Selgantolimod (GS-9688) 是一种具有口服活性、有效和选择性的 toll 样受体激动剂 | MedChemExpress (MCE)

Selgantolimod是一种口服有效的TLR8激动剂,被用于治疗乙肝和HIV。它能激活免疫系统,减少病毒载量,并在体内外展示出功能性治愈的潜力。临床研究显示其对IL-12和IL-1RA的影响以及对HBV感染的抑制效果。

Selgantolimod

CAS:2004677-13-6

品牌:MedChemExpress (MCE)

存储条件:Powder: -20°C, 3 years; 4°C, 2 years.In solvent: -80°C, 6 months; -20°C, 1 month.

生物活性:Selgantolimod (GS-9688) 是一种具有口服活性、有效和选择性的 toll 样受体 8 (TLR8) 激动剂,用于治疗 乙型肝炎病毒 (HBV) 和人类免疫缺陷病毒 (HIV) 感染[1][2][3]。 体外:Selgantolimod 诱导细胞免疫介质白细胞介素 (IL)-12 和 IL-8,以及抗病毒细胞因子肿瘤坏死因子-α 和 IFN-γ体外人外周血单核细胞[1]。
Selgantolimod 激活自然杀伤细胞 (NK) 和粘膜相关的不变 T 细胞,刺激分化簇 (CD)-8+< /sup> T 细胞增殖,并增加 IFNγ 的产生,同时通过 HBV 特异性 CD8+-T 细胞在体外外周血单核细胞中降低程序性细胞死亡蛋白 1 的表达[1] .
Selgantolimod 诱导的细胞因子可降低 HBV 感染的原代人肝细胞中的 HBV DNA、RNA 和抗原水平[1]。 体内:每周一次口服 Selgantolimod 可诱导食蟹猴血清 IL-12 和 IL-1 受体拮抗剂 (IL-1RA) 的剂量依赖性增加,并且导致慢性 HBV 土拨鼠模型的功能性治愈[1]。

体外:Selgantolimod 在体外人外周血单核细胞中诱导细胞免疫介质白细胞介素 (IL)-12 和 IL-8,以及抗病毒细胞因子肿瘤坏死因子-α 和 IFN-γ[1] .
Selgantolimod 激活自然杀伤 (NK) 和粘膜相关的不变 T 细胞,刺激分化簇 (CD)-8+ T 细胞增殖,并增加 IFNγ 的产生,同时降低程序化细胞体外外周血单核细胞中 HBV 特异性 CD8+-T 细胞表达死亡蛋白 1[1]。
Selgantolimod 诱导的细胞因子减少 HBV DNA, HBV 感染的原代人肝细胞中的 RNA 和抗原水平[1]。

体内:每周一次口服 Selgantolimod 可诱导食蟹猴血清 IL-12 和 IL-1 受体拮抗剂 (IL-1RA) 剂量依赖性增加,并导致慢性 HBV 土拨鼠模型的功能性治愈[1] 。

详情:Selgantolimod (GS-9688) | TLR8激动剂 | MCE

参考文献:

[1]. Jules Levin. Efficacy and Safety of Oral TLR8 Agonist Selgantolimod in Virally Suppressed Adult Patients With Chronic Hepatitis B: a Phase 2, Randomized, Double-Blind, Placebo-Controlled, Multicenter Study. 2019 Nov 8-12.
[2]. Benjamin Ryan. Selgantolimod Shows Promise as Treatment for Hepatitis B. November 18, 2019.
[3]. Romas Geleziunas, et al. Modulators of toll-like receptors for the treatment of hiv. US20170071944A1.

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
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