XiaoMi-AI文件搜索系统
World File Search System结合能
触觉溅射目标中的纹理不均匀性
溅射沉积如图1所示，溅射沉积过程是通过用离子轰击所需沉积材料的目标来完成的。事件离子在目标内引发碰撞级联。当级联反应以足够的能量克服表面结合能到达目标表面时，可以弹出原子。溅射室的示意图如图2所示。电场将传入的气体电离（通常是氩气）。阳性离子轰击靶（阴极）和溅射原子在底物上（阳极）。可以加热底物以改善键合。溅射产量（即从每个入射离子射出的原子的平均原子数）取决于几个参数，包括相对于表面的离子入射角，离子的能量，离子和靶原子的相对质量以及靶原子的表面结合能。虽然影响溅射的相对较大的数字参数使其成为一个复杂的过程，但具有如此多的控制参数可以对所得膜的生长和微观结构进行很大程度的控制。各向异性的晶体靶材料，晶格相对于靶表面的方向影响溅射产量。在多晶溅射目标中，以不同速率的不同方向溅射的晶粒。这可能会影响沉积薄膜的均匀性。一个关键控制参数是目标材料中纹理的均匀性。图3显示了铜单晶溅射产量的各向异性（Magnuson＆Carlston，1963年）。所有面部中心材料的一般趋势均具有：S（111）> s（100）> s（110）。
科学手稿模板
监督的机器学习模型依赖于具有正面（目标类）和负面示例的培训数据集。因此，培训数据集的组成对模型性能有直接影响。具体来说，关于不代表目标类别的样品的负样本选择偏见，在诸如文本分类和蛋白质 - 蛋白质相互作用预测等范围内提出了挑战。基于机器学习的免疫治疗设计是一个越来越重要的研究领域，重点是设计抗体或T细胞受体（TCR），可以与其具有高特异性和亲和力的靶标分子结合。鉴于免疫治疗药物的生物医学重要性，有必要解决负面训练集成分如何影响模型概括和生物学规则发现以实现合理和安全的药物设计的尚未解决的问题。我们着手在抗体 - 抗原结合预测问题的背景下通过改变负面类别，包括结合亲和力梯度来研究这个问题。我们的研究基于提供基于地面真理结构抗体 - 抗原结合数据的大型合成数据集，从而使结合界面上的残基结合能访问了残基的结合能。我们发现，分布式概括和绑定规则发现都取决于所使用的负数据集的类型。重要的是，我们发现模型学习正数据集的绑定规则的能力并不是其分类精度的微不足道相关性。我们通过现实世界中相关的实验数据确认了我们的发现。我们的工作强调了考虑培训数据集组成在基于机器学习的研究中实现最佳分布性能和规则学习的重要性。
培训数据组成确定机器学习概括和生物规则发现
监督的机器学习模型依赖于具有正面（目标类）和负面示例的培训数据集。因此，培训数据集的组成对模型性能有直接影响。具体来说，关于不代表目标类别的样品的负样本选择偏见，在诸如文本分类和蛋白质 - 蛋白质相互作用预测等范围内提出了挑战。基于机器学习的免疫治疗设计是一个越来越重要的研究领域，重点是设计抗体或T细胞受体（TCR），可以与其具有高特异性和亲和力的靶标分子结合。鉴于免疫治疗药物的生物医学重要性，有必要解决负面训练集成分如何影响模型概括和生物学规则发现以实现合理和安全的药物设计的尚未解决的问题。我们着手在抗体 - 抗原结合预测问题的背景下通过改变负面类别，包括结合亲和力梯度来研究这个问题。我们的研究基于提供基于地面真理结构抗体 - 抗原结合数据的大型合成数据集，从而使结合界面上的残基结合能访问了残基的结合能。我们发现，分布式概括和绑定规则发现都取决于所使用的负数据集的类型。重要的是，我们发现模型学习正数据集的绑定规则的能力并不是其分类精度的微不足道相关性。我们通过现实世界中相关的实验数据确认了我们的发现。我们的工作强调了考虑培训数据集组成在基于机器学习的研究中实现最佳分布性能和规则学习的重要性。
以 DNA 拓扑异构酶 I 为靶点，对中药化合物进行计算筛选和分子对接，设计潜在的抗癌药物
