本实用新型公开了一种分子生物试验用试管自动清洗灭菌装置，包括底座，所述底座边角设有支杆，所述支杆上端滑动连接有支撑板，所述支杆一侧滑动连接有调节箱，所述调节箱固定连接于支撑板，所述支撑板中间位置固定有电机，所述电机输出端设有主动齿轮，所述支撑板下端设有固定板，所述固定板一侧设有从动齿轮，所述从动齿轮啮合连接于主动齿轮，所述从动齿轮中间嵌有转轴，所述转轴贯穿连接于固定板，所述转轴一端设有清洁布，所述底座上端设有传送带，所述传送带上端一侧设有试管支架，所述传送带中间位置设有加热装置，所述加热装置一端连接有紫外线照射装置，本实用新型结构简单，减少了中间工序，使得试管清洗灭菌效果更好。

1、在减水剂方面有熟练的测试保塌和减水性能。2、高分子及化工行业的人才优先考虑。3、认真踏实干工作做事情兢兢业业。4、对于化工及高分子行业能深入研究。

1. 痛点问题 本项成果涉及新型疫苗的设计与应用，具体涉及生物大分子药物及疫苗的研发过程中的抗原精准设计。 2. 解决方案 基于AI的大分子药物及疫苗抗原设计。

27位点单泛素分子降低树突状细胞免疫功能的方法，涉及基因工程技术领域。27位点单泛素分子是只保留27位赖氨酸的泛素分子，从小鼠骨髓中分离得到树突状细胞，用27位点单泛素分子预处理骨髓来源树突状细胞，再进行体外过继免疫，最后进行酶联免疫斑点实验和流式细胞术实验。实验证明，处理后的树突状细胞抗原提呈能力明显降低，其抗原特异性CTL诱生能力也降低；27位点单泛素分子可降低树突状细胞转输受体内淋巴细胞产生IFN‑γ、穿孔素、颗粒酶B的能力。27位点单泛素分子抑制转输受体脾细胞产生穿孔素和颗粒酶B由溶酶体途径实现。

1. 构建了猪基因素材的高效挖掘平台与分子育种标记开发技术体系。率先设计、建立了猪第一代寡核苷酸基因芯片的技术操作流程；优化了猪基因芯片的非特异过滤方法；开发了猪CRISPA/Cas9基因组编辑系统的sgRNA设计及脱靶效应评估软件获得软件著作权，创建了多个病毒和细菌刺激的细胞和活体模型，发展了多个基因组学技术，实现了猪基因素材高效挖掘平台与分子育种标记开发技术体系的构建。 2. 开发了10个用于优质健康猪培育、具有自主知识产权的分子育种标记。筛选出猪重要候选基因589个，向GenBank提交基因序列80条，鉴定到24个与产肉、免疫性状显著关联的基因突变，取得10个具有自主知识产权的分子育种标记。 3. 构建了适用于优质健康猪培育的多标记聚合育种技术体系，取得了明显社会经济效益。 该项目实现了猪产肉性状、抗病性状基因的批量挖掘与验证，开发出一批分子育种标记，建立了多标记聚合辅助育种技术体系，为湖北及我国优质健康猪的培育提供了丰富基因资源和技术支撑，取得了良好社会经济效益。 成果完成时间：2016年

在塑胶包装行业，镭雕标记技术日益兴起，近年来，利用激光在聚丙烯等塑胶制品表面进行雕刻标记得到了广泛应用，但镭雕高分子材料仅能够进行黑色、白色和灰色的激光标记，色彩单一且缺乏视觉吸引力。江南大学开发出新型彩色镭雕激光打标母粒，与聚合物材料熔融共混，几乎不影响任何聚合物自身性能，制备出色彩丰富的镭雕激光打标聚丙烯材料。本技术拓宽了激光打标应用，提高激光打标色彩丰富度与外观效果，增强了激光标记产品的市场竞争力，已在国内外企业推广使用。

低分子量肝素(LMWH)是临床上最主要的天然抗凝剂，目前主要是通过动物来源的肝素进行酶降解制得。欧洲药典要求 LMWH 的分子量为 6000~8000，质量控制是生产 LMWH 的重要环节。而肝素酶的活性和利用率直接影响 LMWH 生产成本和产业经济。 本项目组利用融合肝素酶 I (Hep I)与甲壳素之间的亲和作用，实现酶的循环利用，同时融合酶活性和稳定性提高。利用绿色溶剂体系制备形态完好、尺寸均一的甲壳素微球。用固定化酶制备的 LMWH 产品达到欧洲药典要求，实现了分子量可控，生产过程可实时监测。该项目将对 LMWH 产业的绿色和经济生产提供技术支持。目前已发表 SCI 论文 2 篇，并与相关企业开展了合作。 

成果介绍本发明公开了一种虚拟家装室内场景设计中的阴影渲染方法。包括阴影映射图生成步骤，半影估计步骤，基于泊松碟采样的百分比渐近滤波步骤，最后通过加入漫反射环境光，生成具有真实感的虚拟家装室内场景阴影效果图。本发明方法能够高效且能改善阴影映射图锯齿走样的问题。技术创新点及参数本发明提供一种真实感强烈，生成了场景中物体的软阴影而且速度快， 可以满足虚拟家装实时渲染要求的虚拟家装室内场景设计中的阴影渲染方法。市场前景本发明方法结合阴影映射图与百分比渐进滤波技术实现虚拟室内家装 的实时阴影效果渲染，不仅能够生成具有真实感的家装室内设计中的阴影渲染，而且 不会随着场景中三维物体复杂度增加而增加，无需预处理能够满足实时应用需求。该 技术对计算机虚拟现实在虚拟家装领域的应用具有重要意义。

本成果以专利形式体现（专利号 201310723968.2 ），生命科学大多以微生物为研究对象，有很多物种都是近缘的，无法用普通方法区分，本方法通过 PCR 方法可以快速区分，建立了一种设计特殊引物的方法。

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：