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：

枇杷叶是一种传统中药，含有多种活性成分。为了研究枇杷叶化学成分的结构及药理活性，本技术对枇杷叶进行提取分离，鉴定所得成分的结构，并且检测部分化学成分的抗肿瘤活性。分离鉴定：枇杷干燥叶经过90%乙醇回流提取后，浓缩提取液，逐次萃取浓缩液，分别进行分离纯化，结果从枇杷叶乙醇提取物中分离到15个化合物。依据理化性质和波谱数据鉴定所得化合物为：乌苏酸(1)、蔷薇酸(2)、2α,3α,19α-三羟基-12-烯-28-齐墩果酸(3)、齐墩果酸(4)、2α,19α-二羟基-3-羰基-12-烯-28-乌苏酸(5)、2α,3β,13β-三羟基-11-烯-28-乌苏酸(6)、2α-羟基白桦脂酸甲酯(7)、科罗索酸甲酯(8)、乌苏醇(9)、科罗索酸(10)、β-谷甾醇(11)、2α,3α,19α,23-四羟基齐墩果酸(12)、正二十一烷醇(13)、2α,3β,19α,23-四羟基-12-双键-28-O-β-D葡萄糖乌苏苷(14)、槲皮素(15)。化合物6、7、9、12、13和14首次从枇杷属植物中分离得到。抗肿瘤活性实验：本技术利用MTT法、CCK-8试剂盒检测法来检测枇杷提取物对癌细胞的抑制率。结果发现化合物1、10和混合物在体外对PC-3细胞具有很好的抑制率，化合物4和12对PC-3有一定的抑制作用。化合物1和10在体外都对B16-F10细胞有抑制作用。再用酶联免疫的二位点一步法来检测三萜对B16-F10小鼠黑色素瘤分泌INF-γ、TNF-α的影响，研究三萜对肿瘤细胞产生抑制作用的机理，但发现INF-γ、INF-α的分泌量没有增加。

已有样品/n该项目所开发的仪器设备可以实现对FNRBCs 准确、高效、快速、低廉的分离与富集，并进行基因组层面的全面分析，为无创性产前诊断技术的发展及相关科学研究的深入提供有力的推动和支撑平台。项目团队在该研究领域进行了长期的研究工作，积累了大量经验，并取得了一定成绩。该成果，方法独特，效果明显并成功用于三体综合症检测。

骨质疏松症 (osteoporosis) 是一种以骨量减少、骨组织微细结构破坏导致骨脆性增加和骨 折危险增加为特征的系统性、全身性的骨骼疾病，多发于老年人和绝经后妇女。经皮椎体成形 术 (Percutaneous vertebroplasty，PVP) 和经皮球囊后凸成形治疗术 (PKP) 已被公认为治疗因骨质 疏松而导致的脊椎椎体压缩性骨折的最佳手段。目前该项目已攻克并形成可膨胀球囊的制备工 艺、定型仪器设备，形成了产品性能测试标准及方法。 目前达到的技术指标：可膨胀球囊在体外球囊可承受200 psi的压力5次以上，最大耐受压 力为不低于300 psi，导管最大直径为3.40 mm。

相关专利提出了一种新型的延长导管，用于冠脉介入治疗时增加指引导管的支撑力

相关专利提出了一种新型的延长导管，用于冠脉介入治疗时增加指引导管的支撑力应用范围:该指引导管提出一种新式的延长导管。该导管较以往的延长导管增加支撑力的作用更大，更加利于输送器械。效益分析:本实用新型的目的在于提供一种新型的延长导管。该导管的头端带有可充气的球囊。在送入延长导管后将该气囊膨胀，可以将该延长导管固定在罪犯血管内，较以往的延长导管更加增加支撑力，输送器械的力量更强。

球磨机磨球在我国的工业行业中消耗量极大，为解决低生产成本、低磨耗的问题。特开发了可供小型生产企业进行生产的稀土低铬铸铁磨球技术。本技术采用稀土合金变质处理以及先进的金属型铸造工艺，无须高温热处理，即可得到组织致密、韧性较高、硬度适中的磨球。解决了常规低铬铸铁磨球韧性差、易破碎等缺点。其综合机械性能为：硬度HRC50～58，冲击韧性αk�5.5J/cm2(普