Đồ gá là gì? Các công bố khoa học về Đồ gá

AutoDock Vina, một chương trình mới dành cho việc docking phân tử và sàng lọc ảo, được giới thiệu trong bài viết này. AutoDock Vina có tốc độ xử lý nhanh hơn khoảng hai bậc so với phần mềm docking phân tử phát triển trước đây trong phòng thí nghiệm của chúng tôi (AutoDock 4), đồng thời cải thiện đáng kể độ chính xác trong dự đoán cách thức gắn kết, theo các thử nghiệm của chúng tôi trên tập hợp đào tạo đã sử dụng để phát triển AutoDock 4. Tốc độ xử lý còn được gia tăng nhờ sự song song hóa, sử dụng đa luồng trên các máy đa lõi. AutoDock Vina tự động tính toán các bản vẽ lưới và nhóm kết quả một cách rõ ràng cho người sử dụng. © 2009 Wiley Periodicals, Inc. Tạp chí Comput Chem 2010

Một hàm mật độ mới (DF) thuộc loại xấp xỉ gradient tổng quát (GGA) cho các ứng dụng hóa học chung có tên là B97‐D được đề xuất. Nó dựa trên phương án chuỗi lũy thừa của Becke từ năm 1997 và được tham số hóa rõ ràng bằng cách bao gồm các hiệu chỉnh phân tán cặp nguyên tử dạng triệt tiêu C₆ · R⁻⁶. Một sơ đồ tính toán tổng quát cho các tham số được sử dụng trong hiệu chỉnh này đã được thiết lập và các tham số cho các nguyên tố lên tới xenon và một hệ số tỷ lệ cho phần phân tán cho một số hàm mật độ thông thường (BLYP, PBE, TPSS, B3LYP) được báo cáo. Hàm mới được thử nghiệm so sánh với các GGAs khác và hàm lai B3LYP trên các bộ tiêu chuẩn kiểm tra nhiệt hóa học, cho 40 hợp chất liên kết không cộng hóa trị, bao gồm cả các phân tử thơm xếp chồng lớn và cụm nguyên tố nhóm II, và cho việc tính toán hình học phân tử. Thêm vào đó, các bài kiểm tra chéo được thực hiện cho các phản ứng hữu cơ kim loại và các vấn đề khó khăn khác đối với các hàm tiêu chuẩn. Tóm lại, tìm thấy rằng B97‐D thuộc vào một trong những GGAs đa năng chính xác nhất, đạt đến, ví dụ cho bộ G97/2 của nhiệt hình thành, một độ lệch tuyệt đối trung bình chỉ có 3.8 kcal mol⁻¹. Hiệu suất cho các hệ thống liên kết không cộng hóa trị bao gồm nhiều phức hợp van der Waals thuần rất tốt, đạt đến độ chính xác CCSD(T) trung bình. Chiến lược cơ bản trong phát triển để hạn chế mô tả hàm mật độ đến chiều dài tương quan electron ngắn hơn và mô tả các tình huống với khoảng cách giữa các nguyên tử trung bình đến lớn bằng các thuật ngữ C₆ · R⁻⁶ triệt tiêu dường như rất thành công, như chứng minh cho một số phản ứng khó khăn nổi tiếng. Chẳng hạn, đối với sự đồng phân hóa của các alkan nhánh lớn hơn sang alkan thẳng, B97‐D là hàm duy nhất có sẵn đưa ra dấu đúng cho sự chênh lệch năng lượng. Từ quan điểm thực tế, hàm mới dường như khá chắc chắn và do đó được đề xuất như một phương pháp hóa học lượng tử hiệu quả và chính xác cho các hệ thống lớn nơi lực phân tán có tầm quan trọng chung. © 2006 Wiley Periodicals, Inc. J Comput Chem 2006

