深圳市斯科信息技术有限公司（斯科信息/Cykeo），成立2018年，总部坐落于深圳市光明新区云智科技园，占地2500㎡、集办公与演示展厅于一体。 在深圳*2、东莞以及合肥一共拥有2.5万平的生产基地。      斯科信息是射频识别（RFID）软硬件提供商、RFID行业场景式解决方案商、高新技术企业、深圳专精特新企业、深圳创新技术先进企业、深圳科技研发骨干企业、知识产权优势企业、行业软件技术企业、IOTE金奖蝉联者。      长期专注于RFID技术、生物识别技术、动态进化AI算法等核心技术产品的研发，嵌入式系统设计及工业设计全流程，为全球客户提供高可靠性产品，赋能各行业客户构建精益化运营体系，通过智能化终端集群实现流程提效、成本优化，实现企业智能信息化发展。 斯科信息主要产品有：rfid智能柜、rfid智能工具柜、rfid工具柜、rfid智能工具车、rfid工具车、rfid工具箱、rfid智能货架，rfid通道门，智能称重柜，智能货架，rfid电子标签、rfid读写设备、rfid写标设备等。主要解决方案包括：rfid智能工具管理系统、rfid智能仓储管理系统、rfid智慧门店管理系统、rfid防伪防窜货管理系统等。 斯科信息的rfid工具管理系统采用rfid技术，把贴有rfid标签的工具放入特殊定制并加装rfid读写器的工具车、工具柜或工具房中，实现工具的科学自动管理。可以大幅提高工具管理的准确性和高效性，实现了企业对工具的信息化管理及航空业fod的精细化控制。目前该系统已成功在多个机场正式上线！因工作繁忙，可能会看不到留言，有意者可咨询联系电话：19925314483（微信同号）

团队通过十余年的技术攻关建立了拥有自主知识产权的“可视化抗原宏阵列杂交瘤快速筛选技术”，并依托此技术建立了主要人畜共患等病原微生物单克隆抗体识别库及快速检测产品，库容达到 3000 余株，获得专利授权 30 余项，为病原微生物的快速、精准检测奠定了基础。

病毒的同源性包括基因组核苷酸序列的同源，也包括蛋白质氨基酸序列的同源。在序列比对方面，穿山甲冠状病毒与新冠病毒在氨基酸序列同源性方面超过90%的相似度。对于药物筛选来说，蛋白质氨基酸序列的同源性越高，意味着病毒生命活动的方式越相近，可以形象地理解为，两个病毒的“行为方式”非常一致。这种“行为方式”与新冠病毒极为相似的病毒，能不能替代新冠病毒用于药物筛选呢？童贻刚敏锐地意识到：如果可以，那么“筛药”工作将在针对新冠病毒的同时，也保障了实验的安全性，筛药工作将走出高安全等级实验室，走进普通P2实验室。

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：

利用目前已上市靶向抗癌药物索拉非尼（sorafenib）作为先导化合物，在分析其基本化学结构基础上，设计合成一系列结构类似的衍生物。通过系统的药理毒理学研究，对所合成的新化合物进行有目的筛选，从而发现新药，并对其进行系统的研究，目标是研制出具有自主知识产权的靶向抗癌新药。在未来的肿瘤治疗发展中，针对分子靶点的新一代抗肿瘤药物将凭借其特异性与靶向性，在抗癌治疗中将发挥重要作用。尤其是以酪氨酸激酶为靶点进行抗肿瘤药物的研发，具有十分广阔的前景。江苏省药物研究所原名南京药物研究所，始建于1962年7月，2006年12月整体划转南京工业大学，是具有独立法人资格的专门从事新药创新与开发研究的专业科研机构。至今共取得新药证书158份。江苏省药物研究所有限公司学科建设和科研设备齐全，以江苏省药物研究所为依托的“江苏省药物安全性评价中心”、“江苏省动物质量检测站”、“江苏省药物新剂型研究与工程化服务技术中心”是江苏省“三药”示范工程的重点配套设施。我所长期服务于企业，已与江苏省恩华药业股份有限公司、江苏亚邦药业集团股份有限公司、江苏四环生物股份有限公司等多家上市公司结为校企联盟，具有良好的产学研合作基础与传统。

