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：

本实用新型公开了一种钢柱脚抗滑移装置，包括滑槽及安装在滑槽上的钢柱脚；所述钢柱脚的侧壁上设有用于限制其沿滑槽水平位移的钢支撑，滑槽中设有型钢，螺栓底座卡设在型钢的底部，螺栓底座中垂直固定有高强地脚螺栓，高强地脚螺栓的顶部穿过钢柱脚，并通过螺母固定在钢柱脚上，型钢的顶面、高强地脚螺栓的外露面与螺母的表面均包裹有抗火岩棉。本实用新型结构简单，构造合理且新颖，对钢柱脚支撑强度大且使钢柱脚可以抵抗水平及竖向荷载，保证钢柱脚不会产生滑移。

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

本发明属于医药技术领域,公开了穿心莲内酯衍生物在制备预防和治疗肝纤维化药物中的应用,涉及15苄亚基14脱氧11,12脱氢穿心莲内酯衍生物及其3,19酯化物.经实验证明,该类化合物显著抑制人肝星状细胞LX2迁移,活化.显著降低肝纤维化大鼠肝组织纤维化水平,降低细胞外基质蛋白(ECM)相关组分含量;显著降低肝纤维化大鼠免疫炎症相关因子的水平,并有效抑制免疫炎症反应;抑制肝组织中肝星状细胞活化,促进胶原降解.将该类化合物作为活性成份用于制备抗肝纤维化药物,高效低毒,为肝纤维化的治疗和预防提供了新的药物途径,从而扩大了临床用药的可选择范围,具有良好的应用开发前景.

本发明公开了一类新的2，5，6位取代嘧啶酮衍生物，其具有良好的抗乙肝病毒（HBV）活性。目前临床用于治疗乙肝病毒的药物皆为核苷类化合物。而抗HBV非核苷类化合物还处于研发阶段。探究其作用机制，对于发展新型非核苷类抗HBV药物，特别是对抗临床常用药物耐药的问题，具有特别重要的意义。

简介： 抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。 我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。  优势： 1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍 2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率 3、计算方法已经得到了实验从正、反两方面的验证。 图1：深度学习算法预测蛋白质相互作用时界面氨基酸配对:成功率72.1% 图2：计算相互作用得到了实验从正、反两方面的验证