内分泌化合物库是开发调节内分泌药物的有用工具 | MedChemExpress (MCE)

本文介绍了内质网应激在多种疾病中的关键作用以及MCE提供的内质网应激化合物库,包含219个化合物,针对PERK、IRE1和ATF6等信号通路,用于研究和可能的药物开发。化合物具有生物活性、结构多样性和临床验证,支持多种使用方法和存储条件。

内分泌化合物库 | 药物筛选

概述:内质网 (Endoplasmic reticulum, ER) 参与了大约三分之一的细胞蛋白的产生和折叠,对维持细胞内环境稳定及个体健康具有重要的意义。当一些不利因素影响内质网功能及蛋白合成时,会导致内质网应激 (ER stress, ERS) 及未折叠蛋白反应 (UPR) 信号通路激活。当内质网超负荷反应时,UPR 被激活,UPR 反应最初的目标是恢复内质网的稳态和正常的细胞功能,但当这种作用失败时,UPR 反应会诱导内源性细胞凋亡。慢性内质网应激和 UPR 信号缺失正在成为越来越多的人类疾病的关键因素,包括糖尿病、神经退行性变和癌症等,使得 UPR 信号通路成为治疗治疗疾病的潜在靶点。MCE 内质网应激化合物库收录了 219 个内质网应激相关的化合物,主要靶向 PERK,IRE1 及 ATF6 等内质网应激信号通路中的关键靶点,是研究内质网应激及相关疾病的有用工具。我们将在明确您的产品用途后,向符合资质的客户通过定制合成服务的方式提供 MCE 内质网应激化合物库,我们为该库中的所有产品提供溶液包装或粉末包装。溶液包装中,216 个产品以 10 mM 浓度提供,2 个产品以 2 mM 浓度提供,1 个产品以 3 mg/mL 浓度提供。溶液包装中,我们对于溶液状态稳定且溶解度不低于 10 mM 的产品,提供 10 mM 溶液;对于溶液状态稳定且溶解度介于 2~10 mM 的产品,我们提供 2 mM 溶液;对于溶液状态稳定、分子量不确定且溶解度不低于 3 mg/mL产品,我们提供 3 mg/mL 溶液。

活性 & 特点:
•    870 种生物活性化合物的独特集合,可用于内分泌调节研究。
•    靶点包括甲状腺激素受体、TSH 受体、GNRH 受体、肾上腺素受体相关信号通路。
•    发现内分泌药物的有用工具。
•    经临床前研究和临床试验证实的生物活性和安全性。有些已获得 FDA 批准。
•    结构多样、具有药用活性且具有细胞渗透性。
•    详细的化合物信息,包括结构、IC50 和简介。
•    经过验证的NMR 和HPLC 可确保高纯度和质量。
•    所有化合物均有库存并持续更新。

使用方法:

配方:以预溶解溶液或固溶体形式提供的 870 种内分泌化合物的集合:855 种化合物以 10 mM 溶液形式提供,13 种化合物以 2 mM 溶液形式提供,2 种化合物以 3 mg/mL 溶液形式提供。布局:96 孔储存管或 96 孔板:第 1 列和第 12 列留空。 384孔板:前两列和后两列留空。不同浓度或溶解在不同溶剂中的化合物将被放置在单独的板上。这种布局方式可能会增加板的数量,因为可能存在三种溶剂和三种浓度。如果您有其他要求,请告知我们。容器:带有可剥离箔密封的 96 或 384 孔板;带螺旋盖和可选 2D 条形码存储的 96 孔格式样品存储管:-80°C 运输:Blue Ice 

详情:https://www.medchemexpress.cn/screening/endocrinology-compound-library.html

基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值