利用植物化学遗传学手段，以拟南芥乙烯过量合成突变体eto1-2和乙烯信号活化突变体ctr1-1为筛选材料，从2000种化学小分子文库中筛选出了3种可抑制乙烯合成或反应的小分子化合物：kynurenine（KYN），ponalrestat（PRT）和pyrazinamide（PZA）。他们早期的研究发现KYN能够抑制乙烯所诱导的下游生长素合成途径中的一类关键酶TAA1/TARs（He et al., 2011 Plant Cell），最近发现PRT也作用于乙烯下游反应，抑制了生长素合成途径中的另一类关键酶（相关工作正在整理发表中）。 不同于KYN和PRT，第三个小分子PZA只特异性抑制乙烯过量合成突变体eto1-2的“三重反应”（图A）。施加PZA处理可以抑制乙烯合成前体ACC所诱导的乙烯反应，暗示PZA可能通过抑制ACC氧化酶（ACC oxidase，ACO）而抑制乙烯合成。体外生化分析发现，PZA无法直接抑制ACO催化活性，需要被拟南芥烟酰胺酶（nicotinamidase）转化为pyrazinoic acid（POA）（图B），进而以POA的形式竞争性抑制ACO的催化活性。 进一步解析了拟南芥中ACO家族成员ACO2与POA复合物的高分辨率晶体结构（2.1Å），从原子层面揭示了POA的抑制机理（图C和图D）。晶体结构表明，POA是通过与活性中心的一个锌离子或铁离子形成配位键而与ACO2结合。此外，POA与其周围氨基酸之间形成的氢键、疏水相互作用以及范德华力，也巩固了其与蛋白的结合。通过对ACO2蛋白关键氨基酸进行突变，证实了POA或其类似物2-PA可以模拟ACO的内源底物ACC，从而竞争性抑制了ACO的活性。这些结果不仅在原子层面上阐明了POA的抑制机理，还为进一步优化POA结构，提高其抑制活性提供了理论基础。

乳腺癌是发生在乳腺上皮组织的恶性肿瘤，全球乳腺癌发病率呈逐年上升趋势，我国虽不是乳腺癌的高发国家，但近年乳腺癌发病率正以每年 3%～4%的增长率急剧上升。CDK4/6（细胞周期蛋白依赖性激酶 4 和 6）是调节细胞周期的关键因子，能够触发细胞周期从生长期（G1 期）向 DNA 复制期（S1 期）转变，CDK4/6抑制剂将细胞周期阻滞于 G1 期，从而起到抑制肿瘤增殖的作用。目前已上市的三款抑制剂均已成为重磅炸弹药物。 江南大学药学院药物化学与药物分析化学研究室开发了一系列全新结构的CDK4/6 抑制剂，其中候选化合物 ZH-021 在分子生物学水平上与新近获批的Verzenio 显示了相当的活性，且选择性性更高，在细胞生物学水平上较 Verzenio显示了更强的活性。该项工作目前已申请发明专利（201710631168.6）。具有进一步开发上市的价值。

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：

包虫病是由棘球绦虫寄生于人体或宿主动物而引起的严重寄生虫疾病。而我国是同时有囊型和泡状两种类型的包虫病高发区。目前临床应用最广泛的抗包虫病药物是阿苯达唑，但是该药的肠道吸收率很差，而且其一般只能抑制寄生虫生长而不能彻底有效杀灭寄生虫，导致患者必须长期大量服用该药物才能达到治疗效果。与此同时，大量的研究发现该药可引起多系统的严重药物不良反应。因此，寻找或开发疗效显著且副作用小的包虫病治疗新药物具有重大的意义。 棘球绦虫获取能量的主要方式通过糖酵解过程。而甘油醛 3-

2020年3月12日，复旦大学基础医学院、上海市公共卫生临床中心陆路/姜世勃团队联合中科院武汉病毒所石正丽团队、中科院生物物理所孙飞和朱赟团队，在预印版bioRxiv上发表了研究成果Inhibition of SARS-CoV-2 infection (previously 2019-nCoV) by a highly potent pan-coronavirus fusion inhibitor targeting its spike protein that harbors a high capacity to mediate membrane fusion，确认了SARS-CoV-2的膜融合能力强于SARS-CoV。 识别 6-HB融合核心的X射线晶体结构之后，发现HR1域中几种氨基酸突变可能有助于增强其与HR2域的相互作用。然后作者研制了一系列脂肽类物质，发现EK1C4是对抗SARS-CoV-2 的S蛋白介导的膜融合、假病毒感染和live病毒感染的最有效膜融合抑制剂，IC50s分别为1.3nM、15.8 nM和36.5 nM，比此前该团队设计的广谱冠状病毒融合抑制剂EK1强约241、149倍和67倍。EK1C4还对其他人类冠状病毒（包括SARS-CoV和MERS-CoV）以及SARSr-CoV的膜融合和感染作用非常有效，潜在地抑制了4种人冠状病毒包括SARS-CoV-2的复制。此外，EK1C4还可以保护小鼠免受 HCoV-OC43的感染，结果表明EK1C4对预防和治疗目前正在流行的SARS-CoV-2和新兴的SARSr-CoV感染很有潜力。

氟嘧菌酯是农药杀菌剂，广泛用于治疗水稻，小麦，马铃薯，蔬菜，咖啡等作物的枯叶 病。氟嘧菌酯的商标名为，中文商品名，国外专利即将到期。 本课题组已完成氟嘧菌酯原料药合成，工艺路线先进，有成本和环保优势，利润空间大。 目前在进行制剂研究，计划进行国家批文申请。

【发 明 人】狄留庆；陆茵；吴皓；李伟；徐木金；李莛歧；张科卫；赵晓莉【技术领域】 本发明涉及一种中药制剂，尤其是涉及一种治疗骨折的中药复方制剂及其制备方法。【摘要】  本发明公开了一种治疗骨折的中药复方制剂及其制备方法。该中药由骨碎补、续断、方海、当归、儿茶、血竭、乳香、没药、土鳖虫、自然铜所组成。其制法   是：(1)先将儿茶、血竭、乳香、没药混合后粉碎成细粉；(2)把方海与土鳖虫粗粉碎、加水煎煮、煎液浓缩；(3)将骨碎补、续断、当归、加乙醇提取、浓缩；(4)自然铜加 醋酸水煎煮、过滤、滤液浓缩； (5)将上述提取液、浓缩液合并后真空干燥成干浸膏；(6)将干浸膏粉碎后与上述四味生药粉末混匀，添加适宜的辅料可制成颗粒剂、胶囊  剂或片剂。它具有明显的抑制血小板聚集，改善血液循环，提高骨密度，加快骨矿的沉积速率、促进骨生长，加快骨折愈合，缩短愈合时间等功效，是治疗骨折的理想药  物。