放射性药物是可用于诊断或治疗目的的药物，由放射性同位素与有机分子键合组成。有机分子将放射性同位素传递至特定的器官、组织或细胞。 ​ 根据特性选择放射性同位素发射穿透伽马射线的放射性同位素用于诊断（成像），发出的辐射脱离身体后被特定仪器（SPECT / PET相机）检测到。通常，用于成像的同位素产生的辐射在1天后通过放射性衰变和正常的身体排泄完全消除。最常见的用于成像的同位素是：99mTc、I123、I131、Tl201、In111和F18。 ​ 发射短程粒子（α或β）的放射性同位素用于治疗，因为它们能够在非常短的距离内失去所有能量，因此产生大量局部伤害（例如细胞破坏）。该特性用于治疗目的：破坏癌细胞，骨癌或关节炎的姑息治疗中减缓疼痛。这类同位素在体内的停留时间比成像同位素更长；用来提高治疗效率，但仍然限制在几天内。最常见的治疗同位素是：I131、Y90、Rh188和Lu177。 ​ 放射性药物的工作原理是：基于使用分子“出租车”，将受控剂量的放射性活度特异性地传递至目标患病组织（通常是癌细胞），以便根据所用放射性核素的类型可视化（诊断）或治愈（治疗）组织。放射性药物通常包含负责将放射性核素引导至目标组织的生物载体（抗体、肽等）。双功能螯合剂牢固地抓住放射性核素并确保与生物载体之间的牢固结合。

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：

完成人简介：郑晓晖，西北大学教授，博士生导师，中草药现代化工程研究中心主任，西北大学深圳清华大学研究院共建"创新中药及天然药物研究"联合实验室主任，陕西省中医药管理局“中药复方效应成分分析”重点研究室主任，陕西新药技术开发中心特聘专家，九三学社中央促进技术创新工作委员会委员，九三学社陕西省委常委，陕西省九三学社教育文化专门委员会主任委员，九三学社西北大学主委，教育部“长江学者和创新团队发展计划”、“陕西省重点科技创新团队”团队带头人，入选国家百千万人才工程，授予“有突出贡献中青年专家”荣誉称号，享受国务院政府特殊津贴。 成果内容：丹参素冰片酯（DBZ）是课题组应用代谢物组学研究技术，采用HPLCMS、GCMS、GCFTIR、NMR等技术手段，在复方丹参方效应成分的基础上，依据传统中医药理论与“君使”对药的化合物设计方法，结合现代药物化学和药理学，设计、合成的一种治疗心脑血管疾病（抗脑缺血）的新药候选化合物。DBZ显著的抗脑缺血损伤活性，并从血管新生、神经炎症、氧化应激等方面深入全面地揭示了其多环节的作用机制，相关文章发表在药学领域国际权威期刊《英国药理学杂志》上。 DBZ具有易于制备、工艺可控、高效低毒等特点，是一个成药能力良好的化合物。现已完成大规模化的非光学活性DBZ生产工艺（20Kg/批），并建立光学活性DBZ拆分工艺，建立光学活性DBZ不对称合成工艺；同时开发出光学活性的右旋 DBZ 10公斤级合成工艺。建立了DBZ原料药质量标准、DBZ脂肪乳剂的工艺。 现已获中国发明专利授权4项， 1项PCT国际专利获58个国家及地区授权。 成果用途： 该项目研究内容及产品涉及治疗一种治疗心脑血管疾病（抗脑缺血）（1类化药）开发。 成果成熟度：中试产品阶段（已解决关键技术，需要合作进行产业化攻关） 转化方式：技术入股、合作推广，本项目欲融资8,000万元占股20%，按照国家 1 类新药的申报要求，展开研发、产业化的规范市场运作和资本运作。 成果知识产权情况 专利号 专利名称 专利状态 ZL 201410175950.8 一种混旋丹参素冰片酯的合成方法 授权 ZL 201310470979.4 一种丹参素冰片酯的工业化合成方法 授权 ZL200910023010.6 取代的苯甲酸衍生物及其合成方法和用途 授权 ZL200610042787.3  β－(3,4－二羟基苯基)－α－羟基丙酸冰片酯、其合成方法和用途 授权 PCT/CN2007/001550 取代β苯基α羟基丙酸衍生物、其合成方法和用途 授权

环苯替尼是全新结构新实体化合物，为第三代酪氨酸激酶抑制剂，按新药注册分类属于化学药品1.1。是格列卫 Gleevec（甲磺酸伊马替尼）的me better药物，用于治疗慢性粒细胞白血病（CML）和胃肠道间质瘤(GIST)。环苯替尼是通过骨架跃迁策略发现新结构化合物，机制研究表明为信号网络机制产生药效的新化学实体药物。 环苯替尼的显著特点是对人癌（CML）免疫缺陷性小鼠异体移植体内药效达到治愈的效果，肿瘤细胞完全被杀死，有效率达到100%，无严重毒性发生。 环苯替尼经8步化学合成，获得的全新结构的化合物，经一级检索未见相关报导（上海图书馆上海科学技术情报研究所查新）。目前已获得 2 项中国发明专利申请和1项PCT国际专利申请，该课题的临床前主要试验工作已经完成，包括：环苯替尼合成工艺、结构确证、原料及制剂质量研究和稳定性研究、主要药效学研究和部分安全性研究，已经具备成药性。

