一、项目进展 已注册公司运营 二、企业信息 企业名称 成都网缝石油科技有限公司 企业法人 林然 注册时间 2020.04.01 注册所在省市 四川成都市 组织机构代码 MA66R4WN-3 经营范围 油气田技术开发、技术服务、技术咨询、技术转让；软件开发；销售；油田化学助剂（不含危险化学品） 企业地址 成都市新都区新都大道8号西南石油大学科技园大厦9楼902 获投资情况 无（独资） 三、负责人及成员 姓名 学院/所学专业 入学/毕业时间 学号 符肇邦 石油与天然气工程学院/石油工程 2018年9月/ 2022年6月/ 201831010809 四、指导教师 姓名 学院/所学专业 职务/职称 研究方向 林然 石油与天然气工程学院 副研究员 油气田增产改造理论 五、项目简介 我国的页岩气储量丰富，可采储量达31.6万亿方，但由于页岩低渗致密的特殊地质环境，导致压裂施工参数精确性低，页岩气压裂开采难度大，开发效益低。成都网缝石油科技有限公司，推出全球首款页岩气压裂诊断决策产品——谢尔盖斯软件平台，攻克了页岩气压裂参数实时诊断与精准决策两大行业难题，填补了世界技术空白，实现了页岩气开发的提质增效。

XM-926仿汉斯头模   XM-926仿汉斯头模由头模、金属支撑杆、上下颌金属底座和镙丝组成，可使头模固定在牙科诊疗台上，头模侧面可任意调节和固定头模位置，口腔安装仿真标准全口牙模和上、下颌金属底座。 尺寸：自然大 材质：PVC材料

XM-926仿汉斯头模   XM-926仿汉斯头模由头模、金属支撑杆、上下颌金属底座和镙丝组成，可使头模固定在牙科诊疗台上，头模侧面可任意调节和固定头模位置，口腔安装仿真标准全口牙模和上、下颌金属底座。 尺寸：自然大 材质：PVC材料

产品详细介绍

黄骅菲斯福实验仪器有限公司创立于90年代，坐落在渤海之滨-黄骅，占地40000平方米，员工200多人，是一个专业的仪器制造商。经过多年的发展，公司已成为集研发、生产、销售为一体的集团化高新技术企业，并拥有自己的品牌。 公司以“科技领先服务无限”为宗旨，以品质管理为基石，并结合现代化的管理、先进的主流工艺、一流的技术力量致力于打造具有国际竞争力的品牌。公司已通过ISO9001质量体系认证和CE认证。主要产品包括：干燥箱，培养箱，磁力搅拌器，电热套，蒸馏水器，人工气候箱，陶瓷纤维马弗炉，水浴锅，净化工作台，粉碎机，漩涡混合器等。我们在积极开发国内市场的同时，更致力于国际市场的开拓，目前我公司产品已经销往德国，法国，西班牙，印度，俄罗斯，土耳其，巴西，美国，加拿大，阿根廷，墨西哥，智利，印度尼西亚，伊拉克等三十多个国家地区，得到了国外客户的广泛认可。我们真诚的感谢国内外朋友的支持，愿与新老朋友合作到永远。

项目背景：1.夹层玻璃是由两片或多片玻璃，之间夹了一层 或多层有 PVB 膜，经过特殊的高温预压及高温高压工艺处理后， 使玻璃和中间膜永久粘合为一体的复合玻璃产品。2.夹胶玻璃因 其所具有的安全性、防盗性、隔音型、防紫外线、节能等性能广 泛应用于国内外汽车安全玻璃、建筑安全玻璃、太阳能光伏等领 域。 所需技术需求简要描述：1.PVB 膜片：①汽车前挡风玻璃用 夹层 PVB 膜的抗穿透性。试样规格 2mm 玻璃+0.76mm 胶片+2mm 玻 璃，300mm*300mm.用 2260 克的钢球在一定高度自由落体砸玻璃， 目前可以承受 3.5 米高度，目标需求胶片可以承受 4.2 米高度； ②汽车前挡风玻璃用夹层 PVB 膜的低温抗冲击性。试样规格 2mm 玻璃+0.76mm 胶片+2mm 玻璃，尺寸 300mm*300mm，在零下 20 摄 氏度条件下，用 227 克钢球在一定高度以自由落体方式砸玻璃， 目标需求可以承受 11 米高度。2.聚乙烯醇缩丁醛“PVB”：聚乙 烯醇缩丁醛的生产过程中第一步 PVA+丁醛的缩合反应，目前是 采用盐酸作为催化剂。寻找替代盐酸的催化剂或者无催化剂的方 法，要求替代材料低成本且无污染。  对技术提供方的要求:具有开展项目研发的能力及人员设备支持，以及验证和判断的科研能力，能够提供完整的解决方案。 

探索天然产物生源合成途径对于天然产物合成以及化学生物学研究具有重要意义。例如生源合成途径中的“环化/后期氧化”（cyclization/late-stage P450-mediated oxidation）策略被运用于一系列具有抗癌活性二萜的全合成中。生源合成上，从共同的生源前体香叶基香叶基焦磷酸（GGPP）出发，通过萜类环化酶（terpenoid cyclase）催化的多步碳正离子环化和重排反应可产生各种二萜类天然产物，例如抗癌药物紫杉醇 （Taxol）、巨大戟醇（ingenol）和抗生素截短侧耳素 (pleuromutilin)。因此，人们对二萜类天然产物的生物合成和仿生合成进行了广泛的研究。 香茶菜属（Isodon）二萜是一类结构复杂的多环活性天然产物，迄今为止已分离鉴定出1000多种该家族天然产物。与诸多其他二萜天然产物一样，其生源合成是从GGPP出发，通过一些列酶促环化反应得到共同的生源前体随后通过碳正离子重排得到已知的香茶菜属（Isodon）二萜结构，包括ent-kaurane型，jumgermannenone型和ent-beyerene型。生源推测不同类型香茶菜属二萜的骨架之间的转化也是通过碳正离子重排实现的。例如最初的生源途径认为，jungermannenone 型是从ent-kaurane 型通过两种可能的碳正离子重排而来。

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：