高等教育领域数字化综合服务平台
云上高博会服务平台 高校科技成果转化对接服务平台 大学生创新创业服务平台 登录 | 注册
|
搜索
搜 索
  • 综合
  • 项目
  • 产品
日期筛选: 一周内 一月内 一年内 不限
一种基于遗传算法的矩形检测方法
本发明的涉及一种对图像中矩形进行检测的方法。本发明旨在 寻找图像中矩形的最佳四个顶点集合,首先对图像进行边缘检测,获 得由图像中所有边缘点组成的集合即边缘空间,然后用四个边缘点表 示一个矩形个体,简称为个体,通过计算四个边缘点之间连线的存在 性和夹角接近直角的程度来计算个体的适应度,选择适用度高的个体 进行交叉和变异操作来产生新一代的个体。通过多次选择、交叉和变 异操作最终找到组成矩形四个顶点的最佳集合。该方法基于遗
华中科技大学 2021-04-14
新冠病毒口服疫苗
2020年2月25日,天津大学生命科学学院黄金海教授团队成功研发出新型冠状病毒口服疫苗,该疫苗以食品级安全酿酒酵母为载体,以新型冠状病毒S蛋白为靶点产生抗体。黄金海教授本人已经4倍量口服新冠疫苗样品,无任何副反应。目前科研团队正在寻求合作方,希望能推动疫苗早日走向临床,为疫情防控发挥作用。新型冠状病毒S蛋白(Spike protein,刺突蛋白)可与宿主细胞的病毒受体结合,是决定病毒入侵易感细胞的关键蛋白,也是开发预防或治疗用新型冠状病毒疫苗与药物的关键靶点。疫情爆发后,黄金海团队日夜奋战迅速设计制定了稳定表达COVID-19病毒S蛋白保护性抗原RBD-FP域疫苗菌株的研发方案。该疫苗,应用食品级安全酵母作为宿主研制生物防治制剂,通过口服途径免疫,具有激发局部黏膜免疫、调节机体免疫稳态,使用方便,安全性好、产能迅速等优势。目前,团队已完成了重组菌株构建、筛选,蛋白表达、发酵动力学等核心技术开发内容,并制备了少量胶囊、奶片、颗粒剂口服防治制剂样品。据黄教授介绍,该疫苗,除表达的病毒外源基因外,表达元件全部为酿酒酵母自身基因片段,不含外源抗性基因。新型冠状病毒疫苗制剂通过高表达新冠病毒保护性抗原,一方面可作为病毒感染的竞争性治疗制剂,也可通过激活黏膜免疫的疫苗机制,发挥预防性抗感染功能。其安全性、免疫方式、成本节约等优势突出,特别适用于应急性、无常规疫苗的烈性病防控。
天津大学 2021-04-10
化妆品新原料
随着国民经济的不断发展,中国消费者对“美”的追求更加强烈,化妆品成为人们的生活必需品。山东大学化妆品技术研究中心针对化妆品学科发展前沿和实际需求,开展基础和应用研究,在化妆品新原料研发方面取得了一系列重要进展: ① 富勒烯化妆品添加剂 通过物理包覆,将富勒烯做成水溶性产品,可应用于化妆品领域。同时,开发了一系列氨基酸修饰的水溶性富勒烯衍生物,并以此为基础研发了富勒烯保湿甘油精华等护肤品。 ② 多酚类化妆品添加剂 将多酚应用于各类洗护用品如多酚洗面奶、多酚沐浴露、多芬身体乳;开发了安全绿色的新型染发剂。染发过程以水为介质,不需要添加过氧化氢、氨水、巯基乙胺等破坏头发毛鳞片的物质,有助于保护头发发质,可避免染发后的毛躁与损伤。 ③ 中草药植物养发育发 综合历代中医补肾、养血、祛风、化湿的治疗脱发原则,结合现代药理学研究,选用多种中草药精心组方,利用胶体化学分散和透皮技术,发展了养发育发新方法,在改善脱发的同时促进新发生长,从根源上激发毛囊活力。 ④ 化妆品新原料 利用特有工艺,制备了胶体银、纳米纤维素、硅表面活性剂等化妆品新原料。
山东大学 2021-05-11
新梨七号
以新疆库尔勒香梨为母本,早酥梨为父本杂交而成,生长速度快,4 月份开 花,6 月中旬就可采食。自然采收期长,可从 7 月中旬延迟至 8 月底,与中熟品 种相同。“新梨七号”果实卵圆形,平均单果重 176.8 克;果面底色绿色,阳 面具少许条形红晕,有光泽;果皮薄;果点中大而密。果肉白色,肉质酥脆、 多汁,石细胞极少,风味淡甜,品质优。果心小,可溶性固形物含量 12.1%,果 实耐贮藏,普通土窖可贮藏至翌年 4-5 月。宜在全省梨产区种植利用。
青岛农业大学 2021-01-12
新望网络教学软件
产品详细介绍
深圳市益思佳电子有限公司 2021-08-23
PC-650新尖
日照顺德机械配件有限公司 2021-08-23
新逸扬(升级款)
热水增容 预约不等待安全:防电墙+三极漏保超值:电脑款爆品大水量:高温增容
山东力诺瑞特新能源有限公司 2021-09-13
【高教前沿】东北大学副校长王兴伟谈AI时代教育破局:别让学生被算法“偷走”思考力
大学要注重培养“全人”,办有温度的教育。
中国教育在线 2025-07-21
人工智能药物筛选、药物设计及毒性预测算法
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:
辽宁大学 2021-04-10
人工智能药物筛选、药物设计及毒性预测算法
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:
辽宁大学 2021-05-10
首页 上一页 1 2
  • ...
  • 5 6 7
  • ...
  • 52 53 下一页 尾页
    热搜推荐:
    1
    云上高博会企业会员招募
    2
    64届高博会于2026年5月在南昌举办
    3
    征集科技创新成果
    中国高等教育学会版权所有
    北京市海淀区学院路35号世宁大厦二层 京ICP备20026207号-1