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：

本发明公开了一种制备胶体金标记的装载有PD药物的纳米脂质体的方法。将卵磷脂；胆固醇乙醇溶液在特定条件下分散到含胶体金和左旋多巴或金刚烷胺PD治疗药物的PBS溶液中，再将该溶液置于水浴中搅拌，乙醇挥发完全之后适当超声制备而成。所制备的胶体金标记的装载PD药物纳米脂质体粒径小、稳定性好，且有金定位标记，可增加PD药物的稳定性，提高生物利用率，同时减少药物用量，降低毒性。制备方法操作简便，反应易控制。产物可用于研究纳米左旋多巴或金刚烷胺脂质体的给药效果，改善左旋多巴或金刚烷胺的毒副作用，增强脑靶向性，还可作为一种探针用于研究纳米脂质体的脑代谢途径。

"e-Dog四足仿生机器人：全球首款可高速奔跑和跳跃的轻量级电驱动四足仿生机器人，面向高校和中小学的教学培训型四足仿生机器人系统平台，包括软硬件开源的高性能四足仿生机器人及相应的开发工具软件，为国内高校和中小学提供教学、培训、比赛二次开发平台。机器人具备卓越的运动能力，采用国内领先的步态规划算法，能够快速奔跑和跳跃，并具备较强的地形适应能力，能够跨越高台、楼梯、沟壑、斜坡等障碍地形。 roboDog如宝机器狗：国内首款具备丰富感知能力，并搭载智慧AI云脑的轻量级机器狗。roboDog面向家庭场景，在卓越的运动性能和地形适应能力基础上，增加了丰富的传感功能，构建了包括视觉、听觉、触觉等能力的综合环境感知系统以及基于云服务平台的智慧云脑。同时针对家庭应用场景，为用户提供了丰富流畅的交互体验。 "

本实用新型公开了一种软土层降阻散热仿生钻杆，包括安装板，所述安装板的中部设置有贯穿的安装孔，所述安装孔的内部安装有竖直的连接轴，所述连接轴的上方延伸至安装板的顶部设置有水平的驱动块，所述驱动块的顶部中心设置有固定槽，所述连接轴的下方延伸至安装板的底部设置有水平的限位块，所述限位块的底部安装有竖直向下的钻杆本体，所述钻杆本体的外侧设置有螺旋状的钻刀片。本实用新型在使用时，不但能够控制钻杆本体自动向下钻入，节省人力，且能够在钻杆本体钻入的过程中，增大钻杆本体的受力面积，降低钻杆本体钻入的阻力，并能够在钻

本实用新型公开了一种仿生变结构圆锥螺旋槽轴承。包括轴承主轴和轴承座；轴承主轴与轴承座相配合的一端为圆锥体，在靠近圆锥体的大端面侧的圆锥面上开有多条变结构螺旋槽；轴承座与轴承主轴之间充满润滑剂。多条变结构螺旋槽为变槽深螺旋槽，或变螺旋角螺旋槽，或变槽宽螺旋槽，或螺旋槽槽深、螺旋角以及螺旋槽槽宽都按线性变化的组合。本实用新型利用螺旋槽的特殊分布规律使得轴承在工作中既存在动压润滑也存在静压润滑，提高了流体润滑性能，增强了润滑效果，解决了传统圆锥螺旋槽轴承在低速时动压润滑性能差、摩擦力矩大与磨损严重的问题。减少了轴承主轴与轴承座在工作时的直接接触，能长期保持精度，延长轴承的工作寿命。

