产品特点 　　高纯纳米氧化铝通过等离子体气相燃烧法制备，纯度高、粒径小、分布均匀，比表面积大、表面干净，无残余杂质，松装密度低，易于分散，晶相稳定、硬度高、尺寸稳定性好，应用于各种塑料、橡胶、陶瓷产品的补强增韧，提高陶瓷的致密性、光洁度、冷热疲劳性、断裂韧性、抗蠕变性能和高分子材料产品的耐磨性能尤为**。由于纳米三氧化二铝也是性能优异的远红外发射材料，作为远红外发射和保温材料被应用于化纤产品和高压钠灯中。此外，α相氧化铝电阻率高，具有良好的绝缘性能，可应用于YGA激光晶的主要配件和集成电路基板中。 　　产品参数 产品名称 型号 平均粒度（nm) 纯度(%) 比表面积(m2/g) 松装密度(g/cm3) 晶型 颜色 纳米氧化铝 ZH-Al2O330N 30 99.9 63.67 0.12 α相 白色 纳米氧化铝 ZH-Al2O350N 50 99.9 55.46 0.19 α相 白色 纳米氧化铝 ZH-Al2O3100N 100 99.99 35.19 0.33 α相 白色 纳米氧化铝 ZH-Al2O3200N 200 99.99 23.18 0.56 α相 白色 加工定制 为客户提供定制颗粒大小和表面改性处理 　　产品应用 　　1、红宝石、蓝宝石的主成份皆为氧化铝，用高纯的纳米氧化铝粉做出来的产品，杂质少，色泽更亮，更均匀; 　　2、铝与空气中的氧气反应，生成一层致密的氧化铝薄膜覆盖在暴露于空气中铝表面; 　　3、铝为电和热的良导体。氧化铝的晶体形态因为硬度高，适合用作研磨材料及切割工具; 　　4、高纯纳米氧化铝粉末常用作色层分析的媒介物; 　　5、**度氧化铝陶瓷、C基板、封装材料、高纯坩埚、绕线轴、轰击靶、炉管;抛光材料、玻璃制品、金属制品、半导体材料、塑料、磁带、打磨带;涂料、橡胶、塑料耐磨增强材料、耐水材料;气相沉积材料、荧光材料、特种玻璃、复合材料和树脂材料;催化剂、催化载体、分析试剂; 　　6、高纯纳米氧化铝粉应用于照明：长余辉荧光粉原料及稀土三基色荧光粉原料，高压钠灯透光管,LED灯等。 　　产品表征 　　包装储存 　　本品为镀铝箔袋热封包装，密封保存于干燥、阴凉的环境中，不宜暴露空气中，防受潮发生氧化团聚，影响分散性能和使用效果;包装数量可以根据客户要求提供，分装。 　　技术咨询与索样 　　联系人：王经理(Mr.Wang) 　　电话：18133608898  微信：18133608898 QQ：3355407318 邮箱：sales@hfzhnano.com  

　产品特点 　　高纯纳米四氧化三钴通过等离子体气相燃烧法制备，纯度高、粒径小、分布均匀，比表面积大、表面干净，无残余杂质，松装密度低，易于分散。 　　产品参数 产品名称 型号 平均粒度（nm) 纯度(%) 比表面积(m2/g) 松装密度(g/cm3) 形貌 颜色 纳米氧化钴 ZH-Co3O450N 50 99.9 31.43 0.36 近球形 黑色 纳米氧化钴 ZH-Co3O4100N 100 99.9 25.79 0.45 近球形 黑色 纳米氧化钴 ZH-Co3O4500N 500 99.9 11.30 0.87 近球形 黑色 加工定制 为客户提供定制颗粒大小和表面改性处理 　　产品应用 　　1、高纯纳米四氧化三钴应用于催化剂上面：利用四氧化三钴纳米棒作催化剂，可将汽车尾气中的CO在低温下转化为CO2; 　　2、可用作颜料、釉料、氧化催化剂、分析试剂，也用于从镍中分离钴等; 　　3、高纯纳米四氧化三钴具有尖晶石晶体结构，是一种重要的磁性材料、P—型半导体，在异相催化、锂离子充电电池的材料、固态传感器、电致变色器件、太阳能吸收材料和颜料等方便的应用; 　　4、适用范围：压敏电阻、热敏电阻、氧化锌避雷器、显象管玻壳、锂离子电池等行业; 　　5、用作锂电子材料，用于氧化钴及钴盐的制备，用作高纯分析试剂、氧化钴及钴盐的制备，用作锂电子材料、氧化钴及钴盐的制备，用于电池材料、磁性材料、热敏电阻等; 也可用作催化剂机制作珐琅等。 　　包装储存 　　本品为充惰气塑料袋包装，密封保存于干燥、阴凉的环境中，不宜暴露空气中，防受潮发生氧化团聚，影响分散性能和使用效果;包装数量可以根据客户要求提供，分装。 　　技术咨询与索样 　　联系人：王经理(Mr.Wang) 　　电话：18133608898 0551-65110318 微信：18133608898 QQ：3355407318 邮箱：sales@hfzhnano.com  

