XiaoMi-AI文件搜索系统
World File Search System素肽
肽-A-a-light-weight-python-for-for-for-pheptide-
肽是化学和生物学中相关的分子实体，其应用从药物发现[1，2]到食品技术[3，4]。机器学习已加速了肽发现，例如，用于从头设计，序列优化和证明/生物活性预测[5-8]。机器学习的关键步骤是肽的反应[9，10]，从而将相关的结构插入转换为用于模型训练的数值格式。可以采用几种策略来编码肽信息，例如，通过描述物理化学特征[10]，单速编码[11]和/或进化信息[12]。这些方法中的每一种都捕获了不同的结构信息，可能适合不同的机器学习方法[13]，并且可能对模型性能有唯一的贡献[11，14]。虽然公共批准可用于特定编码meth-
胰高血糖素样肽-1 受体激动剂与治疗第一年患甲状腺癌的风险增加有关
明尼苏达州罗切斯特梅奥诊所的 Juan P. Brito 医学博士及其同事估计了接受 GLP-1 RA 治疗的 2 型糖尿病成人患者与其他常见降糖药物相比，罹患甲状腺癌的风险。分析包括 41,112 名开始接受 GLP-1 RA 治疗的患者；76,093 名开始接受二肽基肽酶 4 抑制剂 (DPP4i) 治疗的患者；43,499 名开始接受钠-葡萄糖协同转运蛋白 2 抑制剂 (SGLT2i) 治疗的患者；以及 191,209 名开始接受磺酰脲类治疗的患者。
糖尿病 - 胰高血糖素样肽-1 激动剂药物数量管理政策 - 按天索赔
本政策未包括经 FDA 批准用于慢性体重管理的 GLP-1 和 GLP-1/GIP 激动剂产品。请参阅附录 A，了解每日索取限额中涉及的 GLP-1 激动剂和 GLP-1/GIP 激动剂列表。政策声明本药品数量管理计划旨在促进 GLP-1 激动剂和 GLP-1/GIP 激动剂的安全、有效和经济使用。下面概述的每日索取数量限制可以单独应用，也可以与每种药物的标准每日限制结合使用。有关每种产品每日数量限制的详细信息，请参阅各自的每日药品数量管理政策。所有批准均在以下期限内提供。每日索取数量限制
新的转铁蛋白受体靶向肽 - 多氧素结合物：合成和体外抗肿瘤活性
摘要：对肿瘤细胞的选择性不佳是抗肿瘤药物阿霉素（DOX）临床应用中的主要缺点。肽 - 药物结合物（PDC）通过用肽配体修饰抗肿瘤药物构建的肽配体对肿瘤细胞中某些过表达的受体具有很高的亲和力，从而越来越多地评估其肿瘤选择性药物递送的可能性。然而，由天然L-配置氨基酸组成的肽配体具有易于酶促降解和生物稳定性不足的缺陷。在这项研究中，设计和合成了两个新的PDC（L T7-SS-DOX和D T7- SS-DOX），通过结合转铁蛋白受体（TFR）肽配体L T7（HAIYPRH）及其retro-Inverso Inverso Analog DT7（Hrpyiah），并通过Dox a Diss a Diss nongulfide ncterulfide nicker inclulffide ncterne合成。与游离DOX相比，两个结合物对TFR过表达的肿瘤细胞表现出靶向的抗增生作用，对TFR低表达的正常细胞的毒性很少。此外，与L T7-SS-Dox相比，D T7-SS-dox结合物具有更高的血清稳定性，更持续减少的药物释放特性和更强的体外抗脂肪性活性。总而言之，抗肿瘤药物与D T7肽配体的偶联可以用作进一步发展稳定和有效的PDC的有前途的策略，并有可能促进TFR靶向的药物递送。
评论文章胰高血糖素样肽-1受体激动剂用于慢性体重管理
始终引用已发布的版本，因此作者将通过跟踪引用计数的服务获得识别，例如scopus。如果您需要从TSPACE引用作者手稿的页码，因为您无法访问已发布的版本，则使用记录页面上找到的永久性URI（句柄）来引用TSPACE版本。
an-iGFBP2衍生的肽 - 促肽 - 神经塑性和 - ...
