中国药科大学多个研究团队进行技术攻关，开展了抗新型冠状病毒（2019-nCoV）潜在药物的筛选研究工作。药物科学研究院副研究员余文颖团队一改“基于靶点找药”的传统研究思路，创新筛选方式，即以现有的X-RAY单晶衍射证明的有活性的SARS抑制剂为模板，采用基于配体的药物设计方法，在所有上市药物里进行药物筛选，迅速发现了多种可能对新型冠状病毒有效的药物，具有潜在临床应用价值。 通过具体分析，余文颖团队找到了1个广谱抗病毒药物和3个抗HIV蛋白酶抑制剂、1个ACE抑制剂类的抗高血压药物、1个治疗肺结核的抗菌药和10个广谱抗菌药物等。这些药物单独或者联用组合，可为新型冠状病毒感染肺炎患者临床治疗提供参考。 此次筛选获得的药物里还包含了一个常用的保健药品——叶酸。余文颖团队认为，服用叶酸是否能够起到一定的预防作用还有待进一步验证。他们后续将继续深入开展针对性的抗新型冠状病毒的药物活性测试，以期为临床研究和治疗提供更为有力的指导。抗菌药物

1.痛点问题 目前已存在多种高通量筛选互作蛋白及互作调控物的技术，其中被学术界和工业界广泛运用的体外技术主要包括：荧光偏振、表面等离子共振、荧光共振能量转移(FRET、NanoBRET)、Alpha技术（如AlphaScreen）等，但相关技术均存在一定局限：例如，细胞水平实验试剂成本较高、生化实验存在一定假阳性率等。本项成果提供了一种新的不同于已有机制的化合物筛选方法，有利于更好的进行复杂蛋白-蛋白相互作用的评估。 2.解决方案 利用对生物大分子的高度富集效应以及相变液滴易于观察的特性，将微观的分子互作通过宏观的相变现象表现出来，在细胞层面建立了生物大分子的互作检测及高通量筛选互作调控物的新技术体系。

由于基于酶抑制法的农药快速 检验中所使用的动物来源的酣酶普遍存在着提取成本高，活 性不稳定， 不易于保存的间题。本团队从芸豆中筛选并纯化出一种植物酣酶。通过底

1.微电脑控制,中文界面,液晶显示,触摸键操作,简洁、直观、方便。全程电脑自动控制，开机自动加热并恒温。2.分摊片、烤片、烘片三个功能区。3.温度控制：0-99　℃预设，恒温精度±１℃

（一）蜡样芽孢杆菌蜡样芽孢杆菌NJYH63305是团队自行筛选的有益芽孢杆菌，广泛应用于农业、医药、食品保健、饲料等领域。在农业领域，是一种集抑菌、杀虫、促生于一体的环境友好型高效生防制剂，对茶轮斑病菌、黄瓜枯萎病菌、立枯丝核菌、烟草赤星病菌、茶云纹叶枯病菌、小麦全蚀病菌、小麦纹枯病、尖镰孢菌、镰刀菌、终极腐霉菌等植物病害及小菜蛾具有较强抑制作用。在医药领域，可调节人体肠道微生态平衡，适于治疗急慢性痢疾、肠炎、腹泻、婴幼儿腹泻引起的肠功能紊乱等；在食品保健领域，可作为食品添加剂，长期服用能促进营养物质的消化吸收，减少肠道疾病的发生，提高免疫能力、增强抗病能力。 1、蜡样芽孢杆菌国内外研究进展目前，国内外蜡状芽孢杆菌研究大多处于实验室内研究阶段，其商品化并应用于农业防治的实例较少。国内市场上蜡样芽孢杆菌农用制剂大部分为复配试剂，同时其大规模培养过程中也存在不少问题，如发酵放大过程信息采集困难、制剂有效期不长、产品货架期短等，这些问题的深入研究对解决蜡样芽孢杆菌高密度培养瓶颈、降低蜡样芽孢杆菌生产成本、促进细胞大规模培养领域重大突破具有重要意义。2、本课题组技术优势（1）团队以项目为纽带，建立了蜡样芽孢杆菌在线监控的高密度培养与多阶段发酵集成技术，在1000L发酵罐上蜡样芽孢杆菌活菌数高达800亿个/g, 比初始培养提高了230%，达国际领先水平；（2）筛选的芽孢保护剂，可提高蜡样芽孢杆菌活性，延长半衰期40％以上；（3）协同江苏省农科院及南京农业技术推广站进行绿色防控技术推广，于江苏浦口林大蔬菜基地、江宁区湖熟街道设施蔬菜基地、溧水傅家边茶厂等地建立2800亩示范区，重点试验核心区460亩。推广示范区内，蜡样芽孢杆菌对水稻纹枯病、灰霉病、晚疫病等真菌病害抑制率达51.8％～85.9％，与苏云金芽孢杆菌（Bt）进行增效试验，小菜蛾杀灭率提高29%，降低化学农药使用量50％以上，农药残留量低于国家无公害农产品标准；（4）目前已在国内外重要期刊发表学术论文10余篇，出版专著《高效有益微生态制剂开发与利用——蜡样芽孢杆菌》，申请国家发明专利4项，授权3项，其中3项（ZL200910028025.1、ZL201010579133.0、ZL200910028320.7）在南京新百药业有限公司成功实现转化。（二）凝结芽孢杆菌团队自行筛选获得一株益生凝结芽胞杆菌NJYHHWG 877005，除具有和乳酸菌及双歧杆菌同样的保健功效外，还具有耐酸、耐热、耐盐、容易培养和保存的特点。凝结芽孢杆菌为兼性厌氧菌，进入肠道后会消耗游离氧，有利于厌氧微生物乳酸菌和双歧杆菌的生长，多用于调节肠道内微生态菌群平衡，团队自主知识产权的凝结芽胞杆菌NJYHHWG 877005对甜瓜枯萎病菌、番茄早疫病菌、西瓜炭疽病菌等有很强的防治效果，可进行新型高效生物农药的开发。

病毒的同源性包括基因组核苷酸序列的同源，也包括蛋白质氨基酸序列的同源。在序列比对方面，穿山甲冠状病毒与新冠病毒在氨基酸序列同源性方面超过90%的相似度。对于药物筛选来说，蛋白质氨基酸序列的同源性越高，意味着病毒生命活动的方式越相近，可以形象地理解为，两个病毒的“行为方式”非常一致。这种“行为方式”与新冠病毒极为相似的病毒，能不能替代新冠病毒用于药物筛选呢？童贻刚敏锐地意识到：如果可以，那么“筛药”工作将在针对新冠病毒的同时，也保障了实验的安全性，筛药工作将走出高安全等级实验室，走进普通P2实验室。

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：

本发明提供了一种高含油量花生的定向筛选方法，本发明利用在培养基中添加羟脯氨酸来筛选高含油量花生，在添加有羟脯氨酸的培养基中，耐脱水能力弱、一般含油量花生的细胞因失水而凋亡；耐脱水能力强、高含油量花生的细胞才能存活，凡是能在该培养基上成活和正常发育的花生细胞，其含油量必定是高的；凡是不能在该培养基上成活和正常发育的花生细胞，其含油量必定是低的；以此技术形成了高含油量花生的定向培育技术。本发明通过定向