研发阶段/n随着经济发展、科学技术的进步和人民生活水平不断提高，塑料玩具的用量与日俱增。可是，塑料制品发展到今天，面临两大难题，一是塑料原料来自石油，石油为非再生资源，几十年后面临着枯竭；二是现行塑料难于在自然界中分解，给生态环境造成了严重的"白色污染"。随着时间的推移，这两大难题面临着巨大的挑战。首先，随着世界石油量的减少，以石油为原料的塑料树脂价格一度上涨；其次，以聚氯乙烯（PVC）、聚甲醛（POM）等通用塑料制备玩具，由于它们在高温条件下分解对人体有毒的单体绿化氢、甲醛等造成污染。因此，发达国

06年，全国环境污染治理投资为2567. 8亿元；07年太湖蓝藻爆发，江苏省“铁腕治污”并投资40多亿元治理太湖，截至07年底，太湖地区已累计关停化工生产企业1894家，08年继续关停600家小化工企业；可见废水处理意义重大。传统方法无法处理高含盐量有机废水，电化学法在常温、常压下能彻底降解有机污染物为CO2，无二次污染，是处理废水有效方法。本技术开

本发明公开了一种常温常压下制备沸石的工艺方法及其应用，包括：粉煤灰与碱液混合，放于行星球磨机中，并采用直径不等的多个磨球在常温常压下执行研磨，并利用局部高温破坏粉煤灰中的莫来石等稳定晶体结构结构，干燥后即得到沸石结晶样品。通过本发明，能够以节能、便于操控的方式来制备沸石，而且能够获得综合性能更佳的产品。

本发明公开了一种常温常压下制备沸石的工艺方法及其应用，包括：粉煤灰与碱液混合，放于行星球磨机中，并采用直径不等的多个磨球在常温常压下执行研磨，并利用局部高温破坏粉煤灰中的莫来石等稳定晶体结构结构，干燥后即得到沸石结晶样品。通过本发明，能够以节能、便于操控的方式来制备沸石，而且能够获得综合性能更·652·佳的产品。

悬赏金额：10万元 发榜企业：深圳市一正科技有限公司 支柱产业集群：生物医药与健康产业集群 需求领域：生物工程与检测技术；轻工和化工生物技术；生物催化与发酵；智能制造装备 技术关键词：连续流酶催化；酶固定床；酶循环寿命；酯化反应或酰化反应

一种中低浓度废酸生产硫酸净化原料气工艺，目的在于提供一种中低浓度废酸(浓度为 20％～80％)的综合回收方法，其特征是以燃煤或燃气为能源，通过高温气化浓缩的废酸，而浓缩废酸的能源恰来自于高温气化浓缩废酸的降温过程，更进一步说，本发明工艺由高温气化分解、浓缩净化和降温除水工序组成，除水后的气体送硫酸生产的干燥、转化和吸收工序生产硫酸。包括燃烧装置 1、烟道 2、气化室 3、文丘里管 4、浓缩气液分离器 5、文丘里管 6、预热气液分离器 7、稀酸泵 8、浓酸泵 9、稀酸洗塔 10、稀酸循环泵 11、水洗塔 12、洗水循环泵 13、稀酸槽 14。本发明的有益效果是：整体工艺简单，生产硫酸净化原料气纯净，生产过程能耗低，具有可观经济效益。

淡水鱼产量的可持续增长依赖于其加工业的发展,市场上出现了一些利用淡 水鱼加工而成的产品,如鱼糜、鱼头豆腐、鱼罐头、风味休闲鱼干、醉鱼等,但由 于各种原因,这些产品总产量规模不大,淡水鱼加工率仍不足总产量的,明显制约着淡水鱼产业的可持续发展。已有产品所用的加工技术,均会受到一般淡水鱼鱼肉多肌间小刺特点的影响。传统罐头鱼采用高温蒸煮,但由于没有经过失当的脱水预处理,因而热处理时间不能过长,只能满足微生物学安全性要求,否则会使鱼肉质地溃烂,影响消费者接受性,因而,这种热处理强度不能使鱼肉肌间小刺得到有效软化。风味休闲鱼干制品技术,虽然可以实现鱼刺酥化目的,但一般采用高温油炸工艺,使产品带有过多脂肪,并且影响鱼肉形态。本发明可使多肌间小刺的淡水鱼块在保持形态完整的前提下使其中的鱼刺得到完全软化；利用这种发明处理后的鱼块，经过适当调理，可加工成各种淡水鱼成品；本发明可拓展淡水鱼的加工利用范围，促进淡水鱼加工率的提高。 专利的技术水平： 热风干燥：将盐渍后的鱼块在 40-45℃温度条件下热风干燥至鱼块内水分质量百分含量 40%-50%范围。 加压热风高温处理：将热风干燥后的鱼块,置于加压热风柜内,在 0.2-0.3MPa 压强条件下,利用 125-135℃的热风作加热介质处理 20-40min,处理结束后,在相同的压力条件下利用冷风使鱼块冷却到 30-40℃,即完成处理操作。 

成果介绍本发明公开了一种虚拟家装室内场景设计中的阴影渲染方法。包括阴影映射图生成步骤，半影估计步骤，基于泊松碟采样的百分比渐近滤波步骤，最后通过加入漫反射环境光，生成具有真实感的虚拟家装室内场景阴影效果图。本发明方法能够高效且能改善阴影映射图锯齿走样的问题。技术创新点及参数本发明提供一种真实感强烈，生成了场景中物体的软阴影而且速度快， 可以满足虚拟家装实时渲染要求的虚拟家装室内场景设计中的阴影渲染方法。市场前景本发明方法结合阴影映射图与百分比渐进滤波技术实现虚拟室内家装 的实时阴影效果渲染，不仅能够生成具有真实感的家装室内设计中的阴影渲染，而且 不会随着场景中三维物体复杂度增加而增加，无需预处理能够满足实时应用需求。该 技术对计算机虚拟现实在虚拟家装领域的应用具有重要意义。

本成果以专利形式体现（专利号 201310723968.2 ），生命科学大多以微生物为研究对象，有很多物种都是近缘的，无法用普通方法区分，本方法通过 PCR 方法可以快速区分，建立了一种设计特殊引物的方法。

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：