内部属性和实验性条件结合使用，用于各种银NFS，功能性抗药性抗药性纺织品和宇宙型的实验条件。在第二步中，通过利用专家推理制定的贝叶斯网络结构来获得可解释的规则（标准），然后是确定性因素。概率模型的预测能力为≈78％（所有危险类别的平均准确性）。在这项工作中，我们展示了如何从SSBD框架的概念化转变为使用务实实例的现实实现。这项研究揭示了（i）在合成阶段的安全方面考虑的定量内在危害标准，（ii）（ii）内部的挑战，以及（iii）生成和蒸馏此类标准的未来方向，这些方向可以喂养SSBD范式。具体而言，标准可以指导材料工程师合成固有的纳米形式固有更安全的NF，而在创新的最早阶段，这些NFS可以在先前合成和假设的尚未合成的nfs nfs nfs的硅化毒性筛选中快速且具有成本效率。关键字：设计，纳米型，纳米颗粒，定量结构 - 活动关系，机器学习，贝叶斯规则，内在危险标准
通过MCDM技术分析层次结构过程（AHP）优化HIV药物 初级保健中触发工具的开发和验证 基本tRNA中的 d-stem突变以忠诚为代价提高了翻译速度 基于FAERS数据库的不成比例分析 在卫生医院 - 苏迪亚阿拉伯2020- 2022年，与医疗保健相关的念珠菌爆发概述；回顾性多中心研究 血清维生素D与严重头痛或偏头痛之间的关联：基于人群的分析 跨境电子商务的关税，运输和利润
拓扑指数是预测不同药物的物理化学和生物学功能的关键工具。它们是从化学分子结构获得的数值。这些索引，尤其是基于学位的TI是评估化合物结构及其属性之间连接的有用工具。本研究解决了如何使用基于学位的拓扑指数来优化药物设计的研究问题。耐药性的出现和当前治疗的严重负面影响进一步强调了对艾滋病毒的更安全和更有效的艾滋病毒的需求。采用基于学位的图形不变性，该研究通过应用定量结构 - 特质关系（QSPR）技术来研究13种HIV药物，以将其分子结构与其物理特性相关联。根据特定参数，使用分析层次结构过程（AHP）对HIV药物进行排名。研究的结果消除了这些方法能够确定最有效的药物组合和设计的能力，从而为开发改善的HIV治疗提供了深刻的信息。
数据驱动的定量固有危害标准在安全范式范式中用于纳米药物开发：银纳米型的案例研究
摘要：当前的欧洲（EU）政策，即绿色交易，设想化学药品的安全可持续实践，包括纳米型（NFS），在创新的最早阶段。根据设计（SSBD）框架在理论上安全且可持续的框架是从欧盟的协作努力确定的，用于定义每个SSBD维度的定量标准，即人类和环境安全维度以及环境，社会，社会和经济可持续性维度。在这项研究中，我们针对安全维度，并展示了从可发现，可访问，可互操作和可重复使用的数据得出的定量内在危害标准的旅程。数据策划并合并为开发新方法方法，即基于回归和分类机器学习算法的定量结构 - 活性关系模型，目的是预测危害类别。模型利用系统（即流体动力大小和多分散性指数）和非系统（即元素组成和核心大小） - 依赖性纳米级特征与生物学内部属性和实验性条件结合使用，用于各种银NFS，功能性抗药性抗药性纺织品和宇宙型的实验条件。在第二步中，通过利用专家推理制定的贝叶斯网络结构来获得可解释的规则（标准），然后是确定性因素。概率模型的预测能力为≈78％（所有危险类别的平均准确性）。在这项工作中，我们展示了如何从SSBD框架的概念化转变为使用务实实例的现实实现。这项研究揭示了（i）在合成阶段的安全方面考虑的定量内在危害标准，（ii）（ii）内部的挑战，以及（iii）生成和蒸馏此类标准的未来方向，这些方向可以喂养SSBD范式。具体而言，标准可以指导材料工程师合成固有的纳米形式固有更安全的NF，而在创新的最早阶段，这些NFS可以在先前合成和假设的尚未合成的nfs nfs nfs的硅化毒性筛选中快速且具有成本效率。关键字：设计，纳米型，纳米颗粒，定量结构 - 活动关系，机器学习，贝叶斯规则，内在危险标准
计算机辅助药物设计综述
药物设计、发现和评价中的计算方法。一般来说，药物发现需要很长的时间（约 12 年）和数十亿美元的资金。它包括创建新分子、将分子对接至靶蛋白、分析分子相互作用、估计结合强度和药物特性。计算机辅助药物设计 (CADD) 具有成本效益，并且无需进行一些生物学试验。它主要包括两种类型的药物设计，即基于结构的药物设计和基于配体的药物设计。通过它，我们可以了解药物受体相互作用。基于结构的药物设计包括结合位点识别、对接和储存、虚拟筛选、化合物选择、先导优化。基于配体的药物设计包括定量结构活性关系、药理学建模和基于结构的药物设计所遵循的步骤。我们可以看到，CADD 有助于识别药物的合适特性及其兼容性，从而轻松进行临床前试验。
利用靶向RNA的药物发现的计算方法
RNA分子由于细胞在细胞中的功能和调节作用而导致了有希望的治疗靶标。靶向RNA的药物发现中的计算建模为加快新型小分子化合物的发现提供了重要的机会。然而，与蛋白质靶向药物设计相比，该领域遇到了独特的挑战，这主要是由于实验数据的有限和当前模型无法充分解决RNA在配体识别过程中的构象灵活性。尽管存在这些挑战，但使用基于结构的方法或定量结构 - 活性关系（QSAR）模型成功地鉴定了涉及RNA的活跃化合物。本综述概述了建模RNA-MALL分子相互作用的最新进步，强调了计算方法在RNA靶向药物发现中的实际应用。此外，我们调查了现有的数据库，以分类核酸 - 小分子相互作用。随着对RNA-MALL分子相互作用的兴趣会增长并策划数据库扩大，该领域预计快速发展。新颖的计算模型有助于增强有效和选择性的小分子调节剂的识别，以满足治疗需求。
n- ...
