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：

《2019冠状病毒病——从基础到临床》针对广大临床医生，阐述了这一新发传染病的流行病学特点，介绍病原学、病毒分子生物学、病毒学研究经过与最新进展，对于国内外关于该新发传染病的临床表现、诊断以及治疗亦有详细论述，包括治疗方案、抗病毒药物研究进展、糖皮质激素应用、高流量鼻导管氧吸氧和无创通气的选择、有创呼吸机和体外生命支持系统的使用等，适用于临床一线相关医务人员以及疾病预防与控制工作人员、医学高等院校学子等参考。

团队发现一种特异性的引起肾脏早期损伤的AGEs自身抗体，自身抗体可以介导补体系统和T细胞对表达抗原的分子和细胞进行攻击，针对AGEs的自身抗体在疾病发生不同阶段识别肾脏足细胞、基底膜和系膜细胞表面的特异AGEs，从而引起肾损伤，导致糖尿病肾病。基于此，团队推测这类自身抗体可用于糖尿病肾病的早期诊断。

本成果获得 2015 年青岛市科技进步奖二等奖。水貂巴氏杆菌病 蜂胶灭活苗，在传统的水貂巴氏杆菌灭活疫苗的基础上加入蜂胶，加入蜂胶后 的疫苗在使用上更加安全，在免疫效果上更加好，在同类灭活疫苗的研制上处 于领先水平，此项目在其他细菌疫苗研制上也提供了有价值的借鉴作用。本成青岛农业大学科技成果介绍 2017 －35－ 果主要应用于水貂的巴氏杆菌病的预防，投入生产使用后将高效安全的预防水 貂巴氏杆菌病的发生，为广大水貂养殖户提供高的经济保障，因为水貂巴氏杆 菌病蜂胶灭活苗在生产上操作相对简单便于大规模生产，对生产商来讲有着较 其他疫苗所没有的优势。 生产条件及市场预期：水貂巴氏杆菌病是水貂的常发病，主要影响水貂的 呼吸系统引起水貂的肺炎是其主要的特征，发病率高致死率也高对水貂的养殖 影响严重。水貂巴氏杆菌病蜂胶灭活苗，能够有效预防此病，因其操作简单因 而能够及时预防和治疗水貂巴氏杆菌病。有肺炎的病貂会严重影响貂皮的质量， 所以水貂巴氏杆菌病蜂胶灭活疫苗在预防巴氏杆菌病保障养殖户经济效益的同 时，也为社会提供了优质的貂皮，所以此疫苗有着广阔的经济和社会效益。 

2015年全球糖尿病患者约有4.15亿人，预计到2030年将达到3.5亿人。我国糖尿病发病率为4.6%，2007年我国糖尿病患病人数为3980万，预计到2025年将达到5930万。糖尿病肾病是糖尿病的主要并发症，糖尿病患者中约有40%～50%的人会进展成为糖尿病肾病，导致慢性肾衰竭，最终死亡。糖尿病肾病早期诊断试纸在未来可能成为类似血糖测试试纸/血糖仪一样的糖尿病患者日常必需产品。面对越来越庞大的糖尿病患者人群，单就国内市场对糖尿病肾病早期诊断的产品在糖尿病患者日常监测中就能达到10

目前全世界糖尿病患者4.25亿，我国糖尿病患者占全球的25%，约1.09亿，其中超过1/3的糖尿病患者会罹患糖尿病肾病。糖尿病患者一旦发生肾脏损害，出现持续性蛋白尿则病情常不可逆转，往往发展至终末期肾衰竭。申请人团队发现一种特异性的引起肾脏早期损伤的AGEs自身抗体，自身抗体可以介导补体系统和T细胞对表达抗原的分子和细胞进行攻击，针对AGEs的自身抗体在疾病发生不同阶段识别肾脏足细胞、基底膜和系膜细胞表面的特异AGEs，从而引起肾损伤，导致糖尿病肾病。基于此，申请人团队推测这类自身抗

“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   推出背景：       近年来，世界各国糖尿病的患病率均有极具增加的趋势，据WHO统计，1994年糖尿病患者人数为1.20亿，1997年为1.35亿，2000年为1.75亿，2010年为2.39亿，2017年为4.25亿。目前，世界糖尿病患者人数最多的前3位国家为印度、中国、美国，据国际糖尿病联盟最新数据，2017年全球的4.25亿糖尿病患者中，中国是患病人数达到1.14亿，并呈现发病率升高、患者年轻化的趋势。       糖尿病给患者带来的并发症有160余种，其中80%的糖尿病患者死于心脑血管疾病，而治疗糖尿病及其并发症的费用占据国家整个医疗支出的7%-13%。        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，从组织水平为糖尿病研究提出解决方案，隆重推出：  《NMT糖尿病研究工作站》系列产品！   应对挑战： 1）指标的契合度：葡萄糖指标，提供了研究中最直接的指标测量。 2）检测材料广：在细胞水平，组织水平都能进行检测，给与研究者不同材料水平的检测方式，达到同一研究方向、不同材料水平都能进行测量。 分类及用途： 1）《NMT糖尿病研究工作站》（型号：NMT-DMR-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。 《NMT糖尿病研究工作站》（型号：NMT-DMR-200） 应对挑战： 1）指标的契合度：葡萄糖指标，提供了研究中最直接的指标测量。 2）检测材料广：在细胞水平，组织水平都能进行检测，给与研究者不同材料水平的检测方式，达到同一研究方向、不同材料水平都能进行测量。 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针对糖尿病研究和研发设计 1.2活体、原位、非损伤检测 1.3可检测指标：H+、Ca2+、O2、葡萄糖 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

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。