XiaoMi-AI文件搜索系统
World File Search System耐受性
改造油菜、甘蓝型油菜的多种非生物胁迫耐受性
全球变暖、干旱、洪水和其他极端事件等气候变化的影响对全球作物生产构成了严峻挑战。油菜对油料产业的贡献使其成为国际贸易和农业经济的重要组成部分。这种作物遭受的多种非生物胁迫越来越多，导致农业经济损失，因此，让油菜作物在同时面临多种非生物胁迫时具有生存和维持产量的能力至关重要。为了更好地了解压力感知机制，需要分析多种压力响应基因和其他调控元件（如非编码 RNA）的调控途径。然而，我们对这些途径及其在油菜中的相互作用的理解还远未完成。本综述概述了目前对压力响应基因及其在赋予油菜多种压力耐受性方面的作用的了解。通过组学数据挖掘分析网络串扰现在使得揭示植物压力感知和信号传导所需的潜在复杂性成为可能。本文还讨论了新型生物技术方法，例如无转基因基因组编辑和利用纳米粒子作为基因传递工具。这些方法有助于为开发具有更少监管限制的、能够抵御气候变化的油菜品种提供解决方案。本文还强调了合成生物学通过微调应激调节元件来设计和修改网络的潜在能力，以适应植物对应激的适应。
乳酸杆菌的酸耐受性。在根部养殖的病变上
Brenner Building，圣詹姆斯大学医院，LS9 7TF，利兹，英国； 15 n.t.do@leeds.ac.uk 16 5。 巴西联邦加里奥格兰德大学（UFRGS）联邦牙科学校的预防和社区牙科系。 Ramiro Barcelos，2492； Alegre Porto，18 90035-003;巴西; fatturiparolo@yahoo.com 19 6。 巴西联邦20号RIO Grande Do Sul（UFRGS）牙科学校的预防和社区牙科系。 Ramiro Barcelos，2492； Alegre Porto，21 90035-003;巴西; marisa.maltz@gmail.com 22 7。 巴西联邦23里奥格兰德大学（UFRGS）牙科学校的预防和社区牙科系。 Ramiro Barcelos，2492； Alegre Porto，24 90035-003;巴西; rodrigoarthur.ufrgs@gmail.com 25Brenner Building，圣詹姆斯大学医院，LS9 7TF，利兹，英国； 15 n.t.do@leeds.ac.uk 16 5。巴西联邦加里奥格兰德大学（UFRGS）联邦牙科学校的预防和社区牙科系。Ramiro Barcelos，2492； Alegre Porto，18 90035-003;巴西; fatturiparolo@yahoo.com 19 6。巴西联邦20号RIO Grande Do Sul（UFRGS）牙科学校的预防和社区牙科系。Ramiro Barcelos，2492； Alegre Porto，21 90035-003;巴西; marisa.maltz@gmail.com 22 7。巴西联邦23里奥格兰德大学（UFRGS）牙科学校的预防和社区牙科系。Ramiro Barcelos，2492； Alegre Porto，24 90035-003;巴西; rodrigoarthur.ufrgs@gmail.com 25
MDL-001：一种口服、安全且耐受性良好的广谱...
Virgil Woods* 1、Tyler Umansky* 1、Sean M Russell1、Briana L McGovern 2.3、Romel Rosales 2.3、M Luis Rodriguez 2.3、Harm van Bakel 2,4,5,6、Emilia Mia Sordillo 7、Viviana Simon 2,3,7,8,9、Adolfo Garcia-Sastre 2,3,7,7 9.10、Kris M White 2.3、William F Brubaker 11、Davey Smith 12 和 Daniel Haders** 1
对癌症靶向治疗耐受性持久细胞的新见解
摘要：耐药性可能是改善接受靶向治疗的癌症患者预后的最大挑战。越来越明显的是，“持久细胞”是癌症人群中发现的耐药细胞亚群，在耐药性的形成中起着关键作用。持久细胞能够在治疗下保持活力，但通常循环缓慢或处于休眠状态。这些细胞不具有经典的耐药性驱动改变，它们的部分耐药性表型是短暂的，并且在去除药物后可逆。在临床上，持久状态最接近于微小残留病，如果停止治疗或在持续治疗后产生获得性耐药性，则可能发生复发。因此，消除持久细胞对于改善癌症患者的预后至关重要。本综述以肺癌靶向治疗为主要范例，概述了耐药持久细胞的特征、与耐药性相关的机制以及针对肿瘤中这种持久细胞群的潜在治疗机会。
为什么不35°C？降低人类热耐受性及其含义的原因
在我们最近的研究中，使用最先进的气候模型模拟[1]的未来预测[1]，我们发现世界人口的大部分（主要位于南亚和东亚，中东和撒哈拉以南非洲）将受到环境热压力的影响，它们将超出人类热量的限制，而超过1.5 – 2°c的限制，而越来越多地限制了较小的人类限制。 健康。在2°C超过2°C的世界中，每年暴露于不可复让的环境热应激的时间将指数增加，并且在3°C和澳大利亚在4°C等其他地区（如北美和南美）等其他地区开始出现。这项研究的新颖性在于，通过招募年轻，健康，未能判定的受试者作为宾夕法尼亚州立大学人类环境年龄阈值（PSU HEAT）研究所使用的人类热耐受性的限制[2]。使用来自这些实验的数据，我们在早期的一项研究[3]中发现，即使在应在接近峰值效率下进行温度调节的人群，在热应激可弥补的情况下，湿球温度（T WB）阈值接近30.6°C，在温暖的湿度条件下（相对湿度值40％和温度大于40°C或沿线的均匀降低），均与热量相对较低。这些限制明显少于被广泛引用的35°C T WB限制，理论上是通过Sherwood和Huber在2010年的一项研究中被散布的生物物理原理对极端热量的“上限适应性限制”，特此称为SH10 [4]。
