首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

离子3高图不可见

相关·内容

  • Nat. Commun. | Metal3D: 一种用于准确预测蛋白质中金属离子位置的通用深度学习框架

    今天为大家介绍的是来自Ursula Rothlisberger研究团队的一篇关于金属离子位置预测的论文。金属离子是许多蛋白质的重要辅因子,在酶设计、蛋白质相互作用设计等许多应用中发挥关键作用,它们在生物体中丰富存在,并通过强烈的相互作用与蛋白质结合,并具有良好的催化特性。然而,生物相关金属(如锌)的复杂电子结构限制了金属蛋白质的计算设计。在这项工作中,作者开发了两个工具——基于3D卷积神经网络的Metal3D和仅基于几何标准的Metal1D,以改进蛋白质结构中锌离子的位置预测。与其他当前可用的工具进行比较显示,Metal3D是迄今为止最准确的锌离子位置预测器,其预测结果与实验位置相差在0.70 ± 0.64 Å范围内。Metal3D为每个预测位置输出置信度指标,并可用于在蛋白质数据库中具有较少同源物的蛋白质上工作。Metal3D可以预测全局锌密度,用于计算预测结构的注释,还可以预测每个残基的锌密度,用于蛋白质设计工作流程中。Metal3D目前是针对锌进行训练的,但通过修改训练数据,该框架可以轻松扩展到其他金属。

    02

    上健院田启威副教授团队Nano Today:近红外二区激光介导的类光芬顿反应选择性增强免疫治疗

    免疫检查点疗法在转移性肿瘤治疗中表现出极好的潜力,但是由于肿瘤的异质性,其响应率很低,仅有少数患者能从中获益。因此,联合放疗、化疗和光热疗法是常用的治疗手段。但这些常规治疗手段肿瘤选择性差,治疗时不可避免的会对正常组织造成损伤。化学动力学治疗(CDT)是一种新型肿瘤选择性治疗方法,主要是通过芬顿或类芬顿试剂,将肿瘤内源性双氧水催化降解成羟基自由基,进而利用高毒性羟基自由基杀死肿瘤细胞。因此,免疫检查点联合CDT具有很好的应用前景。但是因催化效率等因素的限制,芬顿或类芬顿试剂催化效率仍需进一步的提高。光芬顿反应是一种常用的策略。但常用紫外、可见光等组织穿透性差,难以用于肿瘤治疗。

    01

    湖北医药学院李童斐教授团队《J. Nanobiotech》:装载双氢青蒿素的纳米反应器用于靶向治疗恶性肿瘤取得新进展

    湖北医药学院基础医学院李童斐课题组利用肿瘤微环境响应的铁基金属有机框架(MOF)负载双氢青蒿素(DHA)构建了一种协同诱导铁死亡的纳米反应器(DHA@MIL-101)。DHA@MIL-101在肺癌微环境崩塌。一方面,释放的铁离子与DHA独有的过氧桥化学结构触发类芬顿反应。与此同时,DHA促进转铁蛋白受体表达及抑制谷胱甘肽过氧化物酶(GPX4)的效应进一步促进了该纳米反应器驱动的化学动力学及铁死亡效应,导致DNA及线粒体损伤发挥抗肿瘤疗效。相关成果“A nanoreactor boosts chemodynamic therapy and ferroptosis forsynergistic cancer therapy using molecular amplifier dihydroartemisinin”发表在纳米生物学领域国际知名杂志《Journal of Nanobiotechnology》(IF=10.435, DOI: 10.1186/s12951-022-01455-0)

    02

    自然·机器智能 | 利用机器学习预测有机金属框架的水稳定性

    金属有机骨架(MOFs)由于其高度可调节的结构特性,在吸附、分离、传感和催化等领域具有极大的应用潜力。然而,MOFs必须能在水蒸气中保持稳定,才能在工业中得到应用。目前,预测MOFs的水稳定性是十分困难的:一是因为MOFs合成的时间成本高昂,二是因为目前的建模技术无法准确地捕获MOFs水稳定性特征。对此,我们建立了一个机器学习模型,可以根据不同的应用目的或所处环境的水蒸气浓度,迅速且准确地判断MOFs是否稳定。该模型的训练集包括200多个已测量水稳定性的MOFs,并设计了一套全面的化学特征描述符。描述符中的信息包括三类:MOFs的金属节点、有机配体、金属-配体摩尔比。除了为未来的实验筛选水稳定的MOFs候选材料外,我们还从训练好的模型中提取了一些关于MOFs水稳定性的简单化学趋势。本文所述的通用方法,可以基于其他设计标准筛选MOFs。

