研发背景：抗凝血药物的临床应用极为广泛，在骨科手术，心脏手术，抗脑卒中等方面具有数十年的使用历史。肝素类药物，包括目前大范围应用的低分子肝素与合成肝素等是针对诸多临床适应症不可替代的抗凝血药物。作为肝素结构上的类似物，岩藻糖基化硫酸软骨素(FuCS)是近年来被重点关注的具有抗凝血活性的新结构分子。其可从天然海参中提取得到，深入的天然产物化学研究表明FuCS九糖片段具有与市售低分子量肝素相当的抗凝血活性，且已观测到此类结构多糖的口服抗凝活性。继续研究这一新结构多糖的抗凝活性机制并对相关分子结构进行优化是开发新一代类肝素抗凝药物的必要举措。 前景预测：肝素的抗凝活性极为出色，目前每年的全球销售额可达数十亿美元并继续保持着较高的增长率。但由于其口服无活性的性质，使得相关临床应用仅局限于医院等专业医疗机构。另一方面，肝素的潜在出血风险是限制肝素大范围应用的另一问题。我们所研究的FuCS九糖是肝素寡糖的结构类似物，同属于糖胺聚糖家族，但由于FuCS独特的化学结构，使得其具有口服抗凝活性，且药理活性机制表明其可选择性激活内源性凝血通路，因而在出血倾向方面相比肝素具有更高的安全性。项目团队开发了一种可以简便合成FuCS九糖的化学合成工艺。这一工艺的实现可以提高FuCS的可获得性，降低目标药物的获取难度，并且保障其后续开发中的质控水平。该工艺是支撑目前FuCS分子库建立、后期药物筛选与中式放大的最优合成路线，应用前景广阔。

1.痛点问题 尽管目前已有一系列临床治疗手段，但癌症仍然是人类健康与生命安全的最主要威胁之一，大多数癌症仍然有巨大的未满足医疗需求。抗肿瘤药物的研发依赖于靶点分子的鉴定。因此，依托于新的抑癌靶点，开发全新的抗肿瘤靶向药，是当前创新药研发的前沿。现有药物靶点主要是蛋白编码基因，所开发药物以靶向蛋白质的抗体药、小分子化合物药为主。 长非编码RNA（lncRNA）是近年来发现的一类不编码蛋白质的RNA分子，具有组织特异性强，功能复杂，种类数量大等特征。研究发现多个lncRNA与各种生物学过程相关，但是大多数lncRNA的生物学功能仍然未知。学术界已发现多个与肿瘤发生发展相关的lncRNA，但目前尚没有靶向lncRNA的抗肿瘤药物上市或在临床试验中。鉴于lncRNA复杂、多样化、特异性的生物学功能特征，这一大类分子有望成为新的疾病治疗靶点库。与已知的蛋白靶点相比，lncRNA研究少，易于获得原创、高价值的靶点专利。这要求基础研发工作在特定生理或疾病状态下，从成千上万的lncRNA中准确鉴定具有核心、基础生物学意义的lncRNA，并详细解析其细胞功能与分子机制，确定其作为疾病治疗靶点的可行性与科学基础。 2.解决方案 在此前的研究中，本项目组以肿瘤体系为研究对象，开发了基于信息论的多组学数据挖掘与lncRNA功能预测方法流程。在多种癌症中鉴定了具有核心生物学功能的lncRNA。例如，首次发现一个此前从未被研究过的lncRNA对于肝癌肿瘤细胞等高增殖率细胞的核仁结构及功能至关重要。研究证明该lncRNA在肿瘤中特异性地高表达，并且对于肿瘤细胞的快速增殖不可或缺，因此项目提出以该lncRNA作为肿瘤治疗靶点，开发抗肿瘤小核酸药或小分子化学药，控制肝癌发展。 项目技术核心是在肿瘤体系中鉴定重要lncRNA的技术流程，预期产品是针对一系列lncRNA新靶点的靶向药物。 3.合作需求 1)资金需求：针对新靶点lncRNA的小核酸药临床前研发需要的资金投入，在IND申报前需约2500-5000万元人民币； 2)孵化资源：公司研发所需办公及研发场地、实验室、计算服务器、分析与测试公共实验室等； 3)团队：生物医药科技公司管理团队、核酸药临床前研发团队、商务开发与合作团队、财务、法务等支持团队； 4)CRO公司合作：小核酸序列大规模合成、敲低效率验证、动物模型、药物毒理、药代动力学、免疫原性等指标测试； 5)大型医药公司合作：商讨未来技术转让方案，利用大型医药公司临床开发资源，开展临床研发合作； 6)药物递送平台合作：针对小核酸药靶向递送需求，开展不同递送工具的合作开发； 7)临床医院合作：针对临床治疗需求，开展小规模IIT临床试验，准备IND申报； 8)基础研究合作：与lncRNA研究领域内国内外基础研究团队合作，开发新的lncRNA靶点。

