检索结果-南通市图书馆

Genomics, Proteomics & Bioinformatics 2022年第5期20卷 1028-1036页

作者： Zhiting Wei Sheng Zhu Xiaohan Chen Chenyu Zhu Bin Duan Qi Liu Translational Medical Center for Stem Cell Therapy and Institute for Regenerative Medicine Shanghai East HospitalBioinformatics DepartmentSchool of Life Sciences and TechnologyTongji UniversityShanghai 200092China Key Laboratory of Spine and Spinal Cord Injury Repair and Regeneration(Tongji University) Ministry of EducationOrthopaedic Department of Tongji HospitalBioinformatics DepartmentSchool of Life Sciences and TechnologyTongji UniversityShanghai 200092China Shanghai Research Institute for Intelligent Autonomous Systems Shanghai 201210China

Transcriptional phenotypic drug discovery has achieved great success,and various compound perturbation-based data resources,such as connectivity map(CMap)and library of integrated network-based cellular signatures(lincs),have been presented.Computational strategies fully mining these resources for phenotypic drug discovery have been proposed.Among them,the fundamental issue is to define the proper similarity between transcriptional profiles.Traditionally,such similarity has been defined in an unsupervised way.However,due to the high dimensionality and the existence of high noise in high-throughput data,similarity defined in the traditional way lacks robustness and has limited performance.To this end,we present Dr Sim,which is a learning-based framework that automatically infers similarity rather than defining it.We evaluated Dr Sim on publicly available in vitro and in vivo datasets in drug annotation and repositioning.The results indicated that Dr Sim outperforms the existing methods.In conclusion,by learning transcriptional similarity,Dr Sim facilitates the broad utility of high-throughput transcriptional perturbation data for phenotypic drug discovery.The source code and manual of Dr Sim are available at https://***/bm2-lab/Dr Sim/.

关键词： Metric learning Transcriptional profile similarity Drug annotation Drug repositioning lincs

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于表达谱印记的乳腺癌细胞放射增敏药物预测及其机制研究

基于表达谱印记的乳腺癌细胞放射增敏药物预测及其机制研究

引用

2019年海峡两岸暨港澳青年科学家毒理学学术交流会

作者：谢达菲胡赛关华刘晓丹尹晓尧黄波周平坤军事医学研究院辐射医学研究所

目的:癌细胞的电离放射抗性是导致肿瘤放射治疗失败和复发的主要原因之一,因此,肿瘤放疗增敏药物研究是肿瘤治疗领域的一个重要课题。传统的药物研发技术路径投入巨大、周期长、风险高,至今临床上仍缺乏有效的增敏药物。近年来,随着基... 详细信息

目的:癌细胞的电离放射抗性是导致肿瘤放射治疗失败和复发的主要原因之一,因此,肿瘤放疗增敏药物研究是肿瘤治疗领域的一个重要课题。传统的药物研发技术路径投入巨大、周期长、风险高,至今临床上仍缺乏有效的增敏药物。近年来,随着基因组学、蛋白质组学的快速发展,基因表达谱数据迅速积累,为与之相关的计算生物学和放射医学研究奠定了基础。材料和方法:整合来自Gene Expression Omnibus （GEO）数据库的乳腺癌细胞γ射线辐照和e IF4G1基因敲除表达谱数据以及来自Library of Integrated Network-Based Cellular Signatures（lincs）数据库的不同化合物作用于乳腺癌细胞的基因表达谱数据,计算enrichment score （ES）值,选取ES为正的结果排序,预测潜在的放疗增敏化合物。根据预测结果,利用CCK-8法和克隆形成实验验证预测所得化合物对细胞增殖的抑制作用,验证其放疗增敏作用。进一步检测该化合物对e IF4G1及其下游基因表达的影响,利用流式细胞技术测量其对细胞凋亡和周期的影响,研究辨识所得化合物的放射增敏机制。结果:辨识出11种潜在的放疗增敏剂,其中bosutinib可显著抑制乳腺癌细胞增殖,提高其放射敏感度,促进癌细胞细胞凋亡,降低辐射导致的G2/M期阻滞,同时降低e IF4G1基因表达,并对其下游蛋白的表达造成影响。结论:Borutinib是潜在的较为理想的新型放疗增敏化合物,e IF4G1是其增敏机制中一个重要的分子靶标,e IF4G1表达量降低,细胞放射敏感度升高。

关键词： eIF4G1 bosutinib 放射敏感度 lincs enrichment score 药物重定位

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

L1150前装机转向系统电气控制原理以及故障排除

引用

露天采矿技术 2017年第12期32卷 69-71页

作者：田振升中煤平朔集团有限公司露天设备维修中心山西朔州036006

概述了前装机电控系统发展现状,阐述了转向系统的设计原理、相关控制元件及控制原理,对该系统出现的典型故障及排除过程进行了分析,为后期设备运行过程中出现的故障维修提供借鉴。

关键词：前装机 lincs Ⅱ VCU 电液比例先导

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：