XiaoMi-AI文件搜索系统
World File Search System配体
基于可重编程的配体结合特异性的基于PYR1的矫形CID模块
植物使用化学诱导的二聚化（CID）模块（包括受体pyr1和HAB1）感知脱落酸（ABA），这是由配体激活的pyr1抑制的磷酸酶。此系统是唯一的，因为可以重新编程配体识别的相对容易。为了扩展Pyr1系统，我们设计了一个正交的“*”模块，该模块携带了二聚体界面盐桥； X射线晶体学，生化和体内分析证实了其正交性。我们使用此模块创建了Pyr1* mandi /hab1*和pyr1* azin /hab1*，它们对其激活的配体曼陀果实和偶氮甲基具有纳摩尔敏感性。在拟南芥和酿酒酵母中进行的实验证明了使用活物生物传感器和构建多输入/输出遗传电路的抗抑郁剂污染物的敏感检测。我们的新模块启用了用于植物和真核合成生物学的可编码的多渠道CID系统，可以增强新的基于植物和微生物的感应方式。
PD-1受体/配体靶向癌症免疫治疗的作用机制
针对程序性死亡 (PD-1) 受体/配体 (L)“检查点”的免疫疗法在许多癌症类型的治疗中迅速取得进展。为了扩大治疗范围和疗效，需要预测性生物标记和合理选择联合治疗。为了满足这些需求，我们必须详细了解 PD-1 的功能。我们在此概述了最近对 PD-1 调节 CD8 + T 细胞反应的见解。普遍的观点是，阻断 PD-1/配体 (L) 相互作用会“重新激活”在肿瘤微环境 (TME) 中功能失调的细胞毒性 T 淋巴细胞 (CTL)。然而，本综述强调肿瘤与邻近的引流淋巴结 (LN) 持续沟通，并且 PD-1 检查点也在 T 细胞启动期间起作用。我们阐明了 PD-(L)1 系统在 T 细胞/DC 界面的作用，它调节 T 细胞受体 (TCR) 信号传导和 CD28 共刺激，从而控制肿瘤特异性 T 细胞的激活。我们还强调了 CD4 + T 细胞在启动过程中帮助的重要性，这使得 DC 能够提供最佳 CTL 分化所需的其他共刺激和细胞因子信号，并可能避免功能障碍状态。因此，我们认为 PD-(L)1 阻断应利用 LN 功能并与“帮助”信号相结合以优化 CTL 功效。
识别用于治疗 OSCC 的潜在治疗靶点及其配体
癌症生物学领域的最新进展揭示了与致癌作用和化疗暴露相关的分子变化。现有信息正被充分利用来开发针对与癌细胞生长、存活和化学耐药性有关的特定分子的疗法。靶向疗法已显著提高许多癌症的总生存期 (OS)。因此，开发针对口腔鳞状细胞癌 (OSCC) 的此类靶向疗法预计将具有重大的临床意义。在当前的工作中，我们利用基因表达、Cox 比例风险回归和机器学习在 OSCC 中确定了与药物特异性敏感性相关的预后生物标志物 (BOP1、CCNA2、CKS2、PLAU 和 SERPINE1)。这些标志物的失调与许多癌症的总生存期显著相关。它们的表达升高与各种癌症中的细胞增殖和侵袭性恶性肿瘤有关。从机制上讲，抑制这些生物标志物应能显著减少 OSCC 中的细胞增殖和转移，并应能带来更好的 OS。值得注意的是，迄今为止尚未发现针对这些生物标志物的有效小分子候选药物。因此，我们采用了一种综合的计算机药物设计策略，结合同源性建模、广泛的分子动力学 (MD) 模拟和集合分子对接，来识别针对已识别靶标的潜在化合物，并已识别出潜在分子。我们希望这项研究将有助于揭示在化学耐药性中发挥作用并对 OS 产生重大影响的潜在基因。它还将导致识别针对 OSCC 的新靶向疗法。
通过有机配体功能化制备稳定的氢氧化亚铜纳米结构
氧化亚铜（CuOH）是一类重要的金属化合物，包括硫族化物[5,6]、卤化物[7,8]和一些复杂的盐（例如 Chevreul 盐）[9]，它们在催化[10,11]、传感[12,13]、能量转换[14,15]和光学[16]等领域有着广泛的应用。其中，氧化亚铜（CuOH）长期以来一直受到人们的广泛关注。[17,18] 早在 20 世纪初，Miller 和 Gillett 就观察到在低温下（低于 60 °C）用铜工作电极电解 NaCl 溶液时，会产生黄色的 CuOH 沉淀。[19,20] 随后，人们进行了多项研究，探究通过各种方法合成的 CuOH 的特征结构和性能。 [21–23] 然而，在早期的研究中，CuOH 大多以块状固体形式存在，结构为亚稳态，由于缺乏适当的保护以防止氧化和/或脱水，当暴露于环境或热处理时，淡黄色沉淀物会迅速变为深红色，表明形成了 Cu 2 O。这种结构不稳定性使研究所得 CuOH 的性质和应用变得困难。2012 年，Korzhavyi 等人 [24] 进行了理论研究，证明 CuOH 可以以固体形式存在；然而亚稳态导致形成各种晶体结构构型的随机混合物，例如 Cu 2 O 和冰 VII H 2 O。Soroka
具有转基因肽配体的微生物纳米线，可持续制造1
Yassir Lekbach 1+，Toshiyuki Ueki 1+，小米刘2，Trevor Woodard 1，Jun Yao 2,3,4和Derek R. 4
配体捕捞作为筛选具有抗癌潜力天然产品的工具
作者的完整清单：路易兹的Miranda de Souza Duarte Filho； La Rochelle大学，UMR CNRS 7266 LIENSS ORTEGA DE OLIVEIRA，PAMELLA； Fluminense Federal University，Yanaguashi Leal Organic Chemistry，Cintia；联邦Vale University do do do do do do francisco de Moraes，Marcela Cristina；联邦Fluminense University，Pocot，Laurent； La Rochelle大学，UMR CNRS 7266 LIENS
