4月22日，清华大学药学院饶燏课题组与武汉大学宋保亮课题组合作在《药物化学杂志》（Journal of Medicinal Chemistry）发表题为“降解对比抑制：开发靶向3-羟基-3-甲基-戊二酰辅酶A还原酶的降解小分子”（Degradation Versus Inhibition: Development of Proteolysis-Targeting Chimeras for Overcoming Statin-Induced Compensatory Upregulation of 3-Hydroxy-3-methylglutaryl Coenzyme A Reductase）的研究论文。HMGCR（3-Hydroxy-3-methylglutaryl Coenzyme A Reductase）是胆固醇（cholesterol）合成途径中的限速酶，并且是经典的治疗血脂异常的药物靶点。它的抑制剂（statin,他汀类化合物）如阿伐他汀（atorvastatin,立普妥®，辉瑞）在临床被用于预防和治疗心血管疾病，并取得了极大的成功。但是有相当一部分人对他汀类药物不耐受，比如会发生骨骼肌损伤等较为严重的副作用，这有可能与服用他汀类药物后体内通过负反馈调节导致HMGCR补偿性表达升高有关。因而在该工作中，研究人员利用蛋白靶向降解嵌合体（Proteolysis-Targeting Chimera, PROTAC）的技术，对HMGCR在进行降解而起到抑制胆固醇合成作用的同时可以避免HMGCR的高表达，从而有望降低副作用。图1.抑制剂与PROTAC对HMGCR的影响在该工作中，研究人员首先筛选出SRD15细胞系作为细胞测试的基础，然后基于HMGCR的配体阿伐他汀和E3链接酶CRBN的配体泊马渡胺进行了一系列的构效关系研究，发现化合物P22A作为PROTAC具有较好地降解活性（DC50~100 nM）。相比之下，抑制剂阿伐他汀对HMGCR引起了明显的上调作用（图1）。图2.抑制剂和PROTAC对LDLR和胆固醇的影响接下来，研究人员通过一系列的生化和细胞生物学实验证实了PROTAC通过泛素-蛋白酶体系统发挥作用的机制；通过蛋白组学的研究发现抑制剂和PROTAC引起的组学应答也有很大不同。抑制剂和PROTAC对胆固醇合成抑制和通过SREBP通路引起的低密度脂蛋白受体（LDLR）表达水平上调的能力相当（图2）。HMGCR是位于内质网上的八次跨膜蛋白, PROTAC对此类蛋白的降解能力往往有限，该工作首次证明利用PROTAC技术对内质网蛋白进行降解的可行性。另外，靶蛋白上调的现象还出现在很多其它的抑制剂中，该工作展示了面对此种情况时是PROTAC一个很好的应用场景。宋保亮课题组博士生李美欣和饶燏组博士后杨毅庆为本工作共同第一作者，饶燏和宋保亮课题组罗婕为共同通讯作者。本研究得到了国家自然科学基金、清华-北大生命联合中心以及中国博士后基金的大力支持。原文链接：https://pubs.acs.org/doi/10.1021/acs.jmedchem.0c00339

近日，中国药科大学药学院郑枫、王怀松团队合作在学科顶尖期刊ACSNano(IF:18.027)上发表肿瘤细胞膜表面标志物检测的最新研究论文

为了进一步验证红树植物在全球气候变化下是否足够强健，研究人员对现存红树物种的历史群体大小动态变化分析，发现大多数红树物种在海平面快速变化时期发生了种群规模急剧减少和破碎分化。

