抗癌药物的靶向选择性、低耐药性是目前抗癌药物深度研发的难点和瓶颈。本成果发明了一种靶向肿瘤标志蛋白的小分子多肽，其不仅呈现对已筛选的肝癌、乳腺癌、前列腺癌等细胞强的抑制和杀伤作用，尤其是对肝癌呈现强的细胞选择性，具有开发为国家注册一类原创新药的前景。相关工作与成果已申报国家发明专利，属于自主知识产权和原创研发。

上海理工大学能动学院教授杨其国科研团队及时开展“紧凑型传染性医废快速消杀技术和设备”课题研究。 这套系统最大的特点是就地、高效、环保，就像一座可移动的小型医废处理厂。装置采用撬装车载式结构，通过技术创新，把燃烧、除尘、烟气净化等关键技术集成在车辆上，深度开发后可以建成智能化系统，使传染性医废能够在医院就地、及时、安全处理掉，综合效益得到很大的提升 这套新型处置系统的个头虽然小，能力却很强。设备的设计处理能力为100kg/h，可满足类似武汉雷神山医院1500张床位产生的大量传染性医疗废物处置需求等场合，还可以根据不同规模医院的需求进行“定制化”设计，形成系列产品。 杨其国教授团队在系统设计中，聚焦低能耗、高效率，采用了分段送风的回转窑二燃室焚烧、碳化硅板式换热器余热回收、弱碱液喷雾急冷、活性炭/消石灰喷射、布袋除尘、喷淋洗涤除酸及深度除尘、丝网除雾消白的技术路线，实现处置彻底、排放达标。

前期研究发现一个海洋真菌来源的，含有特殊的 N-甲基化和 D-型氨基酸片段的小分子活性环三肽化 合物 X-13，在动物、模式生物和细胞水平均发现具有强烈的促血管生成作用；对大鼠糖尿病溃疡损伤模 型也具有显著修复活性。

华东师范大学生命科学学院吴宇轩、刘明耀、李大力团队、中南大学湘雅医院付斌团队和邦耀生物合作报告了世界首例CRISPR基因编辑治疗β0/β0型重度地贫儿童患者的临床结果。

膝骨关节炎在中、老年患者中多发。目前治疗膝骨关节炎的理疗仪器具有体型巨大、形式单一、参数固定、价格昂贵、且必须在医院使用的特点。未来医疗的终点要回归家庭，回归社会，回归工作。当下结合养老产业的家庭康复服务和家庭康复理疗仪器的研发和应用成为热点。 该产品基于三种物理治疗因子主要针对OA病理基础中三个重要特征的事实，提出科学问题如下：是否可以将低频脉冲电磁场（PEMFs）、振动治疗（VT）和温热治疗（TT）三者整合一体化为一类便携式的骨关节炎治疗仪器，并且各参数可调。具有关键性技术和关键工艺。一体化治疗仪实现磁激励、振动和加热三种物理因子方式可以同时工作，也可以分别工作。以交互式人机界面方式，以高性能的TMS320F2812为中心处理，外加接口控制器和外围处理单元，充分兼顾机械和工程上的精细化和小型化。具有新设计构思和工业材料。引入新型医用材料 PTC ,使之兼具热疗和电疗的效果。此外,电子元器件采用贴片封装,整体电路和温热元件均嵌于护膝内部，穿戴方便舒适，适于各年龄段患者的膝关节解剖结构，提高患者治疗依从性。该产品设计目标是便携式仪器，追求产品的小型化和家庭化。便于操作，做到既安全又有效。

研发阶段/n一种缺失gG和TK基因的重组牛传染性鼻气管炎病毒和应用。　　成果简介：本研究通过定向基因缺失技术将牛传染性鼻气管炎病毒的毒力基因TK和必需基因gG缺失，得到了牛传染性鼻气管炎的gG和TK双基因缺失突变株。疫苗免疫是防治牛传染性鼻气管炎的根本措施，灭活疫苗不能区分野毒感染和疫苗免疫牛，弱毒疫苗有残余毒力和返强风险，本研究获得的牛传染性鼻气管炎的gG和TK双基因缺失突变株，可区分野毒感染牛和疫苗免疫牛，是血清学“标志”疫苗，为我国牛传染性鼻气管炎根除计划提供了技术支撑。　　应用前景：目前我国

西安电子科技大学机电工程学院多智能体研究中心郑元世教授团队通过引入了智能体及邻居的历史状态，提出了一种基于记忆信息的一致性协议并建立了该协议下显式的一致域。

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：

临床肿瘤的诊断和分期依赖于影像学，核医学2-氟-2-脱氧-D-葡萄糖（18F-FDG）正电子发射计算机断层扫描/计算机体层扫描(Positron Emission Computed Tomography / Computed Tomography, PET/CT)技术在肿瘤的诊断及分期（寻找恶性肿瘤原发灶及同步探测转移灶），探测未知原发肿瘤的原发灶，探测肿瘤复发、鉴别肿瘤残留与治疗后瘢痕或坏死组织，监测治疗，帮助制定放疗计划等方面较传统的影像学方法如：CT、MIR、超声等均已显示出独特的优越性。然而，18F-FDG不具有肿瘤特异性。炎症、感染性疾病如活动性肺结核、隐球菌性肉芽肿、肺脓肿、结节病等也可出现18F-FDG高摄取，导致假阳性结果；同时，许多分化良好的低级别肿瘤，包括大多数前列腺癌、肾细胞癌、肝癌、肺类癌、支气管肺泡细胞癌、消化道和结肠粘液性肿瘤、低度恶性淋巴瘤、高分化腺癌等，葡萄糖代谢水平相对较低，更接近正常组织，18F-FDG摄取低或不摄取，可出现假阴性结果。上述18F-FDG PET/CT肿瘤显像的假阳性和假阴性结果无疑会给临床肿瘤的诊断及鉴别诊断带来巨大的挑战。因此，开发新型非18F-FDG肿瘤靶向显像诊断药物势在必行！ 研究发现，黄连素——一种从小檗科植物家族中提取的苄基四异喹啉类生物碱，通过选择性作用于肿瘤细胞的线粒体，包括抑制线粒体复合物I和与腺嘌呤核苷酸转运蛋白相互作用等，诱导线粒体功能障碍，从而抑制肿瘤细胞的生长。肿瘤细胞的线粒体已成为一种优良的抗肿瘤治疗靶标。黄连素似乎可以抑制多种肿瘤细胞，包括结肠癌、前列腺癌、胶质母细胞瘤、胃癌、表皮样癌、肝癌、胰腺癌、乳腺癌、口腔癌、舌癌、白血病和黑色素瘤等多种肿瘤细胞的生长。利用黄连素对肿瘤细胞线粒体的高度靶向性特性，用放射性释放γ射线的放射性核素标记黄连素衍生物可完成活体肿瘤的靶向分子显像；用释放α离子或β等射线的治疗用放射性核素标记该黄连素衍生物，利用黄连素衍生物自身的抗癌活性和放射性核素释放射线的辐射损伤生物学效应，可实现对肿瘤的化学-放射双重治疗。 首次成功合成新的黄连素衍生物并完成18F标记，形成一种新分子——18F标记黄连素衍生物；运用PET/CT技术,初步实现了18F标记黄连素衍生物（新分子）的新用途——活体荷VX2瘤兔的肿瘤靶向分子显像，具有创新性。 查新报告显示：国内外均无相关专利及文献报道。