审查植物中的干旱耐受性：生理和分子反应
摘要：干旱，一个重大的环境挑战，对全球农业和粮食供应的安全构成了重大风险。在响应中，植物可以从环境中感知刺激，并通过各种调制网络激活防御途径以应对压力。干旱耐受性是一种多方面的属性，可以分为不同的促成机制和因素。渗透胁迫，脱水应激，血浆和内体膜功能障碍，细胞呕吐的丧失，代谢物合成的抑制，细胞能消耗，叶绿体功能受损以及氧化应激受损是干旱对植物细胞的最重要后果。了解这些生理和分子反应的复杂相互作用提供了对植物在干旱压力中采用的自适应策略的见解。植物细胞表达了各种机制，可以承受和逆转干旱胁迫的细胞作用。这些机制包括渗透调节以保存细胞张开，脱氢蛋白（例如脱氢蛋白）的合成以及触发抗氧化剂系统以平衡氧化应激。对干旱耐受性的更好理解对于设计特定的方法来提高农作物的弹性并促进水资源有限的环境中的可持续农业实践至关重要。本评论探讨了植物为应对干旱胁迫挑战所采用的生理和分子反应。
繁殖玉米（Zea Mays L.）用于耐受性或抗性。
然而，由于生物和非生物限制，玉米的产量仍低于农作物的潜在产量，从而导致粮食不安全（FAO，2017）。在寄生的杂草中，根半寄生虫S. hermonthica是对玉米产量的最具破坏性和主要限制（Khan等，2014）。损害的程度取决于感染的时间和程度。在高侵扰中最多可引起100％（Amusan等人。2008）。 由于Striga造成的损失估计为每年70亿美元。 今天，杂草影响了1亿多农民（Spallek等，2013）。 Striga Hermonthica（巨人女巫的草药），这是一种寄生植物，原产于埃塞俄比亚和苏丹（艾米。2008）。由于Striga造成的损失估计为每年70亿美元。今天，杂草影响了1亿多农民（Spallek等，2013）。Striga Hermonthica（巨人女巫的草药），这是一种寄生植物，原产于埃塞俄比亚和苏丹（艾米。b等，2011）。在1997年进行的一项单独的调查发现，Striga Hermonthica是埃塞俄比亚最广泛的寄生杂草物种，所调查的310个玉米领域的Striga的总发病率为41％。
BT051的安全性，耐受性和药代动力学，一种炎症性
缩写：cumaef 0-t（％），从时间0到每个收集间隔的结束时间从粪便中排出剂量的累积百分比；最小，最低；最大最大，最大一个受试者没有可量化的粪便浓度的BT051 B粪便排泄被低估了100毫克队列的低估：在24-48h间隔期间，受试者1006提供的粪便未记录，尽管可量化的分析物浓度在24-48h间隔内，尽管该量不超过55.10小时，但在55.10小时的实际限制中，该且无需记录。低估
MDL-001：一种口服、安全且耐受性良好的广谱...
MDL-001 耐受性良好，不良事件轻微、可逆且与剂量无关。与该药物相关的最常见不良事件包括头痛（28% vs. 安慰剂组 30%）、疼痛（23% vs. 安慰剂组 10%）和潮热（20% vs. 安慰剂组 20%）。实验室参数无临床相关变化。
Div de-Novo驯化用于提高农作物的盐耐受性
摘要目的：多发性磁共振（MR）图像的存在增加了可用于诊断和治疗脑癌患者的临床信息水平。但是，获取完整的多元图像MR图像的完整集并不总是可行的。在这项研究中，我们开发了一种最先进的深度学习卷积神经网络（CNN），用于跨三个标准的MRI对比度，用于大脑的三个标准MRI对比度。方法：在本研究中使用了477例临床诊断患有神经胶质瘤脑癌的477例患者的BRATS'2018 MRI数据集，每位患者患有T1加权（T1），T2加权（T2）和FLAIR对比度。分别将其分别分为64％，16％和20％，分别为培训，验证和测试集。我们开发了一个U-NET模型，以学习与三个MRI对比度的目标图像对比的源图像的非线性映射。使用于点误差（MSE）成本函数，0.001学习率的ADAM优化器和120个时期，批次大小为32。通过计算MSE，平均绝对误差（MAE），峰值信噪比（PSNR）和结构相似性指数（SSIM）来评估生成的合成MR图像。结果：与我们的模型一起生成的合成-MR图像几乎与测试数据集上的真实图像有关所有翻译的区别，除了合成的素质图像的质量略低，并且显示出细节的丢失。我们的结果与Brats数据集上其他深度学习模型的最佳报告结果一样好。六个翻译中平均PSNR，MSE，MAE和SSIM值的范围分别为29.44–33.25 dB，0.0005–0.0012，0.0086–0.0149和0.932–0.946。结论：我们的U-NET模型表明，它可以在跨大脑MRI对比度上准确地执行图像图像翻译。由于多重激发MRIS的可用性，这种方法可能在改善临床决策和更好地诊断脑癌患者的临床使用方面具有很大的希望。这种方法可能在临床上相关，并设定明显的步骤以有效地填充没有其他MR序列的缺乏空隙。