XM-37高级着装式人工取便训练模型   模型特点： ■ XM-37高级着装式人工取便训练模型采用塑胶材料，皮肤柔软，操作过程真实。 ■ 可穿着式设计，适合2个学生一起练习。 ■ 配以布质松紧带，可调节长度和松紧度。

利用金属配合物性质易调控的优点，通过改变电荷、脂溶性，实现金属配合物对细胞器的靶向性富集调控（Coord. Chem. Rev., 2019, 378, 66）。在此基础上，利用金属配合物的长激发态寿命，构筑一系列单/双光子的光敏剂用于细胞器靶向的癌症治疗（Nat. Chem., 2019, 11, 1041; Nat. Commun., 2020, 11, 3262; Angew. Chem. Int. Ed., 2015, 54, 14049; 2017, 56, 14898; 2019, 58, 14334; PNAS, 2018, 115, 5664; 2019, 116, 20296），为开发金属配合物用于生物治疗提供了新的研究思路。然而，与传统化疗药物类似，这类光敏剂通过诱导肿瘤细胞凋亡实现肿瘤治疗，同样也面临可能的耐药风险。至今为止，金属配合物诱导肿瘤细胞非凋亡性死亡、实现克服肿瘤耐药研究尚处于起步阶段。在前期实现诱导肿瘤细胞坏死、涨亡等非凋亡性死亡的工作基础上（Chem. Sci., 2018, 9, 5183; Chem. Commun., 2018, 54, 6268; Angew. Chem. Int. Ed., 2020, 59, 3315），巢晖教授课题组开发了基于钌(II)配合物的拓扑异构酶 I/II双重催化抑制；进一步研究发现，配合物能诱导耐药肿瘤细胞坏死性凋亡，有效克服肿瘤耐药 通过辅助配体改变配合物的电荷和脂溶性，从而调控配合物的细胞摄取量和细胞器靶向性。其中环金属化配合物Ru7在具有高细胞摄取量的同时，实现了细胞核靶向富集（图2）。DNA拓扑异构酶（topoisomerase，Topo）为催化DNA拓扑学异构体互相转变的酶的总称，可调控DNA转录、复制和基因表达。根据催化机制，Topo酶划分为Topo I和Topo II，因在肿瘤细胞中高表达而成为临床肿瘤治疗靶点。喜树碱（Topo I抑制剂）和依托泊苷（Topo II抑制剂）是其代表性药物，但这类单一酶抑制剂的疗效受多种因素限制，与之相比，Topo I/II双重抑制剂具有显著的治疗优势。利用DNA松弛、断裂和凝胶电泳迁移率转移分析，辅助分子对接模拟计算，证实Ru7通过π-π堆积、阳离子-π相互作用以及氢键与Topo I/II的催化口袋相结合，从而阻止DNA拓扑异构酶与DNA的结合，是罕见的Topo I/II双重催化抑制剂。

本发明公开了一种 III-V 族量子点诱导生长钙钛矿晶体的方法， 包括以下步骤：(1)将 III-V 族量子点分散于非极性溶剂中得到量子点溶 液，将无机配体溶解于极性溶剂中得到无机配体分散液，再将量子点 溶液与无机配体分散液混合搅拌，极性溶剂所在层即对应第一前驱体溶液；(2)将 PbX2 与 MAX 均匀分散于极性溶剂中得到第二前驱体溶 液；(3)将第一前驱体溶液与第二前驱体溶液混合后利用反溶剂法生长 晶体，从而在

一种空间分辨激光诱导击穿光谱分析系统，包括脉冲激光器，激光束变换聚焦光学系统，位移台，激光诱导等离子体信号采集装置，光谱仪，计算机；激光诱导等离子体信号采集装置包括夹持器和光纤探针，夹持器的弧形导轨上至少有一个滑块，滑块可在弧形导轨上滑动，滑块中央的孔中有可沿弧形导轨径向移动的套筒；光纤探针固定在套筒的圆孔中。

本发明公开了一种基于激光诱导击穿光谱对水体元素定量分析的制样方法，包括步骤 S1 获取不含待测元素的金属衬底，并将其表面抛光，使得金属衬底的上、下表面平行；S2 对滤纸进行裁剪，使得裁剪后的滤纸面积小于金属衬底的表面面积；S3 将裁剪后的滤纸放置在抛光后的金属衬底表面上，并将待测液滴滴至金属衬底表面的滤纸上，·829·再对其进行加热处理；S4 待加热处理结束后，将滤纸去除，在金属衬底表面获得分布均匀、扩

本发明提出一种激光诱导液滴锡靶放电产生等离子体极紫外光 源的装置，包括储锡池、旋转圆盘、锡液、温度控制器、阻拦屏、旋 转圆面屏、电极对和激光器等。该装置通过将旋转圆盘部分浸入液态 锡中，利用了高速圆周离心力作用产生逃逸的液态锡，阻拦屏和旋转 圆面屏的阻挡和选通作用，产生周期性的锡液滴，通过电极对，在激 光的作用下产生极紫外光。本装置通过让激光作用在的锡液滴而非作 用在电极上的液态锡膜上，解决了传统旋转放电圆盘电极液体

仪器概述 　本仪器是根据中华人民共和国标准GB/T8018《汽油氧化安定性测定法(诱导期法)》所规定的要求设计制造的，适用于按照GB/T8018标准测定加速氧化条件下汽油的氧化安定性。 技术参数 1、工作电源：AC220V±10%，50Hz 2、加热管功率：1600W，单片机自动控制 3、金属浴温度控制点： 200℃±1℃ 4、氧弹压力变送器测量范围：0～1900kPa，精度±0.2‰ 5、温度计： 配备玻璃水银温度计 6、通讯方式：U盘，RS232,联网及打印功能 7、环境温度： ≤30℃ 8、环境湿度： ≤80% 性能特点 1、由微机控制自动进行检测、计算和记录各种数据，自动化程度高。 2、不锈钢浴槽,智能数显控温。自动记录测试过程中的数据和测试结果。 3、配置两路检测装置,可连接电脑使用上位机软件进行压力曲线分析及打印等。 4、金属浴加热，无污染，带温度过热保护装置。 5、内置压力保护系统，安全可靠。 网址链接 http://www.csscyq.com/proshow.asp?id=769

动物捕食植物种子（下称种子捕食）是动植物协同进化的重要方面。动物捕食植物种子可影响植物种群更新和繁衍；植物通过调节各种性状，如种子大小、蛋白质含量，调节动物捕食行为。植物性状对种子捕食调节能力的评估对理解动植物协同进化具有重要意义。 因此，建立一种用于种子捕食追踪的人工种子系统，对于种子捕食追踪及相关研究，理解动植物协同进化，促进野生植物尤其是珍稀濒危植物保护具有重要的作用。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：