XiaoMi-AI文件搜索系统
World File Search System表位
多表位mRNA癌症疫苗的开发...
CureVac NV 和/或其全资子公司 CureVac SE、CureVac Manufacturing GmbH、CureVac Inc.、CureVac Swiss AG、CureVac Corporate Services GmbH、CureVac Belgium SA 和 CureVac Dutch BV（统称“公司”）的本新闻稿包含构成“前瞻性陈述”的陈述，该术语的定义见 1995 年美国私人证券诉讼改革法案，包括表达公司对未来事件或未来结果的意见、期望、信念、计划、目标、假设或预测的陈述，与反映历史事实的陈述不同。示例包括对公司疫苗和候选治疗方案的潜在功效以及公司战略、融资计划、增长机会和市场增长的讨论。在某些情况下，您可以通过“预期”、“打算”、“相信”、“估计”、“计划”、“寻求”、“预计”、“可能”、“将”、“会”、“可能”、“潜在”、“打算”或“应该”等术语、这些术语的否定形式或类似表达来识别此类前瞻性陈述。前瞻性陈述基于管理层当前的信念和假设以及公司当前可用的信息。但是，这些前瞻性陈述并不能保证公司的业绩，您不应过分依赖此类陈述。
连接同一个健康：针对尼帕病毒的跨物种免疫的多表位信使 RNA 疫苗的计算设计
使用 NetMHCcons 1.1 [27] (https://services.health tech.dtu.dk/services/NetMHCcons-1.1) 预测人类 CTL 表位。使用 25 种参考人类白细胞抗原 (HLA) [28] 进行预测，并设置截止百分位等级 (PR) ≤0.5 或半最大抑制浓度 ≤50。使用 NetMHCpan 4.1 [29] (https://services.healthtech. dtu.dk/services/NetMHCpan-4.1) 预测猪 CTL 表位。使用 45 种猪白细胞抗原 (SLA) [30–33] 进行预测，并设置截止 PR ≤0.5。 NetCTLpan 1.1 [34] (https:// services.healthtech.dtu.dk/services/NetCTLpan-1.1) 用于筛选具有高效蛋白酶体裂解和与抗原加工转运相关的转运蛋白的表位。设定筛选的截止值为 PR ≤1。人类和猪的 CTL 表位预测仅限于 9 肽。
多种抗原表位的计算预测
摘要。由于密码子字母的高变性，从密码子到氨基酸的映射是溢出的，这表明密码子空间可能具有更高的信息含量。嵌入密码子语言模型最近在各种下游任务中表现出成功。然而，磷酸化位点的预测模型，可以说是研究最多的翻译后修饰（PTM）和PTM位点，主要依赖于氨基酸级表示。这项工作引入了一种新的方法，通过通过近来开发的密码子语言模型的嵌入来预测磷酸化位点，该方法专门培训了蛋白质编码DNA序列。蛋白质序列首先精心映射到可靠的编码序列，并使用此编码器编码以生成密码子感知的嵌入。然后将这些嵌入与通过早期融合策略从蛋白质语言模型获得的氨基酸感知的嵌入整合。随后，从定义的窗框内的融合嵌入式形成了感兴趣的位点的窗口级表示。Convbigru网络提取物具有捕获窗口内近端残基之间的时空相关性，然后是基于高斯（Dog）小波范围函数的衍生物的Kolmogorov-Arnold网络（KAN），以产生该站点的预测推断。我们将整体模型配音为Calmphoskan。在独立测试中使用丝氨酸 - 硫代氨酸（合并）和酪氨酸测试集，Calmphoskan优于现有方法。此外，我们证明了该模型在预测蛋白质内在无序区域内的位点的有效性。总体而言，Calmphoskan成为蛋白质中一般磷酸材料的强大预测指标。Calmphoskan将很快公开发布。