每年，全球有成千上万的人因癌症发病率和死亡率上升而受苦。此外，癌症患者的治疗选择也很昂贵，而且抗癌药物往往疗效较低且副作用较大。DNA拓扑异构酶可以作为已确定的癌症靶点，因为人类拓扑异构酶（Top1）在有丝分裂后阶段调节基因转录，并在复制和修复过程中在DNA超螺旋中起关键作用。因此，在药物治疗过程中，阻断Top1可能对抑制癌细胞增殖至关重要。这里，通过虚拟筛选对中药化合物进行了筛选。中药库的虚拟筛选过程使得能够根据结合能（-7.1至-9.3Kcal/mol）将化合物列表缩小到29种化合物，而在Lipniski过滤之后，使用MM/PB（GB）SA过滤来筛选剩下的22种化合物，并根据结合自由能选出前四种化合物。这里，这四种化合物； CID-65752（T2972：吴茱萸次碱）、CID-5271805（T4S2126：银杏黄素）、CID-9817839（T2S2335：脱氢吴茱萸碱）和CID-51106（T3054：达伍里索林）在分子对接过程中的结合能分别为-8.2、-8.5、-8.3和-8.2，高于其他化合物。在这四个化合物中，ADMET筛选未发现两个筛选化合物CID-5271805和CID-9817839的毒性特征。此外，药物-蛋白质复合物的SASA（溶剂可及表面积）、Rg（回转半径）、RMSD（均方根偏差）和RMSF（均方根波动）轮廓在分子动力学模拟研究中揭示了化合物的稳定性和刚性。然而，这些研究需要通过实验方法进行验证，以开发更有效的抗癌药物。
Terahertz操纵2D半导体中的激子复合物
富含库仑结合的准粒子的物理学，例如激发剂和过渡金属二甲基元素单层中的trions，目前在冷凝的物质群落中正在进行深入研究。这些准颗粒在100 MEV的顺序上具有较高的结合能，表现出强烈的光耦合，并且可以将量子信息存储在自旋valley自由度中[1]。实现超快时间标准上激素状态的外部控制的策略已成为重要的研究途径。在这里，我们报告了在HBN封装的Mose 2单层中观察到瞬态Trion到脱位的转换（图1a）是由在红外自由电子激光设施（Felbe）（Felbe）[2，3]产生的Picsecond TimeScales上的强烈Thz脉冲引起的。随后通过用条纹摄像头记录时间分辨的光量（TRPL）光谱来监测激子动力学。可见的脉冲（= 400 nm）激发了激动的激子和Trions的种群（图1b，无脉冲脉冲的trpl光谱）。通过在大约30次皮秒延迟后添加THZ脉冲相对于可见的激发（图1C），我们观察到Trion发射的淬火和激发激素发射的暂时增亮。此外，通过调整Thz脉冲的频率，我们记录了TRIONS的THZ解离光谱（图1d）。重要的是，当THz光子能量等于或高于Trion结合能时，可以观察到有效的Trion TRION转换。在其他机构中观察到THZ辐射的相似影响，例如WSE 2单层和Mose 2 /WSE 2异质结构。总的来说，结果为低维材料中的许多粒子状态的外部控制开辟了有希望的途径。
对设计的苯咪唑衍生物的分子对接分析为EGFR
摘要非小细胞肺（NSCL）和结直肠癌经常与表皮生长因子受体（EGFR）的致癌激活相关，这是受体酪氨酸激酶（RTK）家族的成员。当前的酪氨酸激酶抑制剂（TKI）容易受到耐药性突变的影响，并诱导了对正常EGFR S的细胞毒性作用。带嘌呤的苯咪唑的同余性质具有模仿基于嘌呤的ATP的结合模式并防止其与EGFR活性位点的接触的巨大潜力。在这里，我们报告了50种设计的苯咪唑衍生物以及Gefitinib和ATP的分子对接，以分析和比较EGFR WT和T790M活性位点的结合模式。配体的设计基于我们先前的研究，我们建议评估与双键接头的酮和氨基 - 苯并咪唑，以及在各个位置附有电子捐赠和电子撤回的苯基基团。对接模拟表明，酮苯并咪唑在两个EGFR配合物中占据了前十名最高结合亲和力。与其他具有-8.1（7C）和-7.8（11C）KCAL/MOL在EGFR WT中的结合能相比，具有更稳定的复合物的磺酰基取代基的存在，eGFR WT中的结合能，-8.3（7d）和-8.4（7d）和-8.4（1c）kcal/mol for t790m t790m for T790m。对苯咪唑的取代影响不仅有助于氢键和疏水相互作用，而且还对经常被转化的范德华力的力，这些力是负责苯并咪唑与EGFR结合口袋的形状互补性的负责。
