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：

现有问题：现有的血红蛋白类携氧载体（HBOCs）主要为小分子修饰血红蛋白、交联剂聚合血红蛋白以及包裹血红蛋白。这些HBOCs制品的毒副作用在动物实验和I, II, III期临床试验均有报道。正是基于临床试验中发现的HBOCs引起高血压反应及增加病人心肌梗死的风险，2009年美国FDA拒绝了Northfield公司HBOCs产品（PolyHeme）的上市请求。现有HBOCs制品输注后的毒副反应，主要是由于HBOC中游离或未聚合的血红蛋白，包括氧合或非氧合状态，透过内皮屏障，消耗内皮舒张因子一氧化氮（NO）；同时，血红蛋白本身的氧化还原反应，生成的氧自由基造成机体氧化应激反应。 项目的创新性和优越性：? 本项目制备的新型携氧纳米粒子，完全不同于现有HBOCs制品，首先在纳米粒子中包裹一定剂量的抗氧化剂，有效减少输注血红蛋白氧载体后可能产生的氧自由基。然后，通过结合珠蛋白将血红蛋白稳定连接到纳米粒子外膜。结合珠蛋白能与游离血红蛋白结合成稳定的复合物，一方面避免了体内过量的游离血红蛋白出现，减少输注后缩血管效应引起的高血压现象和胃肠道反应；另一方面，结合珠蛋白本身也可作为还原剂，减少血红蛋白引起的氧化应激反应。?该新型携氧纳米粒子体内的代谢方式为纳米粒子崩解后，结合珠蛋白/血红蛋白复合物经网状内皮系统清除，可大大减轻经肾脏排泄可能造成的肾损伤。?现有HBOCs类制品，特别是聚合血红蛋白和包裹血红蛋白，往往包含数量不等的血红蛋白，分子量处于一定范围，而且，还有部分游离血红蛋白或未反应血红蛋白并不能完全清除，这也是产生毒副作用的一大诱因。而本项目的携氧纳米粒子表面带有数量可控的活性官能团，因此，可实现血红蛋白的定点定量结合，得到分子量稳定的终产物。?现有的第三代HBOCs制品，大多用高分子材料将血红蛋白包裹，输注入人体后很难避免“突释”效应，出现大量游离血红蛋白，有可能对机体造成很大的伤害。而本项目所述的新型携氧纳米粒子，血红蛋白与结合珠蛋白形成了稳定的复合物或者血红蛋白与高分子材料牢固结合，即使纳米粒子分解之后，也不会产生大量游离血红蛋白，因此可大大减少相关风险。该新型携氧纳米粒子可以冻干粉末的形式保存，保存期长，稳定性高，运输方便，可满足各种环境下的应急使用和临床常规应用。?使用的高分子载体为聚乙二醇-聚酯类共聚物。聚乙二醇（PEG）由于其本身不带电荷、水溶性、无免疫原性、可以防止材料表面生物污染、减少蛋白质吸附和细菌贴附、并且不易被免疫体系识别等、且它在体内能溶于组织液中，能被机体迅速排出体外而不产生任何毒副作用的特点，是修饰纳米粒子的理想材料。聚乙二醇的存在还可以有效屏蔽人体网状内皮系统对纳米粒子的吞噬和排异，延长粒子在血液中的循环时间。可生物降解且生物相容性良好的聚酯（聚己内酯/聚乳酸，PCL/PLA），无毒无刺激性，已经得到美国食品药品监督管理局（FDA）的认证用于人体治疗。

本发明公开了一种制备胶体金标记的装载有PD药物的纳米脂质体的方法。将卵磷脂；胆固醇乙醇溶液在特定条件下分散到含胶体金和左旋多巴或金刚烷胺PD治疗药物的PBS溶液中，再将该溶液置于水浴中搅拌，乙醇挥发完全之后适当超声制备而成。所制备的胶体金标记的装载PD药物纳米脂质体粒径小、稳定性好，且有金定位标记，可增加PD药物的稳定性，提高生物利用率，同时减少药物用量，降低毒性。制备方法操作简便，反应易控制。产物可用于研究纳米左旋多巴或金刚烷胺脂质体的给药效果，改善左旋多巴或金刚烷胺的毒副作用，增强脑靶向性，还可作为一种探针用于研究纳米脂质体的脑代谢途径。