伊朗流通的RVA VP7和VP4抗原表位与Rotarix和RotaTeq疫苗的比较分析
326 个氨基酸，含有 9 个可变区，其中 4 个作为抗原表位，具体标识为 7-1a、7-1b 和 7-2。VP4 蛋白跨越 776 个氨基酸，激活需要将其水解成两个不同的片段：VP8 和 VP5，每个片段分别含有 4 个（8-1-8-4）和 5 个（5-1-5-5）抗原表位 [4]。由于这些蛋白质内免疫原性基序的多样性，已定义多个谱系和亚谱系。根据 Motamedi-Rad 等人的研究，在主要的 G 型中，
果蝇内源性 G 蛋白偶联受体的组成性和条件性表位标记
致谢：本研究由 HHMI (SLZ) NIH BRAIN 计划奖 (1RF1MH117823-01) (SLZ 和 DEK) 和 R01MH114017 (DEK) 资助。我们要感谢 Mark Dombrovskiy、Alex Kim、Juyoun Yoo、Saumya Jain 和 Zipursky 实验室的其他成员就实验和抗体选择进行的有益讨论。
甲状腺球蛋白抗体和肿瘤表位特异性细胞免疫在乳头状甲状腺癌中
乳头状甲状腺癌（PTC）的特征是T细胞及过滤，并且经常以抗硫代表球蛋白抗体（TGAB）的存在。在这种情况下，细胞免疫和TBAB的作用是争论的问题。我们研究的目的是将TGAB，肿瘤表位特异性T细胞的存在与PTC患者的临床结果相关联。我们研究了n = 183例诊断为PTC的患者，这些患者接受了总甲状腺切除术和131 I消融治疗。在平均97个月的随访期间，大多数PTC患者没有肿瘤复发的迹象（n = 157例）。相反，一名患者的血清TG水平高于检测极限，<1 ng/mL，两个患者TG血清水平≥1ng/ml和<2 ng/ml，n = 23例患者的Tg血清水平≥2ng/ml。在14例患者中看到了肿瘤复发的形态迹象。所有这些患者的血清TG水平≥2ng/mL。重要的是，除一名患者外，所有TGAB阳性PTC患者（n = 27）没有肿瘤复发的迹象，因为血清TG水平低于该测定功能敏感性。四聚体分析显示。总而言之，我们表明TGAB的发生可能会影响PTC患者的临床结果。这可能是由于PTC患者的肿瘤表位特异性细胞免疫。
在疫苗设计的表位硅表征中
摘要简介：大肠杆菌血红素利润（CHUA）蛋白是一种外膜蛋白，已显示为疫苗设计研究的可正常靶标。在本研究中，我们旨在识别和表征Chua蛋白最有效的B和T细胞表位，以揭示其最免疫原性的区域。材料和方法：在本研究中，调用同源性建模以确定大肠杆菌血红素利润蛋白（CHUA）的三维（3D）结构。，为CHUA预测了CHUA的CHUA，线性和构象B细胞表位和T细胞表位的膜拓扑，配体结合位点，表面可及性和裂缝。在分子对接分析后，绘制了最有效的T细胞表位与HLA-A020和HLA-DRB0101结构之间的2D和3D相互作用图。结果：我们的结果表明Chua是血红素配体转运蛋白，它形成了常见的β-桶结构。它通过22个膜跨度区域位于膜中。基于残余的口袋和裂缝在Chua蛋白上鉴定出来。免疫学分析显示9个高效的B细胞表位。在预测的T细胞表位2中2分析了大多数有效的表位，以通过分子对接进行HLA结合。YSKQPGYG和FAAATTMSY表位显示与HLA-A020和HLA-DRB0101的相互作用稳定。结论：我们的免疫学，生化和功能分析强调了CHUA蛋白的区域，该区域具有最高的免疫原性，以实现疫苗接种的目的。J Appl BiotechnolRep。2024; 11（1）：1207-1219。 doi：10.30491/jabr.2023.388522.1612我们采用3D结构预测和表位预测结果的策略可以被视为在各种平台中有效疫苗设计的一种可正常的方法。关键字：尿路感染，疫苗，铁受体，生物信息学，OMP引用：Sefid F，Payandeh Z，Khalili S，Hashemi ZS，Zakeri A，Zakeri A，Alagheband Bahrami A等。基于血红素利润蛋白的疫苗设计的表位硅化表征。