配体辅助的直接光刻和非线性光子学的雪崩纳米颗粒
摘要：向上转换纳米颗粒（UCNP）具有独特的非线性光学特性，可以在显微镜，传感和光子学中利用。然而，形成具有较大填充分数的UCNP的高分辨率纳米和微分简单仍然具有挑战性。此外，人们对纳米颗粒模式化学的形式如何受粒径影响有限。在这里，我们使用形成新离子链接的配体或在UCNP之间（uviolet（uv），eleton- beam（e -elethir）（e -beam）（e -beam）（e -beam）和附近（nir）和附近（nir -nir）和附近（nir -nir）（nir）和附近（nir -extrare）（extrife）（ybem extruared（e -beam），我们探索了6-18 nm tm 3+ - ，yb 3+ /tm 3+ - 和yb 3+ /er 3+基于yb 3+ /er 3+的UCNP。 我们研究UCNP大小对这些图案方法的影响，发现6 nm UCNP可以用紧凑的离子配体进行图案化。 相比之下，对较大的UCNP进行构图需要长链，可交叉的配体，这些配体可提供足够的颗粒间距，以防止在膜铸造时进行不可逆的聚集。 与使用可交联液体单体的方法相比，我们的图案方法限制了与沉积在薄膜中沉积的UCNP上的配体的交联反应。 这种高度局部的照片 - /电子引发的化学能力可以制造具有高分辨率的密集包装的UCNP图案（约为1μm，紫外线和NIR暴露； <100 nm，具有E型束）。 我们的上转换nir光刻方法证明了将廉价连续波激光器用于胶体材料的高分辨率2D和3D光刻的潜力。我们探索了6-18 nm tm 3+ - ，yb 3+ /tm 3+ - 和yb 3+ /er 3+基于yb 3+ /er 3+的UCNP。我们研究UCNP大小对这些图案方法的影响，发现6 nm UCNP可以用紧凑的离子配体进行图案化。相比之下，对较大的UCNP进行构图需要长链，可交叉的配体，这些配体可提供足够的颗粒间距，以防止在膜铸造时进行不可逆的聚集。与使用可交联液体单体的方法相比，我们的图案方法限制了与沉积在薄膜中沉积的UCNP上的配体的交联反应。这种高度局部的照片 - /电子引发的化学能力可以制造具有高分辨率的密集包装的UCNP图案（约为1μm，紫外线和NIR暴露； <100 nm，具有E型束）。我们的上转换nir光刻方法证明了将廉价连续波激光器用于胶体材料的高分辨率2D和3D光刻的潜力。沉积的UCNP模式保留了它们的上转换，雪崩和照片处理行为，可以在模式的光学设备中利用这些行为，以用于下一代UCNP应用程序。
机器学习模型用于研究针对半胱氨酸的蛋白质组共价配体能力
摘要：机器学习 (ML) 识别共价配位位点可能会加速靶向共价抑制剂的设计，并有助于扩大可用药的蛋白质组空间。本文我们报告了基于树的模型和卷积神经网络 (CNN) 的严格开发和验证，这些模型和神经网络是在新近整理的数据库 (LigCys3D) 上训练的，该数据库包含近 800 种蛋白质中的 1,000 多个配位半胱氨酸，由蛋白质数据库中的 10,000 多个三维结构代表。树模型和 CNN 的未见测试分别产生了 94% 和 93% 的 AUC（受试者工作特征曲线下面积）。基于 AlphaFold2 预测的结构，ML 模型以超过 90% 的召回率重现了 PDB 中新配位的半胱氨酸。为了协助共价药物发现社区，我们报告了 392 种人类激酶中预测的可配体半胱氨酸及其在序列比对激酶结构（包括 PH 和 SH2 结构域）中的位置。此外，我们还发布了可搜索的在线数据库 LigCys3D（https://ligcys.computchem.org/）和网络预测服务器 DeepCys（https://deepcys.computchem.org/），这两个数据库都将通过包含新发布的实验数据不断更新和改进。本研究代表了迈向由机器学习主导的大型基因组数据和结构模型集成的第一步，旨在为下一代共价药物发现注释人类蛋白质组空间。
冠状病毒主要蛋白酶的酶动力学模型，包括二聚化和配体结合
图 1：酶动力学模型示意图。蛋白质以橙色矩形表示单体 (M)，或一对重叠的绿色圆角矩形表示二聚体 (D)。水平或倾斜箭头上方的物种向右添加/向左移除。垂直箭头右侧的物种向下添加/向上移除。平衡常数 (K) 表示导致更复杂物种的方向，其中 K d 表示二聚化，KI 表示抑制剂结合，KS 表示底物结合。速率常数 k cat 取决于二聚化和配体结合。
定量蛋白质组学和在共价配体发现中的应用
基于质谱的蛋白质组学已成为复杂生物样品中蛋白质识别和定量的既定方法，代表了该领域的金标准。在共价药物发现的领域，化学蛋白质组学已成为不可或缺的成分，因为它可以通过蛋白质组学方法通过共价配体诱导的化学修饰映射（Meissner等，2022）。这些技术的成功通过实现高通量和定量分析，彻底改变了现代药物筛查工作。本综述着重于阐明各种定量蛋白质组学技术的原理和方法，包括无标签定量，ITRAQ（用于相对和绝对定量的等速标记）和TMT（tandem质量标签）标签。此外，我们探索了这些工具在定量化学蛋白质组学中的应用，证明了它们在发现共价配体中的实用性。