Protein là yếu tố thiết yếu của sự sống, và việc hiểu cấu trúc của chúng có thể tạo điều kiện thuận lợi cho việc hiểu cơ chế hoạt động của chúng. Thông qua một nỗ lực thử nghiệm khổng lồ^1–4, cấu trúc của khoảng 100.000 protein độc nhất đã được xác định⁵, nhưng điều này chỉ đại diện cho một phần nhỏ trong hàng tỷ chuỗi protein đã biết^6,7. Phạm vi bao phủ cấu trúc đang bị thắt nút bởi thời gian từ vài tháng đến vài năm cần thiết để xác định cấu trúc của một protein đơn lẻ. Các phương pháp tính toán chính xác là cần thiết để giải quyết vấn đề này và cho phép tin học cấu trúc lớn. Việc dự đoán cấu trúc ba chiều mà một protein sẽ chấp nhận chỉ dựa trên chuỗi axit amin của nó - thành phần dự đoán cấu trúc của 'vấn đề gấp nếp protein'⁸ - đã là một vấn đề nghiên cứu mở quan trọng trong hơn 50 năm⁹. Dù đã có những tiến bộ gần đây^10–14, các phương pháp hiện tại vẫn chưa đạt đến độ chính xác nguyên tử, đặc biệt khi không có cấu trúc tương đồng nào được biết đến. Tại đây, chúng tôi cung cấp phương pháp tính toán đầu tiên có khả năng dự đoán cấu trúc protein với độ chính xác nguyên tử ngay cả trong trường hợp không có cấu trúc tương tự nào được biết. Chúng tôi đã xác nhận một phiên bản thiết kế hoàn toàn mới của mô hình dựa trên mạng neuron, AlphaFold, trong cuộc thi Đánh giá Cấu trúc Protein Phê bình lần thứ 14 (CASP14)¹⁵, cho thấy độ chính xác có thể cạnh tranh với các cấu trúc thử nghiệm trong phần lớn các trường hợp và vượt trội hơn các phương pháp khác đáng kể. Cơ sở của phiên bản mới nhất của AlphaFold là cách tiếp cận học máy mới kết hợp kiến thức vật lý và sinh học về cấu trúc protein, tận dụng các sắp xếp nhiều chuỗi, vào thiết kế của thuật toán học sâu.

Một cách tiếp cận mới, thỏa thuận mẫu ngẫu nhiên (RANSAC), được giới thiệu để xây dựng mô hình cho dữ liệu thực nghiệm. RANSAC có khả năng diễn giải/làm mềm dữ liệu chứa một phần trăm cao lỗi nghiêm trọng, do đó rất thích hợp cho các ứng dụng trong phân tích hình ảnh tự động, nơi việc diễn giải dựa trên dữ liệu do các bộ phát hiện đặc trưng dễ bị lỗi cung cấp. Một phần lớn của bài báo này mô tả việc áp dụng RANSAC vào Vấn đề Xác định Vị trí (LDP): Cho một hình ảnh mô tả một tập hợp các điểm mốc với vị trí đã biết, xác định điểm trong không gian từ đó hình ảnh được lấy. Để đáp ứng yêu cầu của RANSAC, các kết quả mới được rút ra về số lượng điểm mốc tối thiểu cần thiết để đạt được một giải pháp, và các thuật toán được trình bày nhằm tính toán các giải pháp tối thiểu về điểm mốc theo dạng đóng. Các kết quả này cung cấp nền tảng cho một hệ thống tự động có thể giải quyết LDP trong những điều kiện xem khó khăn.

Dự án Cơ Sở Dữ Liệu Ribosome (RDP) với bộ phân loại Bayesian đơn giản có thể nhanh chóng và chính xác phân loại các trình tự 16S rRNA của vi khuẩn vào hệ thống phân loại cấp cao hơn mới được đề xuất trong Bản phác thảo phân loại vi khuẩn của Bergey (Ấn bản thứ 2, phát hành 5.0, Springer-Verlag, New York, NY, 2004). Nó cung cấp các phân công phân loại từ miền xuống chi, với ước tính độ tin cậy cho mỗi gán. Phần lớn các phân loại (98%) có độ tin cậy ước tính cao (≥95%) và độ chính xác cao (98%). Ngoài việc được kiểm tra với tập hợp gồm 5,014 chuỗi chủng kiểu từ bản phác thảo của Bergey, bộ phân loại RDP đã được kiểm tra với tập hợp 23,095 trình tự rRNA được phân chia bởi NCBI vào hệ thống phân loại cấp cao hơn thay thế. Kết quả từ các thử nghiệm bỏ đi một lần trên cả hai tập hợp cho thấy rằng độ chính xác tổng thể ở mọi cấp độ tin cậy cho các đoạn gần hoàn chỉnh và đoạn dài 400 base là từ 89% trở lên xuống đến cấp chi, và phần lớn lỗi phân loại dường như do sự bất thường trong các hệ thống phân loại hiện tại. Đối với các đoạn rRNA ngắn hơn, chẳng hạn như những đoạn có thể được tạo ra bằng phương pháp pyrosequencing, tỷ lệ lỗi thay đổi lớn trên chiều dài của gene 16S rRNA, với các đoạn quanh các vùng biến V2 và V4 cho tỷ lệ lỗi thấp nhất. Bộ phân loại RDP phù hợp cho cả phân tích trình tự rRNA đơn lẫn phân tích các thư viện chứa hàng nghìn trình tự. Một công cụ liên quan khác, RDP Library Compare, đã được phát triển để tạo điều kiện so sánh cộng đồng vi sinh vật dựa trên các thư viện chuỗi gene 16S rRNA. Nó kết hợp bộ phân loại RDP với một bài kiểm tra thống kê để đánh dấu các taxon được biểu hiện khác nhau giữa các mẫu. Bộ phân loại RDP và RDP Library Compare đều có sẵn trực tuyến tại http://rdp.cme.msu.edu/ .