shank3相关的蛋白网络在磷酸化和去磷酸化的蛋白中显着富集。shank3基因在染色体22q13.3上的单倍不足通常会导致Phelan-McDermid综合征（PMS），这是一种遗传定义的自闭症形式，在运动行为，感觉处理，语言，语言和认知功能中存在严重缺陷。我们在shank3杂合小鼠中确定了多种疾病的表型，并表明JB2挽救了突触功能和可塑性，学习和记忆，超声声音和运动功能的缺陷；它还标准化了神经元兴奋性和癫痫敏感性。值得注意的是，JB2挽救了听觉诱发的响应潜伏期，α峰值频率和稳态脑电图响应的缺陷，该响应的测量值直接转化为人类受试者。这些数据表明JB2是神经可塑性的有效调节剂，具有治疗PMS和ASD的治疗潜力。
草案：人工智能与版权的方法
近年来，随着互联网的普及和计算机计算能力的提升等信息技术的进步，人工智能技术的发展不断加速，我们看到人工智能技术所能实现的计算处理的精细化程度不断提高。 此外，随着人工智能技术的进步，所谓的生成性人工智能取得了显著进展，它可以根据用户的指令生成各种形式的内容，现在可以创建与人类自己创建的内容无法区分的内容。不仅有研究人员和企业参与生成型AI的开发，还提供一般用户可轻松使用的服务和软件的企业也不断涌现，以生成型AI的使用为中心进行创作活动的创作者也不断涌现。 在此背景下，关于生成型人工智能，版权所有者等担心人工智能在学习和生成数据时可能会侵犯其版权，人工智能开发者等担心开发人工智能时可能会侵犯版权或可能会创造出侵犯版权的人工智能，人工智能用户则担心使用人工智能可能会无意中侵犯版权。
草案：人工智能与版权的方法
近年来，随着互联网的普及和计算机计算能力的提升等信息技术的进步，人工智能技术的发展不断加速，我们看到人工智能技术所能实现的计算处理的精细化程度不断提高。 此外，随着人工智能技术的进步，所谓的生成性人工智能取得了显著进展，它可以根据用户的指令生成各种形式的内容，现在可以创建与人类自己创建的内容无法区分的内容。不仅有研究人员和企业参与生成型AI的开发，还提供一般用户可轻松使用的服务和软件的企业也不断涌现，以生成型AI的使用为中心进行创作活动的创作者也不断涌现。 在此背景下，关于生成型人工智能，版权所有者等担心人工智能在学习和生成数据时可能会侵犯其版权，人工智能开发者等担心开发人工智能时可能会侵犯版权或可能会创造出侵犯版权的人工智能，人工智能用户则担心使用人工智能可能会无意中侵犯版权。 此外，在2023年5月举行的G7广岛峰会上，认识到需要立即评估在各国和各行业中日益突出的生成性人工智能所带来的机遇和挑战，并通过G7工作组启动了“广岛人工智能进程”，就生成性人工智能以及包括版权在内的知识产权保护等议题进行讨论。1此外，日本的AI战略委员会专家组同月编制了AI2.0相关问题临时概要，其中也提及了与版权相关的问题，并呼吁考虑采取必要的应对措施。 今年6月制定的《知识产权振兴计划2023年3期》也指出，关于生成型人工智能与著作权的关系，将从促进人工智能技术进步和保护创作者权利的角度，识别和分析具体案例，组织法律思考，并考虑必要措施。 版权法的解释，不仅仅是与生成性人工智能相关的解释，本质上应该根据每个个案的具体情况留给司法判断。但是，截至本报告撰写时，直接处理生成型人工智能与版权之间关系的判例和案件仍然很少。为了缓解上述对生成型人工智能与版权之间关系的担忧，我们认为，不应仅仅等待判例和案件的积累，而应该提出一定的解释方法。 因此，文化事务委员会著作权部法制分科（以下简称“分科”）将与创作者、表演者等权利人、开发和提供生成性AI服务的企业、生成性AI的用户等相关方举行听证会，并将报告AI战略会议、AI时代知识产权审查委员会4（内阁府知识产权战略推进事务局）等其他会议的讨论情况。