研发阶段/n（1）采用BHIA培养基从患病鱼体病灶处（或者从肝、脾、肾、腹水）分离病原菌，在初培养的基础，挑取单个菌落进行纯培养并快速鉴定其种类。（2）将分离菌株接种在盛有适宜的培养基的平板中，采用药物纸片检测分离菌株的药物敏感性，确定分离菌株的药物敏感谱。（3）参照日本化学疗法学会的试管法，在药物系列试管中测定抗生素类药物对分离致病菌的抑、杀菌浓度，根据不同种类的抗生素类药物对分离菌株的最小抑菌浓度（MIC）的大小，选择治疗疾病的适宜药物种类和剂量用药。应用前景：适用于全国各地的海、淡水水产养殖区

现阶段所设计的存算一体器件单元结构如图 1 所示： 器件的基本结构由波导和功能层（由下到上分为加热层、电极层、保护层、相变材料（硫系化合物）层）所构成。拟通过在当前流行的绝缘层上硅(SOI)光子平台上集成四氮化三硅光波导的方式实现器件的光学读取功能，即在非常厚的硅衬底层上生长一层绝缘层二氧化硅和波导层，然后在基片上通过光刻、显影、刻蚀等工艺制备四氮化三硅波导。功能层主要用于实现器件的电学写入功能。加热器层的主要用途是与相变材料层形成电接触，通过较小的接触面积使接触处的热量集中，从而可以在较小的电压或电流下使相变材料发生相变。因此需要加热器层具备较好的导热和导电性能，同时在近 C 波段具有较低的光损耗，可采用石墨烯。电极层可用于提供相变材料器件单元所需要的编程电脉冲。当前拟采用硒掺杂的相变材料合金（如 GSST）作为器件的核心功能层的相变材料。该材料在通信/非通信波段显示了极低的光损耗和更高的品质因数，且相变前后在通信 C 波段具有足够大的光学常数反差，可在更恶劣的高温环境下进行操作，适用于硅基光子器件应用。 采用的主要技术手段包括： ① 依托于相变材料的电致和光致相变特性，通过电学编程、光学读取的方法实现器件的存储、算术运算和逻辑运算功能：  存储功能的实现：拟利用相变材料晶态低透过率和非晶态高透过率分别代表二进制中的‘1’和‘0’，实现数据存储（编程）功能。例如在电极两端施加合适的电脉冲，所产生电流流经加热层时，生成的热量主要集中在加热层和相变材料层接触处，使得接触处的相变材料发生相变，实现存储功能。在完成上述编程操作后，从器件波导输入端输入读取连续光。由于相变材料功能层对光强的吸收能力在编程和非编程区域间存在着显著的差异，因此当输入光经过波导后，其能量会因为相变材料编程区域的吸收而发生改变，进而显著改变输出光强能量。所以通过测量输入输出光强的能量之比（即透过率），可实现对先前编程区域的读取。  算术和逻辑功能的实现：通过调整编程电脉冲的幅度和宽度可以动态调控相变材料的相变程度，使得器件的中间透过率值可用于代表不同的数值，实现多级存储功能。所以拟采用输入脉冲数量对应加数的方法实现标量加法计算。同时由于所设计器件的读取连续光输出功率可视为读取连续光输入功率和器件透过率的乘积，因此可采用将输入功率和透过率作为被乘数和乘数的方法实现基本乘法运算。除此之外还可以将器件功能层的初始状态设置为非晶相，把晶化脉冲幅值和不足以产生晶化的脉冲幅值分别作为输入逻辑‘1’和‘0’；同时设定一个判定阈值并与编程后器件透过率的变化率进行对比，把高于和低于阈值的透过率变化率分别作为输出逻辑 ‘1’和‘0’；通过合理选择编程脉冲有望实现各种逻辑功能输出。 ② 基于器件透射率可调特性验证其实现神经突触的可行性。并依托所设计人工突触构建人工神经网络芯片，实现图像、语音和文本识别功能：  突触可塑性是大脑记忆和学习的神经生物学基础，也是人工类脑器件需要实现的首要功能。为实现突触可塑性，拟把相变材料和波导之间的耦合区域视为仿生神经突触，左右两端电极分别代表突触前和突触后，分别施加在两端电极上的电脉冲则作为突触前和突触后刺激。通过调节从左右两端电极输入耦合区域的电脉冲时间差对耦合区域的光透过率进行连续调控，进而依托于上述存算理论模型和实物器件仿真和实验实现仿生神经突触的脉冲时序依赖可塑性（Spike-Timing-Dependent-Plasticity, STDP)。  将不同波长的光脉冲序列输入所设计的突触单元, 经过相变材料的作用，脉冲强度发生变化，对应于乘法器。进而借助于微环结构，将不同波长的脉冲导入进同一波导中，该功能类似加法器。相加后的脉冲光强较小时，读取光与微环发生共振，在输出端口没有光强输出。当光强达到一定的阈值后，读取信号不再和微环发生共振，而是传播到输出端口。这一过程类似神经元脉冲信号的激发，实现了非线性激活函数的功能。利用上述的单个神经元结构，验证其监督式机器学习和非监督式机器学习。对于监督式机器学习，权重的数值通过外部管理器设置；对于非监督式机器学习，不再需要外部管理器来设置权重值，而是通过输出光脉冲进行反馈控制，调整权重值。在单个神经元结构的基础上，更复杂的光学脉冲神经网络结构，证明该结构的可扩展性。拟设计的神经网络中的每一层结构包括三个功能单元，即收集器、分发器和神经突触结构。收集器将上一层不同波长的光脉冲信号收集到同一根波导中，分发器将光脉冲分发给多个神经元，神经突触结构则产生光脉冲信号，输入给下一层结构。基于上述结构实现图片、语音和文本的识别。 创新性分析：①首次研究了一款基于“电学编程、光学读取”模式的光电混合存算一体化器件。与传统电学存算一体化器件相比,拟研发的器件可以进行长距离的信息传输，具有传输带宽高、信号间延迟低、损耗低、抗干扰、集成密度高等优点。②采用硒(Se)掺杂的相变材料作为存算一体化器件的核心功能材料。与采用其他相变材料的存算一体器件相比，以硒参杂的相变材料作为功能材料的存算一体器件有望展现出极低的光损耗。③提出了一种基于“电学脉冲刺激、光学权重调节”的人工神经突触。该突触器件有望成为未来通用型人工神经突触，填补了光电混合型人工突触的技术空白。 先进性分析：①所提出的光电混合工作模式使得该存算一体化器件不但具有传统集成电路的高密度特性，且兼具光通信技术的宽频带、低延迟、抗干扰的优越性能。②所采用硒参杂的相变材料不但继承了传统材料具有的快速相变转化速度、低功耗和稳定性强等特性，且本身在通信波段非晶态透明的同时还保持了相变前后足够大的光学性能差异的特点。③所设计的突触继承了人工电子突触和全光突触的优点，具有高集成度、低功耗、超快响应时间、稳定性强等优点。 独占性分析：根据已取得成果正在撰写专利，以获得该关键技术的独有权。 

