创面压力无线检测器：在烧伤患者的治疗过程中，压力衣或绷带压力分布不均，长时间使用患者会有不适感，甚至出现皮肤溃疡。而如何调整绷带压力一般都是由医师个人经验决定，缺乏科学、精确的手段。针对以上问题，先后设计了两代压力检测装置样机，包括第一代基于 CC2500 的创面压力检测器和第二代基于蓝牙 4.0 的创面压力检测器。本项目所研制的压力测量仪器紧密结合临床需求，操作简单，成本低。该产品投入市场后，可替代目前临床使用的同类产品。据统计 , 烧伤的发病率为总人口的 5‰～ 10‰，工业城市发病率略高，男性、青壮年烧伤较多见，家庭烧伤学龄前儿童多见。我国每年发生烧伤者近千万人，需住院治疗的达数十万人之多，而且严重烧伤的病人死亡率很高。因此市场需求量非常巨大，所产生的经济效益也非常可观。

锂离子电池目前广泛应用于各类便携式电子设备，在人类社会的信息化、移动化、智能化、社会化等方面凸显作用，并有望在电动汽车和智能电网等领域大规模应用。商品化锂离子电池的正极材料主要是无机过渡金属氧化物和磷酸盐，其中过渡金属资源大都不可再生，电池回收利用技术复杂、成本高，从长远的角度来看可能会面临资源短缺等难点问题。因此，可循环再生的电极材料开发已成为电池领域的学术前沿和重大需求。有机电极材料由于含有丰富的碳、氢、氧等元素而显现出可再生、绿色环保、低成本和高容量等优点，近年来受到了广泛的关注。有机电极材料的制备具有合成创造的特点。有机电极材料一般可以从植物中（比如玉米等作物和苹果等果蔬）直接提取或者以生物质材料为原料通过简单的方法制备得到；在有机材料提取制备、电池装配和回收过程中产生的二氧化碳又可以被植物吸收利用，因而体现了很好的循环和可再生性。然而，有机电极材料还面临着在电解液中溶解度大、导电性差、密度低等难点问题，其材料特征、作用机理、构效关系等亟待深入理解。陈军院士，1967 年生，1985-1992 年在南开大学化学系学习，先后获学士、硕士学位，并于 1992 年留校工作；1996-1999 年在澳大利亚 Wollongong 大学材料系学习，获博士学位；1999-2002 年在日本大阪工业技术研究所任研究员。自 2002 年任南开大学教授、博士生导师，2014 年入选英国皇家化学会会士（FRSC）， 2017 年当选中国科学院院士，2020 年当选发展中国家科学院院士。2020 年重要锂电成果有：Nat. Rev. Chem.：实用锂电池有机电极材料的前景 Angew. Chem. Int. Ed.：紫精晶体作为锂电池正极的储能机理及结构演化 Materials Today：锂离子电池高能层状氧化物正极材料的研究进展与展望

成果简介：自主研发K型和S型热气溶胶灭火剂及灭火装置技术，可以为客户提供K型和S型热气溶胶灭火剂配方和制备工艺，提供装药量从100克到 10kg的各种热气溶胶灭火装置成套技术，并可以根据客户要求研制汽车、配电柜等特殊行业专用各种特殊用途灭火装置。技术指标全面达到和超过公安部标准GA499.1-2010，并且可以负责所开发研制的产品通过天津消防所性能检测，获得相应检测报告。 项目来源：自行开发 技术领域：公共安

咖啡作为世界上消费量最大的饮品，在国内和国外均有广阔的市场。云南省作为我国最大的咖啡种植省份，其产量也逐渐在国际市场占有更大的比例。在种植、采收和生产咖啡的过程中也会产生大量的废弃物，目前基本上作为垃圾处理。 本项目瞄准农林废弃物的“无废”利用的资源化研究，通过对上述咖啡废弃物中所含有的有效功能成分的深入研究，并运用前沿的生物提取和分离技术，从咖啡废弃物获得咖啡油、葫芦巴碱、咖啡因、多种绿原酸衍生物、膳食纤维和植物基碳材料等多种高值功能成分，开发了成熟的工艺路线，获得了多项自主知识产权，取得了丰硕的成果。 本成果使咖啡废弃物变废为宝，减少了垃圾的排放，提供了降低碳排放的重要途径，建立了农林废弃物资源化利用的基本范式；提供了大量有效功能成分化合物，拓宽了其来源渠道；从多环节提升咖啡产业的附加价值，并具有极高的推广价值。 图1.本项目提取的咖啡油

发现由人为活动产生的气溶胶可显著抑制华南四月中尺度对流系统的发生频次，进而显著减少降水，并阐释了其物理机制。此发现解释了近40年来华南四月降水减少的原因。 研究团队首先分

目前在VR领域的普遍存在的技术问题在于硬件设备成本过高，相关技术发展落后于软件的发展速度。需要VR相关的技术人员

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：

本发明的目的在于克服现有技术的不足，提供一种基于门限的低复杂度MPA算法， 该算法通过设置置信度门限来及时对可靠的码字进行译码，或对发送概率极低的码字进行 舍弃，从而有效地降低了原始MPA算法的复杂度。

本成果针对空间目标的运动特征，通过研究目标距离徙动轨迹与 等效运动模型，构建了一个欠定的运动方程组，基于全局炳最优化准 则求解出目标运动参数，提出了一种全新的距离对准算法。实验结果 表明该算法具有较高的准确性，更重要的是，距离对准过程中不会引 入距离像随机偏移误差和高频相位误差，这也是应用大转角高分辨成 像方法的前提条件。