【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-

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。

精细化工与化学合成制药废水具有浓度高、毒性大、可生化性差等特点，处理难度大， 国内大多数精细化工企业和化学合成制药企业主要采用“稀释生化”法处理其废水。“稀释生 化”不仅浪费了大量的水资源，而且还增加了污染物排放总量。随着我国环保法规的进一步 完善，在经济相对发达的地区，已开始禁止采用“稀释生化”工艺处理废水。为了解决我国精 细化工、化学合成制药等重污染行业废水处理难题，华东理工大学环境工程研究所与江苏、 山东、上海等省市相关企业合作，研究开发了一些有实用价值的精细化工、化学合成制药类废 水处理技术，如CB组合技术、BC组合技术和BCB组合技术等，使这些企业在合理的运行成本 下，实现了废水达标排放的目标。

根据《中国药典》规定，注射用水必须采用蒸馏法进行生产，早期的蒸馏手段都是单效蒸发，假设以工业蒸汽为热源，理论上生产一吨蒸馏水需要消耗一吨蒸汽。目前普遍采用多效蒸发的手段生产注射用水，理论上讲，生产一吨蒸馏水的生蒸汽消耗量为效数的倒数，比如六效蒸发的理论蒸汽消耗量是 167 公斤，实际消耗量约为 220～230 公斤，目前制药用水普遍采用 4～7 效蒸发装置进行生产。理论上讲，增加效数会减少能量消耗，但效数超过 7 时，系统构成极为复杂、热力匹配非常困难，并且受到蒸汽热源压力制约。近年来，国外出现了基于蒸汽再压缩热泵技术（MVR）的热泵蒸发纯水机，也称热压式蒸馏水机产品，该系统本质上相当于单效蒸发，利用压缩机将二次蒸汽加压升温后送入热源侧，将二次蒸汽的冷凝热释放给待蒸发的水，依此循环往复维持系统工作。理论上讲该系统只需输入少量的压缩机机械功便可维持运行，相比于六效蒸发系统大约可产生 30%的节能效益。 

无机陶瓷超滤膜在生物发酵和制药行业中可以分为发酵液的澄清过滤技术，氨基酸生产中的应用技术，中药生产及植物提取技术。

在抗生素（头孢类、硫酸连杆菌类、青霉素类、红霉素类等）、有机酸（赖氨酸、谷氨酸、L-乳酸柠檬酸、核苷酸等）、酶制剂（植酸梅等）以及其它医药和食用产品的生产中，采用陶瓷膜超滤技术替代板框、转鼓、离心、硅藻土等传统过滤工艺进行发酵液的菌体和大分子脱除，有以下突出优点：

该仪器是我们自主研发的具有完全知识产权的一款新产品，适用于生物化学发光、免疫发光分析等研究工作，能够自动检测任何标准96 微孔板。产品可应用于医院临床检验、试剂公司生化发光试剂盒测试、高校院所生物医学研究和实验教学、质量检验检疫部门样品检测等，具有广阔的应用市场。 产品特点： 仪器所用试剂是开放的，可应用任何一家公司的试剂来检测； 可实现全部微孔检测或者任选微孔检测，检测方式十分灵活； 使用高灵敏光电器件，噪音低、灵敏度高，可达10-18mol ATP/孔； 动态范围大，跨度可达8 个数量级； 可选配精准可靠的自动加液、冲洗模块； 对各种酶标板，如平底板、圆底板、锥形底板等都能得到准确的结果； 分析软件功能全面，既可以提供原始发光值、也可以通过输入校准参数提供最终样品浓度含量，还为试剂开发提供发光动力学分析等功能； 建有后台数据库，可存放EXCEL 格式数据，也可以存储检测报告照片； 具有独特的光阱系统，防止光信号交叉干扰。