产品介绍： Nano-600、Nano-800超微量核酸蛋白测定仪（超微量分光光度计）作为一款高再现性的全波长分光光度计，采用基座和比色皿上样双检测模式，适用于更宽浓度范围的样品检测，操作简便，不仅可用于测量DNA，RNA纯度、浓度，测量蛋白质浓度，也可用于一般物质分析中的吸光度检测。 产品特点： 7寸电容触摸屏,优化设计的安卓系统软件 无需预热，5秒即可完成检测，结果直接输出为样品浓度。 5分钟内无操作，将自动关闭光源，以延长使用寿命。 软件图形界面简单易用，操作更为直观，结果可直接导出。 仅需0.5~2ul的微量样品即可进行纯度与浓度测量，样品可回收。 外置打印机（选配）直接打印报告。 技术参数： 型号： Nano-600 Nano-800 软件操作平台：   7寸电容触摸屏，安卓系统 7寸电容触摸屏，安卓系统 波长范围： 185-910nm； 185-910nm； 比色皿模式(OD600)： 600±8nm 600±8nm 样本体积要求： 0.5-2.0ul 0.5-2.0ul 光程： 0.2mm、1.0mm 自动切换 0.05mm、0.2mm、1.0mm 自动切换 光源： 氙闪光灯（寿命可达10年) 氙闪光灯（寿命可达10年) 检测器：  3648像素线性CCD阵列 3648像素线性CCD阵列 波长精度： 1nm 1nm 波长分辨率 ≤3nm(FWHM at Hg 546nm) ≤3nm(FWHM at Hg 546nm) 吸光度精准度： 0.003Abs 0.003Abs 吸光度准确度： 1%（7.332 Abs at 260nm) 1%（7.332 Abs at 260nm) 吸光度范围 (等效于10mm)： 0.02-300A; 0.02-300A; 比色皿模式 (OD600测量)：  0~4A 0~4A 测试时间：  ≤5S ≤5S 核酸检测范围： 2-4500ng/ul(dsDNA) 2-17500ng/ul(dsDNA) 数据输出方式： USB、SD-RAM卡 USB、SD-RAM卡 样品基座材质： 石英光纤和高硬质铝 石英光纤和高硬质铝 锂电池 无 6800mmA 外观尺寸（mm） 270x210x196 270x210x196

一、产品介绍： JP-3000型核酸蛋白检测仪（紫外检测仪）系采用采用液相色谱分离技术，检测蛋白、核酸、酶和多肽，适用于制药、天然产物和生物大分子的分离纯化，广泛用于生化研究, 生物工程, 医疗检验, 测定, 农业科研, 化工食品等科学领域。   二、产品特点：  双光束分光系统设计，一束光通过参比系统，另一束光通过样品系统。 无需预热，开机基线即可平衡。 内置JP-blupad层析工作站，自动绘制层析图谱。可一键另存JPG图谱，方便图谱的保存打印。与GE层析柱接口兼容，可在AKTA等设备系统进行预分离。 三、技术参数： 检测波长:： 260nm、280nm(标配） 波长选择： 步进电机程序控制。 光源： LED冷光源，寿命>50000小时。 调零： 双光束一键调零。 灵敏度： 2、1、0.5、0.2、0.1、0.05 ABS 噪声： <0.0001A 漂移： ≤0.002A/S 光程： 3mm 样品池容积： 30ul~120ul 吸光度显示： 122*44蓝膜高清LCD液晶显示 功率消耗： ≤25W 电源电压： 220V±10% 50Hz

