本实用新型公开了一种抗堵滴喷带，包括柔性条形带和多个喷头；柔性条形带的中部为喷灌区，柔性条形带的两侧部分别为紊流区，紊流区与喷灌区之间依次设置有滴灌区和中间连接区；其中一紊流区中设置有多条波纹状凹槽，喷灌区中开设有多个安装孔；喷灌区形成喷灌通道，两个滴灌区相对布置并连接在一起形成滴灌通道，两个紊流区压合在一起形成侧翼，侧翼中的波纹状凹槽形成紊流通道，紊流通道的进口和出口分别连通滴灌通道，两个中间连接区压合在一起形成连接翼，连接翼位于滴灌通道与喷灌通道之间；喷头包括基座、蓄液槽体、第一基片、第二基片、弹簧和螺母。实现提高抗堵滴喷带的使用可靠性并丰富抗堵滴喷带的功能。

成果简介：凡是噪声环境恶略、且需要通话的场合，都适用抗噪声通话系统。达到国外抗噪声通话产品的性能指标。 项目来源：自行开发 技术领域：先进制造 应用范围：为航天医学工程研究所研制的各种类型抗噪声通话系统全部用于航天员训练工作，解决噪声对人体的侵害，提高噪声环境下的工作效率。适合推广应用。 现状特点：噪声环境下可实现多点控制双向通话，支持有线、无线两种工作方式，在噪声环境高达120dB，能确保通话清晰、设备可靠。 所在阶段：小规模

超滤技术主要用于含分子量100～1000,000的物质的分离，是目前应用最广的膜分离过程之一。超滤是通过膜的筛分作用，将溶液中粒径大于膜孔径的大分子溶质截留，使小分子组分透过超滤膜，达到分离目的的膜过程。超滤作为一种新型高效的膜分离技术，具有无相变、操作条件温和、无第三组分引入、工艺流程简单等优点，可代替传统的分离技术，如精馏、蒸发、萃取、结晶等过程，但是超滤过程中的膜污染严重限制了超滤在分离领域的更广泛应用。国际纯粹和应用化学协会 IUPAC 将膜污染定义为由于悬浮物或可溶性物质通过物理化学作用或者机械作用，在膜的表面及膜孔内部吸附或沉积，导致膜孔堵塞或变小、膜通量降低的过程。目前，解决高分子超滤膜污染的根本途径是开发低污染超滤膜，包括开发新型高分子材料及对现有超滤膜进行表面改性。前者制膜成本较高，并在大规模应用上存在困难。而对现有膜进行表面改性则成为解决高分子超滤膜膜污染的有效途径。

本研究将构建重组溶瘤腺病毒，以期达到治疗实体肿瘤（肝癌）的目的。在肿瘤局部，利用溶瘤腺病毒诱导的炎症引起免疫细胞浸润。同时病毒可以感染并裂解肿瘤细胞，导致肿瘤相关抗原释放。而重组溶瘤腺病毒可以同时使被感染的细胞表达免调控融合蛋白PD1CD137L，在活化T 细胞的同时封闭肿瘤表面PD-L1 传递的负向信号。最终使得机体的免疫细胞能够识别肿瘤抗原，并产生特异性抗肿瘤免疫应答，最终达到清除肿瘤的目的。

抗倍特铝蜂窝板

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：

该项目是在国家自然科学基金《肌球蛋白轻链激酶基因调控在肿瘤细胞转移中作用》和《肌球蛋白轻链激酶在肿瘤转移中的作用及其分子机理研究》项目的资助下完成的。目前，正在应用高转移倾向的人乳腺癌细胞系进行肿瘤转移分子机理的研究。/line肿瘤的侵袭与移转是恶性肿瘤最基本的生物学特性之一，也是肿瘤患者死亡的重要原因。然而，有关转移的确切机制目前尚不十分清楚。因此，肿瘤转移一直是肿瘤学研究的一个热点。建立理想的肿瘤转移动物模型对深入进行肿瘤转移的研究具有重要的意义。SCID鼠为严重联合免疫缺陷（Severecombinedimmunodeficiency，SCID）鼠，几乎完全丧失T和B淋巴细胞免疫功能，缺乏体液和细胞免疫功能。本方法2003年6月27日申请了国家发明专利，申请号：03130264.5，我们应用SCID鼠肿瘤转移动物模型，从乳腺癌细胞系MCF-7筛选到了一株具有高转移倾向的乳腺癌细胞株，命名为LM-MCF-7，为乳腺癌MCF-7细胞的转移亚克隆。/line技术指标和成熟程度：本发明采用含有小牛血清的RPMI1640培养液培养LM-MCF-7细胞，使其能体外长期生长和稳定传代。经实验观察与验证，体外生长的LM-MCF-7具有典型的上皮样形态，接触生长抑制丧失。遗传学研究证实该细胞为异倍体，染色体数目和结构畸变严重，符合恶性肿瘤的遗传学特征。该细胞SCID鼠接种成瘤率为100％，与MCF-7细胞相比成瘤早，转移快，转移脏器范围更广泛。经检测，LM-MCF-7细胞系仍保留瘤组织原有的生物学特性，它的建立可为乳腺癌转移机制的基础研究和临床的干预研究提供理性的配对细胞模型。