中试阶段/n支气管哮喘是临床常见病多发病，目前治疗哮喘以糖皮质激素为主， 副作用多。古籍记载银杏有敛肺平喘功效，但目前尚无银杏治疗哮喘的 药物上市。在详细研究银杏有效成分基础上，该项目组发现一组新的化 合物具有敛肺平喘作用，并开发了一种从银杏中提取该活性成分的新技 术及生产工艺，进行了中试生产，产品纯度可达 95%以上。经动物药效学 和细胞学试验证明，此活性成分具有预防和治疗哮喘的显著效果。动物 急性毒性、长期毒性实验表明，该活性成分没有毒副作用，具备开发治疗哮喘新物的潜力，可产生显著的社会经济效益

项目成果/简介:完成人简介：郑晓晖，西北大学教授，博士生导师，中草药现代化工程研究中心主任，西北大学深圳清华大学研究院共建"创新中药及天然药物研究"联合实验室主任，陕西省中医药管理局“中药复方效应成分分析”重点研究室主任，陕西新药技术开发中心特聘专家，九三学社中央促进技术创新工作委员会委员，九三学社陕西省委常委，陕西省九三学社教育文化专门委员会主任委员，九三学社西北大学

在创新创业项目孵化方面，天津市大学软件学院以促进人才培养与产业发展为目标，孵化了四类特色企业，在产教融合、成果转化、社会服务方面发挥了重要作用。

人工智能应用创新实训平台是一款专为人工智能领域专业学生设计的多功能教学工具，它集科研教学、实验实训和项目实践于一体，提供了一个全面的学习环境。该平台以国产高性能芯片RK3588作为其边缘计算的核心，支持本地化编程开发，使得学习者能够深入掌握人工智能技术。此外，平台还支持PyTorch、TensorFlow、NCNN等多种主流深度学习框架，便于学生进行模型训练和推理实践。 平台内置了丰富的案例资源，包括但不限于MobileNet、Fcn_Resnet、Resnet、Openpose、Unet、Retinaface、Yolov8pose、Yolov11等前沿模型，为学生提供了实际操作和学习深度学习模型的机会。这些内置模型不仅有助于学生理解深度学习算法的实际应用，也为他们的创新项目提供了坚实的基础。通过这样的实训平台，学生能够在实践中深化理论知识，提升解决实际问题的能力。 本平台融合了先进的多模态大模型智能体，并配备了一系列场景化实体组件，包括深度相机、双轴云台、多轴机械臂、微型输送带、工业级相机以及麦克风阵列等。这些尖端设备使得我们能够快速构建智慧工厂、智能分拣、智慧交通、智能家居等多种应用场景。

1、产品介绍 国家大力鼓励信创产业发展的背景下，本实验箱基于OpenHarmony操作系统，是一款结合主流人工智能外设模块、物联网通信模块，满足实训需求，助力开发者提升OpenHarmony的应用开发。 OpenHarmony全场景实验箱，为开展鸿蒙系统实践教学的专用平台，通过该实验平台实现鸿蒙系统下的OpenHarmony北向应用开发、OpenHarmony南向设备开发等关键技术，使学生在深入了解鸿蒙系统的基础架构、技术原理、开发流程的同时，掌握基于标准鸿蒙系统和轻量级鸿蒙系统的应用开发的技能，为未来从事鸿蒙应用开发打下坚实的实践基础,打造智慧农业、智能家居、智能医疗、智能安防、智慧交通等现代智慧场景的综合应用的能力。 本实验箱适用于OpenHarmony操作系统在高校的移动互联、物联网、人工智能、创新创业等相关专业中实践教学的应用和推广。主要适用于高校、职业院校、培训机构、企业、开发者和相关师生。具备功能齐全、课程资源丰富、场景灵活组合等优势，实现了产学研创一体化的教育模式。 2、产品展示   图2.8 开源鸿蒙创新实验平台展示 3、产品特点 先进性 l性能卓越：搭载嵌入式边缘计算处理器RK3566/rk3568，配备4GB RAM与16GB存储空间，以及11.6英寸高清电容触摸屏，确保流畅的用户体验。 l支持多操作系统：鸿蒙（OpenHarmony）、Linux； 扩展性 l定制化设计：所有硬件单元均采用模块化设计，支持根据具体需求进行定制化选型和搭配。 l项目套件丰富：提供多种可选的项目套件模块，支持完成多样化的鸿蒙应用场景设计和创新。 实验箱采用磁吸式模块设计，不仅可以轻松地吸附在验箱上，从而简化了安装和拆卸过程，而且用户可以根据实际需求随时添加或更换模块，从而灵活地拓展实验箱的实验内容和应用场景。 配套 课程与实验：支持包括鸿蒙北向应用开发、鸿蒙南向设备开发等在内的丰富课程和实验。 该产品除软硬件双开源，可二次开发和学习使用外,还配备针对设备完整的实训指导书完整丰富的教学实训素材资源。本产品提供免费的安装部署服务和设备实训培训服务。