β-谷甾醇通过抑制 TLR4/NF-κB 信号通路缓解神经性疼痛 背景介绍 神经性疼痛是临床上常见且难以治疗的一类慢性疼痛，其病因复杂且尚未完全明了。研究表明，神经炎症是导致慢性神经性疼痛的主要原因之一。小胶质细胞是中枢神经系统内的常驻免疫细胞，在正常情况下，它们通过分泌神经营养因子参与神经元的发育和维持。然而，在神经微环境稳态遭受外界刺激影响时，小胶质细胞会发生极化，产生两种不同的表型：经典激活的 M1（促炎）表型和交替激活的 M2（抗炎）表型。神经损伤后，小胶质细胞的 M1 极化会导致炎症反应增强、诱发神经痛。因此，通过调控小胶质细胞的极化状态成为缓解神经性疼痛的新策略。 TLR4/NF-κB 信号通路是已知的经典炎症信号通路，激活 TLR4 及其下游的 MyD88、IκB 激酶（IKK...

研究背景 近年来，聚ADP-核糖聚合酶（Poly ADP-ribose Polymerase, PARP）抑制剂作为治疗遗传性乳腺癌1/2（BRCA1/2）突变癌症的重要方法，展现出显著疗效。然而，针对ATM、CDK12、CHEK2等其他同源重组缺陷（Homologous Recombination Deficiency，HRD）基因突变的肿瘤，其疗效却不尽人意。因此，研究者们开始探索通过将PARP抑制剂与其他药物联合使用，以增强治疗效果并延长DNA损伤修复的抑制时间。 在以前的一些临床前研究中，PARP抑制剂与拓扑异构酶I抑制剂如伊立替康（Irinotecan）的联合使用显示了明显的协同效应。伊立替康及其活性代谢产物SN-38能够干扰DNA拓扑异构酶I-DNA复合物，从而阻止DNA链的修复...

新型药物重新定位方法的网络构建与应用研究 背景 在COVID-19大流行期间，研究人员和制药公司致力于开发治疗和疫苗。药物重新定位由于捷径被认为是快速有效的应对策略。药物重新定位试图发现已批准药物的新用途，被认为比传统药物发现路径更廉价且更迅速[1–3]。例如，瑞德西韦和地塞米松就是两种成功的重新定位药物[4–6]。虽然全球疫情逐渐转向地方性阶段，病毒传播仍在继续。快速发现候选药物并提供给医学或制药领域的专家进行研究的重要性已被COVID-19大流行深刻地提醒了我们[7]。 随着生物学机制的进步和生物医学知识的收集，更准确和精确的基于计算的药物重新定位成为可能。网络药物学（network medicine）通过观察生物实体（如药物、基因和疾病）之间的复杂关系，提供候选药物[8–11]。但在新...

基于分层负采样的图对比学习用于药物-疾病关联预测的研究 针对药物-疾病关联（RDAs）的预测在揭示疾病治疗策略和促进药物重新定位方面起着至关重要的作用。然而，现有的方法在预测药物和疾病之间的候选关联时，主要依赖于有限的领域特定知识，因而效果受限。此外，将药物-疾病关系的未知信息简单地定义为负样本存在固有不足。为克服这些挑战，本文提出了一种新的基于分层负采样的图对比模型，称为HSGCL-RDA，该模型旨在预测药物和疾病之间的潜在关联。 研究背景与研究问题 药物开发与疾病进展控制过程漫长且昂贵，而随着疾病数量及其变异的不断增加，对有效药物的需求也在增长。全球性疾病爆发（如新冠肺炎）对现有药物的治疗提出了极大挑战，迫切需要快速开发新的治疗药物。研究现有药物的新用途涉及许多挑战。现有的算法模型虽然在...

医学包推荐系统研究：基于双层次交互意识的异构图神经网络 随着电子健康记录（electronic health records, EHRs）在医疗领域中的广泛应用，如何从中挖掘潜在的、有价值的医学知识来支持临床决策，成为深度学习技术的重要研究方向之一。个性化医学包推荐是这一领域的重要任务之一，其目标是利用大量医疗记录帮助医生为每位患者选择更安全、有效的药物包。然而，现有的医学包推荐方法主要将任务建模为多标签分类或序列生成问题，主要关注的是个体药物与其他医学实体之间的关系，却普遍忽视了药物包与其他医学实体之间的交互，从而可能导致推荐的药物包不完整。此外，现有方法所考虑的医学常识知识相对有限，使得深入研究医生的决策过程变得非常困难。 来源概述 本文由山东大学软件学院的研究人员Fanglin Zhu...

从事早期药物发现的科研人员面临着一个巨大挑战,即在大约10的60次方种可能的分子结构中寻找具有药理活性的候选分子。一种成功的解决方案是从较小的”片段”分子着手,这种策略被称为基于片段的药物设计(FBDD)。在FBDD过程中,首先需要利用计算机筛选出与目标蛋白口袋结合的片段,然后再将这些片段连接成单个化合物。连接片段时,需要考虑片段的几何构象以及蛋白质口袋的结构,以设计出高亲和力的潜在药物分子。 这篇论文介绍了一种名为DiffLinker的新型分子线酶(linker)设计方法。它是一种三维Equivariant Diffusion模型,能够给定任意数量的断开的片段,生成连接这些片段的线酶结构。与之前的基于自回归的方法不同,DiffLinker能一次性生成连接两个或更多片段的线酶,无需预先确定线...