放射性药物是可用于诊断或治疗目的的药物，由放射性同位素与有机分子键合组成。有机分子将放射性同位素传递至特定的器官、组织或细胞。 ​ 根据特性选择放射性同位素发射穿透伽马射线的放射性同位素用于诊断（成像），发出的辐射脱离身体后被特定仪器（SPECT / PET相机）检测到。通常，用于成像的同位素产生的辐射在1天后通过放射性衰变和正常的身体排泄完全消除。最常见的用于成像的同位素是：99mTc、I123、I131、Tl201、In111和F18。 ​ 发射短程粒子（α或β）的放射性同位素用于治疗，因为它们能够在非常短的距离内失去所有能量，因此产生大量局部伤害（例如细胞破坏）。该特性用于治疗目的：破坏癌细胞，骨癌或关节炎的姑息治疗中减缓疼痛。这类同位素在体内的停留时间比成像同位素更长；用来提高治疗效率，但仍然限制在几天内。最常见的治疗同位素是：I131、Y90、Rh188和Lu177。 ​ 放射性药物的工作原理是：基于使用分子“出租车”，将受控剂量的放射性活度特异性地传递至目标患病组织（通常是癌细胞），以便根据所用放射性核素的类型可视化（诊断）或治愈（治疗）组织。放射性药物通常包含负责将放射性核素引导至目标组织的生物载体（抗体、肽等）。双功能螯合剂牢固地抓住放射性核素并确保与生物载体之间的牢固结合。

欢迎订做HZSF280度水热合成反应釜!HZSF150HZSF280度水热反应釜-150ml价格 欢迎来到巩义市城区众合仪器供应站，公司生产水热合成反应釜，高压（280-300-500度）实验室水热合成反应釜，循环水真空泵、水热合成釜,水热反应釜、不锈钢水热合成反应釜、玻璃反应釜，旋转蒸发器，电化学工作站等系列产品。不一样的感觉，不一样的产品，因为专业、所以完美！打造国内水热反应釜品牌。 HZSF280度水热合成反应釜-150ml价格 详细介绍：        HZSF280度水热合成反应釜-150ml价格 1．用途  HZSF280度水热合成反应釜是为在一定温度、一定压力条件下合成化学物质提供的反应器。它广泛应用于新材料、能源、环境工程等领域的科研试验中，是高校教学、医药卫生、石油化工、科研单位进行科学研究的常用小型反应器。 2．特点  HZSF280度水热合成反应釜采用优质不锈钢加工而成。内套为聚四氟材料加工制成，密封效果长期稳定无泄漏。釜体式样为法兰式。HZSF150水热反应釜-280度 本采用外加热方式，以缩小体积，可放在烘箱或马弗炉进行高温实验。 3．主要技术指标 （1）．工作温度：≤280℃     （2）．工作压力：≤6MPa（表压）（3）、规格；25、50、100、150、200ml等。另可根据用户需求定做。 4.   操作方法  1、HZSF150水热反应釜-280度 外壳全不锈钢材料，内衬为聚四氟材料，式样法兰式。2、HZSF150水热反应釜-280度 使用温度在280C0以下；工作压力6MPa 。3、HZSF150水热反应釜-280度采用四氟内衬加盖密封，法兰螺丝拧紧不会泄漏。4、HZSF280度水热合成反应釜使用时将法兰上的螺栓松开，溶液杯取出溶液装入杯中，然后放在釜体内，将上盖盖好螺栓拧紧即可。注意：把紧螺栓时要对立面把紧，用力要均匀。不要一次性将任何一个螺栓把紧，当对立面螺栓均匀用力把紧时，再用力将所有螺栓对面把紧，方可进行操作升温。5、 HZSF150水热反应釜-280度当温度达到要求时，准备取出溶液杯将螺栓对立面均匀松开，不允许一次性将任何一个螺栓全松开。6.每次使用后要及时清理，以免腐蚀。7、HZSF150水热反应釜-280度在使用过程中，如有泄漏现象返厂修复。8、高温高压反应釜。 欢迎订做HZSF280度水热合成反应釜!

