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：

研究人员运用生物信息学分析叠加肝癌队列标本验证证实CACYBP在肝癌组织中高表达，且高表达CACYBP的肝癌病人总生存时间及无疾病进展时间更短，预后更差；而通过体外细胞实验及小鼠模型发现缺失CACYBP的肝癌细胞株在体内和体外的生长增殖能力显著减弱。为了研究CACYBP调控肝癌生长的分子机制，研究人员利用串联亲和纯化连用质谱技术，首次鉴定出环指蛋白41（RNF41）与CACYBP相互作用，并通过泛素化实验及放线菌酮追踪检测证实RNF41为CACYBP上游特异的E3泛素连接酶，在肝癌细胞中促进CACYBP的降解，且两者在肝癌组织中的表达呈显著负相关。进一步研究发现，CACYBP促进Ser10磷酸化使P27Kip1存留在胞浆中，从而加速细胞周期，促进肝癌细胞生长增殖，而RNF41对这一过程具有抑制作用。       该研究结合生物信息学分析、肝癌队列标本、细胞功能及分子机制验证，一方面揭示了CACYBP促进肝癌生长增殖的上下游分子机制，另一方面为开发新型肝癌诊疗靶点提供了理论依据。

团队对12例多灶肝癌患者的45个肿瘤样本及对应癌旁正常组织进行了全基因组测序、全外显子测序及RNA测序。研究发现同一患者的大癌灶和小癌灶的基因组特征存在极大的相似性，包括相同的HBV-DNA整合位点，相似的染色体结构变异、突变特征及拷贝数变化情况，提示12例多灶肝癌患者的大癌灶和小癌灶属于肝内转移瘤。该团队进一步分析45个癌灶的免疫微环境，发现同一患者中，与大癌灶相比，小癌灶具有更多的免疫细胞浸润，免疫活性刺激因子以及预测PD-1抗体治疗疗效的干扰素相关特征在小癌灶中表达上调。免疫相关通路在小癌灶中富集，而增殖及血管生成相关通路在大癌灶中更富集。此外，大部分小癌灶呈现sia分型中的“免疫反应亚型”。这些结果表明，同一肝癌患者的小癌灶比大癌灶具有更活跃的免疫状态。     为进一步探讨不同大小的癌灶对PD-1抗体治疗是否具有不同的治疗响应，该团队对8例接受PD-1抗体治疗的多灶肝癌患者全部癌灶的免疫治疗应答情况进行评估。结果发现其中5例多灶肝癌患者的大癌灶和小癌灶对PD-1抗体治疗存在混合反应，均体现为小癌灶具有更好的免疫治疗疗效——PD-1抗体治疗后，小癌灶平均缩小46.3%，而同一病例的大癌灶平均增加14.9%。

一条具有靶向卵巢癌特性的多肽，利用噬菌体展示肽库技术于卵巢癌肿瘤模型体内筛选得到，其氨基酸序列为WSGPGVWGASVK。经鉴定此多肽不仅可区分卵巢癌细胞和正常细胞及卵巢癌细胞和其他癌症细胞进而与卵巢癌细胞特异性结合，并且可有效地被卵巢癌细胞内化，作为药物载体可提高药物的吸收率。此多肽在静脉注射入肿瘤模型体内后可有效地特异地富集于卵巢癌肿瘤区域，是一条全新的已证实其体内靶向能力的多肽，可作为一种构建靶向载体以传递抗癌药物的理想配体。

本发明提供了一种硫酸头孢喹诺的肺靶向PLGA微球制剂及其制备方法，制剂载药量 较高，包封率也大大提高，可以实现药物选择性集中于肺部，提高药效，减少毒副反应， 同时可实现药物在肺部缓慢释放，起到长效的作用。有效解决了我国对头孢喹诺及其制42 剂的研究开发相对较晚，与之相匹配的剂型种类较少，在体内半衰期较短，需要多次注 射给药等临床中的不便。