本项目面向室内外环境下对目标和环境的可靠快速感知需求，突破高性能主动适应的混合稳像、动态目标快速搜索追踪、智能探索感知的快速地图创建和定位与场景理解关键技术，研制具有高稳定性、宽视野功能的仿生眼样机一套，可实现快速追踪动态目标，实现环境三维建模与场景理解，成果将为机器人智能化、自主化导航提供主动感知的新途径。重点开展如下研究： 1）具有高稳定性、宽视野功能的仿生眼研制 研究仿生眼的结构高动态轻量化优化设计及优化的电机驱动方式，提出眼球各自独立运动、眼颈协调的关节配置方案，研究多轴关节的实时同步控制，研究图像传感器、IMU传感器及RGBD传感器的硬件高精度同步方法及GPU加速方法，实现对环境的高精度时间同步视觉感知。 2）高性能主动适应的混合稳像算法 针对图像抖动模糊问题，研究主动适应的机电混合稳像算法；结合姿态反馈信息通过眼颈关节协调进行适应性姿态调整去除低频扰动，通过IMU及图像时间序列进行相机6D位姿估计与滤波消除高频扰动，实现主动适应混合稳像算法。 3)动态目标快速搜索追踪算法 针对快速运动的视觉目标，研究基于深度强化学习和注意力机制的目标跟踪算法；同时研究基于眼颈运动神经回路控制机理的眼颈协调优化视觉伺服跟踪算法，使冗余眼颈关节实现优化协调运动，实现时间最优快速目标追踪。 4）智能快速地图创建和定位与场景理解 针对未知场景，基于双眼RGB图像序列及深度传感器信息，生成仿生眼环境观测的序列决策指令，实现更优更快的环境地图创建。实现室外环境三维建模与场景理解。

本项目面向室内外环境下对目标和环境的可靠快速感知需求，突破高性能主动适应的混合稳像、动态目标快速搜索追踪、智能探索感知的快速地图创建和定位与场景理解关键技术，研制具有高稳定性、宽视野功能的仿生眼样机一套，可实现快速追踪动态目标，实现环境三维建模与场景理解，成果将为机器人智能化、自主化导航提供主动感知的新途径。重点开展如下研究： 1）具有高稳定性、宽视野功能的仿生眼研制 研究仿生眼的结构高动态轻量化优化设计及优化的电机驱动方式，提出眼球各自独立运动、眼颈协调的关节配置方案，研究多轴关节的实时同步控制，研究图像传感器、IMU传感器及RGBD传感器的硬件高精度同步方法及GPU加速方法，实现对环境的高精度时间同步视觉感知。 2）高性能主动适应的混合稳像算法 针对图像抖动模糊问题，研究主动适应的机电混合稳像算法；结合姿态反馈信息通过眼颈关节协调进行适应性姿态调整去除低频扰动，通过IMU及图像时间序列进行相机6D位姿估计与滤波消除高频扰动，实现主动适应混合稳像算法。 3)动态目标快速搜索追踪算法 针对快速运动的视觉目标，研究基于深度强化学习和注意力机制的目标跟踪算法；同时研究基于眼颈运动神经回路控制机理的眼颈协调优化视觉伺服跟踪算法，使冗余眼颈关节实现优化协调运动，实现时间最优快速目标追踪。 4）智能快速地图创建和定位与场景理解 针对未知场景，基于双眼RGB图像序列及深度传感器信息，生成仿生眼环境观测的序列决策指令，实现更优更快的环境地图创建。实现室外环境三维建模与场景理解。

大范围骨缺损的修复是临床上的难题之一。骨支架具有良好的可设计性，是一种有前途的骨修复材料。目前大部分骨支架生物活性差，骨传导效率低。电信号是调控机体生物活动的主要信号之一，针对骨骼的电活性特点，我们设计研发了一种仿生多孔羟基磷灰石（HA）/钛酸钡（BT）压电陶瓷骨支架。该支架具有中央大孔和周围放射层板状孔隙结构，骨传导性强；可在体内持续提供电刺激，进一步提高骨传导效率，扩大骨支架修复范围，生物相容性好，生物活性强。

简介： 抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。 我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。  优势： 1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍 2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率 3、计算方法已经得到了实验从正、反两方面的验证。 图1：深度学习算法预测蛋白质相互作用时界面氨基酸配对:成功率72.1% 图2：计算相互作用得到了实验从正、反两方面的验证

抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。 优势：1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率3、计算方法已经得到了实验从正、反两方面的验证。