深圳迪乐普智能科技有限公司专业从事文化教育相关科技产品研发、生产、销售的国家高新技术企业，总部位于深圳。致力于通过专业数字视频产品和教育信息化产品的研发，促进现代文化教育产业发展。公司与西北工业大学、西安交通大学等院校深度合作，在西安、北京和深圳设有三个研发基地，在国内和国外多地设有分公司或办事处，拥有一支由教授、博士、高工、工程师组成的高科技专业研发队伍。 深圳迪乐普智能科技有限公司利用自身雄厚的研发实力将现代高新科技和文化教育产业相结合，不断创新与探索文化教育科技产业发展，本着促进文化教育发展的意愿，大力发展高新技术产品。 公司于2017年开发VS-Mini微课制作系统、VS-Super精品课程制作系统等系列面向教育行业的课程制作视频系统平台，其广播级图像质量及完备的功能弥补了市场上原有的课程类视频制作系统的缺陷，填补了优质教育信息化科技产品的稀缺。与此同时，我司还推出Freelance虚拟演播室校园电视台系统与Magic5D VR平台，一经推广在市面上引起热烈反响，在同类教育产品中脱颖而出，吸引了广大教育工作者的关注。 深圳迪乐普智能科技有限公司以其雄厚的研发实力和优秀的企业品牌，秉持“创新、务实、合作、服务”的理念，充分发挥公司在文化教育类数字视频领域的研发、生产、销售、服务优势，始终坚持“让用户以合理的资金投入，得到最好质量的工程技术服务，分享科技发展的成果”的服务宗旨。

项目研究背景 ：风湿性及类风湿性关节炎（ Rheumatoid Arthritis, RA ） 为一种常见易发病，较难治愈，致残率很高。流行病学调查显示我国的类 风湿关节炎患病率为 0.3 - 0.45%，估计此病患者约有 350-500 万之多。 对-乙酰氨基苯乙酸（阿克他利） ，系日本新药与三菱化成两公司共同 开发的疾病修饰性抗风湿新药 ,于 1994 年 5 月在日本首次推出，它是用

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：

方案背景 “UCN功能型教室解决方案”为定制化方案，通过泛普独有的软硬件教学资源和多年的项目方案实施经验，为师生打造包含“创新艺术课堂”和“未来科普课堂”等在内的针对性强的专业细分方案。深度挖掘整合特色学科的创新思维，利用独有的纳米触控教学硬件和UCN教学云平台，创建优质的、开放的、互动的、有趣的学习环境，激发学生对科学、艺术等方面的理解认可。     方案优势 以新一代信息技术为基础，尊重每位学习者的个性化与多元化发展需要： 1、先进智能性  以纳米触控技术为核心，可以拟态化的隐藏在环境中，结合UCN教学云平台，达到人机交互，物物交互的目的，解决实际应用问题。 2、开放扩展性  在硬件上采用标准模块化设计，在软件上提供标准软件接口，针对整体平台人性化设计，对可行性、灵活性，以及适应性都有顾及。 3、安全经济性  从网络安全、服务器安全、用户安全、应用程序和服务安全、数据安全等多方面，实现整个应用平台的安全。并在研发初期就对各部件成本进行集约化设计，以保障高性价比。 4、趣味性  让原本晦涩难懂的知识变得场景化，生动易懂，同时设计及使用简明，不需要老师、学生花费长时间磨合学习，简洁易用。 5、方案完整性  在整个平台项目设计之初，就统一设计原则，统一设计系统结构，统一业务问题解决，从全局出发、从长远的角度考虑，满足实际应用。   方案场景展示  

方案背景 本方案积极响应“国家中长期教育改革和发展规划纲要（2010-2020年）”中对“建立虚拟实验室”的要求。全面体现国家“新课程标准”中强调“自主性”与“探究性”的教学思路，紧扣教材，用户可以亲自动手搭建各种学科场景，把书本中所有的演示实验、学生实验，通过交互式动画的形式展现出来。  虚拟实验室覆盖了小学科学，初高中理化生等多个学科，用于实验教学的辅助。为实验室装备欠发达的学校，提供切实有效的实验教学解决方案，为教学任务繁重的学校，提供高效率的实验教学解决方案。     建设虚拟仿真实验室的必要性和优势 1、提升教学效果  逼真、立体的表现形式可以让抽象的实验过程形象逼真演示出来，提升教学效果。 2、完成不可能的实验  辅助教师进行复杂实验、危险性实验、极端破坏性实验、反应周期过长实验、无法控制反应过程以及在传统实验室无法完成的实验等，安全、直观的进行展示。 3、增强课堂趣味性  借助多媒体技术、虚拟仿真技术、传感技术、输入输出技术，构建了一种高度虚拟现实仿真的实验教学环境，使学习者体验置身其中的感觉，有助于发展学生的构建思维。 4、丰富课堂教学形式  虚拟仿真实验教学打破了对客观条件的依赖性，满足实际的课堂教学需要，逐步成为老师得力的实验制作工具。 5、方便高效的器材库  各种大小实验应有尽有，且无器材损耗，和实验室零距离，随时随地都可进行实验，为学校节约实体实验室建设成本。   方案场景展示 课前备课：结合课件内容有针对性挑选实验；实验室没有的器材在这里可以任意挑选；无论是在家里，还是在学校都可以结合虚拟实验进行备课。  课堂演示：在纳米触控黑板上，轻松实现复杂、危险、实验现象不易观察的实验；再也不会因为传统实验室缺乏器材而让学生错过实验的乐趣。  课后复习：虚拟实验室可以保存到平台，方便学生随时随地复习，不受时间、空间限制。  

