载药量高达到400%（w/w）的多功能纳米载体 一、项目分类 重大科学前沿创新、关键核心技术突破、显著效益成果转化 二、成果简介 南京大学医学院胡一桥教授和吴锦慧教授科研团队，围绕生物材料的理化及生理特性，聚焦药物临床治疗的关键科学问题和难题，首创“单元-多维”生物材料成形理论，突破了“超强疏水/高比重”物质的高效负载、体内传输、体外贮存三大关键科学技术难题，构建了载药量高达到400%（w/w）的多功能纳米载体。 研究成果发表在Nature BME，Nature Communication、PNAS、Science Advances上，并获得教育部技术发明一等奖、教育部自然科学一等奖、江苏省发明专利金奖。据此项研究成果，建立了“Bottom-Up”的规模化制备生物纳米药物的生产线，完成了以蛋白类生物材料为载体的抗肿瘤靶向药物的规模化制备和临床研究，相关药物1项在临床试验，1项获得NMPA的批准上市。有效的解决了进口类似品种价格高，患者无法承受的问题。

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：

颗粒的粒度和粒形分析采用激光粒度分析仪和JEM-1299EXⅡ透射电子显微镜，原始锌粉的中值粒度大约在3~10微米之间，粒形近似为球形。实验结果证明，经过1小时处理后，原始的150克球状锌粉基本上都成了薄片状，颗粒的厚度分布在10～50nm之间，直径方向尺寸度分布在20—100nm之间，这一转变过程的电力消耗只有0.12度。按照150克/小时计算，本技术班纳米锌片可达1公斤以上，每班电力消耗还不到1度。得到的产品形状规则，均匀，无污染，几乎无缺陷。 本项目不但在国内外率先成功地在温室下用振动方法制备出了纳米片状锌粉，而且还适用于其他金属及金属氧化物纳米片的制备。可开发的领域有：纳米片涂层技术，纳米片指纹粉体，纳米片催化技术，高密度、高分辨率、低噪声磁性记录介质等等。

碳纳米管具有优异的综合性能，必将促进科学与经济的进步。研究碳纳米管规模化生产制备技术与工艺创新，开发节能高效“环路”循环流化床碳纳米管规模化生产装备与生产工艺；研究碳纳米管改性技术，开发出工质相变的新型碳纳米管气相分散设备与工艺；研究碳纳米管与基体复合技术，发展气相分散碳纳米管增强碳纤维复材界面技术，创制纳米增强碳纤维的智能一体化装备研究。获得山东省科技进步奖二等奖1项，研究团队获批泰山学者特聘专家及山东省高等学校优秀青年创新团队。

质子交换膜燃料电池在车用动力能源，分布式发电站，便携式电子产品等领域具有很好的应用前景，因而受到广泛关注。然而应用最广的Nafion质子交换膜存由于脱水导致电导率降低，无法在高温下使用。聚苯并咪唑(PBI)是制备聚合物电解质膜常用的材料，PBI 的热稳定性极好，熔点高于600oC，化学稳定性好，并且具有良好的机械强度，是一种优异的聚合物电解质膜材料。然而PBI 本身并没有离子导电的能力，虽然采用离子基团修饰的方法能够提高PBI 的导电性，但是修饰之后的PBI 溶解性能发生变化

本发明公开了肝细胞生长调节因子酪氨酸激酶底物(HGS)在预防和/或治疗 EV71 感染中的应用， 属于抗病毒药物领域。本发明通过将 HGS 蛋白加入到细胞中再加 EV71，检测&nb

本发明公开了一种用于增强畜禽免疫功能和抗病毒能力的药物提取物、制剂和制备方法，药物提取物包括以下重量份数的原料药材：黄芪300‑900份、板蓝根100‑300份、防风100‑300份、炒白术100‑300份、黄芩100‑400份和紫锥菊100‑500份；以及公开了制剂和制备方法。本发明采用提取、在线高速离心、减压浓缩、喷雾干燥技术，技术能达到省时省力，高效低耗，有效成分得以充分保留；并且科学的药材

【发 明 人】顾薇；陈军；杨希雄；陆姗姗；严旭 【摘要】 针对现有技术中9-硝基喜树碱溶解度差、生物利用度低的技术问题，本发明提供9-NC-环糊精包合物，其含有分子摩尔比为1:30~200的活性成分9-NC和包合剂β-CD或其衍生物；具体制备方法为：将9-NC丙酮饱和溶液滴加到CD溶液中，并在25~60℃下磁力搅拌至丙酮完全挥发；所得混悬液离心后取上清液进行冷冻干燥得9-NC-CD包合物粉末。同时本发明提供含有上述9-NC-CD包合物和药学上可接受的赋形剂的药物组合物。本发明提供的包合物相比于9-NC游离药物溶解度增加300倍以上；同时包合物表现出更高的内酯稳定性与体外缓释效果；用X射线衍射分析与热分析法表明包合物中9-NC已完全被包合，进一步验证工艺的可靠性。由此，包合物可被开发成为液体制剂，也可改善9-NC固体制剂的体内吸收，提高生物利用度。

项目成果/简介:本发明提供了一种蓝莓花色苷壳聚糖纳米乳液的制备方法及应用，属于纳米技术领域，所述制备方法包括：蓝莓果渣超声提取得到蓝莓花色苷提取液；冷冻干燥；将蓝莓花色苷粗提物加入浓度为0.5~0.8mg/mL壳聚糖盐酸盐溶液中，得到混合液Ⅰ；将pH为6.0±0.1，浓度为0.5~2.0mg/mL羧甲基壳聚糖溶液逐滴加入到混合液Ⅰ中，得到蓝莓花色苷壳聚糖纳米乳液。本发明制备的蓝莓花色苷壳聚糖纳米乳液可以用于制备滴眼液和蓝莓花色苷饮料中。本发明制备方法简单，制备的蓝莓花色苷壳聚糖纳米乳液的平均粒径小于500nm，同时，本发明制备的蓝莓花色苷壳聚糖纳米乳液中的花色苷随贮存时间的延长，损失率极小，制备的滴眼液和饮料具有花色苷含量高，性质稳定等特点。