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。

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：

成果内容：用仿细胞膜结构聚合物涂覆改性生物材料及器件可得到优异的血液相容性及组织相容性。研发的仿生涂层构建技术可简便地用于多种医疗管路、导管及器械表面改性，显著降低蛋白质吸附达90%、细菌粘附99%、凝血及补体激活均减少80%以上。相关研究连续获得6项国家自然科学基金项目资助；获授权发明专利20项；关键技术通过陕西省技术成果鉴定，发明的仿细胞膜结构聚合物涂层的构建及调控技术国际领先。 成果用途： （1）仿细胞膜人工肺（高端产品）。血液蛋白质吸附减少90%，血小板粘附减少96%，凝血及补体激活均减少80%以上。抗血栓形成时间延长10倍。 （2）对血液透析器涂覆改性后可获得具有仿细胞膜涂层的血液透析器。可以显著降低对血液蛋白质吸附、血小板粘、凝血及补体激活等不良反应，从而大大降低病人在血液透析过程中出现瘙痒、头晕、恶心、呕吐、不宁腿综合征等过敏性不适症。 （3）将仿细胞膜结构聚合物涂层构建在导尿管、人造血管等管路内、外表面，可获得高效抗菌、抗凝、润滑等性能优异的医用导管。 成果成熟度：中试产品阶段（已解决关键技术，需要合作进行产业化攻关） 转化方式：技术转让、合作开发 成果授权情况 专利号 专利名称 专利状态 ZL201110203771.7 利用RAFT聚合技术在材料表面构建仿细胞外层膜结构涂层的方法 授权 ZL201110205373.9 仿贻贝粘附蛋白和细胞膜结构共聚物及其制备方法和应用 授权 ZL200910219143.0 一种仿细胞外层膜结构修饰涂层制备的方法 授权 ZL201310469385.1 一种通过聚多巴胺涂层构建功能化表界面的方法 授权 ZL201510013872.6 含磷酰胆碱和聚乙二醇的功能聚合物及其抗污涂层的构建方法 授权 ZL201610120275.8 功能型仿细胞外层膜立体结构涂层的构建方法 授权 ZL201510014112.7 贻贝粘附和细胞膜抗污双仿生多臂PEG及其制备方法 授权 ZL201910027531.2 一种仿生聚合物及制作耐久性双仿生聚合物涂层的方法及应用 授权 202011156925.7 一种两性离子聚合物与肝素复合涂层和制备方法及其应用 受理 202010000137.2 一种交联稳定聚合物刷涂层的构建方法 受理  

本发明涉及抗菌剂的制备，旨在提供一种缓释型银基抗菌剂的制备方法。包括：将聚苯乙烯微球加入浓硫酸中，搅拌2~8 h后反复离心、洗涤，然后分散到无水乙醇中，得到磺化聚苯乙烯分散液；再加入氯化亚锡水溶液，室温下搅拌、离心、洗涤后，将所得固态产物加入到溶有酒石酸钾钠的银氨溶液中，室温下搅拌，再加入异丙醇，得到载银聚苯乙烯复合微球分散液；然后加入正硅酸乙酯和氨水，室温下搅拌；所得产物经离心、洗涤后，在550℃下煅烧，即获得缓释型银基抗菌剂。本发明使负载在二氧化硅球壳内壁的银可以从球壳上的介孔缓慢扩散到球壳外部，起到杀菌抗菌的作用；可有效避免传统抗菌剂因银负载于材料外表面易发生的活性成分流失、抗菌性能降低等问题。

利用廉价的农作物秸秆提取纤维素进行功能化改造并制备托盘鲜肉食品保 鲜垫，实现货架期延长，维持肉制品良好卖相，有效防止废弃秸秆在焚烧处理时 造成的环境污染，为冷鲜肉向乡镇远距离配送提供了可行性参考。 创新要点 技术产品主要改善鲜肉制品包装形式，延长货架期，维持良好卖相；同时实 现农作物秸秆合理应用，实现其深加工。 

项目成果/简介:成果内容：用仿细胞膜结构聚合物涂覆改性生物材料及器件可得到优异的血液相容性及组织相容性。研发的仿生涂层构建技术可简便地用于多种医疗管路、导管及器械表面改性，显著降低蛋白质吸附达90%、细菌粘附99%、凝血及补体激活均减少80%以上。相关研究连续获得6项国家自然科学基金项目资助；获授权发明专利20项；关键技术通过陕西省技术成果鉴定，发明的仿细胞膜结构聚合物

卤胺化合物(N-halamine)是一种新型高效抗菌剂。这种化合物具有一系列不 可替代的优点：如高效抗菌性、抗菌功能可再生性、广谱抗菌性等。本项目研究 卤胺化合物纺织品的制备及其应用。以高效抗菌、耐久、生物相容为目标，通过297 设计和合成卤胺化合物前驱体，并将以化学方法接枝于纺织品上，制备出性能优 良抗菌纺织品材料。 2 关键技术 经过改性后的纺织品能够在 5-10min 内杀死浓度为 10^6-10^7 的大肠杆菌 和金黄色葡萄球菌，具有优异的抗菌性能。其次，抗菌纺织品具有较好的耐水洗 性能，经过 50 次机洗后抗菌组分得到了较好的保留。第三，抗菌组分具有较好 的紫外稳定性，经过 24 小时紫外光照射后，活性成分得到了很好的保留。同时， 本项目还实现了抗菌、抗皱、抗紫外等纺织品的动功能整理的同时进行，实现了 抗菌和染色的同浴进行。 3 知识产权及项目获奖情况 一种卤胺类抗菌剂及其制备方法和应用 201210293286.8 一种反应型卤胺类抗菌剂及其合成方法和应用 201310475978.9 4 项目成熟度 小批量生产阶段 5 投资期望及应用情况 应用情况：张家港互益染整有限公司、江苏悦达纺织集团有限公司

本项目结合目前先进的生物技术、面膜和抗菌医用敷料生产技术培育两类高附加值新型生物技术产品：生物纤维面膜和抗菌性生物医用敷料。 目标产品生物纤维面膜，基料采用了微生物合成纳米纤维素材料，是100%的纯天然材料，材质均匀细致，韧性、持水性强，与皮肤相容性、服贴性佳，是生产面膜的理想基料。采用新型清洁发酵生产工艺和后处理技术，大批量提供优质生物纤维面膜原料，独立研发，推出保湿、美白两大类生物纤维面膜。 目标产品抗菌促愈医用生物敷料，是在细菌纤维素基体中均匀植入纳米银粒子后，通

本实用新型公开了一种产妇用一次性抗菌卫生内裤，属于日用服装技术领域。该产妇用一次性抗菌卫生内裤，包括内裤本体，内裤本体的裤裆部分设有由三层材料粘合于一体构成的吸湿垫，吸湿垫自内而外依次为抗菌层、吸附层和底层防漏层。抗菌层中喷洒有中草药，其对皮肤和粘膜均无刺激作用，由于产妇产后基本为卧床休息、阴道排出物较多，阴部吸湿垫面积较大；双侧布绳连接，方便穿脱。