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：

探索天然产物生源合成途径对于天然产物合成以及化学生物学研究具有重要意义。例如生源合成途径中的“环化/后期氧化”（cyclization/late-stage P450-mediated oxidation）策略被运用于一系列具有抗癌活性二萜的全合成中。生源合成上，从共同的生源前体香叶基香叶基焦磷酸（GGPP）出发，通过萜类环化酶（terpenoid cyclase）催化的多步碳正离子环化和重排反应可产生各种二萜类天然产物，例如抗癌药物紫杉醇 （Taxol）、巨大戟醇（ingenol）和抗生素截短侧耳素 (pleuromutilin)。因此，人们对二萜类天然产物的生物合成和仿生合成进行了广泛的研究。 香茶菜属（Isodon）二萜是一类结构复杂的多环活性天然产物，迄今为止已分离鉴定出1000多种该家族天然产物。与诸多其他二萜天然产物一样，其生源合成是从GGPP出发，通过一些列酶促环化反应得到共同的生源前体随后通过碳正离子重排得到已知的香茶菜属（Isodon）二萜结构，包括ent-kaurane型，jumgermannenone型和ent-beyerene型。生源推测不同类型香茶菜属二萜的骨架之间的转化也是通过碳正离子重排实现的。例如最初的生源途径认为，jungermannenone 型是从ent-kaurane 型通过两种可能的碳正离子重排而来。

郑州水热合成反应釜（HZ-100ML） 1.用   途     水热合成反应釜是为在一定温度、一定压力条件下合成化学物质提供的反应器。它广泛应用于新材料、能源、环境工程等领域的科研试验中，是高校教学、科研单位、化工实验室进行科学研究的常用小型反应器。   2．特    点       水热合成反应釜采用优质不锈钢加工而成。内胆为聚四氟乙烯材质。外形美观、使用方便。釜体与釜盖拧紧即可起到密封作用、密封效果长期稳定无泄漏。       水热合成反应釜采用外加热方式，以缩小体积，并有利多反应釜处于同一反应操作温度（如将多个反应釜置于烘箱中加热）。   3．主要技术指标   （1）．工作温度：≤220℃   （2）．工作压力：≤3MPa   （3）．升温、降温速率：≤5℃/min   （4）.规格25ml，50ml，100ml，200ml、500ml、800ml、1000ml、2000ml、5000ml另可根据用户需求（温度、外形）定做。   4.  操作方法       将反应物系指与釜体内，并保证加料系数小于0.8。当反应物系有腐蚀性时要将其置于四氟衬套内，方可保证釜体不受腐蚀。   水热合成反应釜置于加热器内，按照规定的升温速率升温至所需反应温度（小于规定的安全使用温度）。待反应结束将其降温时，也要严格按照规定的降温速率操作，以利安全和反应釜的使用寿命。当确认腹内温度低于反应物系种溶剂沸点后方能打开釜盖进行后续操作。  

谷胱甘肽（glutathione, GSH）是由谷氨酸（Glu）、半胱氨酸（Cys）和甘氨酸（Gly）通过肽键形的三肽化合物，为生物体中含量最丰富的小分子巯基醇类化合物，具有重要生理功能，可用于抗辐射、肿瘤、癌症、氧中毒、衰老和协调内分泌的治疗，并是临床上大规模使用的保肝类药物，还广泛用于食品、运动营养学、保健品和化妆品，市场前景广阔。国内的GSH生产工艺开发多沿用国外公司的发酵方法，但发酵法到目前为止未能取得突破，因此没有成功产业化生产，目前国内制药企业所用的GSH制药原料全部依赖进口。本项目为华东理工大学生物反应器工程国家重点实验室研制，通过构建反应速率快、转化率和生产水平高的重组菌株，开发优化培养工艺，可以实现谷胱甘肽发酵水平达到3500 mg/L，生产强度超过250mg/L/H，达到国际先进水平。在实验室规模效果良好，小试工艺成熟，相关技术已申请中国专利，具有自主知识产权。

该项目为1998年武汉市科委科技攻关项目，2000年通过专家鉴定,达国内领先水平。安赛蜜甜度为蔗糖的200倍，易溶于水，协同性好，熔点为225 oC（分解）。尤其是在酸性饮料中也有很好的稳定性和甜度，而且安赛蜜在人体内不代谢、不吸收、不蓄集，24小时内可完全排出体外，具有很高的安全性，是世界公认的最具有发展潜力的甜味剂新品种之一。

简介： 抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。 我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。  优势： 1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍 2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率 3、计算方法已经得到了实验从正、反两方面的验证。 图1：深度学习算法预测蛋白质相互作用时界面氨基酸配对:成功率72.1% 图2：计算相互作用得到了实验从正、反两方面的验证

抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。 优势：1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率3、计算方法已经得到了实验从正、反两方面的验证。