从干细胞产业化和国际经济竞争的角度来分析，干细胞工程技术是我国与国际发达国家相比差距并不是很大， 有些方面甚至处于国际先进水平。本团队目前开发出再生医学及医美领域系列产品，其中以下几种已经开始应用转化： 一、干细胞凝胶本品主要解决严重创伤的生理性修复难题，具有修复效率高、大幅减少瘢痕，从而保持组织器官的原有功能。 二、干细胞医用贴膜本产品由干细胞活性因子和医用贴膜构成，主要应用于手术伤口、外伤等修复，以及肌肤医学护理等。相关技术/产品已获专利授权。 三、干细胞再生修复液本品具有快速修复、减少感染、降低疤痕形成，以及对激素依赖性皮炎等均具显著效果，同时因利用干细胞技术开发的小分子类产品，便于产业化生产。 

复发转移是恶性肿瘤死亡的首要原因，循环肿瘤细胞（Circulating tumor cells，英文缩写CTCs）作为从实体瘤原发灶或转移灶脱离进入外周血循环的肿瘤细胞，在恶性肿瘤转移中发挥关键作用。CTCs在血液中极为稀少，约每1亿个细胞中有1个CTCs，其检测技术起点高、要求高，存在技术壁垒，同时深入理解侵袭表型CTCs产生及介导肿瘤复发转移的分子机理，研究CTCs检测临床实践过程中的意义和价值，能够细化、量化肿瘤复发转移模式，是解决恶性肿瘤复发转移这一“老、大、难”临床问题的重要

产品详细介绍

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：

本发明公开了一种细胞寻址微流控芯片、细胞分析装置及方法。所述芯片包括细胞培养通道、一对侧压通道、寻址通道、刺激通道和废液通道；工作时，芯片处于寻址状态，则寻址通道压力大于刺激通道；芯片处于刺激状态，则刺激通道压力大于寻址通道。所述细胞分析装置包括所述微流控芯片、信号采集装电气比例转换阀，芯片侧压通道、寻址通道和刺激通道的入口端通分别与独立的电气比例转换阀相连，每个电气比例转换阀根据不同电信号，输出相应液压；信号采集装置设置在细胞培养通道处，用于采集细胞信号或对细胞进行成像。本发明解决了现有基于微流控

项目背景：T 调控细胞（Treg 细胞）可以提升人体免疫耐受 能力，临床可用于治疗自身免疫病以及免疫排斥，但是人体内 Treg 细胞比例低，很难达到治疗免疫疾病的水平。干细胞可以 诱导 CD4+T 细胞高效率地转化成 Treg 细胞，企业目前掌握干细 胞制备到临床应用全部核心技术，但缺乏利用干细胞诱导制备 Treg 细胞完整的技术体系。企业目前虽拥有 B+A 级洁净实验室， 不具备动物实验和临床试验环境，此外开展动物实验需涉及实验 动物的需要相应的许可证；临床试验需由研究者发起并经研究单 位伦理审批。企业迫切需要与在细胞免疫领域里具有先进技术和 较高学术声誉的科研团队合作，建立和完善间充质干细胞诱导 CD4+T 细胞高效率转化成 Treg 细胞的技术和技术体系，并利用 动物模型证明该体外诱导制备的 Treg 细胞同样具有压制免疫反 应、恢复免疫平衡、维护免疫耐受的能力，从而具有明显的治疗 效果，最后在此基础上开展临床初实验。 所需技术需求简要描述：1.如何提取纯化 Treg 细胞。2.如 何在体外进行高效制备和扩增 Treg 细胞。3.制备扩增后 Treg 细 胞活性验证。4.Treg 细胞在临床如何应用。  对技术提供方的要求:具有长期免疫、干细胞和自我免疫病的研究基础，在国内外具有良好的学术地位和学术声誉，设备先 进。尤其在 T 调控细胞的临床应用方面在国内外具有先进地位， 课题组应具备开创精神和创新能力。 

主要特点1、微电脑自动控制，中文界面，液晶显示，触摸屏操作，简捷、直观、方便。全程电脑自动控制，无需人工干预。2、每张标本独立沉降制片、独立固定、独立染色。独立分化、独立返蓝、独立倾倒废液,标本与耗材(一次性移液针筒、沉降仓等)一一对应，不交叉使用，不反复使用，保证单独制片染色，无标本间交叉污染。3、一次性移液针筒抽取染色液、盐酸酒精，无堵塞管道、腐蚀管道风险，染色液无浪费。4、随着季节温度变化，仪器自动检测温度并自动调整染色时间，保证最佳染色效果。(此功能可选择)5、有效细胞单层、均匀地平铺到载玻片圆形区域上，制成细胞成分丰富、背景清晰、颜色鲜艳、形态完整、分布均匀的细胞涂片。6、上皮细胞、化生细胞、颈管细胞及微生物等清晰，既可直接查癌及癌前病变，也可查炎症，HPV感染、滴虫、霉菌等微生物。7、配有净化排气装置，环保密封罩活性炭过滤，吸附有害气体，保证仪器内外空气洁净，保护操作者健康。8、单次制片染色1-64任意数值只标本；9、巴氏、HE两种染色方式，一键切换。10、妇科、非妇科1、非妇科2三种工作模式，一键切换。