Một thiết bị điện phát quang mới được thiết lập sử dụng các vật liệu hữu cơ làm phần tử phát sáng. Điốt có cấu trúc hai lớp của các màng mỏng hữu cơ, được chuẩn bị bằng phương pháp bốc hơi lắng đọng. Sự phóng lỗ và điện tử hiệu quả được cung cấp từ anode ôxít thiếc-indium và cathode hợp kim Mg:Ag. Tái tổ hợp lỗ-điện tử và phát quang điện màu xanh lá cây được giới hạn gần khu vực giao diện hữu cơ. Hiệu suất lượng tử ngoài cao (1% photon/điện tử), hiệu suất phát sáng (1,5 lm/W), và độ sáng (>1000 cd/m2) có thể đạt được ở điện áp điều khiển dưới 10 V.

Tóm tắt —Nguồn lực Nghiên cứu Đối với Tín hiệu Sinh lý Phức tạp mới ra mắt, được tạo ra dưới sự bảo trợ của Trung tâm Nguồn lực Nghiên cứu Quốc gia của Viện Y tế Quốc gia, nhằm kích thích các nghiên cứu hiện tại và khám phá mới trong nghiên cứu các tín hiệu tim mạch và các tín hiệu sinh y học phức tạp khác. Nguồn lực này có 3 thành phần phụ thuộc lẫn nhau. Ngân hàng Sinh lý (PhysioBank) là một kho lưu trữ lớn và đang phát triển nhanh các bản ghi kỹ thuật số được xác định rõ về tín hiệu sinh lý và dữ liệu liên quan để sử dụng bởi cộng đồng nghiên cứu sinh y học. Hiện tại, nó bao gồm các cơ sở dữ liệu về tín hiệu sinh y học đa thông số từ hệ tim-phổi, thần kinh và các cơ sở dữ liệu khác từ những người khỏe mạnh cũng như từ các bệnh nhân mắc nhiều tình trạng khác nhau có ý nghĩa lớn đối với sức khỏe cộng đồng, bao gồm loạn nhịp nguy hiểm đến tính mạng, suy tim sung huyết, ngưng thở khi ngủ, rối loạn thần kinh và lão hóa. Bộ công cụ Sinh lý (PhysioToolkit) là một thư viện phần mềm nguồn mở cho xử lý và phân tích tín hiệu sinh lý, phát hiện các sự kiện có ý nghĩa sinh lý sử dụng cả kỹ thuật cổ điển và phương pháp mới dựa trên vật lý thống kê và động lực phi tuyến, hiển thị và mô tả tín hiệu tương tác, tạo cơ sở dữ liệu mới, mô phỏng các tín hiệu sinh lý và tín hiệu khác, đánh giá định lượng và so sánh các phương pháp phân tích, và phân tích các quá trình không ổn định. Mạng Sinh lý (PhysioNet) là diễn đàn trực tuyến để phổ biến và trao đổi các tín hiệu sinh y học đã ghi và phần mềm nguồn mở để phân tích chúng. Nó cung cấp các cơ sở cho việc phân tích hợp tác dữ liệu và đánh giá các thuật toán mới được đề xuất. Ngoài việc cung cấp quyền truy cập điện tử miễn phí vào dữ liệu của PhysioBank và phần mềm của PhysioToolkit thông qua Mạng Lưới Toàn Cầu (http://www.physionet.org), PhysioNet cung cấp các dịch vụ và đào tạo thông qua các hướng dẫn trực tuyến để hỗ trợ người dùng với các mức độ chuyên môn khác nhau.