内源性表位标记的 GPR4 在小鼠脑中的表达
GPR4 是一种质子感应 G 蛋白偶联受体，与许多外周和中枢生理过程有关。之前仅通过检测同源转录本或间接使用荧光报告基因来评估 GPR4 表达。在这项研究中，使用 CRISPR/Cas9 敲入技术在 Gpr4 的内源性基因座内编码血凝素 (HA) 表位标签，并使用特定的、特征明确的 HA 抗体可视化小鼠中枢神经系统中的 GPR4-HA；通过互补的 Gpr4 mRNA 检测进一步验证了 GPR4 表达。在有限的一组大脑区域中发现了 HA 免疫反应性，包括后梯形核 (RTN)、血清素能缝核、内侧缰核、外侧隔核和几个丘脑核。 GPR4 表达并不局限于特定神经化学特性的细胞，因为它在兴奋性、抑制性和胺能神经元细胞组中均有发现。尽管内皮细胞中 Gpr4 mRNA 表达清晰，但在脑血管内皮中未检测到 HA 免疫反应性。在 RTN 中，在胞体和血管沿线的近端树突以及脑干腹侧表面检测到 GPR4 表达；在 RTN 投射到两个已知目标区域时未检测到 HA 免疫反应性。GPR4 蛋白在小鼠脑神经元中的这种定位证实了其功能先前涉及的假定表达位点（例如，RTN 调节 CO 2 的呼吸），并为 GPR4 可能在哪些地方参与其他 CO 2 / H + 调节的脑功能提供了指导。最后，GPR4-HA 动物为进一步研究 GPR4 在脑外其他生理过程中的作用提供了有用的试剂。
合理结构指导设计血液阶段疟疾疫苗免疫原，呈现来自 PfRH5 的单一表位
尽管最近两种疟疾疫苗获得许可，但随着世界致力于消灭疟疾，对改进疫苗免疫原的需求仍然迫切。恶性疟原虫入侵红细胞是寄生虫生命周期中必不可少的步骤，先于疾病症状和寄生虫传播。针对 PfRH5 蛋白的抗体在预防红细胞入侵方面非常有效，最有效的生长抑制抗体与单个表位结合。在这里，我们使用基于 Rosetta 的蛋白质设计来生产一种集中的合成免疫原，该表位呈现在一个小的支架上。结构生物学和生物物理学被用来证明免疫原被正确折叠并以至少纳摩尔亲和力结合中和单克隆抗体。在免疫大鼠中，免疫原诱导的 PfRH5 靶向抗体抑制寄生虫生长的浓度比通过 PfRH5 免疫诱导的抗体低一千倍。最后，我们表明，用目标免疫原进行初免并用 PfRH5 进行加强可实现抗体质量和数量之间的最佳平衡，并诱导最有效的生长抑制反应。这种合理设计的疫苗免疫原现在可用作未来疟疾疫苗的一部分，单独使用或与其他免疫原联合使用。
将动态网络分析与人工智能相结合，以增强 PD-L1：Affibody 相互作用中的表位预测
图 2：PD-L1：Affibody 复合物的结构预测结果。A) PDB 中发现的 PD-L1 复合物的天然接触以红色突出显示 B) PD-L1 和 Affibody 结合方向的比较分析：Alphafold2 Multimer、ClusPro 和 ZDock 预测。每种预测方法排名前 3 位的结构描绘了 PD-L1 和 Affibody 的结合方向。所有预测中两个主要方向是一致的：一个平行于 beta 片层，另一个垂直于它。这突出了计算方法在捕获该复合物的假定结合模式方面的融合。C) 两个提议方向的说明。DF) 从平行和垂直方向的十六个 100 纳秒全原子 MD 模拟重复中获得的独立属性的箱线图。D) 拟合到 PD-L1 后的 Affibody RMSD。 E) 使用分子力学泊松-玻尔兹曼表面积 (MM-PBSA) 方法估计结合自由能。F) 用垂直平均值归一化的界面残基相关性总和。这些基于 MD 的指标的综合分析强烈支持 PD-L1 和 Affibody 之间的垂直结合模式是最可能的配置，强调了计算评估方法的稳健性和一致性。