该技术针对用饲料养殖草鱼引起肉品质和风味下降的现实，提供了一种使肉质鲜嫩的养成期草鱼配合饲料。该技术充分考虑了草鱼的消化生理和营养需要特点，能提供其最快生长发育所需要的营养素，并确保饲料中抗营养因子得到有效处理，不会对鱼类产生副作用，从而保证草鱼处于优秀的健康状况。该技术还充分考虑各种营养素的平衡供给，可使养殖的鱼类肉嫩鲜美，咀嚼度好，具有大湖野生草鱼的口感和风味。同时，该技术不使用抗生素等添加剂，可以确保养殖草鱼的安全环保。 该技术适于池塘主养1龄以上草鱼（草鱼生物量占养殖水体生物量的60%-70%）套养杂食性鲫或鲤（占总生物量的10%-20%）及滤食性鳙和鲢（占总生物量的20%）养殖模式下所用的养成期草鱼配合饲料。 市场预期：因使用该技术生产的饲料饲养草鱼可具有跟野生草鱼相同的鲜美肉质和风味，而且具有高产和食品安全优势，故可为人们提供优质安全的水产品，促进人们身体健康。同时，可帮助有志于打造优质草鱼品牌的企业实现品牌梦想，从而提升草鱼的价格和市场竞争力，预计可实现销售价格提高20%。 成果完成时间：2014年4月

本项目涉及功能性醋酸菌/乳酸菌及其发酵调控技术，可用于果蔬饮品、酵素、新型调味品的发酵制造。水果、蔬菜等农产品由于其保质期短，运输成本高，较适宜于在原产地或产地附近进行深加工，以延长保质期及产品附加值。发酵类果蔬饮品由于经过微生物处理，在口味、质地以及营养成分等方面均得到了显著改善，其中果蔬类益生菌类发酵饮品，更是得到关注健康的消费人群的青睐。然而目前市场中的发酵果蔬汁类产品，鱼龙混杂，很多产品存在发酵程度不高；高度依赖后调配；微生物混乱及发酵过程控制不科学；食品安全性不能得到保障等问题。 针对这一类型的产品，本项目从发酵菌种、发酵工艺、功能成分分析以及产品标准化等方面系统的进行了研发。 1）丰富的菌种：本课题组拥有近百株背景明确、安全可靠、发酵性能优良 的微生物，形成了完备的酿造用菌种库，包括乳酸菌、醋酸菌、酵母菌、米曲霉等。可以针对不同的发酵原料以及最终产品口感及质构的要求，选择一种益生菌或复合发酵菌种，实现个性化的定制需求。 2）科学工艺：通过科学的发酵工艺及过程控制，实现了乳酸菌等微生物的高密度培养，活菌数可达 100 亿/ml。大幅降低生产成本和周期，混菌发酵可由几个月缩短至 10 天内，乳酸菌发酵缩短至 24 小时内。实现高效的物质转化，总酸可以达到 6%，提高产品品质及生产稳定性。 3）成分分析：建立了完备的发酵产品成分分析技术平台。针对与产品风味、以及肠道调节、增强免疫等健康功能紧密相关的有机酸、短链脂肪酸、多酚、多肽等功能成分进行精确定量分析以及健康功能评价。 4）产品风味: 本课题组研发的果蔬发酵产品口味浓郁、发酵特色明显，无不良异味。避免了发酵后的过度调配及添加剂的使用，即可达到较优的感官要求。符合健康、绿色的现代加工食品的需求。 

通过纵向资助和产学研横向联合研发的途径，以面广量大的果蔬为例建立了 食品干燥过程调控技术理论体系，构建了食品干燥过程调控技术平台；针对不同 的出口需求，开发了 40 多个创新果蔬干制品，解决了传统食品干燥普遍存在的速化复原难、干燥时间长、能耗大、干燥和贮藏过程中品质不稳定等国际性难题；申报了 28 项中国发明专利，其中 13 项授权，13 项公开；获得了国内外同行专家的肯定，成果鉴定为为国际领先和先进水平。

