Measuring vibrations is essential to ensuring building structural safety and machine stability. Predictive maintenance is a central internet of things (IoT) application within the new industrial revolution, where sustainability and performance increase over time are going to be paramount. To reduce the footprint and cost of vibration sensors while improving their performance, new sensor concepts are needed. Here, double‐layer graphene membranes are utilized with a suspended silicon proof demonstrating their operation as resonant vibration sensors that show outstanding performance for a given footprint and proof mass. The unveiled sensing effect is based on resonant transduction and has important implications for experimental studies involving thin nano and micro mechanical resonators that are excited by an external shaker.

The flavonoid content in orange peels of different Brazilian citrus varieties such as bahia, lima, lima-of-persian, morcote, pera, ponkan, seleta, cravo, kinkan and pomelo was assessed. Industry processing juice wastes such as bagasse, bagasse residues, animal feeding bagasse, pulp WEUE and CORE-wash were also analyzed. The HPLC analysis indicates that the most abundant flavonoids found in these Brazilian citrus peels are hesperidin and naringin. The solvents used are selective for flavonoid extraction, and depending on their polarity, glycoside or aglycone flavonoids are extracted. The use of multivariate analysis shows that DMSO is the best solvent to extract glycosides flavanones while hexane displays high selectivity in the extraction of polymethoxylated flavones. The flavonoids present in the orange wastes, obtained at different stages of the industrial processing, are qualitative and quantitatively different. The identification and quantification of the flavonoid composition in each Brazilian citrus variety were evaluated and allowed the selection of the best solvent for the extraction of each specific class of flavonoids. These compounds were found to be more abundant in the fruit peels than in their juices, revealing their great industrial potential. The residual portion of the processing juices is also rich in flavonoids, depending on the processing step.

Doença comum atualmente, a depressão, quando diagnosticada, é tratada com fármacos antidepressivos, sendo os inibidores seletivos da receptação de serotonina (ISRSs) considerados os de primeira escolha. Tanto esta quanto as demais classes de antidepressivos costumam apresentar efeitos adversos, que muitas vezes levam ao abandono do tratamento pelo paciente. Um outro desafio no tratamento da depressão ocorre quando o paciente não responde mais aos fármacos disponíveis. Uma alternativa para o tratamento consiste na utilização de plantas medicinais, sendo o chá de Ayahuasca alvo de muitos estudos neste contexto. Preparada a partir da decocção do cipó Banisteriopsis caapi com as folhas de Psychotria viridis, a Ayahuasca, considerada como uma bebida enteógena, apresenta atividade psicoativa, mediada pela ação da N,N-dimetiltriptamina, conhecida como DMT (proveniente das folhas) em interação com derivados de β-carbolinas (harmina, harmalina e tetrahidroharmina, provenientes do cipó), que atuam como inibidores da monoamina oxidase (MAO). O presente trabalho, por meio de uma breve revisão bibliográfica, buscou elucidar o uso da Ayahuasca no tratamento da depressão, bem como sua ação farmacológica e efeitos adversos, em comparação com o tratamento farmacológico convencional, possibilitando verificar que, a partir de estudos mais aprofundados, a substância poderá ser considerada uma alternativa viável para o tratamento da depressão, desde que utilizada com cautela.

O desenvolvimento de medicamentos biossimilares tem sido uma solução inovadora na área da saúde, pois tem oferecido oportunidade de crescimento e avanço biotecnológico para as indústrias farmacêuticas, assim como novas opções de tratamento para pacientes oncológicos. O HER2 é um alvo terapêutico clinicamente estabelecido na terapia contra a neoplasia maligna da mama, estima-se que a superexpressão de HER2 ocorre em aproximadamente 20% dos casos de carcinoma mamário; diversos medicamentos biológicos estão em desenvolvimento, porém atualmente apenas alguns anticorpos monoclonais foram autorizados no Brasil para o tratamento de câncer de mama positivo para HER2, incluindo trastuzumabe, pertuzumabe, trastuzumabe emtansina (T-DM1) e CT-P6. Com a aprovação de novas moléculas e expiração das patentes destes fármacos, houve um aumento das opções de produtos biológicos disponíveis a custos potencialmente mais baixos. O presente estudo é uma revisão bibliográfica, que possui como objetivo abordar sobre a terapia-alvo realizada com biossimilares no tratamento da neoplasia da mama com superexpressão do HER2 que possui um dos piores prognósticos em relação aos demais subtipos. Posteriormente apresentamos estudos sobre a eficácia clínica dos anticorpos monoclonais aprovados pela ANVISA. Em conclusão, estudos têm comprovado os benefícios no uso de biossimilares quando adicionados à quimioterapia adjuvante e neoadjuvante, melhorando significativamente a sobrevida do paciente. O tratamento do câncer de mama metastático positivo para HER2, foi desenvolvido com anticorpos monoclonais humanizados, os quais aumentam significativamente o resultado e eficácia da terapêutica e, devido aos excelentes resultados apresentados, novos medicamentos direcionados ao HER2 estão em desenvolvimento

To detect spoken commands, smart devices (for example, a speaker with Alexa or Siri) continuously convert acoustic waves to electronic signals, translate them into the digital domain, and analyze them in a signal processor. Each of these steps constantly consumes energy, imposing the need for tethered operation or large batteries. We propose to solve this problem using elastic neural networks, metamaterials consisting of arrays of coupled (potentially nonlinear) resonators. The frequencies and couplings of the resonators are optimized to maximise the speech classification accuracy (energy transmitted when excited with one word but not another). Even in purely linear metastructures, we observe binary classification accuracies exceeding 90% for a large number of pairs of words. This is demonstrated on a dataset from a large and diverse group of speakers. To attain these results, we have developed refined modelling techniques involving localised oscillations and machine learning. A unique feature of metamaterial-based speech processing is that speech classification is entirely passive, requiring no external energy. This is possible due to the very low energy dissipation of elastic waves.