硅溶胶在涂料方面的应用非常广泛，其独特的物理和化学性质为涂料带来了多种优异的性能。 一、硅溶胶在涂料中的基本作用 提高涂料的稳定性： 硅溶胶具有良好的悬浮性和分散性，能够有效地防止涂料中的颜料和填料沉淀。当硅溶胶添加到涂料中时，其胶体粒子能够在颜料和填料表面形成一层保护膜，防止粒子间的聚结，从而提高涂料的储存稳定性。 增强涂层的附着力： 硅溶胶中的硅羟基能够与涂料中的有机基团发生化学反应，形成化学键合，增强涂层与基材之间的结合力。这种化学键合不仅提高了涂层的附着力，还使得涂层更加致密，有效防止了水分、氧气等外界物质的侵入，延长了涂层的使用寿命。 改善涂层的耐候性： 硅溶胶具有优异的耐候性能，能够抵抗紫外线、风雨、盐雾等自然环境的侵蚀。当硅溶胶添加到涂料中时，能够形成一层耐候性极佳的保护膜，保护涂层不受外界环境的破坏，保持涂层的色泽和光泽度。 二、硅溶胶对涂料性能的提升 提高涂层的硬度和耐磨性： 硅溶胶中的硅氧键具有较高的键能，使得硅溶胶具有优异的硬度和耐磨性。在涂料中加入硅溶胶，能够显著提高涂层的硬度和耐磨性，使得涂层更加坚硬、耐磨，适用于各种高磨损场合。 调节涂料的流变性能： 硅溶胶的粘度可以通过调整其浓度和pH值来进行调控。在涂料中加入适量的硅溶胶，可以有效地调节涂料的流变性能，使涂料在施工过程中更加易于涂抹和流平，提高施工效率。 改善涂料的抗污染性： 硅溶胶具有较低的表面张力，不易被污染物吸附，因此具有优异的抗污染性能。将硅溶胶添加到涂料中，可以使涂料表面更加光滑、不易沾污，从而提高涂料的抗污染性，保持其长期的美观性。 提高涂料的防火性能： 硅溶胶具有一定的阻燃性能，能够在高温下形成一层保护层，阻止火势的蔓延。将硅溶胶添加到涂料中，可以提高涂料的防火性能，增强建筑物的安全性能。 三、硅溶胶在涂料中的具体应用 水性涂料： 在水性涂料中，硅溶胶作为重要的添加剂，可以提高涂料的稳定性、附着力、流平性、耐候性、硬度和耐磨性，同时减少有机溶剂的使用量，降低涂料对环境的污染。 建筑涂料： 将硅溶胶添加到建筑涂料中，可以提高涂料的附着力、耐擦洗性、耐候性、硬度和耐磨性，同时改善涂料的自清洁、防水防渗、防磨损、腐蚀、保色性等性能。 特殊涂料体系： 硅溶胶可以与水性高分子化合物和聚合物乳液混合，用于制备有机-无机复合涂料。这种复合涂料在密封底漆、弹性涂料、防水涂料、低PVC涂料等多种涂料体系中都有应用，可以改善涂层的性能并掩盖涂层本身的缺陷。 四、硅溶胶在涂料应用中的优势 环保性： 硅溶胶作为一种无机材料，不含有毒有害物质，对环境友好。在涂料中使用硅溶胶，能够减少有机溶剂的使用量，降低涂料对环境的污染，符合绿色环保的发展趋势。 多功能性： 硅溶胶能够同时提升涂料的多种性能，如附着力、耐候性、硬度和耐磨性、抗污染性、防火性能等，是一种多功能的涂料添加剂。 广泛的应用前景： 随着涂料工业的不断发展，硅溶胶作为一种高性能的涂料添加剂，将在更多领域得到应用和推广，如建筑、汽车、航空、船舶等领域。