产品详细介绍 DNA分子杂交技术，分子杂交炉、核酸分子杂交 一、用途特点：     此仪器是我厂与北京大学生物系、复旦大学遗传所等科研单位参照国外最新产品联合研制推出的国内首创产品。TC-4YY型多功能核酸分子杂交仪，本仪器的各项技术指标均达到国外同类产品水平。可替代进口杂交仪，本仪器采用独特的滚动式反应架装置，配套特制密封杂交管在水平轴上旋转，使杂交管内壁上的杂交反应膜各处能均匀地杂交液反复地接触，充分反应。可进行生物大分子DNA、RNA及蛋白质杂交反应。不仅比塑料袋或其它容器在水浴中进行分子杂交反应效果好，并且还能减少杂交液体积，提高杂交效率，而且也避免了加放射性同位素后封口或塑料袋破漏而造成同位素污染的危险。因此，本仪器广泛应用于生物大分子的杂交反应或其它长时间振摇的化学、生化及免疫学反应，是开展分子生物学技术不可缺少的仪器。     本仪器采用先进的单片计算机进行控制，人机界面采用点阵式液晶显示器（LCD），直观显示系统的运行状况。温度控制采用数字PID技术，输出采用PWM方式，控制精度高，稳定性好，并设有超温保护装置。仪器采用独特滚动式反应装置，每次可夹6根特制玻璃封管在水平轴旋转，旋转速度为每分钟0～16转/可调。TC-4YY型分子杂交仪除具有TC-3YY型所有功能外，杂交箱内可放入直径42mm长300mm杂交瓶。 托盘摆动速度每分钟5～50次/可调。 二、技术指标： 1.电源电压：AC220V±10％  50Hz  350W 2.使用环境：0℃～＋40℃，相对湿度：≤90%RH 3.温控范围：环境温度＋5℃～100℃可调 4.温度波动值：±1℃ 5.温度显示精度：0.1℃ 6.温度均匀性：±0.03℃ 7.瓶架转速：0～16转/分可调 8.杂交管规格：Φ42×150mm或Φ42×200mm或Φ42×250mm或Φ42×300mm6只（任选） 9.摇台摆动频率：5～50次/分可调 10.工作室尺寸：330mm×270mm×310mm 仪器报价以公司网站为主 相关链接：http://www.tocan.cn/category.php?id=17    公司地址：上海市翔殷路165号B区211室 邮编：200433  联系电话：021-51863860、13621641125         QQ：572980613 上海领成生物科技有限公司提供专业的产品、专业的售前、售中、售后服务，将使您的工作能够收到事半功倍的效果。欢迎新老顾客来电咨询，领成将为您提供最优质的服务！

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：

西南大学家蚕基因组研究团在中国工程院院士、世界著名蚕学家向仲怀教授的带领下，2003年率先完成 了家蚕基因组"框架图"和家蚕基因组"精细图谱"绘制工作，奠定了我国在家蚕基因组研究中的世界领先 地位。近年来,该研究团队通过改变家蚕基因,开发出转基因新型有色茧,并与广西蚕业技术推广总站合作 选育新型绿色茧品种，缓出我国首例转基因绿色蚕丝。2009年在重庆合川进一步试验，在重庆市纤维检验所 的合作推进下，由转基因绿色蚕丝纺织出的转基因丝绸成功诞生，是转基因新型有色茧实用蚕品种领域的又 —突破。 转基因绿色丝绸较普通丝绸更有弹性，自然光下，丝绸呈现柔和的淡绿色，散发出天然蚕丝的香味；在 灯光下,丝绸表面随光线明暗呈现不同光泽；而在紫外光下,丝绸发出绚丽的绿色荧光。

基因芯片实验产生出大量基因表达数据，为了从这些数据中提取有用的生物学信息，需要对数据进行各种分析处理。本项目提供的基因表达数据分析软件采用了先进的数学模型，充分考虑了实验中各种误差的影响，可以从数据中分析出更为准确的生物学信息，并且具有较快的处理速度，可以满足大规模芯片实验数据分析的需要。技术特点：（1）直接从对GeneChip基因芯片原始实验数据进行处理开始，提供对基因表达数据一系列多层次的分析软件。（2）能够考虑重复实验误差，特别对重复实验数据进

自然环境的保护事关人居环境的品质，文化特色的彰显事关城市的“灵魂”。因城乡空间发展与自然环境失调、历史文化断裂暴露出的“水泥森林”、“千城一面”等问题，严重影响了我国人居环境的可持续发展。城乡空间的现代化发展与自然环境保护、历史文化传承的共赢是当代城乡规划设计的技术难题。 在城市空间与自然环境、历史文化的互动框架下，发现了城市发展中类比生物学的空间基因现象。空间基因是历史形成的相对稳定、独特的空间组合模式，它们既是城市空间、自然环境和历史文化长期互动的产物，也扮演着形成城市特色标识、

用农杆菌双 T-DNA 载体介导的共转化技术，将 AP1 基因或(和)BT 基因与潮霉素抗性选择标记基因共转化入优良的水稻品种中，通过自交分离，在共转化水稻植株的自交后代中筛选获得了无潮霉素抗性选择标记基因的转基因水稻新品系。抗虫鉴定结果表明，转 BT 基因水稻植株对螟虫的抗性与未转化对照相比有明显提高。

1、在安全性提高的前提下，基因载体的优化制备； 2、怎样提高载体在生物体内利用度； 3、细胞膜毒性的进一步降低 4、新靶标抗原CAR构建； 5、细胞因子风暴处理