Vi khuẩn bám vào bề mặt và tập hợp lại trong một ma trận polyme giàu nước do chúng tự tổng hợp để tạo thành màng sinh học. Sự hình thành các cộng đồng bám đậu này và khả năng kháng kháng sinh khiến chúng trở thành nguyên nhân gốc rễ của nhiều bệnh nhiễm trùng vi khuẩn dai dẳng và mãn tính. Nghiên cứu về màng sinh học đã tiết lộ các nhóm tế bào biệt hóa, kết cấu với các thuộc tính cộng đồng. Những tiến bộ gần đây trong việc hiểu cơ sở di truyền và phân tử của hành vi cộng đồng vi khuẩn chỉ ra những mục tiêu trị liệu mới có thể cung cấp một giải pháp để kiểm soát nhiễm trùng do màng sinh học.

Nền tảng: Dịch bệnh vi-rút corona 2019 (COVID-19) là một tình trạng khẩn cấp về sức khỏe cộng đồng mang tính quốc tế và đặt ra thách thức cho khả năng phục hồi tâm lý. Cần có dữ liệu nghiên cứu để phát triển các chiến lược dựa trên bằng chứng nhằm giảm thiểu các tác động tâm lý bất lợi và triệu chứng tâm thần trong suốt dịch bệnh. Mục tiêu của nghiên cứu này là khảo sát công chúng tại Trung Quốc để hiểu rõ hơn mức độ tác động tâm lý, lo âu, trầm cảm và căng thẳng của họ trong giai đoạn đầu của dịch bệnh COVID-19 bùng phát. Dữ liệu này sẽ được sử dụng làm tài liệu tham khảo cho tương lai. Phương pháp: Từ ngày 31 tháng 1 đến ngày 2 tháng 2 năm 2020, chúng tôi đã thực hiện một cuộc khảo sát trực tuyến sử dụng kỹ thuật lấy mẫu quả cầu tuyết. Cuộc khảo sát trực tuyến thu thập thông tin về dữ liệu nhân khẩu học, các triệu chứng thể chất trong vòng 14 ngày qua, lịch sử tiếp xúc với COVID-19, hiểu biết và lo lắng về COVID-19, các biện pháp phòng ngừa COVID-19 và thông tin bổ sung cần có liên quan đến COVID-19. Tác động tâm lý được đánh giá bằng thang đo Impact of Event Scale-Revised (IES-R), và trạng thái sức khỏe tâm thần được đánh giá bằng thang đo Depression, Anxiety and Stress Scale (DASS-21). Kết quả: Nghiên cứu này bao gồm 1210 người tham gia từ 194 thành phố tại Trung Quốc. Tổng cộng, 53.8% người tham gia đánh giá tác động tâm lý của đợt bùng phát là trung bình hoặc nghiêm trọng; 16.5% báo cáo triệu chứng trầm cảm từ trung bình đến nghiêm trọng; 28.8% báo cáo triệu chứng lo âu từ trung bình đến nghiêm trọng; và 8.1% báo cáo mức độ căng thẳng trung bình đến nghiêm trọng. Hầu hết những người tham gia dành từ 20 đến 24 giờ mỗi ngày tại nhà (84.7%); lo lắng về việc thành viên gia đình bị nhiễm COVID-19 (75.2%); và hài lòng với lượng thông tin sức khỏe có sẵn (75.1%). Giới tính nữ, là sinh viên, có các triệu chứng thể chất cụ thể (ví dụ, nhức mỏi, chóng mặt, nghẹt mũi), và tình trạng sức khỏe tự đánh giá kém có mối liên hệ đáng kể với tác động tâm lý lớn hơn của đợt bùng phát và mức độ căng thẳng, lo âu và trầm cảm cao hơn (p < 0.05). Thông tin sức khỏe cập nhật và chính xác (ví dụ, điều trị, tình hình bùng phát cục bộ) và các biện pháp phòng ngừa cụ thể (ví dụ, vệ sinh tay, đeo khẩu trang) có liên quan đến tác động tâm lý thấp hơn của đợt bùng phát và mức độ căng thẳng, lo âu và trầm cảm thấp hơn (p < 0.05). Kết luận: Trong giai đoạn đầu của sự bùng phát dịch COVID-19 tại Trung Quốc, hơn một nửa số người tham gia đánh giá tác động tâm lý là từ trung bình đến nghiêm trọng, và khoảng một phần ba báo cáo lo âu từ mức trung bình đến nghiêm trọng. Phát hiện của chúng tôi xác định các yếu tố liên quan đến mức độ tác động tâm lý thấp hơn và trạng thái sức khỏe tâm thần tốt hơn có thể được sử dụng để xây dựng các can thiệp tâm lý nhằm cải thiện sức khỏe tâm thần của các nhóm dễ bị tổn thương trong thời kỳ dịch COVID-19.