能源、环境及化工等领域广泛存在具有相变和反应的能质传递和转化问题， 具有多区域、多场、传递与转化等相互耦合的特点，是影响装备性能的关键热物 理问题，对提升性能至关重要。本项目针对上述领域中共性的多场耦合能质传递 机理反其强化和调控方法的前沿科学问题开展研究工作，取得了系列原创性研究 成果。主要发现点有： 一、 分区耦合多相传递可视化实验方法及其机理与特性：创新了滞止流和通 流槽道内逸出速率及位点可控的液滴和气泡动力学行为、变孔隙率网络流道及其 与外部流场耦合的两相流动、毛细阻力可调的多孔层内相变传热及含反应边界的 两相流及传递等可视化实验方法。获得了逸出液滴聚合衰减震荡机理及规律；发 现了微孔逸出气泡脱离后涌入和界面震荡现象；揭示了具有壁面逸出气泡的槽道 内两相流规律；阐明了具有微孔层和结构缺陷的气体扩散层内两相分布特征；厘 清了反向式毛细蒸发器多孔层内相分布规律反其对相变传热的影响机理；揭示了 燃料电池内两相流动和传输以及电化学反应的相互作用规律，获得了流道水淹与 压降之间的定量关系及膜电极表面温度分布特性。 二、 多元多相分区耦合能质传递及转化理论模型：建立了多场耦合固体基质 表面细胞吸附成膜理论模型，揭示了生物膜结构与能质传递及产氢/产电性能的 相互关系；建立了含生化反应的多孔填料床内多相能质传递的毛细管模型和多相 混合模型，阐明了流动和传输与生化反应的耦合特性，为固定化细胞生物反应器 性能预测提供了方法；建立了毛细结构材料内分区耦合相变传热理论模型，为反 向式毛细蒸发器和微槽膜状凝结换热提供了理论计算方法；提出燃料电池两相传 输三维孔隙网络模型和气体有效扩散系数的分形模型，首次利用V0F方法模拟 了边壁具有逸出液滴的燃料电池流道内细观两相流行为，揭示了多孔扩散层与流场板流道内两相流的耦合关系以及流道结构和工况参数对两相流特性的影响规律。 三、多场耦合能质传递强化及调控方法：基于分区耦合强化传热思想，提出 了三维肋表面和螺旋扭带组合强化传热新方法；通过分区流动和传递强化与调控, 发展了三维柱状阵列结构阳极微流体燃料电池，显著提升了电池性能；利用石墨 烯表面修饰，实现了多孔电极内微生物产电菌电子转移速率和活性生物量调控和 强化；创新性利用流场/浓度场/温度场/光场的强化和调控，结合表面修饰和弥 散光导体技术，实现微生物生化转化全过程强化；提出了通过外接电阻控制阳极 电势诱导和调控生物膜结构，强化了质子传输，大幅提升了微生物燃料电池性能。

本项目针对人工速生林木材密度小、强度低的特点，研究开发出木材化学改性与干燥一体化工艺技术及装备。本技术能够大幅度提高速生材性能，同时解决了常规木材改性技术中改性剂浸透困难、环保性差，改性材功能单一、尺寸小，无法满足工业生产要求等问题；解决了传统木材改性技术工艺“先干燥-再浸渍处理-再二次干燥”的能耗高的问题。本项目技术获国家发明专利授权2项，已在多家企业应用。

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

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：

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：

本发明提供了一种复制式人工关节间隔物的制作方法，包括以下步骤：1）首先在容器内铺设固化剂，将人工关节假体包裹在容器内的固化剂中，制备人工关节假体阴模；2）然后向阴模内注入硬化剂制备复制式人工关节间隔物。可事先在阴模中放置金属棒或块以增加间隔物的强度。本发明能在较短时间内精确制备出尺寸和外形与拟选用人工关节假体一致的间隔物，以缩短手术时间，改善间隔物的作用效果，制备方法经济且简便易行。植入的关节式间隔物可使得患者在术后获得部分正常的关节功能，术后满意度提高。并有效防止了软组织的挛缩，为再次手术奠定了基础。