XM-846细胞膜放大模型   XM-846细胞膜放大模型示组成细胞膜中磷脂分子与蛋白质分子的排列和相互位置，示磷脂分子由球形的亲水极和两条曲折的疏水极组成，其亲水极分别朝向模型的上下面（细胞的内外面）并互相平行排列，曲折的疏水极相对排列在模型的中间，蛋白质分子以不规则团块表示，有的镶嵌在表层，有的贯穿内外两层磷脂分子，其分布应均匀。 尺寸：放大，31×16.5×17cm 材质：PVC材料

XM-846A细胞器放大模型   功能特点： ■ XM-846A细胞器放大模型由线粒体、叶绿体、高尔基体和中心粒4种细胞器组成。 ■ 线粒体示外膜、内膜、外室、内室、嵴、基粒等结构。 ■ 叶绿体示外膜、内膜、基质、基粒、基质片层、基粒片层等结构。 ■ 高尔基体示扁平囊泡、形成面、分泌面、大泡、小泡及自分泌面离去的分泌泡等。 ■ 中心粒示两个中心粒互成直角，九组微管环状排列，每组均由三个微管并排组成。 ■ 尺寸：放大，23×16×13cm ■ 材质：玻璃钢材料

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：

白血病是危害青壮年的最主要恶性肿瘤之一，化学治疗目前仍然 是白血病的最主要治疗方法，但化疗中抗癌药物诱导的药物耐受性， 特别是获得性多药耐药（multidrug resistance，MDR）现象是阻碍白 血病治疗效果的主要障碍，也是目前尚未解决的难题。三氧化二砷是 中药砒霜的有效成分，已在各型白血病和实体肿瘤的治疗中得到广泛 应用，取得了良好的临床疗效。研究证实三氧化二砷不是耐药蛋白 P-gp 的底物且抑制 P-g

本发明（小试阶段）采用的技术方案是：将野生型酿酒酵母细胞内的分子伴侣SSA1基因编码的第483位亮氨酸突变为色氨酸，得到基因突变型SSA1-YS1酵母细胞；然后经SSA1-YS1酵母细胞的活化；初始OD值的调试；制备筛选待测药物检测溶液；从第一天起，隔天提取适量SSA1-YS1酵母细胞悬液稀释后平板涂布；置于24℃恒温培养箱中培养3天，再转入4℃冰箱中培养7天，观察SSA1-YS1酵母细胞的颜色。 将野生型酿酒酵母细胞内的分子伴侣SSA1基因编码的第483位亮氨酸突变为色氨酸，得到基因突变型SSA1-YS1酵母细胞；然后经SSA1-YS1酵母细胞的活化；初始OD值的调试；制备筛选待测药物检测溶液；从第一天起，隔天提取适量SSA1-YS1酵母细胞悬液稀释后平板涂布；置于24℃恒温培养箱中培养3天，再转入4℃冰箱中培养7天，观察SSA1-YS1酵母细胞的颜色。

可以量产/n宫颈癌是女性常见恶性肿瘤之一，通过早期筛查发现和治疗癌前病变，就可以阻断其发展为宫颈癌。因此发展有效快速的宫颈癌筛查技术，同时又简单便宜，是一项十分必要且任务艰巨的工作发明的特殊染液被涂抹于上皮组织后，如果有癌变细胞存在，叶酸及叶酸复合物就会经过这些细胞表面的叶酸受体介导，迅速进入细胞浆，同时还原型的亚甲蓝也被带入细胞浆。叶酸被还原成四氢叶酸，参与一碳单位的代谢过程。还原型的亚甲蓝则被细胞内广泛存在的活性

间充质干细胞（MSC）具有向多种类型（比如骨、软骨、肌腱、脂肪、神经、心脏等）细胞分化的能力，可作为组织再生“种子细胞”，在组织器官损伤修复中起关键作用，是当今国际细胞生物学基础理论以及再生医学研究的热点之一。干细胞向多种类型细胞分化是生物体的一种重要而又非常复杂的生命活动，这个复杂的过程受到多种微环境变化的调控。该项研究通过利用转基因敲除小鼠、组织学、细胞生物学和分子生物学等多种技术手段揭示了整合素信号通路关键蛋白Kindlin-2在调控间充质干细胞分化中的重要功能，以及Kindlin-2对生物力学信号传导分子YAP1调控的分子机制， 对于干细胞基础研究以及临床医学应用具有重要指导意义。

本发明公开了一种细胞收集方法、细胞材料。针对现有Transwell迁移研究对实验结果提示的科学内容利用有限的缺陷，本发明首先提供了一种细胞体外收集方法。本方法在Transwell细胞迁移培养结束并去除Transwell上室、下室内培养液后，采用胰酶消化并结合机械振荡的方法分别对Transwell细胞迁移实验后上室、下室中的细胞进行消化、收集；胰酶细胞消化操作中，洗涤液为pH 7.35～7.45磷酸盐缓冲液，胰酶细胞消化液含0.25％胰酶和0.01％EDTA。本发明同时提供一种包括由相同趋化因子诱导下分离产生的高迁移性活细胞材料与低迁移活性细胞材料。本发明还提供上述收集方法与细胞材料在细胞生物学行为分析试验中的应用。本发明能够使Transwell体外迁移实验拓展到细胞迁移的细胞生物学行为与分子生物学研究。

CD10+GPR77+成纤维细胞亚群通过IL-6，IL-8维持肿瘤干细胞干性，从而导致肿瘤化疗耐药。IL-6，IL-8的分泌由持续激活的NF-kB信号调控。有趣的是，在这群细胞中NF-kB的持续激活不依赖IkB的降解。进一步研究发现，肿瘤微环境中的C5a作用于其受体GPR77，使下游RSK-1磷酸化，进而介导了非IKK依赖的p65 Ser536磷酸化。而该位点的磷酸化是p300介导的p65 lys310乙酰化的基础。p65乙酰化导致p65持续滞留在细胞核内，导致了NF-kB信号的持续激活。该研究首次阐述了补体分子对炎症转录因子转录后修饰的调控作用。