本成果针对设备油液分析技术领域，提出了一套设备油液按需维护及故障诊 断方法，针对运行设备在其全寿命周期内提供了一套完整的监测检测服务，立足 于设备服役期内的健康状态，以在用油液（液压油、齿轮油等）为检测对象，以 油液全谱分析方法为核心，通过研究油液分析关键技术、优化分析流程、提高分 析技术的自动化程度等手段，实现了油液维护、状态评估、损伤修复于一体的闭 环式监测，充分降低了设备的突发性故障停机事件与维护成本。 优化油液磨粒制谱环节，自动、准确地提取油液中包含的与设备运行状态相 关的信息； 快速获取谱片的全域数字图像，得到谱片中的图谱信息； 实现谱片磨粒信息的智能提取，全方位地获取磨粒的尺寸分布、数量分布、 形貌分布等特征，完成油液信息的量化表征； 建立典型磨损颗粒的自动识别模型，获取油液中异常磨损颗粒的磨损类别， 结合尺寸、形貌特征判断磨损部位及磨损严重程度； 全方位地评估设备当前的油液性能与磨损状态，分别从润滑状态、磨损情况 出发，为设备的安全、健康运行提供相应的维护措施，动态地指导设备开展相关 的监测工作。

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：

产品详细介绍全氟消解罐　　　应用于气象，液相，等离子光质谱仪，原子吸收和原子荧光等化学分析方法的样品前处理，用于消解农残，食品，稀土，水产品，有机物种的Pb，Cu，Zn，Ga，Rb,Hg等重金属。特点：1、在烘箱中180度内使用（全氟消解罐）2、使用方便精密设备加工内壁光滑，不挂水。内外罐顺序编号，不混配。方便实验中样品的区分，提高实验的可重复性。3、消解效率高，能力强，可消解许多传统方法难以消解的样品4、消耗酸溶剂少，空白值低，提高分析的准确度和精密度5、采用全聚四氟乙烯材质加工，避免了在实验中，混入重金属，从而污染样品。

创新硬件性能，速度快人一步 高达2100万SPC-1IOPSTM，0.05ms超低时延，全系列采用端到端NVMe架构，结合专为闪存设计的HuaweiFlashLink®技术，配合高性能算力平台的强大算力，充分发挥了闪存的潜力，业务性能提升5倍。基于创新硬件的全新架构为每一个用户提供高性能的体验。 企业级数据保护，业务稳定在线 SmartMatrix3.0全互联AA架构，保障控制器8坏7、引擎2坏1故障的情况下业务依然稳定运行。SSD磨损&反磨损均衡技术实现300万MTBF，创新的RAID-TP技术容忍任意3盘同时失效，有效应对大容量SSD时代的数据保护挑战。HyperMetro免网关SAN及NASActive-Active双活，实现两站点间负载均衡，RPO=0，RTO≈0。可平滑升级到两地三中心解决方案，满足苛刻的的企业级可靠性需求。 智能运维，每比特成本更省 凭借先进的加速模块和算法，与云上智能协同，使能全生命周期智能运维。

谷胱甘肽（glutathione, GSH）是由谷氨酸（Glu）、半胱氨酸（Cys）和甘氨酸（Gly）通过肽键形的三肽化合物，为生物体中含量最丰富的小分子巯基醇类化合物，具有重要生理功能，可用于抗辐射、肿瘤、癌症、氧中毒、衰老和协调内分泌的治疗，并是临床上大规模使用的保肝类药物，还广泛用于食品、运动营养学、保健品和化妆品，市场前景广阔。国内的GSH生产工艺开发多沿用国外公司的发酵方法，但发酵法到目前为止未能取得突破，因此没有成功产业化生产，目前国内制药企业所用的GSH制药原料全部依赖进口。本项目为华东理工大学生物反应器工程国家重点实验室研制，通过构建反应速率快、转化率和生产水平高的重组菌株，开发优化培养工艺，可以实现谷胱甘肽发酵水平达到3500 mg/L，生产强度超过250mg/L/H，达到国际先进水平。在实验室规模效果良好，小试工艺成熟，相关技术已申请中国专利，具有自主知识产权。

皂荚荚果、油茶果壳和无患子果皮中含有丰富的五环三萜类皂甙等天然活性成分（皂素），这些皂甙类成分呈中性，泡沫丰富，易生物降解，对皮肤无刺激，具有较强的洗涤去污能力，较好的耐酸碱、耐盐能力，还能与多种表面活性剂复配产生协同效应。近年来随着石油资源短缺和能源危机日益突出，合成表面活性剂及洗涤剂的生产成本越来越高。此外，大量合成洗涤剂的使用，对环境造成了严重的污染。因此，表面活性剂和洗涤剂必将朝着绿色、环保、可再生方向发展。 天然皂素制备与应用已列入国家“十二五”科技支撑计划，目前已开发出物理分离技术、水提技术、醇提技术及提取与同步纯化技术等，相关技术通过了教育部科技成果鉴定，申请发明专利7项，授权发明专利2项，出版专著1部。

项目成果/简介:皂荚荚果、油茶果壳和无患子果皮中含有丰富的五环三萜类皂甙等天然活性成分（皂素），这些皂甙类成分呈中性，泡沫丰富，易生物降解，对皮肤无刺激，具有较强的洗涤去污能力，较好的耐酸碱、耐盐能力，还能与多种表面活性剂复配产生协同效应。近年来随着石油资源短缺和能源危机日益突出，合成表面活性剂及洗涤剂的生产成本越来越高。此外，大量合成洗涤剂的使用，对环境造成了严重的污染。因此，表面活性剂和洗涤剂必将朝着绿色、环保、可再生方向发展。 天然皂素制备与应用已列入国家“十二五”科技支撑计划，目前已开发出物理分离技术、水提技术、醇提技术及提取与同步纯化技术等，相关技术通过了教育部科技成果鉴定，申请发明专利7项，授权发明专利2项，出版专著1部。