选择性自噬能动态靶向I型干扰素抗病毒通路中关键转录因子IRF3，从而平衡抗病毒通路的激活以及免疫抑制过程。这一发现不仅解析了I型干扰素抗病毒免疫与选择性自噬之间的交互联系，也为抗病毒信号网路的动态修饰提供了重要的分子证据。在静息态细胞中，去泛素化酶家族成员PSMD14能与IRF3结合，并依赖其酶活性去除IRF3上的K27泛素化，抑制IRF3降解并维持IRF3的本底表达。然而在病毒入侵过程中，IRF3发生磷酸化并活化，活化的IRF3与PSMD14解离，导致IRF3上的泛素化增强。而IRF3上的K27泛素化会成为选择性自噬货物识别受体NDP52/CALCOCO2的识别信号，并被NDP52识别并带入自噬体中降解，从而导致抗病毒免疫反应的削弱。因此，在病毒入侵过程中，PSMD14通过调控IRF3上的动态泛素化修饰，控制IRF3的选择性自噬降解过程，从而平衡干扰素抗病毒免疫信号的激活与抑制。本研究不仅发现了IRF3在病毒入侵过程中动态修饰与调控，也为抗病毒免疫通路与选择性自噬的交互联系提供了新的证据。

研究内容 ：本研究采用复合酶法水解蚕蛹蛋白制备免疫调节活性多 肽，得到最佳的水解工艺条件。在最佳水解条件下，酶解后蛋白质得率为 57.24%，小分子多肽得率为 32.16%。该结果达到了计划指标，即蛋白质 得率>40%，小分子多肽得率 >20%。另外，本研究探讨了水解条件与分子 量大小，分子量大小与免疫调节活性的关系，同时建立了毛细管凝胶电泳 测定蚕蛹多肽分子的检测方法。 技术特点 ：本研究

本团队拥有生物信息学研究方向的成员，在致病微生物大数据处理方面具有扎实的理论基础与研究经验，善于利用生物信息学手段分析在人群中广泛流行的病原微生物，从而能够对疾病的防治起到预警作用。其主要工作成果在于流感病毒重要抗原性位点筛选，流感病毒抗原性距离预测，流感病毒流行性监控以及有 效疫苗株推荐等方面，具体阐述如下： （1）流感病毒重要抗原性位点筛选本工作首先对自 1968 年以来近五十年间的流行流感病毒株进行统计，分析了其主要抗原蛋白--血凝素蛋白上每个氨基酸位置的抗原性贡献

以功能性红曲霉固体发酵产降脂活性成分莫纳克林 K，产量 2%，颜色鲜红亮丽，为纯天然功能食品原料，生产成本相对较低。以灵芝菌固体培养高产灵芝酸80mg/g,产品气味醇香，为纯天然功能食品原料。以此两种功能成分添加到焙烤食品、面制品、酱制品等普通食品中，可生产降脂降压、增强免疫力的焙烤食品、面制品、酱制品，目前国内市场上尚属空白，该类产品的开发面市将是国内率先引领保健食品转变为普通食品化，代替保健食品胶囊、口服液的传统消费模式，具有更大更宽广的市场空间。经济效益、社会效益显著。 

【发 明 人】曾莉；毛春芹；陆兔林；李林；李争艳；王晓霎；华蕾；卞尧尧；陆敏【技术领域】 本发明属于医药技术领域，具体来讲涉及一种川芎嗪纳米粒及其制备方法和在制药领域中的应用。【摘要】 川芎嗪纳米粒及其制备方法和制药中的应用，将聚乳酸溶于丙酮，形成聚乳酸丙酮溶液，再将川芎嗪溶于聚乳酸丙酮溶液中，形成油相，将油相加入已恒温     至20～50℃的含表面活性剂的水相溶液中，两相混合后在20～50℃的温度下搅拌50～90min，使丙酮挥发，即得川芎嗪纳米粒溶液，本发明工艺简单，反应条件温和，制 作粒径均匀、分布窄。且所选用的辅料可生物降解，生物相容性好，无毒副作用，市场原料充足。川芎嗪包在纳米粒中，可以稳定而缓慢的释放，可有效的防治术后肠粘 连，以及预防术后粘连性肠梗阻。

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：

2020年3月12日，复旦大学基础医学院、上海市公共卫生临床中心陆路/姜世勃团队联合中科院武汉病毒所石正丽团队、中科院生物物理所孙飞和朱赟团队，在预印版bioRxiv上发表了研究成果Inhibition of SARS-CoV-2 infection (previously 2019-nCoV) by a highly potent pan-coronavirus fusion inhibitor targeting its spike protein that harbors a high capacity to mediate membrane fusion，确认了SARS-CoV-2的膜融合能力强于SARS-CoV。 识别 6-HB融合核心的X射线晶体结构之后，发现HR1域中几种氨基酸突变可能有助于增强其与HR2域的相互作用。然后作者研制了一系列脂肽类物质，发现EK1C4是对抗SARS-CoV-2 的S蛋白介导的膜融合、假病毒感染和live病毒感染的最有效膜融合抑制剂，IC50s分别为1.3nM、15.8 nM和36.5 nM，比此前该团队设计的广谱冠状病毒融合抑制剂EK1强约241、149倍和67倍。EK1C4还对其他人类冠状病毒（包括SARS-CoV和MERS-CoV）以及SARSr-CoV的膜融合和感染作用非常有效，潜在地抑制了4种人冠状病毒包括SARS-CoV-2的复制。此外，EK1C4还可以保护小鼠免受 HCoV-OC43的感染，结果表明EK1C4对预防和治疗目前正在流行的SARS-CoV-2和新兴的SARSr-CoV感染很有潜力。

【发 明 人】唐于平；张旭；周宇辉；蒋明；马健；段金廒；姜淼；王明艳；詹瑧；李文琳；李伟东；郑璐玉；孙怡；熊飞；汤琳【技术领域】本发明涉及一种中药提取物及其应用，具体涉及麦门冬汤与千金苇茎汤合方的正丁醇萃取物在制备抑制A549 细胞增殖药物中的应用。【摘要】本发明公开了一种麦门冬汤与千金苇茎汤合方的正丁醇萃取物，在制备抑制肺腺癌细胞A549增殖药物中的应用。本发明的麦门冬汤与千金苇茎汤合方的正丁醇萃取物能够显著抑制肺腺癌细胞A549的生长，并对人体正常细胞无显著影响。提示该提取部位具有细胞毒作用，可以进一步分离筛选抑制肺腺癌细胞A549增殖的组分及单体化合物。

包虫病是由棘球绦虫寄生于人体或宿主动物而引起的严重寄生虫疾病。而我国是同时有囊型和泡状两种类型的包虫病高发区。目前临床应用最广泛的抗包虫病药物是阿苯达唑，但是该药的肠道吸收率很差，而且其一般只能抑制寄生虫生长而不能彻底有效杀灭寄生虫，导致患者必须长期大量服用该药物才能达到治疗效果。与此同时，大量的研究发现该药可引起多系统的严重药物不良反应。因此，寻找或开发疗效显著且副作用小的包虫病治疗新药物具有重大的意义。 棘球绦虫获取能量的主要方式通过糖酵解过程。而甘油醛 3-