成果产品生物质热解-提质成套装备与技术，主要用于将生物质转化为高品质的液体燃料，替代石油作为车用燃油。工艺采用国内外首创自热式单床内循环串行床对生物质热解，耦联“分级转化”（酯化-加氢）技术对热解生物油提质。

针对不合理施用肥料及集约化生产等导致的土壤生物退化，土壤生态系统调控能力下降，植物土传病害加剧等问题，开展了农用功能微生物的筛选及其在农业废弃物肥料化、土壤微生态修复调理、植物抑病促生等方面的研究。研究获得200多株对10余种主要农作物土传病原靶标菌有较强防病促生优良微生物菌株，开发出生防放线菌菌株3株、真菌1株、细菌2株。在此基础上集成功能微生物高密度培养技术、土壤微生态系统的快速修复技术和微生物干预植物减害、生态友好技术。开发了放线菌高活性菌粉、放线菌有机肥和放线菌液体肥料等产品，并建立了相应生产线。该成果既能实现土壤生物退化及连作障碍的微生物修复，又能实现生产减肥减药、产品提质增效；该成果实施后预期年生产菌剂固态6000吨，每吨售价20000元；液态5000吨，每吨售价15000元。

聚氨酯（Polyurethane, PU）是一种新兴的有机高分子材料，被誉为 “第五大塑料”，与橡胶材料相比，聚氨酯特殊的微相分离结构赋予PU良好的耐磨性、耐擦伤性、粘结性、柔韧性、优良的保光性与低温性等卓越的性能而被广泛应用于化工、轻工、电子、医疗、建筑、航空航天等众多领域，是目前发展最快的特种有机树脂之一。 一、项目分类 关键核心技术突破 二、成果简介 聚氨酯（Polyurethane, PU）是一种新兴的有机高分子材料，被誉为 “第五大塑料”，与橡胶材料相比，聚氨酯特殊的微相分离结构赋予PU良好的耐磨性、耐擦伤性、粘结性、柔韧性、优良的保光性与低温性等卓越的性能而被广泛应用于化工、轻工、电子、医疗、建筑、航空航天等众多领域，是目前发展最快的特种有机树脂之一。自从1998年以来，国内聚氨酯产业发展迅速， 据统计，2020年，我国聚氨酯行业产量在1470万吨左右，总产能约占全球总产能的36.4%，成为全球最大的聚氨酯生产国和消费国。随着石油的日益枯竭和环境污染等问题的出现，寻求廉价、高效、可再生和环境友好的资源替代石化资源合成PU已迫在眉睫，这也是行业近年来需要重点解决的问题。

项目简介 本项目针对大型海藻这类潜力巨大的可再生能源采用热解制取生物油的机理问题， 分析海藻水溶性多糖热裂解产油、产气和产炭的特征，并通过多种测试手段相结合具体 分析所制得生物油成分，由生物油成分探索水溶性多糖的热解反应机理。研究热解温度、 停留时间等过程参数对海藻热解制油产率和品质的影响规律，利用灰色关联法分析其影 响程度序列，获得产油率和油品协同最佳所对应的热解工况。最终评价海藻热解生成液248 体油的价值，并提出优化调整策略。

    生物实验室讲座与授课独特之处：革新的顶装式集成系统使空间变得简单、灵活。实验桌可根据需求自由移动和组合，轻松实现各种模式的转换。做到“你的教室你做主”。     升降臂：化学升降臂可供应实验室以光、电、气、给排水、通风等系统

    生物实验室学科教学模式独特之处：革新的顶装式集成系统使空间变得简单、灵活。实验桌可根据需求自由移动和组合，轻松实现各种模式的转换。做到“你的教室你做主”。     升降臂：化学升降臂可供应实验室以光、电、气、给排水、通风等系统

本项目针对人工速生林木材密度小、强度低的特点，研究开发出木材化学改性与干燥一体化工艺技术及装备。本技术能够大幅度提高速生材性能，同时解决了常规木材改性技术中改性剂浸透困难、环保性差，改性材功能单一、尺寸小，无法满足工业生产要求等问题；解决了传统木材改性技术工艺“先干燥-再浸渍处理-再二次干燥”的能耗高的问题。本项目技术获国家发明专利授权2项，已在多家企业应用。

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

动物捕食植物种子（下称种子捕食）是动植物协同进化的重要方面。动物捕食植物种子可影响植物种群更新和繁衍；植物通过调节各种性状，如种子大小、蛋白质含量，调节动物捕食行为。植物性状对种子捕食调节能力的评估对理解动植物协同进化具有重要意义。 因此，建立一种用于种子捕食追踪的人工种子系统，对于种子捕食追踪及相关研究，理解动植物协同进化，促进野生植物尤其是珍稀濒危植物保护具有重要的作用。

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：