神经递质作为神经元与神经元及神经元与细胞之间沟通的媒介分子，介导了发育、信息感知，运动及大脑的高级认知功能。随着生化分离纯化技术的发展以及人们对大脑精细结构的进一步了解，现如今已发现有几十种重要的神经递质。而神经系统在时间和空间上的高度复杂性对研究特定神经递质的动态变化及其功能提出了极大的挑战。本项目成功构建了一系列新型的基因编码的神经递质荧光探针，可实现对特定神经递质动态变化的灵敏检测。该类荧光探针利用大多数已知的神经递质所对应的特异性G蛋白偶联受体（GPCR）与循环重排的荧光蛋白（cpGFP）融合，利用循环重排荧光蛋白的荧光强度变化来指示GPCR的激活，进而反应外源神经递质的浓度变化（图一）。我们命名该类荧光探针为GRAB探针，即为GPCR Activation Based Sensor的缩写。

其他成果/n种牛骨胶原多肽的生产方法，包括如下步骤：将牛骨胶原蛋白溶液与磷酸盐溶液混匀，并加热一定时间，得到牛骨胶原蛋白浆液；通入交流电流处理一定时间，切断电源后再通入恒压反向电流处理一定时间，切断电源后再通入恒压正向电流处理一定时间，得到牛骨胶原蛋白混合液；对牛骨胶原蛋白混合液加入一次复合酶进行超声辅助酶解，得到一次酶解液；再加入二次复合酶进行超声辅助酶解，得到二次酶解液；再进行微波灭酶处理，将灭酶酶解液静置冷却，离心取上清液后再进行冷冻干燥处理，即得成品的牛骨胶原多肽。该牛骨胶原多肽的生产方法，

本发明公开了一种肿瘤靶向多肽光敏剂键合物，属于生物医药领域。所述的肿瘤靶向多肽光敏剂键 合物的结构为 A-B-C-D，其中，A 为光动力学治疗光敏剂，B 为含正电荷的细胞穿膜肽片段，C 为基质 金属蛋白酶特异性识别多肽片段，D 为含负电荷的多肽片段。本发明公开的多肽光敏剂键合物可以显著 提高光动力学治疗光敏剂在生理条件下的稳定性，极大的减少光动力学

手性药物是由具有药理活性的手性化合物组成，它在人体内通过与生物大分子间相互手性匹配和分子识别而发挥治疗作用。虽然对应异构体药物在体外的物理化学性质基本上相同，但是，由于药物分子所作用的受体或靶位是由氨基酸、核苷、膜等组成的手性蛋白和核酸大分子等，它们对与其结合的药物分子的空间立体构型有一定的要求，因此，对映异构体药物在体内往往呈现很大的药效学、代谢动力学等方面的差异。在二十世纪末，随着人们对对映异构体药物的研究与认识不断深入，FDA 等药政部门于 1992 年开始把对应异构体药物当做混合物加以审批，

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：

本发明涉及TNFSF15蛋白在制备治疗黑色素瘤药物中的用途，本发明发现TNFSF15不但可以抑制内皮细胞生长，诱导其凋亡，还可以抑制小鼠黑色素瘤细胞B16的生长和迁移，诱导细胞凋亡。本发明发现应用TNFSF15联合化疗药物治疗黑色素瘤时，TNFSF15不但可以通过抑制肿瘤血管的生成来抑制肿瘤的生成，而且可以通过诱导黑色素瘤细胞凋亡，增强化疗药物对于黑色素瘤细胞的杀伤作用。最后，我们发现TNFSF15在与常用于治疗黑色素瘤的化疗药物顺铂的联合应用时，可以增强顺铂治疗黑色素瘤的效果。

本发明提供一种人参二醇皂苷组分在制备防治皮炎或疤痕药物及保健美容品中的应用，主要成分为人参皂苷Rb1、Rb2、Rb3、Rc和Rd。所述药物或化妆品为人参二醇皂苷组分为活性成分单独或与其它药物一起，与药学上或化妆品可接受的载体组成的药物或化妆品。利用人参根茎药材、西洋参根茎药材、人参茎叶药材、西洋参茎叶药材以及它们的总提取物或总皂苷等原材料，通过大孔吸附树脂和十八烷基硅烷键合硅胶柱层析相结合的色谱分离纯化等方法制备。本发明可在促进组织再生修复的同时防止疤痕的形成，与糖皮质激素相比，整体调节细胞免疫、停药后药效稳定，具有显著的药效优势；本发明的产品高度安全。人参二醇皂苷结构式为：。

【发 明 人】高月平【技术领域】本发明涉及消症饮在制药中的新用途，具体地说是涉及消症饮在制备治疗原发性痛经、子宫腺肌病药物中的应用。【摘要】一种消症饮在制药中的新用途，即在制备治疗痛经和子宫腺肌病药物中的应用，消症饮是由鹿角片、白芥子、桃仁、熟地、淫羊藿、生薏苡仁、三棱、醋柴胡、大血藤、延胡索、按一定重量配比制成，该药物可制成汤剂、胶囊剂、片剂、冲剂、口服液、糖浆或合剂等，经临床试验结果表明，160例原发性痛经患者，分为治疗组和对照组，治疗组80例口服消症饮，对照组80例口服月月舒冲剂，结果，治疗组和对照组的总有效率为100％和72.5％；104例子宫腺肌病患者分为：治疗组64例口服消症饮，对照组40例口服桂枝茯苓胶囊。每月连服15天为一疗程，最多治疗6个疗程，结果治疗组痊愈34例，有效11例，总有效率100％，而对照组痊愈10例，有效22例，无效13例，总有效率71.1％。