癌症药物的副产品可能是一种尚未开发的帕金森病治疗方法

癌症药物的副产品可能是一种尚未开发的帕金森病治疗方法 服用药物后，它们会被吸收并分布到身体各处。当药物产生治疗效果后，会被各个器官分解代谢成为被称为代谢物的副产品，这些化合物更容易被排出体外。尽管药物代谢物在血浆中浓度很高，而且可能具有药理活性，但其潜在的治疗作用往往被忽视。然而，西班牙国家研究委员会（CSIC）的一项新研究发现，一种抗癌药物在分解过程中产生的代谢物本身可能具有治疗价值。Rucaparib是一种用于治疗复发性卵巢癌、乳腺癌以及最近的前列腺癌的药物，它被分解成主要代谢物M324，在包括小鼠和人类在内的多个物种中都能检测到这种代谢物。在动物体内，M324 的血浆浓度高于母体药物，并能进入肿瘤细胞；在人体内，代谢物的血浆浓度约为 rucaparib 浓度的 40%。利用四种不同的计算方法，研究人员全面描述了M324的特征，从而预测了鲁卡帕利及其代谢物的潜在"非靶点"。他们确定了这两种药物共有的靶点和两者独有的靶点。为了验证他们的计算结果，研究人员继续在实验室细胞系上进行实验，测试M324是否具有抗癌特性。他们在包括前列腺癌、乳腺癌、卵巢癌和胰腺癌在内的20种人类癌细胞系中筛选了鲁卡帕利和M324的合成版。在九种细胞系中，结合使用母药及其代谢物比单独使用其中一种化合物更能增强对癌细胞的抑制作用。最大的差异出现在前列腺癌细胞系中，抑制率相差超过 30%。研究人员在前列腺癌细胞系模型中观察到了协同作用而非独立活性，他们想知道这种代谢物本身是否能在另一种细胞环境中发挥作用。他们用从一名帕金森病患者身上获得的诱导多能干细胞（iPSCs）分化出帕金森病多巴胺神经元，然后用M324处理这些神经元。他们发现，这种代谢物能有效减少突触核蛋白的积累。突触核蛋白是一种蛋白质，当它错误折叠成聚集体时，会导致神经炎症、神经变性和细胞死亡。它在遗传学和神经病理学上与帕金森病有关。研究人员说，他们的发现可能会产生重大的临床影响。首先，rucaparib和M324的协同作用可能会影响前列腺癌晚期的临床试验，因为与其他用于这种情况的抗癌药物相比，将这两种药物结合使用可能更有优势。这也可能对药物的安全性和有效性产生影响，值得进一步研究。关于帕金森氏症，研究表明这种代谢物具有药理活性，有可能被重新利用，成为治疗该疾病的一种新方法。研究人员说："总之，我们证明了药物代谢物可能具有与其母体药物不同的多药理作用，这凸显了药物代谢物商业化的重要性，将其纳入临床前研究，并在药物发现和开发过程中对其进行更彻底的表征，以全面了解药物在临床中的作用，并在精准医疗中更好地为患者量身定制药物。"这项研究发表在《细胞化学生物学》杂志上。 ... PC版： 手机版：

科学家发现一种研发疫苗的更好方法

科学家发现一种研发疫苗的更好方法 促进血细胞产生针对特定病毒蛋白的抗体是开发人用疫苗的重要一步。这对研究人员来说具有挑战性，因为受试者是否产生抗体取决于科学家如何设计和施用抗原，抗原是他们为测试疫苗有效性而施用的病毒的一部分。病毒研究的一个非常重要的方面是如何表达和纯化用于疫苗接种的抗原。用制备好的抗原对动物进行免疫，动物会产生针对抗原的特异性抗体。但科学家必须分离抗原，以确保他们开发的疫苗能够针对他们希望防治的特定疾病。一旦研究人员纯化了抗原，他们就能研制出疫苗，引导受试者产生所需的抗体。但在尝试开发实验室生产的抗原时，这种分离工作尤其耗时，因为病毒通常会迅速变异。科学家可能需要数周时间才能开发出正确的抗原。科学家们开发出了一种诱导目标特异性免疫反应的新方法。通过将抗原蛋白融合到一种源于四泛蛋白的锚膜结合蛋白中，研究人员创造出了主要显示在人体细胞表面的融合蛋白。载体蛋白将蛋白质暴露在细胞表面，诱导产生针对适当、相关抗原的抗体。另外一个优点是，这些抗原与病毒中的相应蛋白质具有相同的构象和修饰，因为它们是由与病毒自然感染的人体细胞相似的细胞制造的。这种新的显示技术有可能成为一种更可靠的免疫技术。在这项研究中，研究人员能够诱导出针对不同蛋白质的抗体，重点是导致 2019 年冠状病毒病（COVID-19）的SARS-CoV-2 病毒的受体结合域。开发出的锚蛋白使科学家们能够针对特定疾病进行免疫，而无需纯化抗原。研究人员深信，这项技术可以大大加快免疫过程。论文作者之一丹尼尔-伊万诺维奇（Daniel Ivanusic）说："这项工作基于 SARS-CoV-2 的受体结合结构域，仅仅是一项非常有趣的免疫技术的开端。对我们来说，采用 tANCHOR 技术最具挑战性、最重要也最令人兴奋的应用是诱导针对 HIV-1 的中和抗体。我认为这将是一项伟大的工作！"编译自/scitechdaily ... PC版： 手机版：

介绍了一种更高效的方法来收集和标注图像数据，以用于视觉和视觉-语言应用。

介绍了一种更高效的方法来收集和标注图像数据，以用于视觉和视觉-语言应用。 通过在电子商务网站上收集图像和描述文本，构建了一个名为Let's Go Shopping (LGS)的大规模公共数据集，包含1500万个图像-描述对。 与现有的通用数据集相比，LGS图像更注重前景对象，背景较简单。实验结果表明，现有基准数据集上训练的分类器不容易推广到电子商务数据，而特定的自监督视觉特征提取器可以更好地泛化。 此外，LGS具有高质量的电子商务焦点图像和双模态特性，在视觉语言双模态任务中具有优势，可以生成更丰富的图像描述并实现电子商务风格转换。 为了使LGS可供公众使用，将以"BSD 3-Clause"许可证共享筛选后的图像-描述链接，并提供下载工具以便复现数据集。|

一种新的计算方法重新构想人工智能：

一种新的计算方法重新构想人工智能： Multimodal C4：一个开放的、10亿规模的、与文本交错的图像语料库： Inpaint Anything：分割任何东西满足图像修复需求： 了解大型语言模型： 经济学案例，为什么AI不能抢走你的工作： 对齐你的潜变量：利用潜变量扩散模型的高分辨率视频合成： 深度探讨大语言模型生态链：芯片，基建，工具，开源，应用： 设计背后：认识副驾驶： ChatGPT的惊人潜力的内幕-Greg TED演讲： 自主代理完全入门指南-构建你的AutoGPT： 感谢各位的关注，有任何问题和想法欢迎随时与我交流。