本发明公开的有机硅型海洋防污涂料基料，它的结构如式（1），式中为含有杀菌剂侧链的有机硅聚氨酯化合物，R为CH2CH3。制备步骤包括：1）氯丙基甲基二甲氧基硅烷和二甲基二甲氧基硅烷反应得到含氯丙基聚硅氧烷；2）将含氯丙基聚硅氧烷、叔胺和含羟基叔胺回流反应，生成含有季铵盐与羟基的聚硅氧烷；3）将异氰酸酯、二月桂酸二丁基锡和含有季铵盐与羟基与溶剂混合，加入γ-氨丙基三乙氧基硅烷进行扩链，得到含有交联基团-Si(OCH2CH3)的预聚体，预聚体在空气中交联缩合，即可。本发明的有机硅型基料既有低表面能性能，有很好的疏水性，分子链上也有环保型杀菌剂，有很好的杀菌效果，达到很好的海洋防污效果式（1）。

本发明公开了一种吩噻嗪基二维共价有机框架材料及其制备方法和应用。所述二维共价有机框架材料具有如下式(I)或式(II)所示的结构：本发明的二维共价有机框架材料具有高的结晶性和比表面积，孔径分布均一并且热稳定性良好，同时还有着良好的光敏基团、适合的光学带隙，在光催化氧化偶联方向有着良好的应用。

本发明提供了一种快速检测有机化学品生物降解性的方法，采用的菌源来自于污水处理厂的二级出水。将无机盐培养基、接种液、有机化学品受试物按一定比例加入带塞BOD瓶中，以受试物中的有机碳为唯一碳源，在14～50天的测试周期内进行微生物生长代谢。测试过程中，以固定的时间间隔取样，进行溶解氧（DO）、pH和总有机碳（TOC）测定，同时采用高效液相色谱（HPLC）快速准确检测降解过程中有机物及代谢产物浓度的变化。本方法以高效液相色谱法（HPLC）直接测定待测有机化学品及代谢产物浓度的变化，从而直接计算出其降解率，同时结合降解过程中BOD瓶中的溶解氧，pH和TOC的变化间接反映待测有机化学品的生物降解性的好坏。此方法操作简单，多个参数的测试评价相结合，测定结果快速准确。

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：

本发明涉及一种含匹伐他汀与替米沙坦组成的药物组合物，其含有匹伐他汀或其盐和替米沙坦或其盐。该药物组合物在治疗高血脂和高血压方面有协同效果，且优于现有技术。

所谓厌氧消化是指在无氧气条件下，利用厌氧微生物的作用，有控制地使废物中可生物降解的有机物分解，转化为二氧化碳、甲烷和许多稳定物质的生物化学过程。该领域最常见的就是CSTR工艺，即连续搅拌反应器系统（Continuous stirred tank reactor），其原理是在一个密闭罐体内完成料液的发酵、沼气产生的过程。反应器内安装有搅拌装置，使发酵原料和微生物处于完全混合状态。投料方式采用恒温连续投料或半连续投料运行。新进入的原料由于搅拌作用很快与反应器内的全部发酵液菌种混合，使发酵底物浓度始终保持相对较低状态。

产品详细介绍有机玻璃管、压克力管、亚克力管、磨砂管第一品牌振兴塑业，现有品种繁多，包括高透明有机玻璃管、无拉痕有机玻璃管、乳白有机玻璃管、浇注有机玻璃管、挤出有机玻璃管、磨砂有机玻璃管、机械磨砂有机玻璃管、自带磨沙有机玻璃管、喷砂有机玻璃管、有机玻璃棒等等、有机玻璃异型材、pmma异型材、内齿有机玻璃管、有机玻璃方管、带槽有机玻璃管、耐高温有机玻璃管、抗紫外线有机玻璃管、防擦花有机玻璃管、阻燃有机玻璃管、带铝槽有机玻璃管、LED日光灯管、水晶管、立柱灯有机玻璃管、有机玻璃棒材、有机玻璃气泡棒、线条管、线条棒、条纹棒、扭纹管等。压克力管、亚克力管、高透明压克力管、无拉痕压克力管、乳白压克力管、浇注压克力管、挤出压克力管、磨砂压克力管、包括机械磨砂压克力管、自带磨沙压克力管、喷砂压克力管、压克力棒、压克力异型材、pmma异型材、内齿压克力管、压克力方管、带槽压克力管、耐高温压克力管、抗紫外线压克力管、防擦花压克力管、阻燃压克力管、带铝槽压克力管、LED日光灯管、水晶管、立柱灯压克力管等。有机玻璃管、压克力管、亚克力管、磨砂管第一品牌振兴塑业，现有品种繁多，包括压克力棒、压克力气泡棒、压克力线条管、压克力线条棒、压克力条纹棒、压克力扭纹管、压克力棒、pmma管、亚克力管、压加力管、亚加力管、亚克利管、亚加利管、Pmma棒、亚克力棒、亚克利棒、压加力棒、亚加力棒、压克力气泡棒、压克力扭纹管、压克力线条棒、压克力条纹棒、压克力线条管、磨砂管、磨沙管、PC磨砂管、磨砂PC管、PC光扩散管、光扩散pc管、PMMA磨砂管、磨砂PMMA管、光扩散PMMA管、PMMA光扩散管、磨砂有机玻璃管、磨砂压克力管、压克力磨砂管、有机玻璃管磨沙、有机玻璃磨砂管、用机械喷砂或打磨成砂面的塑料管、管、喷沙管、喷砂有机玻璃管、喷砂PC管、喷砂ABS管、喷砂PS管、有机玻璃雾白管、PC雾白管等。公司下辖塑机和塑胶两个分厂，塑机分厂自产自销PMMA管挤出机，塑胶分厂使用塑机分厂自产的有机玻璃管材挤押设备，自有大型模具车间开发模具，开模费用低廉至零。机械塑胶模具三位一体，行内独此一例。

本发明属于污水处理技术领域，涉及一种活性染料废水的处理工艺技术，特别是一种新型活性染料废水的物化处理方法。染料是最主要的污染物，其中活性染料因其具有色泽艳丽、染色牢固、应用简便等特点而被广泛应用。然而活性染料会给水环境带来很严重的色度问题，其浓度在0.005mg/L便会使水体带有颜色，因此，无论是出于环保考虑还是视觉美观要求，都要将活性染料从废水中去除。但是由于活性染料对于光、热和某些氧化剂均具有良好的稳定性，采用传统废水处理技术难于将其有效去除。因此发展一套技术和经济上可行的活性染料废水处理技术非常必要。本发明的目的在于克服现有技术存在的缺点，寻求设计提供一种新型工艺和原理的活性染料废水处理方法，该方法以印染纺织行业排放的活性染料废水为对象，采用物化新技术对废水进行处理。

本发明通过以硝酸强化预处理堇青石峰窝陶瓷为载体，在载体上一次性负载铈镧锆混合氧化物改性的活性氧化铝与含多种金属氧化物混合物的活性组分，在浸渍前对载体改性提高了其比表面积，解决了工业有机废气的处理技术实用化难题并实现了向废弃净化要效益的突破。技术成果在东莞泽龙线缆有限公司等多家企业推广应用，具有良好的节能环保效益，推动了行业节能减排技术发展。技术应用于线缆制造、汽车等行业的涂装作业产生的有机废气净化，室内空气净化，以及污水处理厂恶臭异味消除等，10年经济效益累计达21528.26万元，共减排VOCs约20.995万吨。并获得了全国发明展览会金奖。