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：

本发明公开了一种制备胶体金标记的装载有PD药物的纳米脂质体的方法。将卵磷脂；胆固醇乙醇溶液在特定条件下分散到含胶体金和左旋多巴或金刚烷胺PD治疗药物的PBS溶液中，再将该溶液置于水浴中搅拌，乙醇挥发完全之后适当超声制备而成。所制备的胶体金标记的装载PD药物纳米脂质体粒径小、稳定性好，且有金定位标记，可增加PD药物的稳定性，提高生物利用率，同时减少药物用量，降低毒性。制备方法操作简便，反应易控制。产物可用于研究纳米左旋多巴或金刚烷胺脂质体的给药效果，改善左旋多巴或金刚烷胺的毒副作用，增强脑靶向性，还可作为一种探针用于研究纳米脂质体的脑代谢途径。

胞内寄生性单增李斯特菌和绵羊李斯特菌能在吞噬细胞等抗原递呈细胞内繁殖，引发高水平的抗原递呈作用，分别通过MHCⅠ和Ⅱ类途径引起宿主抗原特异性的CD8+和CD4+ T细胞免疫反应，建立长期有效的免疫保护记忆，因此可作为一种通用的疫苗载体。本项目以上述两种李斯特菌为活菌载体搭建新型疫苗构建通用平台，该平台具有以下优势：生物安全——敲除了菌株致病基因，降低了毒性；外源蛋白表达稳定——外源抗原基因整合至细菌基因组，永远不会丢失；外源抗原具有分泌性——抗原基因融合有分泌信号肽，使蛋白能分泌到胞外，更有利于免疫刺激；对环境、公共健康安全——重组疫苗菌株不携带耐药基因，不会给环境和公共健康带来危害。本平台技术目前已获得授权专利，成果属于国际先进水平，已在结核疫苗及猪繁殖与呼吸综合症病毒疫苗的研制上应用。该平台还可应用于肿瘤治疗性疫苗及其他预防病毒和慢性细菌感染的疫苗的研发，是一种通用的疫苗构建平台。

污水处理厂提标扩容一般需要大量投资，尤其是征地投资，技术工艺复杂，投资和运行费用高，建设周期长。 工艺流程 工程应用 同济大学环境科学与工程学院戴晓虎教授团队研发的高浓度复合粉末载体生物流化床技术，基于污水生物处理技术原理，向生物池投加复合粉末载体，提高生物池混合液悬浮固体浓度，构建悬浮生长和附着生长的“双泥”共生微生物系统，强化抗冲击能力，并提高污染物容积负荷和污泥沉降性能。通过污泥浓缩和复合粉末载体回收系统，实现双泥龄，解决脱氮菌和除磷菌泥龄矛盾，强化了生物脱氮除磷效率。 相对于传统污水处理技术，该技术处理负荷提升两倍以上，投资成本减少20%以上，建设周期减少30%以上，不仅可用于已建成的城镇污水处理厂提标扩容改造，也可直接用于新建城镇污水处理厂项目，可有效解决我国污水处理厂的提标扩容征地难、建设周期长和投资费用高的难题，具有巨大的推广应用价值。 该技术目前已在10多个城镇污水处理厂应用，日处理规模达到120万m3，产值30多亿元，相关技术申请发明专利11项，包括PCT4项；得到政府的广泛关注。现正在编制运行指南、导则及相关标准规范，被列入国家环境保护核心技术名录，以进一步扩大其推广应用范围，提升我国污水高标准处理技术水平。

为了探索行之有效的抑制藻类水华暴发的途径，更好的了解藻类水华爆发的自然条件，就需要进行大量的实验室模拟培养。但是作为水华爆发的主要藻类，微囊藻的实验室纯培养比较困难，特别是现有的培养基及培养条件很难达到实验室纯培养铜绿微囊藻的要求。为解决铜绿微囊藻实验室纯培养较困难的问题，本发明提供一种利于铜绿微囊藻生长的培养基及培养条件

一、主要用于治疗环咽肌失弛缓症康复医疗器械具有以下的特点： (１)、可根据要求通过键盘设定注水量、注水时间，精确控制球囊扩张力。(２)、随时可改变原设定参数，并可以在运行时随时暂停注水。 (３)、不同的使用者可以有自己的一套运行参数，并可通过密码进入自己的设定环境。 (４)、带有LCD显示，可实时察看所用注水量。 (５)、自动检测流速，在注水结束时，可自动停止注水并进行声光提示。 (６)、在第一次使用之前能够快速排空输液管中的空气。 (７)、共有三种治疗模式可供选择：重度，中度，轻度。 重度控制模式采用固定球囊注水5秒钟，扩张球囊注水5秒钟，保持扩张2分钟，撤水5秒钟，休息10秒钟； 中度控制模式采用固定球囊注水5秒钟，扩张球囊注水5秒钟，保持扩张2．5分钟，撤水5秒钟，休息10秒钟： 轻度控制模式采用采用固定球囊注水5秒钟，扩张球囊注水5秒钟，保持扩张3分钟，撤水5秒钟，休息10秒钟。（8）有输液量补偿功能。（9）备有可充电电池、供应急和携带操作。二、技术参数（1）工作温度：5℃～40℃；（2）相对温度：80%以下；（3）大气压力范围：700hPa～1060hPa；（5）工作电源：AC220V，50Hz或DCl2V；（6）功耗：不大于40VA；（7）输入容量计数：1ml～100ml；（8）用量限制选择：1ml～9999ml；（9）输液准确度：±5%；