将β-环糊精和偶氮苯基团分别修饰于紫杉醇分子上，利用紫杉醇分子骨架与微管蛋白的特异性结合能力，以及在紫外和可见光照射下偶氮苯分子与β-环糊精空腔可逆键合的性质，来调控微管蛋白的聚集状态，进而影响细胞活性。光谱实验表明，含有紫杉醇的偶氮苯分子在溶液中具有优异的光致异构性质、扫描电镜实验发现，只有在反式偶氮苯修饰紫杉醇和β-环糊精修饰紫杉醇共同存在下，微管蛋白间才能发生明显的聚合现象，同时微管蛋白的形貌由丝状聚合物转变成了粒径较大的球状纳米粒子。通过对细胞染色进一步发现，聚集后的微管广泛分布在细胞中，能够强烈改变细胞的形态并最终导致细胞死亡。该工作为调控生物大分子的聚集行为提供了一种新的策略。

利用低温等离子体协同催化剂催化氧化方法将内燃机(柴油)尾气中的PM (主要成分是碳和碳氢化合物)和未完全燃烧的燃料HC氧化成二氧化碳(C02)和水(H20)，同时促进HC还原NOx。本技术产品只需在发动机排气管上安装一个等离子体反应器，车上安装一台脉冲电源就可以实现PM、HC、NOx的同时去除。项目技术处世界领先水平。 本技术在柴油发电机上的性能测试结果，PM去除率高达91%，HC去除率可达到100%去除，NOx去除率为40%。 本成果产品可用于在用车改造或非道路移动源的排放控制，其市场巨大。据《中国机动车环境管理年报(2019)》统计，2018年，全国柴油车保有量为2103万辆，其中国五及以上标准的汽车占15.4%。国四及以下柴油车约为1780万辆，其尾气控制市场总量大约为3000亿元以上。2015年，工程机械(非道路移动源)保有量690.8万台.农业机械柴油总动力89783.8万千瓦.船舶保有量16.6万艘,飞机起降856.6万架次。因此，非道路移动源尾气排放控制约有1500亿元的总市场规模。