高级节点处理器中单个事件感应故障的多尺度系统建模
摘要：将氧化物的聚类模型嵌入具有点电荷的簇模型以及嵌入的扩展，这些嵌入考虑了阳离子的空间范围，以强调这种嵌入对相对电离和激发能在核心水平光谱中测量的后果。发现，氧化物的电子结构的依赖性和不同水平的相对能量仅取决于嵌入，并且相对简单的嵌入可能足以提供足够的模型来确定核心水平光谱。这与电离的绝对值不同，如预期的那样，它们在很大程度上取决于扩展晶体的细节。但是，在光发射中测量的结合能的相对值比绝对值更感兴趣。
分子对接的艺术和科学
分子对接已成为结构性生物学和药物化学家工具包的重要组成部分。给定分子靶标的化合物和三维结构（例如，蛋白质）将化合物固定在靶标中，预测化合物的结合结构和结合能。对接可以通过筛选大型虚拟复合库来发现目标的新型配体。对接还可以为基于结构的配体优化或研究配体的作用机理提供有用的起点。计算方法的进步，包括基于物理学的和机器学习方法以及互补的实验技术，使对接成为更强大的工具。我们回顾了扩展坞的工作原理以及如何推动药物发现和生物学研究。我们还描述了其当前的局限性和克服它们的持续努力。
针对 miRNA155 合成的抗癌药物的计算筛选
已发现 miRNA 通过与各种调节蛋白结合在致癌作用中发挥关键作用。一种致病分子被鉴定为 miRNA155，当其过度表达时会导致致癌作用并导致端粒脆弱。血液中的 miRNA155 水平可用于癌症的早期筛查。已鉴定出多种抗癌药物，如阿霉素，它们通过与 DNA 和 DNA 结合酶结合来检查其表达水平。在本研究中，使用阿霉素及其类似化合物分析它们与 miR155 DNA 的结合以抑制 miRNA155 合成，并计算它们的结合能。根据对接、ADME 和毒性结果，吗啉基阿霉素用于分子动力学研究，并被鉴定为潜在的候选药物。
在转化生长因子-β抑制剂的计算机研究中
转化生长因子β（TGF-β）在肾小管和肾小球上皮细胞中引发上皮间质转变（EMT），从而通过与TGF-β的相互作用在TGF-β中相互作用，导致细胞外基质的过量产生和沉积在TGF-β型号中的作用。 II型（TβRII）。EMT有助于间质肾纤维化的发病机理，肾纤维化是终末期肾脏疾病的标志。这项研究旨在鉴定Angulata活跃分数中的生物活性化合物，并评估其抑制TGF-β活性及其作为候选药物的潜力的能力。使用气相色谱 - 质谱法（GC-MS）分析了Angulata活性分数中的活性成分。从PubChem数据库中获得生物活性化合物结构，而蛋白质靶标TβRI和TβRII从蛋白质数据库（PDB）中获取。使用PYRX 0.8和Discovery Studio进行了分子对接分析。Swissadme用于评估配体性质和药物液化。鉴定出三种主动活性化合物，即棕榈酸，campsterol和Stigmasterol。在计算机研究中表明，在TβRI和棕榈酸，camp醇，柱头固醇和SB431542之间存在强键，分别为-5.7，-10，-9.4和-10.9 kcal/mol，结合能值分别为-5.7，-10，-9.4。同样，它们与TβRII强烈结合，结合能值分别为-5.2，-7.1，-7.5和-6.1 kcal/mol。所有化合物都符合Lipinski的药物标准。在已识别的活性化合物中，campesterol对TβRI的亲和力最高，而柱头固醇对TβRII的亲和力很强。这些发现表明，这三种化合物具有候选药物的潜力。关键字：糖尿病性肾病，转化生长因子β，TGF-β抑制剂，Physalis angulata