一步酶法从头孢菌素 c（CPC） 生产 7－氨基头孢烷酸（ 7-ACA） 是继我们研发的两步酶法工艺成功应用于工1 成果简介一步酶法从头孢菌素 c（CPC） 生产 7－氨基头孢烷酸（ 7-ACA） 是继我们研发的两步酶法工艺成功应用于工业生产以后，在生产头孢菌素类抗生素医药中间体技术的又一个突破。与化学法和两步酶法相比，一步酶法有工艺简单、环保和转化率高、产品质量好等优点。该技术采用基因工程技术对 CPC 酰化酶（一步酶法用酶）的基因进行了改造，获得了能够高效催化 CPC 到 7-ACA 的突变基因。通过我们自己构建的高效启动子 HP 以及优化组合的调控表达元件，构建并筛选出了能够高效、高活性表达一步酶法用酶——CPC 酰化酶的基因工程细胞株。这是国内第一个使得 CPC 酰化酶活性能够达到工业应用水平的技术。由于采用了高效的表达系统和稳定的质粒，以及组成型表达结构，使得该基因工程菌遗传特性非常稳定，在发酵制酶的过程中不需要添加任何抗生素和诱导剂就可以实现高效、高活性表达。在高效表达 CPC 酰化酶的基础上，我们通过在表达基因上同时引入的特殊基因序列，使得蛋白的纯化和固定化工艺一步进行。通过自己开发研制的可重复使用的固定化载体，可以使得固定化酶活性达到 60U/g 以上。 采用我们研制的特异性纯化介质，可以从菌体破碎液中一步纯化和固定化 CPC 酰化酶，酶收率在 90 ％以上，固定化酶活达到 60U/g 以上。固定化酶可以重复使用 20 批以上，纯化和固定化用载体可以重复使用。2 技术指标菌 种：基因工程大肠杆菌，卡那抗性，组成型表达。 发酵温度： 37℃ 培 养 基：普通的大肠杆菌培养基，主要成分有玉米浆等廉价的营养源。 发酵周期： 20 小时 发酵酶活： 3U/ml 以上（ 5 升发酵罐） 特 点：遗传特性稳定，不需要添加诱导剂和抗生素，工艺简单。3 合作方式小试技术转让或合作进行中试。4 所属行业领域医疗卫生。业生产以后，在生产头孢菌素类抗生素医药中间体技术的又一个突破。与化学法和两步酶法相比，一步酶法有工艺简单、环保和转化率高、产品质量好等优点。该技术采用基因工程技术对 CPC 酰化酶（一步酶法用酶）的基因进行了改造，获得了能够高效催化 CPC 到 7-ACA 的突变基因。通过我们自己构建的高效启动子 HP 以及优化组合的调控表达元件，构建并筛选出了能够高效、高活性表达一步酶法用酶——CPC 酰化酶的基因工程细胞株。这是国内第一个使得 CPC 酰化酶活性能够达到工业应用水平的技术。由于采用了高效的表达系统和稳定的质粒，以及组成型表达结构，使得该基因工程菌遗传特性非常稳定，在发酵制酶的过程中不需要添加任何抗生素和诱导剂就可以实现高效、高活性表达。在高效表达 CPC 酰化酶的基础上，我们通过在表达基因上同时引入的特殊基因序列，使得蛋白的纯化和固定化工艺一步进行。通过自己开发研制的可重复使用的固定化载体，可以使得固定化酶活性达到 60U/g 以上。 采用我们研制的特异性纯化介质，可以从菌体破碎液中一步纯化和固定化 CPC 酰化酶，酶收率在 90 ％以上，固定化酶活达到 60U/g 以上。固定化酶可以重复使用 20 批以上，纯化和固定化用载体可以重复使用。

一步酶法从头孢菌素c（ CPC） 生产7－氨基头孢烷酸（7-ACA） 是继我们研发的两步酶法工艺成功应用于工业生产以后，在生产头孢菌素类抗生素医药中间体技术的又一个突破。与化学法和两步酶法相比，一步酶法有工艺简单、环保和转化率高、产品质量好等优点。该技术采用基因工程技术对 CPC 酰化酶（一步酶法用酶）的基因进行了改造，获得了能够高效催化 CPC 到 7-ACA 的突变基因。通过我们自己构建的高效启动子 HP 以及优化组合的调控表达元件，构建并筛选出了能够高效、高活性表达一步酶法用酶——CPC 酰化酶的基因工程细胞株。这是国内第一个使得 CPC 酰化酶活性能够达到工业应用水平的技术。由于采用了高效的表达系统和稳定的质粒，以及组成型表达结构，使得该基因工程菌遗传特性非常稳定，在发酵制酶的过程中不需要添加任何抗生素和诱导剂就可以实现高效、高活性表达。在高效表达 CPC 酰化酶的基础上，我们通过在表达基因上同时引入的特殊基因序列，使得蛋白的纯化和固定化工艺一步进行。通过自己开发研制的可重复使用的固定化载体，可以使得固定化酶活性达到 60U/g 以上。 采用我们研制的特异性纯化介质，可以从菌体破碎液中一步纯化和固定化 CPC 酰化酶，酶收率在 90 ％以上，固定化酶活达到 60U/g 以上。固定化酶可以重复使用 20 批以上，纯化和固定化用载体可以重复使用。

在液压、机械及电器等方面的专业科技人才。尤其需要高端科技人才。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

近日，傅正义院士团队平航副研究员在材料过程仿生制备新技术研究方面取得创新性进展，成果以“Mineralization Generates Megapascal Contractile Stresses in Collagen Fibrils”为题，发表在国际顶级期刊《Science》（科学）上。