设计了一种基于非编码RNA靶向递送的多模态可视化纳米药物，初步实现了对体内肝癌细胞模型中肿瘤干细胞和侵袭转移的抑制。郭若汨博士、吴志强博士和王晶医生为该论文的并列第一作者，附属第一医院郭宇副主任医师为通讯作者。       该研究首先通过对临床标本进行分析，发现肝癌的非编码RNA治疗靶标。进而利用前期开发的肝细胞癌特异性“诊断-治疗一体化”纳米载体技术，实现对体内肝癌细胞的基因治疗和疗程中MRI实时显影。研究中发现，开发的纳米药物通过调控上皮间质转化/干性，抑制肝癌细胞的侵袭、转移和增殖。同时，负载治疗基因的纳米药物也具有磁共振成像等多模态分子显像功能。

本实用新型公开了一种基于PID算法控制的电磁直立车，包括车体，所述车体顶部设有蓝牙模块，所述蓝牙模块电性连接PCB控制电路板，所述PCB控制电路板设置在所述车体内部，且所述PCB控制电路板上设有PID控制器，所述PID控制器的一侧电性连接陀螺仪，所述陀螺仪一侧设有加速度传感器，所述加速度传感器电性连接所述PID控制器，所述PID控制器电性连接驱动电机，所述驱动电机设置在所述车体内腔的底部，且所述驱动电机设有两个，两个所述驱动电机的旋转轴分别朝向相反的方向，所述旋转轴上连接行驶轮，本实用新型简化直立车

切割问题和装填问题在学术界属于一类经典的NP 难问题，它们有着众多的变种，例如：一维的背包问题，二维的矩形切割问题，三维的装箱问题等。其中以二维的场景应用最为广泛，相关求解算法可以作为玻璃、板材、管材、服装切割套料智能制造的算法内核。 本软件的主要用途是针对玻璃切割的场景提出求解多约束的矩形切割问题的分层智能搜索算法，为玻璃切割方案提供全局优化，实现原料利用率的最大化，在节约资源的同时提高产量。

本发明的涉及一种对图像中矩形进行检测的方法。本发明旨在 寻找图像中矩形的最佳四个顶点集合，首先对图像进行边缘检测，获 得由图像中所有边缘点组成的集合即边缘空间，然后用四个边缘点表 示一个矩形个体，简称为个体，通过计算四个边缘点之间连线的存在 性和夹角接近直角的程度来计算个体的适应度，选择适用度高的个体 进行交叉和变异操作来产生新一代的个体。通过多次选择、交叉和变 异操作最终找到组成矩形四个顶点的最佳集合。该方法基于遗

课题组长期致力于沥青发泡设备的开发工作，掌握了装备设计及制造核心技术，积累了大量相关经验，已获得的成果如下： 1）国内首次开发出“用于混合料冷拌工艺的泡沫沥青发生设备”（图1），在实验室内沥青发泡效果达到了可工程化应用的水平。同时，利用该设备进行了不同发泡腔结构的沥青发泡对比试验（图2）。 2）开发出一台“移动式单头沥青发泡试验设备”（图3），可成功制出满足国家公路沥青路面再生技术规范技术性能要求的泡沫沥青，并且利用该设备进行了不同发泡条件的沥青发泡试验（图4）。  3）对面向搅拌站的沥青发泡设备进行设计开发。分别基于UG与CAD的二次开发，实现了面向搅拌站的沥青发泡设备的三维与二维结构的参数化设计（图5-6）。  4）完成上海市教委创新项目：《面向道路规模化快速修复的沥青发泡装备研发》。（项目编号：11CXY17） 5）完成建设部研究开发项目：《泡沫沥青冷再生装备关键技术研究》。（项目编号：2007-x2-25） 6)完成同济大学产学研合作横向项目：《沥青搅拌站泡沫沥青发生装置样机的开发》。（项目编号：1000245341） 7）课题组对泡沫沥青再生技术和工艺全面展开了研究和整理。例如：泡沫沥青再生工艺，混合料级配设计，泡沫沥青冷再生工艺，泡沫沥青的质量控制相关分析（其中包括：沥青发泡的影响因素分析；沥青发泡的评价指标定量定性分析；沥青发泡腔内部耦合流场初步分析；沥青发泡性能评价方法比较分析等）。

已有样品/n成功开发了系列硅光子流片工艺模块和初版PDK，其中标准单元库主要包括单模波导、Y-分支、光交叉器、耦合光栅等无源器件，而最近有源工艺的成功开发，将向标准单元库中添加加热电极、调制器和Ge 光电探测器等有源器件。此次有源器件流片的成功，加上先导中心2016年上半年开发成功的硅光子无源工艺及器件（图3），使微电子所硅光子平台已具有为业界提供基于180nm工艺的硅光子流片服务的能力，成为国内首个基于8英寸CMOS工艺线向用户

国投矿业投资有限公司是国家开发投资集团有限公司专业从事矿产资源及其相关产业投资的全资子公司，注册资本金为人民币20亿元。经营范围主要包括油气、金属、非金属、水气等矿产资源和再生资源、危废资源、新能源、建材及相关配套产品设施的投资开发。 国投矿业投资有限公司前身为国投煤炭有限公司，成立于1993年5月22日，主要从事煤炭资源开发与矿井生产工作。2015年12月，为落实转型发展战略，国家开发投资公司确定国投煤炭有限公司与国投高科技投资有限公司部分业务合并，设立国投矿业投资有限公司，拥有1家分公司，控股投资企业18家，参股企业5家，国投集团委托管理企业6家，共计30家企业。截止2015年12月31日，合并资产总额603亿元，煤炭生产能力3418万吨/年，硫酸钾生产能力为120万吨/年，在建水泥生产能力为150万吨/年。2016年9月1月，国家开发投资公司将国投煤炭业务整体划出，标志着国投矿业全面退出煤炭业务板块，开启转型发展之路。 目前，国投矿业投资有限公司管理的控股、参股企业有9家，主要企业为国投新疆罗布泊钾盐有限责任公司、国投金城冶金有限责任公司、国投印尼巴布亚水泥有限公司、国投重庆页岩气开发利用有限公司、国投安徽城市资源循环利用有限公司、国投福建城市资源循环利用有限公司、阿拉伯钾肥公司、中航上大高温合金材料有限公司、瓮福(集团)有限责任公司。截至2017年12月底，国投矿业总资产165.08亿元，所有者权益56.86亿元。 在企业转型发展的关键时期内，国投矿业投资有限公司将以安全生产和经营稳定为基础，以项目开发为重点，深化改革，开拓创新，锐意进取，在稀缺性、战略性矿产资源领域打造具有市场竞争力的新型矿业投资公司，重点形成有色金属、化肥、城市矿产、清洁能源等业务板块及其产业链布局，实现国投矿业转型发展。

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：