肝癌（Hepatocellular carcinoma, HCC）是全球第五大常见的消化道恶性肿瘤，也是全球第三大致死性癌症。我国肝癌病发率位居全球首位，肝癌已成为严重威胁我国人民健康和生命的疾病。由于肝癌的早期诊断缺乏可靠的生物标志物，肝癌患者通常在肝癌晚期才被诊断，其5年生存率仅为15%。目前肝癌诊断主要依赖于影像学检查或者血液活检中的甲胎蛋白（AFP）标志物等手段。但这些传统方法对于癌变早期存在敏感性低、特异性低等局限性，例如，血液活检中的甲胎蛋白特异性差，且往往到癌症晚期才能检测到其含量升高，可能延误最佳的治疗时机。因此亟需找到一种可用于肝癌诊断及预后的可靠的新型液体活检标志物。 液体活检为一门新型的检测技术，越来越受到关注。目前可以作为无创检测的生物标志物大多数是蛋白质分子和DNA分子，但这些标志物在灵敏度、误诊率和经济成本高等方面的缺陷导致它们很难被普及。RNA分子在细胞中拥有多个拷贝并且存在多种转录调控形态，可以更加准确地反映细胞状态和癌症动态发展过程，而且其检测成本也很低。 过去体液中的RNA标志物研究主要集中在miRNA等小RNA的研究，相对于细胞中大量的长RNA，miRNA的数量要少一个到两个数量级，因此提供的信息也有限。本项目另辟蹊径，通过对大量肝癌患者（HCC）、慢性乙型肝炎患者(CHB)和健康个体(HD)进行血浆中非编码RNA表达谱的高通量测序检测和分析，发现了一种非编码RNA，srpRNA (RN7SL1)，的功能结构域可以稳定存在于血液中，并在区分肝癌患者和阴性对照组时具有良好的敏感度和特异性（约90%）。并且，通过在独立验证集上的实时荧光定量检验（RT-qPCR），该srpRNA (RN7SL1)的功能结构域被证明在 肝癌的诊断及预后方面都具有可靠的临床表现。

【发 明 人】 吴勉华；周红光；王明艳；程海波；陈海彬【技术领域】本发明涉及中医药领域的细胞生物学、分子生物学技术，具体地说是涉及治疗肝癌的中药癌毒方及其在制备抗肝癌药物中的应用。【摘要】本发明公开了一种治疗肝癌的中药癌毒方及其在制备抗肝癌药物中的应用，癌毒方系根据国医大师周仲瑛教授的癌毒理论由蛇舌草、僵蚕、蜈蚣、八月扎、太子参、麦冬、山慈菇按一定重量配比制成，全方驱邪消癌解毒为主，辅以扶正，本发明以肝癌H22移植瘤小鼠为材料，药理实验结果表明癌毒方的抗癌作用：结果低、中、高剂量组抑瘤率分别为24.5%、42.8%，21.1%，显示出抑制H22瘤块生长作用；低、中、高剂量组瘤块细胞凋亡率分别为47.16%、60.52%、57.59%，显示出诱导肿瘤细胞凋亡作用；能阻断TLR4高表达，阻断TLR4胞内信号转导的MyD88依赖性途径，抑制下游NF-кB蛋白表达。实验表明癌毒方可用于制备抗肝癌的药物。

项目成果/简介:肝癌（Hepatocellular carcinoma, HCC）是全球第五大常见的消化道恶性肿瘤，也是全球第三大致死性癌症。我国肝癌病发率位居全球首位，肝癌已成为严重威胁我国人民健康和生命的疾病。由于肝癌的早期诊断缺乏可靠的生物标志物，肝癌患者通常在肝癌晚期才被诊断，其5年生存率仅为15%。目前肝癌诊断主要依赖于影像学检查或者血液活检中的甲胎蛋白（AFP）标志物等手段。但这些传统方法对

医生重建肝脏三维结构时间：1-2小时 ，效率低 无法自动计算肝体积和自动分段 无法满足临床需求。 一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 刘凯 计算机与电子信息学院/电子信息 2020.9/2024.6 胡思蓉 国际学院/金融数学 2019.9/2023.6 黄康平 计算机与电子信息学院/电子信息 2021.9/2025.6 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 张学军 计算机与电子信息学院 教授 图像识别 四、项目简介 医生重建肝脏三维结构时间：1-2小时 ，效率低 无法自动计算肝体积和自动分段 无法满足临床需求。团队提出了肝脏诊断医疗辅助云平台新方案。我们有四大核心技术，第一是首创TPS与FFT结合进行肝脏硬度检测，肝脏采用cine-tagging网格标签，空域与频域相结合；第二是基于医学图像的多模态、多特征量的肝脏疾病检测方案，多模态、多特征量融合，有效提高检测准确率，肿瘤检测识别率行业领先高达97% ；第三是FPGA+边缘计算赋能CT数据腹部器官三维重建，建模时间从1-2小时降为1-2分钟；第四是首创 边缘差分检测算法，解决了纤维化肝脏难以快速精确建模的世界难题，建模精度世界领先。目前有发明专利 9项，国际发明专利1项，软著12项。我们与美国南加大、日本岐阜大学、德国布莱梅大学肝脏诊断领域国际知名专家就肝脏纤维化建模、CT数据肝脏器官分割等课题展开合作研究。2021年CSIG图像图形中国行 团队成员刘凯、曹欣燃与指导老师张学军教授同中国科学院蒋田仔、电子科技大学教授陈华富、吉林大学教授王世刚、南开大学教授程明明就“精准目标分割与识别”主题进行交流讨论。美国南加州大学凯克医学院腹部影像科放射学主任Vinay Duddalwar对本项目进行肯定和推荐。我们的肝脏纹理分析方法被RSNA北美放射学会评为“最佳肝硬化成像工具”。我们与6家国内外顶尖医疗院校进行产学研合作研究。