    03

    机器学习驱动的电池电极高级表征

    编辑 | 白菜叶 材料表征,即通过各种物理、化学等测试方法,揭示和确定材料的结构特征,是科学家理解锂离子电池电极及其性能限制的基础方式。基于实验室的表征技术地进步,科学家们已经对电极的结构和功能关系产生了许多强有力的见解,但还有更多未知情况等待探索。该技术的进一步地改进,取决于对材料中复杂的物理异质性的更深入理解。 然而,表征技术的实际局限性,限制了科学家直接组合数据的能力。例如,某些表征技术会对材料造成破坏,因此无法对同一区域进行其他参数的分析。幸运的是,人工智能技术拥有巨大潜力,可以整合传统表征技术所

    02

    文献翻译:Statistical Approaches for Gene Selection, Hub Gene Identification and Module Interaction in...

    信息基因的选择是基因表达研究中的重要问题。基因表达数据的小样本量和大量基因特性使选择过程复杂化。此外,所选择的信息基因可以作为基因共表达网络分析的重要输入。此外,尚未充分探索基因共表达网络中枢纽基因和模块相互作用的鉴定。本文提出了一种基于支持向量机算法的统计学上基因选择技术,用于从高维基因表达数据中选择信息基因。此外,已经尝试开发用于鉴定基因共表达网络中的中枢基因的统计学方法。此外,还开发了差异中枢基因分析方法,以在案例与对照研究中基于它们的基因连接性将鉴定的中枢基因分组成各种组。基于这种提出的方​​法,已经开发了R包,即dhga(https://cran.rproject.org/web/packages/dhga)。在三种不同的农作物微阵列数据集上评估了所提出的基因选择技术以及中枢基因识别方法的性能。基因选择技术优于大多数信息基因的现有技术。所提出的中枢基因识别方法,与现有方法相比,确定了少数中枢基因,这符合真实网络的无标度属性原则。在这项研究中,报道了一些关键基因及其拟南芥直系同源物,可用于大豆中的铝毒性应激反应工程。对各种选定关键基因的功能分析揭示了大豆中铝毒性胁迫响应的潜在分子机制。

    01

    Nat. Mater. | 利用机器学习和组合化学加速发现可电离脂质mRNA传递

    今天为大家介绍的是来自Robert S. Langer与Daniel G. Anderson团队的一篇论文。为了充分发挥信使RNA(mRNA)疗法的潜力,扩大脂质纳米粒子的工具库至关重要。然而,脂质纳米粒子开发的一个关键瓶颈是识别新的可离子化脂质。在本文中,作者描述了一种加速发现用于mRNA递送的有效可离子化脂质的方法,该方法结合了机器学习和先进的组合化学工具。作者从一个简单的四组分反应平台开始,创建了一个化学多样性的584种可离子化脂质库。作者筛选了包含这些脂质的脂质纳米粒子的mRNA转染效率,并使用这些数据作为训练各种机器学习模型的基础数据集。作者选择了表现最佳的模型来探查一个包含40,000种脂质的扩展虚拟库,合成并实验评估了其中表现突出的16种脂质。作者得到了脂质119-23,它在多种组织中的肌肉和免疫细胞转染中表现优于已建立的基准脂质。该方法促进了多用途可离子化脂质库的创建和评估,推进了精确mRNA递送的脂质纳米粒子配方的发展。

    01

    电池怕极端温度易罢工?耐受零下60度低温的新研究来了

    机器之心报道 编辑:袁铭怿、陈萍 近来,研究发现了一种用于下一代锂离子电池的新型电解质,可以帮助电动汽车、手机和其他电子产品在极端冰冻温度下运行甚至快速充电。 当前,电动汽车越来越受欢迎,尽管如此,总有消费者对其避之不及,其中一个原因在于电动汽车的电池在寒冷天气下所发挥出的性能不尽人意。最近,研究发现了一种用于下一代锂离子电池的新型电解质,它可以帮助电动汽车、手机和其他电子产品在极端冰冻温度下运行,甚至可以快速充电。 不仅如此,电池在卫星、空间探测器和载人航天任务中的潜在用途同样引人注目,当然所有这些应用

    04
    领券