XM-402T糖尿病模型   XM-402T糖尿病模型由脑、眼、心脏、肾、血管、胰腺、神经元、足8部件构成，展示了糖尿病及其并发症对人体的危害，其中心脏可以打开看到心脏内大致结构。 尺寸：自然大，12.5×12.5×22.5cm 材质：PVC材料

XM-TN高级糖尿病足护理模型   功能特点： ■ XM-TN高级糖尿病足护理模型设计为糖尿病导致的足部病理变化，学员可进行病变的护理。 ■ 显示侵入性创伤第1、2、3脚趾周围产生轻微的感染。 ■ 展示严重的足部病变，如脚趾截肢、夏柯氏足和坏疽等。 ■ 模型材料柔软有弹性，脚趾可弯曲。

XM-TN高级糖尿病足护理模型   功能特点： ■ XM-TN高级糖尿病足护理模型设计为糖尿病导致的足部病理变化，学员可进行病变的护理。 ■ 显示侵入性创伤第1、2、3脚趾周围产生轻微的感染。 ■ 展示严重的足部病变，如脚趾截肢、夏柯氏足和坏疽等。 ■ 模型材料柔软有弹性，脚趾可弯曲。

XM-433眼常见病模型   XM-433眼常见病模型包括20种常见眼病的形态，每套模型由20只组成，分装入箱内展示正常眼、正常睑结膜、沙眼、、眼睑内翻、溃疡性睑缘炎、眼睑外翻、霰粒肿、麦粒肿、慢性泪囊炎、翼状胬肉、流行性出血性角结膜炎、角膜溃疡、角膜粘连性白斑、急性虹膜睫状体炎、巩膜炎、急性青光眼、老年性白内障、结膜异物、眼睑湿疹形态。 尺寸：放大3倍，37.5×56.5×9cm 材质：PVC材料   20种常见眼病: 1、正常眼：显示上下眼睑、睑缘、泪点、球结膜、巩膜、角膜、虹膜和瞳孔。 2、正常睑结膜：显示上下眼睑睑结膜，表面光滑透明，血管分布清楚。 3、沙眼：显示沙眼第二期重度（Ⅱ++），上眼睑睑结膜炎症，超过1/3以上面积，并有疤痕形成。 4、沙眼性血管翳：显示角膜上部有血管进入角膜组织，占角膜面积1/4。 5、眼睑内翻：显示上眼睑睑缘向内侧翻转，睫毛触及眼球角膜，造成角膜上部沙眼性血管翳，球结膜充血。 6、溃疡性睑缘炎：显示睑缘充血肿胀，睑缘睫毛根部有小脓泡溃疡和脓痂。 7、眼睑外翻：显示下眼睑向外侧翻转，睑结膜色红，肥厚，少光泽，下眼睑睑结膜与球结膜粘连。 8、霰粒肿：显示上眼睑睑结膜上蚕豆大小紫红色隆起肿块，中央呈灰黄色。 9、麦粒肿：显示上眼睑皮肤红肿，近鼻侧有黄色脓头隆起 10、慢性泪囊炎：指压泪囊部，从泪点流出黏液脓性分泌物。 11、翼状胬肉：显示角膜鼻侧有三角形翼状膜，头部进入角膜组织，体部血管丰富，肥厚，隆起。 12、流行性出血性角结膜炎：球结膜充血、水肿，有片状出血，角膜内有灰白色浸润点，下眼睑红肿。 13、角膜溃疡：角膜周围有明显混合性充血，角膜上皮和基质脱落缺损，形成角膜溃疡，有黄白色脓性分泌物。 14、角膜粘连性白斑：瞳孔梨状，梨蒂有白斑，为角膜病变所造成。 15、急性虹膜睫状体炎：混合性充血，瞳孔缩小不正圆。 16、巩膜炎：球结膜水肿，其下方巩膜呈紫红色充血。 17、急性青光眼：眼睑水肿，混合性充血，瞳孔中等散大，呈绿色反光。 18、老年性白内障：显示晶状体混浊，呈灰白色。 19、结膜异物：显示上眼睑睑结膜上黑褐色（铁屑）异物，伴结膜充血。 20、眼睑湿疹：显示下眼睑湿疹，睑缘充血肿胀，滤泡透明呈圆形。

【发 明 人】马宏跃；段金廒；周婧；唐于平【技术领域】本发明涉及蟾蜍甾烯类化合物及蟾蜍甾烯盐化物的新用途，具体是涉及蟾蜍甾烯类化合物及蟾蜍甾烯盐化物用于制备治疗妇科肿瘤疾病药物的应用。【摘要】本发明提供了一种蟾蜍甾烯类化合物及蟾蜍甾烯盐化物在制备治疗妇科肿瘤药物中的应用，通过对蟾蜍甾烯提取物和单体化合物华蟾毒精、蟾毒灵、蟾毒它灵、日蟾毒它灵及以上四个单体化合物的盐酸盐或硫酸盐体外对人卵巢癌细胞(A2780)、人卵巢癌细胞(SK-OV-3)、人宫颈癌细胞(SiHa)和人子宫内膜癌细胞(shikawa)四种妇科肿瘤的抗癌实验，实验结果显示蟾蜍甾烯提取物和单体化合物华蟾毒精、蟾毒灵、蟾毒它灵、日蟾毒它灵及以上四个单体化合物的盐酸盐或硫酸盐对四种妇科肿瘤细胞均有很强的抑制作用，抗癌活性强于阳性药紫衫醇，且不良反应小，有望开发成新的抗癌药物。

已有样品/n公开了一种琥珀酸多西拉敏在制备治疗或预防流感病毒药物中的应用。选用完全无毒性浓度的琥珀酸多西拉敏进行抗病毒实验，结果显示这种小分子化合物具有显著的抗病毒活性并呈剂量依赖相关。接着检测了琥珀酸多西拉敏对不同型和亚型流感病毒的抗病毒活性，结果显示琥珀酸多西拉敏对检测病毒株均有活性，且具有剂量依赖效应，表明琥珀酸多西拉敏抗流感病毒活性具有一定的广谱性。因此，本发明的琥珀酸多西拉敏可以作为新的抗流感病毒药物进行开发，为治疗流感提供了一种新的途径和手段。

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