摘要。血管内皮生长因子受体（VEGFR）酪氨酸激酶（TKS）是临床验证的抗癌治疗的药物靶标，因为它们在血管生成，肿瘤生长和元时间的过程中起重要作用。VEGFR2是VEGFR-TKS的成员。vegfr2是血管生成过程的重要阶段。硫脲衍生化合物具有潜在的VEGFR2抑制剂。这项研究的目的是通过抑制VEGFR2受体的抑制作用来确定N-Benzoyl- n'-naphythylthiourea（Bntu）及其衍生物作为抗癌的定量结构活性关系（QSAR）。获得的最佳QSAR方程模型可以用作设计具有最佳VEGFR2抑制活性的新的BNTU衍生化合物的指南。分析结果提供了最佳方程模型，如下所示：RS = -0.405（±1.020）Clogp 2 + 1.174（±8.709）clogp + 5.227（±3.273）E Lumo -72.983（±7.625）（±7.625）（两个物理学化学参数）（n = 14; r = 0.971; se = 4.519; f = 54.777; sig。= 0.000）。通过抑制VEGFR2受体的抗癌化合物及其衍生物的抗癌活性受到亲脂性和电子特性的影响。
基于活动关系的药物发现：评论
摘要这篇全面的评论探讨了集合机器学习技术在定量结构 - 活性关系（QSAR）建模中的关键作用。它强调了准确的QSAR模型在简化候选化合物选择方面的重要性，并突出了合奏方法，包括Adaboost，梯度增强，随机森林，额外树木，XGBoost，LightGBM和Catboost的重要性，有效地解决了诸如过度拟合和噪声数据的挑战。该评论介绍了集合学习在QSAR内的分类和回归任务中的最新应用，从而在不同的数据集和目标属性中展示了这些技术的出色预测准确性。它还讨论了整体QSAR建模中的关键挑战和考虑因素，包括数据质量，模型选择，计算资源和过度拟合。审查概述了集成QSAR建模的未来方向，包括多模式数据的集成，解释性，处理不平衡的数据，自动化和个性化医学应用，同时强调了在此演变领域中对伦理和监管指南的需求。
结构，形状，拓扑：分子化学中的纠缠概念
分子结构和分子形状的概念在化学文献中无处不在，在化学文献中，它们通常被视为同义词，在化学教学中不可避免地存在缺点。第三个概念，即分子拓扑，不太频繁，但它是分子研究领域（例如定量结构 - 活性关系）中的参考项。本文提出了对这三个概念的认识论分析，旨在阐明其关系的性质以及它们之间的重点和差异。首先，我们讨论了术语分子结构和分子形状的各种接受。然后，我们研究了这些概念历史上的一些关键里程碑，并从认识论的角度分析了结构，形状和拓扑之间的关系。我们指出了每个概念的区别特征，我们表明它们的语义开放性，在专业的背景下可能是富有成果的，在教学背景下变成了不一致和不准确的来源，这是由于教科书制作的这些术语的误导使用所促进的。最终，我们提出了一个拟合标准，以区分分子形状，分子结构和分子拓扑的概念域。
莫扎特，一种基于QSAR多目标网络的工具，可预测多种药物 - 酶相互作用
摘要：开发能够预测药物与酶之间相互作用的模型是计算生物学的主要目标，因为这些模型可用于预测新的活性药物以及未经测试靶标的已知药物之间的相互作用。随着大型药物 - 酶对数据集的汇编（62,524），我们发现了一个独特的机会，试图构建一种新型的多目标机器学习（MTML）定量结构活性关系（QSAR）模型，以探测不同药物和酶靶标之间的相互作用。为此，本文基于使用拓扑药物的特征以及人工神经网络（ANN）多层感知器（MLP）提出了MTML-QSAR模型。发现最佳模型的验证是通过内部交叉验证统计和其他相关诊断统计参数进行的。发现该模型的总体准确性高于96％。最后，为了最大程度地扩散该模型，已经开发了一种公共且可访问的工具，以允许用户执行自己的预测。开发的基于Web的工具是可以访问的，可以作为免费的开源软件下载。
对生物信息学领域中苦肽的研究
摘要：苦肽是酸性，碱性或酶促条件下蛋白质水解产生的小分子肽。这些肽可以增强食品风味并具有各种健康益处，并具有抗高血压，抗糖尿病，抗氧化剂，抗菌和免疫调节特性等属性。他们在功能食品的发展以及疾病的预防和治疗方面表现出巨大的潜力。本综述介绍了苦肽的各种来源，并讨论了苦味产生的机制及其在味觉系统中的生理功能。此外，它强调了生物信息学在苦肽研究中的应用，包括建立和改进苦肽数据库的建立和改进，使用定量结构 - 活性关系（QSAR）模型来预测苦味阈值以及在分类中的最新进步，以建立机器学习和深度学习质量良好的苦味peptectionals nethermention Predictiation预测模型。未来的研究方向包括增强数据库，多样化的模型以及应用生成模型，以将苦肽研究推进加深和发现更多实用应用。