本项目提供了一种靶向肝癌细胞的纳米药物（LTAG-NPs）。该药物以天然多糖搭载临床广泛使用的铂类抗癌药物，具有合成简便，成分友好的特点，通过与肝（癌）细胞发生特异性结合，实现肝癌靶向效果。药物在肝部高效富集并在肿瘤细胞中释药。因此，LTAG-NPs在有效抑制肿瘤生长的同时，明显降低传统化疗药物强烈的毒副作用，提高患者顺从度和安全性。具有较高临床应用价值和转化前景。 体外释药实验表明，在肿瘤细胞环境下，LTAG-NPs 4 小时释放药物超过 20%，6 天药物全部释放，既在 6 天内缓慢持续释药；药物代谢实验证明，LTAG-NPs 在注射小鼠体内 24 h 后仍保持较高药物浓度，具有血液长循环效果；生物分布实验证明，纳米药物在肝部的富集是传统化疗药物的 5-6 倍，明显降低了在肾脏的积累；对于同时种有肝异位瘤和肺异位瘤的小鼠，LTAG-NPs 在肝异位瘤的富集量为肺异位瘤的 2.5 倍，说明具有优异的肝肿瘤靶向能力。体内抑瘤实验证明，纳米药物具有与传统化疗药物相当的抑瘤效果但毒副作用明显降低，尤其是明显降低了肾毒性。大剂量注射传统化疗药物的小鼠在5 天内全部死亡，而纳米药物组则保持存活率 100%，且小鼠体重稳步上升，体征良好。 以上动物实验全部由医院完成并进行相关评价

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。

研发阶段/n内容简介：马蹄学名荸荠，营养丰富，含有抗菌成分荸荠英，具有清热化痰、消积、生津止渴和润燥滑肠的作用，能治疗黄疽、热淋、目赤、咽喉肿痛及降血压。本研究以我国特产马蹄（荸荠）为原料，采用先进工艺及有效的护色技术，攻克了马蹄淀粉老化沉淀及褐变影响产品质量的技术难关，成功研制出马蹄天然果粒饮料。本产品不含化学合成防腐剂和色素，口感清凉爽口，甜而不腻，脆而不烂，色、香、味及营养价值保持了马蹄的原风味。已生产出易拉罐马蹄爽全天然果肉饮料试样三批，可直接实现工业化生产，加工马蹄爽副产品（孛荠皮）可制备

在徐晶课题组的系列研究中，团队均以含季碳双环二酮前体为出发点，利用快速骨架构建和高选择性化学反应为核心策略，高效地完成了多个相当具有挑战性的复杂虎皮楠生物碱的全合成。在虎皮楠生物碱Dapholdhamine B的全合成研究当中，徐晶课题组意外发现了一个1,5-氢迁移反应，并由此设计了Caldaphnidine O的一个高效自由基

植物香精油，又称芳香油，是天然植物和香料的精华，被誉为“植物香料的灵魂”，它是一类分子量较小的植物次生代谢产物，蕴含于植物香料体内，具有浓郁、鲜明的香气特征和一定挥发性。植物精油，在植物学上称精油（essential oil）或香精油（ethereal oil），商业上称芳香油（aromatic oil），化学和医药学上称挥发油（volatile oil），是天然香料的代名词，它是一类植物源次生代谢物质，是植物体内分子量较小，用水汽蒸馏的方法得到的，几乎不含高沸点成分，具有浓郁的芳香气味，有一定挥发性的油状液体物质。精油的提取目前常用的主要有传统的水汽蒸馏提取、压榨法、吹气吸附法和现代的超临界CO2提取。 本试验首次采用同时蒸馏萃取技术对天然植物（生姜）挥发性成分进行了提取，而且取得了良好的效果。同时蒸馏萃取（SDE，Simultaneous distillation and solvent extraction）是近年发展起来的一种易挥发成分提取方法。它把食品的浆液置于一圆底瓶中，圆底瓶连接在仪器的右侧；以一鸡心瓶盛装溶剂，连接于仪器的左侧，2瓶分别加热，水蒸汽和溶剂蒸汽同时在仪器中部被冷凝下来，水和溶剂不相混溶，在仪器的“U”形管中被分开来，分别流回两侧的瓶中，结果蒸馏和提取同时连续进行，并且只需要少量的溶剂就可提取大量的食品。该方法利用Likens-Nickerson装置，把蒸馏和萃取两步合二为一，提高了提取效率，减少了溶剂用量，节省了时间；并且同时蒸馏萃取得到的挥发油不需复杂预处理，可直接进行GC/MS分析，免去了操作污染，节省了萃取时间，得到的提取物气味浓郁，能把mg/L级挥发性有机成分从脂质或水质介质中浓缩数千倍。同时蒸馏萃取应用在苦杏仁挥发油、花椒挥发油、四川凉山杜鹃挥发油、芥末膏制品的风味成分的提取中并达到了很好的提取效果，在乌龙茶和鲜茶香气成分的提取上也有应用；该法还用来提取牛肉风味料、蒸煮鸡肉中的挥发性香气成分，甚至还可以对烟草中的挥发性成分进行提取。

淀粉类食品的改良的发明很多，目前市售的淀粉类食品改良剂一般采用无机盐类与表面活性剂进行复配，例如明矾，碳酸盐，亚硫酸盐，乳化剂，蛋白粉等。这些该良剂它们对淀粉类食品，如拉面、面包等进行改良，可增加韧性，调节硬度和口感。但无机盐类食品添加剂会对人体产生一定的毒性，长期食用会对人体产生不良的影响。针对上述的传统淀粉类食品添加剂对人体长期产生的不良影响，开发出一种天然无害且品质好的改良剂是一个亟待解决的问题。 作为淀粉类食品的添加剂需具备以下条件：性能稳定，对人体无毒副作用，温和无刺激性，具有营养性，口感清香，能够与淀粉长链分子发生作用，对淀粉类食品加工过程中的流变性能以及面团的韧性，硬度，保水性，表面光洁度等性能有很好的改善。制备方法简单，耗能少，成本低，在干燥状态下稳定性好。 本项目包括天然小麦蛋白的复合改性方法及在淀粉类食品中的应用范围。关键技术已申请一项国家发明专利（200710009677。1，CN 101138384A）。 二、技术成熟度 制备出的复合改性小麦蛋白的乳化性、膨润性明显提高，与淀粉长链分子作用形成三维网络结构，改善了淀粉类食品的内部质构，增强了淀粉类食品的韧性，去酰胺的得到的部分小分子物质具有优越的乳化性能，可以替代食品的乳化剂。本产品作为淀粉类食品添加剂的替代物，是一种天然的无公害、环境友好产品，具有极高的营养价值。 三、投产条件和预期经济效益 效益分析：小麦蛋白1000元/吨，投资总额100万元，生产能力2000吨/年、 年产值2000万元。

天然纤维增强塑料复合材料在市场上持续增长显著。2000年，北美天然纤维增强复合材料的市场已经超过1.5亿美元，到2005年，整个市场销售超过14亿美元，年增长54%。但是天然纤维热塑性复合材料作为新材料在我国尚处于起步阶段，还没有形成产业。 华东理工大学聚合物加工室用黄麻纤维毡增强聚丙烯，制得天然纤维复合材料（NMT），通过添加不同改性剂和填料，对纤维进行表面处理以及和玻纤混杂等方式，较显著地提高了麻纤维复合材料的力学性能。和长春一汽四环车身车架厂合作，将麻纤维增强聚丙烯复合材料应用于试制卡车侧护板。

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：