研发阶段/n呼吸道合胞病毒（RSV）是引起婴幼儿肺炎的首要病因，福尔马林灭活疫苗产生低中和活性抗体以及偏向Th2型免疫应答，反而引起“疫苗依赖的感染增强”，因此，国内外均无疫苗上市。本发明采用抗原抗体免疫复合物的新思路，提供了一种RSV抗原蛋白F与抗体恒定区Fc的融合蛋白(F-Fc)的制备方法，及其作为RSV亚单位疫苗的应用。融合蛋白经粘膜途径（滴鼻）免疫，使用安全方便，并可在呼吸道诱导强的体液免疫和偏向Th1型细胞免疫。目前尚无疫苗上市，疾病多发于婴幼儿，市场前景巨大

结核病严重危害人群健康和公共卫生安全，已有的结核疫苗 BCG 对预防儿童严重的粟粒性结核和结核性脑膜炎有效，但其免疫 保护作用随年龄增长而有所减弱，至成人阶段已无有效的保护作用。 兰州大学和兰州生物制品研究所合作研发结核亚单位疫苗，经八年潜 心研究，已筛选获得有效的结核亚单位疫苗。我们融合结核分枝杆菌 不同时期重要的保护性抗原，构建 ESAT6-Ag85B-Mpt64(190-198) -Mtb8.4(缩写为 EAMM)、Mtb10.4-Hspx(缩

“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 “全球抗疫，人人有责”   推出背景： 中国的疫情目前已得到有效抑制，但全球的疫情形势依旧严峻。在这种情况下，中国尽全力向世界各国分享抗疫的经验和成果，这充分显示出大国的奉献与担当，同时彰显了为人类命运的共同繁荣而奋斗的精神。 但大家也清醒地认识到，与新冠肺炎的科技斗争才刚刚拉开序幕，未来任重道远，尤其是在研究技术及方法的竞争上更是世界各国竞争的焦点！ 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）科技有限公司充分响应国家对于生物安全的政策。在短时间内，利用20多年的技术积累，为抗击新型冠状病毒肺炎隆重推出： 《NMT新冠疫苗及免疫机理研究系统》系列产品！   应对挑战： 1）有效性：随着研究的深入，单细胞的生理状态，以及对疫苗的生理反应，与处于机体组织器官中的细胞的差异，已逐渐成为研究中的瓶颈。NMT不仅可以检测单细胞，还可以实现对细胞的原位检测，以及对活体组织的在体检测，很好地弥补了这一研究手段的空白。 2）安全性：NMT是用于研究活体材料的生理环境，其所检测的Na+、H+、K+、Cl-等与细胞能量代谢、细胞凋亡、细胞形态维持等生理过程直接相关。 分类及用途： 1）《NMT新冠疫苗及免疫机理研究系统》（型号：NMT-VIM-100） 基于底层核心NMT技术，以及成熟的技术解决方案，让科研人员可以马上投入相关科研创新工作。   2）《NMT新冠疫苗及免疫机理研究系统》（型号：NMT-VIM-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新冠疫苗及免疫机理研究系统》（型号：NMT-VIM-100） 应对挑战： 1）有效性：随着研究的深入，单细胞的生理状态，以及对疫苗的生理反应，与处于机体组织器官中的细胞的差异，已逐渐成为研究中的瓶颈。NMT不仅可以检测单细胞，还可以实现对细胞的原位检测，以及对活体组织的在体检测，很好地弥补了这一研究手段的空白。 2）安全性：NMT是用于研究活体材料的生理环境，其所检测的Na+、H+、K+、Cl-等与细胞能量代谢、细胞凋亡、细胞形态维持等生理过程直接相关。 用途： 基于底层核心NMT技术，以及成熟的技术解决方案，让科研人员可以马上投入相关科研创新工作。   参数 1.基本功能： 1.1针对新冠疫苗及免疫机理研究设计 1.2活体、原位、非损伤检测 1.3可检测指标：H+、K+、Ca2+、Cl-、O2 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     《NMT新冠疫苗及免疫机理研究系统》（型号：NMT-VIM-200） 应对挑战： 1）有效性：随着研究的深入，单细胞的生理状态，以及对疫苗的生理反应，与处于机体组织器官中的细胞的差异，已逐渐成为研究中的瓶颈。NMT不仅可以检测单细胞，还可以实现对细胞的原位检测，以及对活体组织的在体检测，很好地弥补了这一研究手段的空白。 2）安全性：NMT是用于研究活体材料的生理环境，其所检测的Na+、H+、K+、Cl-等与细胞能量代谢、细胞凋亡、细胞形态维持等生理过程直接相关。 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针对新冠疫苗及免疫机理研究和研发设计 1.2活体、原位、非损伤检测 1.3可检测指标：H+、K+、Ca2+、Cl-、O2 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

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：

已有样品/n目前国内外尚无防龋疫苗上市，与正在研发的其他类型防龋疫苗相比，重组融合蛋白防龋疫苗能够高效激发免疫反应，刺激机体产生持久的免疫应答，尤其是口腔特异IgA抗体应答，提供预防和治疗保护。该疫苗生产制备采用目前已十分成熟的工程细菌表达和纯化技术、工艺简单、成本较低；产品可设计为冻干形式，保存运输不需冷链。疫苗接种通过鼻腔内黏膜直接无创伤滴注或直接喷雾，甚至可以自行接种，安全方便。越是发达的国家，龋病患病率越高。我国龋病患病率还在上升中，龋齿疫苗市场需求明显，产业前景广阔，一旦这种重组蛋白龋齿黏

本发明公开了一种水包油型疫苗佐剂、其制备及应用。所述的水包油型纳米乳疫苗佐剂，按照质量百分比包括 0.1％～10％的油相、0.1％～10％的乳化剂、0.1％～3％的稳定剂、0.1％～3％的络合剂以及 0.01％～10％的免疫增强剂。其制备方法包括以下步骤：(1)将免疫增强剂、稳定剂和络合剂均匀分散于水中，获得水相；(2)将油相和乳化剂混合，获得油相；(3)将油相缓慢加入到水相中并持续搅拌，形成稳定的乳液；(4)调节乳液的 pH 值并定容得到初乳；(5)将初乳进行高速剪切和高压均质。本发明提供的疫苗佐

简介： 抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。 我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。  优势： 1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍 2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率 3、计算方法已经得到了实验从正、反两方面的验证。 图1：深度学习算法预测蛋白质相互作用时界面氨基酸配对:成功率72.1% 图2：计算相互作用得到了实验从正、反两方面的验证

抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。 优势：1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率3、计算方法已经得到了实验从正、反两方面的验证。

技术分析(创新性、先进性、独占性)挖掘了蛋白质分子结构的几何特征，开发了新颖的优化设计算法，准确识别结合位点，准备预测抗体结构和抗体-抗原相互作用复合物结构，可以显著提高药物设计效益。自主独立开发。已经在国际竞赛中取得第一名的好成绩，也应用在生物和医学实验中，算法和程序代码完整。