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

“NMT界乔布斯”许越先生推荐创新平台 中关村NMT产业联盟推介成员单位创新产品 “生物安全，人人有责” 推出背景： 在国际竞争白热化，战争形态多样化的今天，生物安全已成为国家安全的重要组成部分，为积极应对这一挑战，2019年10月，生物安全法草案于首次提请十三届全国人大常委会第十四次会议审议。本次新冠肺炎疫情的爆发，让各界更加意识到，生物安全对于确保国家安全、保障社会稳定、人民群众生命安全和身体健康的重要性。 国家安全就是国家竞争，归根结底又是科技实力的竞争！因此，作为中国的高新技术企业，中关村NMT联盟的会员单位，旭月（北京）科技有限公司利用20多年的技术积累，以NMT：非损伤微测技术为底层核心技术，迅速推出了与国家生物安全相关多种检验，监测仪器设备，以及适用于多个学科及领域的研发平台： 《NMT生物安全创新平台》特制系列产品！   应对挑战： 1）NMT对细胞的分子/离子流速的检测，能够为基因表达的调控机制，提供直接的数据。 2）为基因表达在组织层面上提供了研究手段和数据。 分类及用途： 1）《基因表达NMT检测仪》（型号：NMT-GET-100） 基于底层核心NMT技术，以及成熟的技术解决方案，让科研人员可以马上投入相关科研创新工作。   2）《基因表达NMT检测仪》（型号：NMT-GET-200） 基于底层核心NMT技术，结合自身科研兴趣，以及其它相关技术参数，在我方技术人员协助下形成技术解决方案，让科研人员建立更具独有创新特色的实验平台。   《基因表达NMT检测仪》（型号：NMT-GET-100） 应对挑战： 1）NMT对细胞的分子/离子流速的检测，能够为基因表达的调控机制，提供直接的数据。 2）为基因表达在组织层面上提供了研究手段和数据。 用途： 基于底层核心NMT技术，以及成熟的技术解决方案，让科研人员可以马上投入相关科研创新工作。   参数： 1.基本功能： 1.1针对基因表达检测设计 1.2活体、原位、非损伤检测 1.3可检测指标：H+、K+、Na+、NH4+、Ca2+、Mg2+、Cl-、O2、H2O2 2.性能： 2.1自动化操作 2.2长时间实时和动态监测 2.3无需标记 2.4立体3D流速检测 3.软件： 3.1imFluxes智能软件，可直接检测、输出离子分子的浓度与流速 《基因表达NMT检测仪》（型号：NMT-GET-200） 应对挑战： 1）NMT对细胞的分子/离子流速的检测，能够为基因表达的调控机制，提供直接的数据。 2）为基因表达在组织层面上提供了研究手段和数据。 用途： 基于底层核心NMT技术，结合自身科研兴趣，以及其它相关技术参数，在我方技术人员协助下形成技术解决方案，让科研人员建立更具独有创新特色的实验平台。   参数： 1.基本功能： 1.1针对基因表达检测和相关研发设计 1.2活体、原位、非损伤检测 1.3可检测指标：H+、K+、Na+、NH4+、Ca2+、Mg2+、Cl-、O2、H2O2 1.4可实时监测和记录检测时的环境参数：温度、湿度、大气压、海拔、经纬度 1.5配备新指标拓展功能 2.性能： 2.1自动化操作 2.2长时间实时和动态监测 2.3无需标记 2.4立体3D流速检测 3.软件： 3.1imFluxes智能软件，可直接检测、输出离子分子的浓度与流速，以及检测时的环境参数

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：

抗生素能有效防治动物疾病并促进生长，在畜牧业、养蜂业等领域被大量使用。而超过规定的滥用会造成抗生素在动物源性食品及环境中积累，对人体健康和环境安全产生危害。抗生素传统检测方法比如微生物检测、HPLC 等理化分析不仅灵敏度低，而且不能满足对食品和水源等抗生素含量的现场检测。目前市场上有一些基于抗体的抗生素检测试剂，但抗体种类有限，质量良莠不齐。核酸适配体本质上以单链 DNA 为主，不仅能特异性识别抗生素，而且具有亲和力高、温度稳定性好、成本低、质量高度稳定等特性，有望取代抗体在抗生素快检试剂中充当靶分子识别元件。 本实验室长期以来致力于抗生素特异性适配体的筛选和优化，已获得一批能高特异性高亲和力结合抗生素的适配体序列。利用这些适配体研制了抗生素快速检测试纸。以卡那霉素为例，利用卡那霉素特异性适配体修饰的金纳米粒子(AuNPs-apt)作为探针，与适配体互补的寡核苷酸 DNA1 修饰的银纳米粒子(AgNPs-DNA1)作为信号放大元件，设计制备的试纸能够在 10 min 之内完成检测，利用肉眼辨别的检测限可达到 35 nmol/L，远低于欧盟规定乳制品中卡那霉素含量不得超过 150 μg/kg (约 265 nmol/L)。若采用胶体金读数仪，不仅可实现定量测定，检测限更可达到 80 pmol/L。对于蜂蜜等成分相对简单的样品，可直接用试纸进行测定。对于牛奶、奶粉、肉类等成分较复杂或非液态样品，须经简单样品处理后测定。样品处理过程可采用标准化流程，时间小于 30 min。

CRISPR/Cas9 (clustered regularly interspaced short palindromic repeats and CRISPR-associated proteins)是目前最常用的基因编辑工具酶，在科研领域被广泛应用，而在临床方面的应用因为其脱靶活性一度停滞不前。它通过guide RNA（gRNA）与靶向DNA序列的配对，从而将Cas9锚定在靶向基因并诱导产生DNA双链断裂（DSB）。在基因编辑诱发的DSB的修复过程中，一定几率会产生基因突变或者外源DNA片段的插入，从而达到基因编辑的目的。在实际应用过程中，一个好的基因编辑酶Cas9需要同时满足高效切割靶位点、低脱靶活性和低染色体异常三个特点。目前在这三个方面，有一部分基于PCR的方法用于估算基因编辑效率，但其结果可靠性有待提高；有一些基于高通量测序的方法可以在体内或者体外检测基因编辑酶的脱靶活性；尚无系统的可定量的测量基因组异常结构的方法。本项目开发了一种新的方法，可以用来同时定量检测Cas9编辑效率和脱靶活性以及编辑引起的染色体异常结构，即primer-extension-mediated sequencing（PEM-seq）。这是对基因编辑和DNA损伤修复等领域都有巨大促进作用的新技术。与此同时，该项目包括了该团队利用PEM-seq筛选出的一个相比于现有Cas9变体具有更低脱靶活性且与野生型Cas9切割效率相当的Cas9变体further enhanced Cas9 (FeCas9)。

本发明公开了一对特异识别绵羊KRT25基因的多肽及其编码基因和应用。该多肽由多肽甲和多肽乙组成；所述多肽甲由16个TAL核酸识别单元组成，每个TAL核酸识别单元中具有一个双连氨基酸；所述多肽乙由15个TAL核酸识别单元组成，每个TAL核酸识别单元中具有一个双连氨基酸。本发明可实现在细胞或个体水平上对绵羊KRT25基因进行敲除或修饰，以解析绵羊KRT25基因的功能、构建绵羊KRT25基因突变库或获得相关疾病模型,为绵羊育种及医药研发服务。