校园文化方案 ⋅建设背景 “互联网+”大力发展教育信息化的前提下，对校园文化建设提出了新的要求。传统、单一、缺乏互动性的校园文化宣传形式显然已经不满足新时代下校园文化建设的需求。利用现代信息技术，纳米触控技术打造丰富生动、人性化、无限化，与校园信息化建设平台相互兼容的新型校园文化建设方案将成大势所趋。   校园文化方案功能场景 基于泛普独有的专利技术纳米触控教学硬件，搭载配套的信息公告软件、SWPF互动教学展示系统、统一的后台管理平台，打造户外电子宣传栏、智慧校史馆、互动文化走廊、班级电子公告栏等一系列新颖互动的校园文化展示场景。 方案概述 1、校史馆 用触控液晶大屏和纳米触控桌这样的智能硬件，不仅可以在有限的空间内展示出无限的内容，而且纳米触控智能硬件的纯平美观，简约大气，可以让整个学校的信息化建设程度带上一个新高度。同时，通过展示软件，将各部分介绍信息植入到硬件当中，充当智慧讲解员的角色，有效节约人力，参观者自主性更强。同时，透明互动展示柜这种实物展示和虚拟互动结合起来的形式，也可以保护学校的珍贵资料。     2、校园信息宣传栏 校园信息宣传栏是校园文化的重要组成部分,严苛的户外环境对智能硬件的安全稳定性、适应性提出了更高要求。纳米触控屏，不仅纯平美观，更具有防水防尘抗暴等特性，适合户外场景应用；结合多媒体信息发布系统，打造校园信息宣传、沟通互动的平台。 3、互动文化走廊 以学校走廊为阵地，充分利用学校走廊空间，让学校的每一面墙壁都会说话，依据探索、发现、创造、紧贴学生需求的理念，通过一系列丰富多彩、别具匠心的科技展陈设计和中外名人名言，让孩子置身于科技的海洋，在亲自参与互动中感受科学的奇妙之处，激发科技创新的兴趣和向名人名家学习的志向。 4、智能互动公告栏 “智能互动公告栏”作为学校信息传达最直接的窗口，能够让学生随时查询和阅览当下学校通知、活动公告、教学课表以及班级活动风采等信息。通过课堂内、课堂外的持续交流和互动，营造良好的校园和课堂学习氛围，给学生创造更加轻松、愉悦的学习环境。

产品介绍 UCN 纳米教学触控桌采用纳米触控技术，使传统课桌在不失去原始功能的前提下，又可变身为超大pad，融合了人机交互、平板显示、多媒体信息处理和网络传输等多项技术。内置丰富的教学资源平台、兼容阅读、画图等多种教学软件。可用于智慧幼儿园的打造，搭配在线阅读软件，变身数字图书馆，国外内优质绘本随心阅读，尊重儿童的学习特点和认知规律，寓教于乐，通过触控屏幕让孩子在游戏互动中掌握大量知识；亦可用于科普教室、未来教室的打造，支持多点触控多人操作，方便学生组成讨论组，活跃课堂氛围，增加学生探索发现的积极性。简单直观的触控操作，为课堂提供了一个全新的实现方式，是信息化时代教学的创新产品。   产品优势 纳米触控技术： 采用纳米触控技术，定位精准触控流畅；即使表面有大量积水，触控照样灵活自如； 一机多用，寓教于乐： 既能当普通课桌，又能当做超大pad；兼容多种教学软件，在视听、动画中完成教学； 多点触控，同时阅读： 10点触控，支持多人同时触控操作；满足多名儿童同时阅读不同图书的使用需求； 人机互动，激发兴趣 ： 尊重儿童的学习特点和认知规律；将视、听、触、学高效结合起来，有效激发学生的学习兴趣； 自动识别，精准触控： 自动识别技术，仅对手指、电容笔触控有效；桌面上可摆放物品，不会对触控造成影响； 防暴安全，保护视力： 符合儿童人体工学的多维度安全设计；防眩光技术，过滤80%有害光线，有效保护学生视力；     应用领域 智慧教育： 可内置教学软件、幼儿阅读软件、画图软件等，用于智慧课堂，阅读室，未来教室，科普教室等的建设打造。 产品参数

普伦特科技有限公司，是一家高科技公司，专注前沿科技3D打印技术的研发与应用，专业提供3D打印技术的解决方案，公司坐落于中国前沿城市深圳。深圳市普伦特科技有限公司，专注于3D打印技术的研发与应用，作为国家级高新技术企业，普伦特以技术引领市场，在3D打印领域拥有四大专利技术：3D高速打印芯片、高速打印机、特殊3D打印材料、3D打印技术软件核心算法。