本专利通过微电子电路精准控制藻酸盐印模材粉剂的量及水量并保持水温在规定的恒定温度，使最终得到的印模膏的稀稠度适当，强度适当从而取得临床适用的印模。可应用于口腔科各类使用藻酸盐印模材制取印模的操作。

本专利通过微电子电路精准控制藻酸盐印模材粉剂的量及水量并保持水温在规定的恒定温度，使最终得到的印模膏的稀稠度适当，强度适当从而取得临床适用的印模。可应用于口腔科各类使用藻酸盐印模材制取印模的操作。应用范围:可应用于口腔科各类使用藻酸盐印模材制取印模的操作效益分析:本装置具有使口腔科用藻酸盐印模材料制取的印模准确性及强度不受操作者经验、水粉比例、温度（水温、室温）等因素影响等优点，其主要技术优势如下： 一、给水恒温调控装置由①水温检测探头②半导体制冷器③电加热元件和微电子控制电路组成，给水膜泵及其工作时间控制电路确保每次给水量和水温（23±1℃）得以精确控制。 二、粉剂的精准投料装置由④偏心轮电机⑤给料电机及减速器⑥霍尔元件传感器和微电子控制电路组成，使得粉剂的松散度及重量根据临床要求得以精确控制。

传统的分散剂在结构上为普通的表面活性剂结构，在分散介质中对固体颗粒有一定的分散稳定作用。但由于它们在固体粒子表而的吸附不十分牢固，容易从粒子表面上解吸而使被分散的粒子又重新聚集或沉淀。为克服传统分散剂的局限性，近年来分散性能优异的超分散剂己开发成功并得到了很好应用。这种分散剂主要用于农药、油墨与涂料等固体颗粒的分散，分子量一般在1000-10000之间。与传统分散剂相比，超分散剂主要有以下特点:（1）可以和颗粒表面形成多点锚固，提高吸附牢度，不易解吸;（2）

本发明公开了新型大环内酯类抗生素克拉霉素氨基酸盐及制备方法和应用，其化学式为C38H69NO13R。其中R为氨基酸，具体为门冬氨酸和L－谷氨酸。克拉霉素氨基酸盐的制备为：取克拉霉素和氨基酸混合于水溶剂中，20－40℃下搅拌1小时；将该溶液在室温下减压浓缩，浓缩液经冷冻干燥，得白色结晶性粉末为克拉霉素氨基酸盐。本发明操作简单，纯度高，质量稳定，水溶性好，适用于制备医药制剂。克拉霉素氨基酸盐可作为原料药，及可制成注射剂、口服制剂。

【发 明 人】唐于平；李念光；段金廒【技术领域】 本发明涉及一种化合物，具体涉及一种以咖啡酸为母核经过结构改造而合成得到的咖啡酸双酯类化合物，本发明还涉及咖啡酸双酯类化合物的制备方法和应用。【摘要】 本发明公开了通式为(I)的咖啡酸双酯类化合物及其制备方法和其在制备防治血栓药物中的应用，实验表明本发明合成得到的咖啡酸双酯类化合物对ADP诱导的血小板聚 集有较强的抑制作用，通过50％聚集抑制浓度对比可以看出，本发明提供的咖啡酸双酯类化合物比咖啡酸和乙酰水杨酸都具有更好的抑制血小板聚集的作用，咖啡酸和乙酰 水杨酸缩合后得到的咖啡酸双酯类化合物能起到协同增效的作用，临床用量可更低，不良反应降低。并且本发明提供的咖啡酸双酯类化合物的制备方法，采用微波反应，可 减少反应时间，提高反应效率，节省成本，且可操作性强、对环境具有一定的保护作用。

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：

 温度是电力系统电气设备运行状态的重要评价指标，项目对用于电气设备（变压器、电抗器、高压开关等）在线温度检测的光纤温度传感系统器进行了研究，对保障电气设备的安全运行意义重大。由于光纤测温仪采用光纤和其他无源器件感受和传递温度信号，所以它具有测量准确、反应快、耐强电磁干扰、绝缘性好等优点。光纤测温仪在国外已被广泛采用，但价格十分昂贵。1997年起我

巨大芽孢杆菌Bacillus megaterium PP84，保藏单位：中国微生物菌种保藏管理委员会普通微生物中心(CGMCC)，地址：北京市朝阳区北辰西路1号院3号，中国科学院微生物研究所，保藏日期：2016年7月20日，保藏编号为CGMCC No.12798。具有利用草甘膦作为碳、氮源的能力，以及对重金属具有抗性的能力，可在快速将草甘膦分解同化的同时吸附重金属，达

成果与项目的背景及主要用途：化学结构式： 用途：可治疗急性或慢性风湿、关节炎和关节病等源于骨关节组织代谢混乱 的疾病。也是降低胆固醇、消除运动疲劳的保健药品。 技术原理与工艺流程简介：以天然产物甲壳素为原料，在盐酸介质中溶解并 水解为单分子葡萄糖胺、然后经活性炭吸附、真空浓缩、降温析出而制得葡萄糖 胺盐酸盐。葡萄糖胺盐酸盐经碱溶解、硫酸转化、再析出即生成葡萄糖胺硫酸盐。 28天津大学科技成果选编 技术水平及专利与获奖情况：已完成实验室规模研究，产品质量达到国外同 类产品水平，主要技术指标如下： 外观： 白色结晶粉末，无味。 硫酸根含量： 97.5～102.5％ 干燥失重： ( 0.5％ 灼烧残渣： 23.8～25.7％ pH 值： 5.8～6.2（X＝K） 4.0～4.4（X＝Na） 重金属： ( 10 ppm 铁盐： ( 10ppm 氯化物： ( 14％ 应用前景分析及效益预测：目前，该产品国内外市场紧俏且主要出口，国内 有生产厂家，但供不应求。受原料供应影响，产品价格有时波动。本工艺设计简 便、易于操作、设备投资少、易于工业化、利润很高，有明显的经济效益。建议 有甲壳素来源的沿海企业或生产甲壳素的企业投产该产品。若为后者，则可综合 治理三废，经济效益更好。 以 3.0 万/吨的甲壳素计，则葡萄糖胺硫酸盐（复合盐）原料成本可为 13.0 万/吨，工厂价约 16.0 万/吨，售价 19～20 万/吨，以年产 50 吨产品计，利税可达 150 万元以上。若生产厂自己生产甲壳素，可明显降低原料成本，则经济效益更 为可观。 最近国内有企业正在以药品申请批号，因此国内需求量会大增。 应用领域：药物及保健品。 技术转化条件（包括：原料、设备、厂房面积的要求及投资规模）： 生产规模及产量：以年产 50 吨葡萄糖胺硫酸盐为宜。 所需厂房面积：300 m2。 主要设备：酸解釜、浓缩釜、贮罐、冷凝器、水环真空泵、真空滤槽，酸碱 转化釜、冷冻设备。 主要原材料及来源：全部为国产原料如甲壳素、盐酸、活性炭、丙酮，氢氧 29天津大学科技成果选编 化钾、硫酸。 设备投资：设备投资约 80 万元。 总投资：依生产厂具体情况而定。 合作方式及条件：面议。