污水处理厂提标扩容一般需要大量投资，尤其是征地投资，技术工艺复杂，投资和运行费用高，建设周期长。工艺流程工程应用 同济大学环境科学与工程学院戴晓虎教授团队研发的高浓度复合粉末载体生物流化床技术，基于污水生物处理技术原理，向生物池投加复合粉末载体，提高生物池混合液悬浮固体浓度，构建悬浮生长和附着生长的“双泥”共生微生物系统，强化抗冲击能力，并提高污染物容积负荷和污泥沉降性能。通过污泥浓缩和复合粉末载体回收系统，实现双泥龄，解决脱氮菌和除磷菌泥龄矛盾，强化了生物脱氮除磷效率。 相对于传统污水处理技术，该技术处理负荷提升两倍以上，投资成本减少20%以上，建设周期减少30%以上，不仅可用于已建成的城镇污水处理厂提标扩容改造，也可直接用于新建城镇污水处理厂项目，可有效解决我国污水处理厂的提标扩容征地难、建设周期长和投资费用高的难题，具有巨大的推广应用价值。 该技术目前已在10多个城镇污水处理厂应用，日处理规模达到120万m3，产值30多亿元，相关技术申请发明专利11项，包括PCT4项；得到政府的广泛关注。现正在编制运行指南、导则及相关标准规范，被列入国家环境保护核心技术名录，以进一步扩大其推广应用范围，提升我国污水高标准处理技术水平。

胞内寄生性单增李斯特菌和绵羊李斯特菌能在吞噬细胞等抗原递呈细胞内繁殖，引发高水平的抗原递呈作用，分别通过MHCⅠ和Ⅱ类途径引起宿主抗原特异性的CD8+和CD4+ T细胞免疫反应，建立长期有效的免疫保护记忆，因此可作为一种通用的疫苗载体。本项目以上述两种李斯特菌为活菌载体搭建新型疫苗构建通用平台，该平台具有以下优势：生物安全——敲除了菌株致病基因，降低了毒性；外源蛋白表达稳定——外源抗原基因整合至细菌基因组，永远不会丢失；外源抗原具有分泌性——抗原基因融合有分泌信号肽，使蛋白能分泌到胞外，更有利于免疫刺激；对环境、公共健康安全——重组疫苗菌株不携带耐药基因，不会给环境和公共健康带来危害。本平台技术目前已获得授权专利，成果属于国际先进水平，已在结核疫苗及猪繁殖与呼吸综合症病毒疫苗的研制上应用。该平台还可应用于肿瘤治疗性疫苗及其他预防病毒和慢性细菌感染的疫苗的研发，是一种通用的疫苗构建平台。

南开大学刘阳研究员与天津医科大学康春生教授合作在国际知名学术期刊NanoLetters（DOI:10.1021/acs.nanolett.8b03644）上发表文章，提出了一种新型的纳米复合材料（NC-KLVFF），可有效清除Aβ毒性寡聚体，并减轻Aβ诱导的AD小鼠的神经毒性。该纳米复合材料为表面集成有Aβ捕捉肽（KLVFF）的小粒径纳米颗粒（图2b，14±4nm）。这种纳米复合材料将KLVFF通过原位聚合交联在血清蛋白质分子表面（图2a），与Aβ共培养可显著改变Aβ寡聚体的形貌，进而形成Aβ/NC-KLVFF纳米团簇而不是Aβ寡聚体。随着病理性Aβ寡聚体的减少，纳米复合材料减轻了Aβ诱导的神经元损伤，并恢复了脑内小胶质细胞吞噬Aβ的能力，最终保护了海马神经元免受凋亡。研究人员考察了NC-KLVFF在减轻神经毒性和促进小胶质细胞清除方面的作用。实验结果表明NC-KLVFF通过与Aβ作用形成纳米团簇体，显著减轻了Aβ对神经元细胞膜的黏附，进而减小了对神经元的损伤（图3a,b）。在小胶质细胞对Aβ的吞噬实验中，也观察到Aβ/NC-KLVFF纳米团簇体展现出更易被内在化的特点（图3c,e）。

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

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。