放射性药物是可用于诊断或治疗目的的药物，由放射性同位素与有机分子键合组成。有机分子将放射性同位素传递至特定的器官、组织或细胞。 ​ 根据特性选择放射性同位素发射穿透伽马射线的放射性同位素用于诊断（成像），发出的辐射脱离身体后被特定仪器（SPECT / PET相机）检测到。通常，用于成像的同位素产生的辐射在1天后通过放射性衰变和正常的身体排泄完全消除。最常见的用于成像的同位素是：99mTc、I123、I131、Tl201、In111和F18。 ​ 发射短程粒子（α或β）的放射性同位素用于治疗，因为它们能够在非常短的距离内失去所有能量，因此产生大量局部伤害（例如细胞破坏）。该特性用于治疗目的：破坏癌细胞，骨癌或关节炎的姑息治疗中减缓疼痛。这类同位素在体内的停留时间比成像同位素更长；用来提高治疗效率，但仍然限制在几天内。最常见的治疗同位素是：I131、Y90、Rh188和Lu177。 ​ 放射性药物的工作原理是：基于使用分子“出租车”，将受控剂量的放射性活度特异性地传递至目标患病组织（通常是癌细胞），以便根据所用放射性核素的类型可视化（诊断）或治愈（治疗）组织。放射性药物通常包含负责将放射性核素引导至目标组织的生物载体（抗体、肽等）。双功能螯合剂牢固地抓住放射性核素并确保与生物载体之间的牢固结合。

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：

1. 痛点问题 本项成果涉及新型疫苗的设计与应用，具体涉及生物大分子药物及疫苗的研发过程中的抗原精准设计。 2. 解决方案 基于AI的大分子药物及疫苗抗原设计。

本科技成果已作为专利申请项目获得专利申请号,并通过专利申请初步审查。本发明的目的在于克服 现有中西医治疗超重/肥胖型多囊卵巢综合征（PCOS）的药物存在的不足，提供一种治疗超重/肥胖型多囊 卵巢综合征的中药方剂，该中药方剂一方面可以迅速有效地减轻患者体重及体重指数，体重下降后不容易 反弹、还能改善糖脂代谢、胰岛素抵抗等情况；另一方面可以改善PCOS患者不排卵/稀发排卵的情况，改 善生殖内分泌紊乱，调节卵巢功能，提高合并不孕患者的妊娠率。

虽然目前出现了许多先进技术，但化疗仍然是转移性肿瘤或肿瘤不可切除病变情况的首选治疗方案。传统化疗的药物毒性经常导致患者出现恶心、呕吐、腹泻、肾脏问题和神经病理性疼痛等多种症状，严重影响患者的生活质量。因此，被巧妙设计成靶向肿瘤部位的智能型化疗药物载体应运而生，但最近的研究表明，这些药物仅有极少的药剂量被有效地输送到肿瘤部位，而剩余的大量药物则残留并扩散到了其它重要器官中，造成毒副作用或伴随诱发其它疾病。基于此，韩鹤友教授课题组巧妙地设计了体内光热激活TRPV1通道的Ca2+“瀑布”纳米治疗平台，为肿瘤精准治疗提供了新的策略。团队首先制备了“核”CuS纳米粒子，接着为其表面包被一层生物相容性良好的CaCO纳米“壳”，生成“核壳型”CuS@CaCO3纳米颗粒，最后在CuS@CaCO3表面修饰一层磷脂，形成CuS@CaCO3-PEG纳米治疗系统。其中纳米CuS具有光热转换特性，是构建Ca2+“瀑布”的“开关”，且CuS可增强三维光声成像效果并为肿瘤治疗提供即时诊断的依据。这个治疗体系最突出的优点是不引入化疗药物，因此不用担心化疗带来的毒副作用。TRPV1是一个非选择性的阳离子通道，对Ca2+优先通过，可被热、低pH和辣椒素等外部条件激活后打开。该通道被打开后，大量的钙离子穿过细胞膜进入细胞（钙离子过超载），CuS@CaCO3-PEG纳米系统通过EPR效应被动积累在肿瘤部位，肿瘤的微酸环境导致酸响应的纳米碳酸钙分解，产生大量的钙离子并释放装载的纳米CuS；随后近红外光在肿瘤部位照射刺激CuS迅速产生大量的热，从而激活癌细胞表面的TRPV1离子通道，诱使大量的钙离子内流进入癌细胞。线粒体是细胞的能量工厂，同时也是细胞内钙离子平衡的调节器，它是关乎细胞生存的一种亚细胞器。研究发现，钙离子浓度远远超过其调节能力（钙离子过超载）会导致线粒体功能紊乱、细胞内线粒体膜电势受损、ATP能量产生受阻和各种调节蛋白异常(Caspase-3、Cyt c上调；Bcl-2下调等)，最终使得癌细胞凋亡。本研究提出的Ca2+“瀑布”治疗模式能够同时在肿瘤微酸环境和TRPV1通道过表达的条件下被激活，有助于肿瘤的精确治疗，且不受限于肿瘤的乏氧环境；整个治疗体系没有携带抗癌药物，不用担心治疗带来的系统毒性；由于Ca2+固有的独特生物学效应，正常细胞比肿瘤细胞更能耐受其破坏性影响；在体内释放的光热CuS纳米颗粒还可增强肿瘤的三维光声成像，为肿瘤治疗提供即时诊断的依据。这种钙离子“瀑布”治疗策略有望与其他临床治疗相结合，提高肿瘤治疗效果，降低治疗带来的全身性副作用。论文链接：https://www.sciencedirect.com/science/article/pii/S2589004220302340

【项目来源】南京中医药大学科技创新风险基金项目，编号CX200708。【知识产权】已申请专利，申请号200820185240.3。【类    别】医疗器械类。【功能主治】治疗胸腰段压缩性骨折。【主要技术指标】可调式悬吊治疗器包括四根立柱、四根用于立柱下部连接的下方横杆和两根相对设置的用于立柱上部连接的上方横杆，两根上方横杆上设有软兜。并通过以下技术措施来进一步实现：软兜一端固定在第一根上方横杆上，第一根上

技术特点148.穴位贴敷治疗贴穴位贴敷治疗贴是一种利用中药制剂吴茱萸、大黄等、丙烯酸压 敏胶、水刺无纺布、不锈钢珠及离型纸制成。穴位贴敷治疗贴的压敏 胶布剥离强度不小于 1.0N/cm，持粘性应不大于 2.5mm。适用范围 本品针对人体涌泉穴，对中医穴位起刺激作用。治疗口腔溃疡、 鼻炎症状。 使用方法清洁涌泉穴，打

穴位贴敷治疗贴是一种利用中药制剂吴茱萸、大黄等、丙 烯酸压敏胶、水刺无纺布、不锈钢珠及离型纸制成。穴位贴敷治疗贴 的压敏胶布剥离强度不小于 1.0N/cm，持粘性应不大于 2.5mm。 

本发明公开了一种治疗胃溃疡的药品，由下列重量份数的原料药制成的药剂：山药5 15份、生黄芪25 35份、柴胡7 9份、合欢皮8  13份、白术15 25份和郁金8 12份。本发明提供的中药组合物，其原料经本发明人按照君臣佐使的配伍原则合理配伍后，使得各味药协同增效，在治疗胃溃疡方面取得了显出的疗效，且本发明为纯中药制剂副作用较小。