应用领域/Apply Domain 应用于电力、煤炭、冶金、石化、煤化、环保、水泥、造纸、地质勘探、科研院所等行业对煤灰等没有固定熔点的非单一化合物的熔融过程进行测定。   执行标准/Executive standard GB/T 219-2008《煤灰熔融性的测定方法》 GB/T 30726-2014《固体生物质燃料灰熔融性测定方法》 技术参数/Technical Parameters 1、温度分辨率：0.0001℃ 2、高工作温度：1800℃ 3、测温精度：1℃ 4、试样数量：1-16个 5、升温速度：900℃以前15～30℃/min(可设定)，900℃以后5～10℃/min(可设定) 6、测试气氛：氧化性、弱还原性(封炭法或通气法) 7、图像存储间隔：1幅/2℃(可设定温度间隔) 8、精密度：符合GB/T219-2008标准 9、准确度：T1≤40℃、T2～T4≤30℃ 10、电源：220V±20V、50±1HZ 11、功率：≤5KW 12、外形尺寸：760x430x500mm 13、重量：65kg   技术特点/Technical Features 一次性可测试5个国标样品，测试效率优势明显，达到国际领先水平。灰锥数量的增加能够显著缩短单位灰锥的测试时间，降低单位灰锥的能耗，减少单位灰锥的耗气量，符合国家节能减排政策。 先进光谱照明分析技术，从常温到最高温度，均能对灰锥特征进行可靠的识别。 全密封式炉膛结构，气体只有一个入口和一个出口，确保炉膛气氛稳定。 气密性自动检测装置，能够进行炉膛气密性量化检测。 高效的排气风扇并能够实时检测风扇运行状况，确保仪器安全稳定运行。 外置高灵敏度气体报警检测装置，一旦检测到气体泄漏，可以快速自动切断气源。 全自动送样机构，操作简便，送样和取样运行平稳，避免灰锥样品倾倒风险。 可选择氧化性或弱还原性测试气氛条件，可选通气法或封碳法达到试验气氛。 正压除尘技术，观察口隔热玻璃维护周期间隔长。 测试软件可实现操作人员登录权限管理，实验过程信息全记录，测试数据可联网传输。 1、该仪器适用于单晶硅、多晶硅等新材料，解决了多晶硅行业无法做灰熔融性的历史。 2、普通灰熔点测定仪炉膛温度最高达1600℃，该仪器炉膛温度可达1800℃，测试的样品范围广，开创高温灰熔点测定仪的先河。 3、一次性可放置16个样，自动送取样机构，操作方便，效率大大提高。  

病毒的同源性包括基因组核苷酸序列的同源，也包括蛋白质氨基酸序列的同源。在序列比对方面，穿山甲冠状病毒与新冠病毒在氨基酸序列同源性方面超过90%的相似度。对于药物筛选来说，蛋白质氨基酸序列的同源性越高，意味着病毒生命活动的方式越相近，可以形象地理解为，两个病毒的“行为方式”非常一致。这种“行为方式”与新冠病毒极为相似的病毒，能不能替代新冠病毒用于药物筛选呢？童贻刚敏锐地意识到：如果可以，那么“筛药”工作将在针对新冠病毒的同时，也保障了实验的安全性，筛药工作将走出高安全等级实验室，走进普通P2实验室。

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：

本发明提供了一种高含油量花生的定向筛选方法，本发明利用在培养基中添加羟脯氨酸来筛选高含油量花生，在添加有羟脯氨酸的培养基中，耐脱水能力弱、一般含油量花生的细胞因失水而凋亡；耐脱水能力强、高含油量花生的细胞才能存活，凡是能在该培养基上成活和正常发育的花生细胞，其含油量必定是高的；凡是不能在该培养基上成活和正常发育的花生细胞，其含油量必定是低的；以此技术形成了高含油量花生的定向培育技术。本发明通过定向

利用目前已上市靶向抗癌药物索拉非尼（sorafenib）作为先导化合物，在分析其基本化学结构基础上，设计合成一系列结构类似的衍生物。通过系统的药理毒理学研究，对所合成的新化合物进行有目的筛选，从而发现新药，并对其进行系统的研究，目标是研制出具有自主知识产权的靶向抗癌新药。在未来的肿瘤治疗发展中，针对分子靶点的新一代抗肿瘤药物将凭借其特异性与靶向性，在抗癌治疗中将发挥重要作用。尤其是以酪氨酸激酶为靶点进行抗肿瘤药物的研发，具有十分广阔的前景。江苏省药物研究所原名南京药物研究所，始建于1962年7月，2006年12月整体划转南京工业大学，是具有独立法人资格的专门从事新药创新与开发研究的专业科研机构。至今共取得新药证书158份。江苏省药物研究所有限公司学科建设和科研设备齐全，以江苏省药物研究所为依托的“江苏省药物安全性评价中心”、“江苏省动物质量检测站”、“江苏省药物新剂型研究与工程化服务技术中心”是江苏省“三药”示范工程的重点配套设施。我所长期服务于企业，已与江苏省恩华药业股份有限公司、江苏亚邦药业集团股份有限公司、江苏四环生物股份有限公司等多家上市公司结为校企联盟，具有良好的产学研合作基础与传统。

