XM-503F肝、胆、胰、脾、胃、十二指肠模型   XM-503F肝、胆、胰、脾、胃、十二指肠模型可拆分为6部件，显示部分肝脏，完整的胰、脾脏、胆、下腔静脉、腹主动脉和完整的胃解剖，其中，胃部做了胃浅表肌肉、血管及胃结构设计， 肝胆部分可互换，展示了胆囊的结构，十二指肠部分采用打开设计，展示了十二指肠内部结构。 尺寸：自然大，18×16×31cm 材质：PVC材料

XM-503E肝、胆、胰、十二指肠、胃切面模型   XM-503E肝、胆、胰、十二指肠、胃切面模型显示肝、胰、脾、十二指肠、胃的切面结构和形态。 尺寸：自然大，23×18×6cm 材质：PVC材料

XM-503A-1肝胰十二指肠模型（带数字标识）   XM-503A-1带数字标识肝胰十二指肠模型可拆分为2部件，显示肝脏、胆囊、胰腺和部分十二指肠，包括下腔静脉、腹主动脉和胰管，共有多个部位数字指示标志和对应的文字说明。 尺寸：自然大，12×14×33cm 材质：PVC材料

XM-503A肝胰十二指肠模型     XM-503A肝胰十二指肠模型可拆分为3部件，用于了解肝、胰、血管和十二指肠的基本结构，可显示外部结构和胰腺上的胰腺管，也可显示腹腔动脉和大静脉。 尺寸：自然大，23×12.5×26.5cm 材质：PVC材料

本项目为KIT ITD靶向的个性化胃肠道间质瘤单克隆抗体药物研究。本项目基于研究团队的结构生物学研究成果，获得可以选择性地抑制胃肠道间质瘤靶点KIT的内部重复串联突变体（KIT ITD）的多个单克隆抗体，并在结构、分子、细胞、整体动物四个层次评价单克隆抗体3G2的药效和作用机制，从而确证GIST ITD突变体可以成为抗胃肠道间质瘤的药物靶标，并有望以此开发出KIT ITD靶向的个性化治疗胃肠道间质瘤的“精准药物”。3G2是首个选择性针对胃肠道间质瘤的突变体的单克隆抗体。鉴于单克隆抗体药物较小分子药物易呈递高选择性、副反应更少的药理学特点，3G2抗体更易成为个性化治疗胃肠道间质瘤的药物，它的发现顺应了当前“精准医疗”的大趋势，可为GIST ITD患者提供“精准”的治疗手段。

阿普斯特是由美国 FDA 批准的首个治疗银屑病性关节炎的选择性磷酸二酯酶 4（PDE4）抑制剂。项 目拟以 3-乙氧基-4-羟基苯乙酮为原料，通过等多步化学反应制备高光学纯度阿普斯特，研究内容包括工 艺优化、实验室放大、公斤级放大及产品质量研究。

成果简介： 水溶性差是新化合物以及仿制药制剂研发过程中遇到的主要问题。本人带领的团队在难溶性药物的研究领域深耕多年，积累了丰富的制剂开发经验，发表了多篇国内外论文，并拥有多项授权发明专利，在难溶性药物创新制剂研发领域处于国内先进水平。本团队对共研磨、增溶、超微粉碎、纳米结晶等增溶技术组合运用，成功构建了多个特色鲜明的难溶性药物创新制剂平台：1.以枸橼酸莫

本项目为KIT ITD靶向的个性化胃肠道间质瘤单克隆抗体药物研究。本项目基于研究团队的结构生物学研究成果，获得可以选择性地抑制胃肠道间质瘤靶点KIT的内部重复串联突变体（KIT ITD）的多个单克隆抗体，并在结构、分子、细胞、整体动物四个层次评价单克隆抗体3G2的药效和作用机制，从而确证GIST ITD突变体可以成为抗胃肠道间质瘤的药物靶标，并有望以此开发出KIT ITD靶向的个性化治疗胃肠道间质瘤的“精准药物”。3G2是首个选择性针对胃肠道间质瘤的突变体的单克隆抗体。鉴于单克隆抗体药物较小分子药物易呈递高选择性、副反应更少的药理学特点，3G2抗体更易成为个性化治疗胃肠道间质瘤的药物，它的发现顺应了当前“精准医疗”的大趋势，可为GIST ITD患者提供“精准”的治疗手段。

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：