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。

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：

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。

成果描述：脱细胞真皮基质是由动物或人类的皮肤，通过物理、化学、生物学等方法，除去了皮肤的全层表皮及真皮层中的全部细胞成分，保留了真皮的胶原（纤维）成分和组织基本结构的材料。其主要成分为胶原纤维，保留了胶原的生物活性。能够作为支架材料，吸收、聚集人体细胞，促进细胞的粘附、生长、增殖，促进伤口愈合和组织修复。在总结前人研究的基础上，经过十多年努力，构建出包括3项专利和7项专有技术为核心的具有自主知识产权的技术体系，采用自主研发的专利技术清除动物皮中的抗原物质、采用新一代交联技术调控在体降解、采用独特的成型加工技术实现工业化大生产等。与同类产品相比，本产品拥有四大技术优势和三大性能优势，具有抗原性低、无排斥反应、降解可调控、亲水性能优良等优点，所制备的材料达到国际先进水平。市场前景分析：该产品可以用于：（1）烧伤、创伤修复与瘢痕治疗；（2）耳鼻喉科的应用；（3）面部整容；（4）神经外科；（5）其它：如医用组织补片、尿道重建、组织工程支架、各种先天性和后天性缺损、凹陷的填充等方面。与同类成果相比的优势分析：1.外观：洁白，遇水后白色微透明。 2. 收缩温度：74±6℃ 3. 重金属总含量：≤10μg/mL 4. 灰分：≤2% 5.羟脯氨酸含量：不小于氨基酸总含量的5% 6.无菌：无菌 7.体外细胞毒性：细胞毒性反应不大于1级 8.热原：无热源 国内领先。

仪器以“8核”螺旋流道惯性分选芯片为核心，集成了被动流量调节阀，使得仪器可以采用低成本的隔膜泵作为进样驱动。仪器具有多次分选、回液、富集浓缩及自动清洗等多种模式。可全自动实现血液中肿瘤细胞的高通量自动分选和浓缩。两次分选后血细胞去除率99[[[%]]]，癌细胞回收率80[[[%]]]以上。该仪器无需复杂的生化标记，有望为癌症转移的早期诊断和有效预后评估提供重要工具手段。

1 成果简介宫颈癌是发展中国家女性最常见的恶性肿瘤，每年全球新发病例中，中国占据近三分之一， 有效的癌前诊断可以大大降低宫颈癌的死亡率。目前，液基薄层细胞学技术（ TCT）成为宫颈癌的筛查手段中最好的推荐方法之一， 是国际上使用最广泛的一种宫颈癌变的筛查技术， 为宫颈癌早期诊断和治疗提供了非常明确的诊断依据，提高了对低度以上鳞状上皮病变的检出率。 采用液基薄层细胞检测宫颈脱落细胞，明显提高了子宫颈细胞的样本检测质量，对宫颈癌细胞的检出率可以达到 100%，同时还能发现部分癌前病变，微生物感染等。常规的巴氏涂片收集细胞量很少，而且血液、粘液、炎症等因素会影响涂片的质量，使样本模糊，存在检测误差。 液基薄层细胞学技术中细胞保存液的配置是关键技术，目前本实验室进行相关研究，研制的脱落细胞保存液独有的处理血液及粘液消化技术，标本无需前处理，解决标本中大量的血液及粘液带来的干扰，同时保持细胞形态完整，保证每张片子的细胞数量及制片的成功率。保存液能在 15 分钟内灭活病源微生物； 试剂 成本低，保质期长，制片效果好，可以推广应用到宫颈癌的筛查中，提高阳性检出率。  图 1 巴氏涂片（×100）2 应用说明经过多家医院的实际临床试验，该保存液可以快速裂解红细胞；快速固定样品中的白细胞、脱落细胞等待检测的细胞，并且可以有效地防止细胞自溶；稀释粘液，将细胞从粘液中分离出来； 有利于后面使用的生物染色剂着色，便于观察诊断。经本细胞保存液固定保存的细胞，细胞形态完好，能保持样品采集时细胞的原始形态，不会发生膨胀、固缩等形态变化，保证待检测的有效细胞的数量和质量要求。本保存液使用简单， 操作方便，同时克服了传统检查方法的不足。在实际宫颈癌的筛查中，可以提高癌症的阳性检出率。3 效益分析本项技术可以在女性宫颈癌筛查中普及使用， 诊断子宫颈癌、子宫颈内膜癌极其癌的前期变化、人乳头瘤病毒和单纯疱疹病毒感染以及滴虫性阴道炎、霉菌性阴道炎、细菌性阴道炎等微生物感染， 提高阳性诊断率。 本项技术成本低，特别适合在较落后地区进行普及使用，改善医疗条件，可以有效地降低落后地区女性宫颈癌的死亡率。进口 Tinpreper TCT 系统配置的保存液为 60 元/人份，国内同类产品的费用在 45 元/人份左右（每瓶 20 mL 液体），而本产品只需不足 10 元的成本，本项技术具有很好的经济性。4 合作方式技术转让或合作开发， 商谈。5 所属行业领域医疗卫生。