研发阶段/n（1）采用BHIA培养基从患病鱼体病灶处（或者从肝、脾、肾、腹水）分离病原菌，在初培养的基础，挑取单个菌落进行纯培养并快速鉴定其种类。（2）将分离菌株接种在盛有适宜的培养基的平板中，采用药物纸片检测分离菌株的药物敏感性，确定分离菌株的药物敏感谱。（3）参照日本化学疗法学会的试管法，在药物系列试管中测定抗生素类药物对分离致病菌的抑、杀菌浓度，根据不同种类的抗生素类药物对分离菌株的最小抑菌浓度（MIC）的大小，选择治疗疾病的适宜药物种类和剂量用药。应用前景：适用于全国各地的海、淡水水产养殖区

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：

研发了基于生物质的一系列绿色环保无毒无害多功能的零 VOC 水性室内涂料，解决了现有室内涂料对室内空气的污染问题和对人体健康的威胁，同时，赋予了水性室内涂料隔热、防火、抗菌、防腐、导电、自清洁等一系列功能，实现了水性室内涂料的多功能化和智能化。 生物质绿色环保多功能涂料实现了纯水分散，不含任何有机溶剂，涂刷及使用全程不产生任何挥发性有机物 （VOC），优于市面上所有有机室内涂料；对于各种基底， 涂刷性和黏附性均优于商用涂料；从生物质废料出发，经过可工业化的处理方法，可以实现大规模生产，成本极低， 且可实现废物利用。 

1.发酵液的澄清过滤技术 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： »高效成分收率高，比采用传统过滤方式提高5-12％； »分离精度高，透过液杂质含量少、澄清透明，减轻后续处理难度； »浓缩倍数高，大大降低水使用量，废水排放量少； »连续工作时间长，再生简单高效，费用是有机膜的1/5-1/10； »膜元件使用寿命长，是有机膜的3-10倍； »配套的纳滤浓缩，形成膜集成系统。 陶瓷膜在发酵工业中已成功应用，并取得了开创性的成果： »建立了膜污染形成的动力学方程，解决了膜污染问题，开发出专用的膜清洗再生方法； »有效解决了目标产物的降解和失活问题； »通过改变常规物料洗水方式，有效提高了膜的渗透通量和抗污染性，减少了洗水用量，提高了目标产物的收率；正是这些问题的解决，实现了陶瓷膜在生物发酵行业的规模应用。 2.氨基酸生产中的应用技术 在谷氨酸发酵液除菌中的应用： 采用陶瓷膜进行谷氨酸发酵液的除菌，不仅可以回收蛋白，而且可以显著降低离交过程的洗水量，同时降低污水处理负荷。将陶瓷膜应用于谷氨酸发酵液除菌过程，可实现除菌、洗菌、浓缩过程连续化操作。 乳酸生产中的应用： 目前，已经开展了将陶瓷膜应用于乳酸工业生产的技术研究和市场推广工作。陶瓷膜技术与活性炭吸附技术集成应用于乳酸工业生产中，能起到克服传统乳酸生产工艺中的流程长、处理难度大、能耗高、成本高、产品纯度低等缺陷，对提高产品竞争力将有重要的意义。 甘氨酸净化中的应用： 甘氨酸又名氨基乙酸，溶于水，微溶于乙醇，是食品、医药、化工等重要原料之一。采用陶瓷膜分离技术去除工业级甘氨酸中的微量悬浮杂质，以得到食品级、医药级甘氨酸产品。 该技术已实现了工业化应用，工业化装置为两套各8 m2的陶瓷微滤膜设备，用于甘氨酸净化过程中粉末活性炭的去除，年处理3000吨甘氨酸，目前该装置已稳定运行一年，平均通量800 l•m-2•h-1；膜再生方便，清洗周期约1个月，采用纯水冲洗即可，同时清洗后水还可用于生产过程中。采用陶瓷膜微滤净化后，甘氨酸产品经高倍显微镜检测未发现残余活性炭粒子，完全满足了出口的质量要求。 3.中药生产及植物提取技术 传统中制药剂采用水提醇沉加蒸发工艺，周期长、建设成本高、能耗大、收率低、操作环境差、环境污染严重、三废治理成本高。 用无机陶瓷膜对中药水提液进行澄清处理有显著优点：水提液无须冷却可直接过滤，减少生产环节，膜的再生方便；除菌彻底，膜本身可直接高温灭菌；无论中药水提液性质如何，对膜本身没有影响；对中药有效成份基本无截留等。 陶瓷膜用于中药生产和植物提取的显著特点： ▲降低防爆等级，基础建设和生产线投资费用少，利于安全生产； ▲减少工序，缩短生产周期； ▲节省溶媒，降低原料成本和治污成本； ▲有效成分降解和流失少，色素等不增加； ▲能同时去除悬浮颗粒，菌体、鞣质、淀粉、胶体、蛋白、部分色素等大分子，澄明度高； ▲膜元件寿命长、再生简便费用低，操作过程稳定，产品质量能得到充分保证； ▲配套纳滤浓缩，形成膜集成系统。