项目简介研发背景：抗凝血药物的临床应用极为广泛，在骨科手术，心脏手术，抗脑卒中等方面具有数十年的使用历史。肝素类药物，包括目前大范围应用的低分子肝素与合成肝素等是针对诸多临床适应症不可替代的抗凝血药物。作为肝素结构上的类似物，岩藻糖基化硫酸软骨素(FuCS)是近年来被重点关注的具有抗凝血活性的新结构分子。其可从天然海参中提取得到，深入的天然产物化学研究表明 FuCS 九糖片段具有与市售低分子量肝素相当的抗凝血活性，且已观测到此类结构多糖的口服抗凝活性。继续研究这一新结构多糖的抗凝活性机制并对相关分子结构进行优化是开发新一代类肝素抗凝药物的必要举措。前景预测：肝素的抗凝活性极为出色，目前每年的全球销售额可达数十亿美元并继续保持着较高的增长率。但由于其口服无活性的性质，使得相关临床应用仅局限于医院等专业医疗机构。另一方面，肝素的潜在出血风险是限制肝素大范围应用的另一问题。我们所研究的 FuCS 九糖是肝素寡糖的结构类似物，同属于糖胺聚糖家族，但由于 FuCS 独特的化学结构，使得其具有口服抗凝活性，且药理活性机制表明其可选择性激活内源性凝血通路，因而在出血倾向方面相比肝素具有更高的安全性。项目团队开发了一种可以简便合成 FuCS 九糖的化学合成工艺。这一工艺的实现可以提高 FuCS 的可获得性，降低目标药物的获取难度，并且保障其后续开发中的质控水平。该工艺是支撑目前 FuCS 分子库建立、后期药物筛选与中式放大的最优合成路线，应用前景广阔项目团队 团队由药学院李中军教授领导。李教授是北京大学天然药物与仿生药物国家重点实验室学术委员会成员，北京大学药学院学术委员会成员，其在糖类药物的基础研究与技术开发方面具有 30 年的实操经验。获得包括施维雅科学奖在内的众多学术荣誉，发表超过 150 篇 SCI 论文，拥有超过 20 项授权发明专利。团队成员包括 3 名副教授，1 名讲师，5 名博士研究生及 10 名硕士研究生。李教授领导的团队与国内领先的疫苗生产企业康希诺生物股份公司保持密切的合作关系；李教授本人曾长期担任上市公司——深圳信立泰股份公司的独立董事；李教授曾开发一条红景天苷的合成工艺并成功实现了技术转让。李教授在国内糖化学与糖类药物领域积累了深厚的学术经验，拥有广泛的人际关系。应用范围 临床抗凝血用，包括手术抗凝血，居家日常抗凝血使用等。项目阶段 候选药物（细胞水平研究阶段）。知识产权 已申报两项中国发明专利：  1、 岩藻糖基化硫酸软骨素寡糖及其制备方法、组合物和用途，申请号：2018107787336  2、 岩藻糖基化硫酸软骨素寡糖糖簇及其制备方法，申请号 2017103131376合作方式 技术入股、技术转让。

研发背景：抗凝血药物的临床应用极为广泛，在骨科手术，心脏手术，抗脑卒中等方面具有数十年的使用历史。肝素类药物，包括目前大范围应用的低分子肝素与合成肝素等是针对诸多临床适应症不可替代的抗凝血药物。作为肝素结构上的类似物，岩藻糖基化硫酸软骨素(FuCS)是近年来被重点关注的具有抗凝血活性的新结构分子。其可从天然海参中提取得到，深入的天然产物化学研究表明FuCS九糖片段具有与市售低分子量肝素相当的抗凝血活性，且已观测到此类结构多糖的口服抗凝活性。继续研究这一新结构多糖的抗凝活性机制并对相关分子结构进行优化是开发新一代类肝素抗凝药物的必要举措。 前景预测：肝素的抗凝活性极为出色，目前每年的全球销售额可达数十亿美元并继续保持着较高的增长率。但由于其口服无活性的性质，使得相关临床应用仅局限于医院等专业医疗机构。另一方面，肝素的潜在出血风险是限制肝素大范围应用的另一问题。我们所研究的FuCS九糖是肝素寡糖的结构类似物，同属于糖胺聚糖家族，但由于FuCS独特的化学结构，使得其具有口服抗凝活性，且药理活性机制表明其可选择性激活内源性凝血通路，因而在出血倾向方面相比肝素具有更高的安全性。项目团队开发了一种可以简便合成FuCS九糖的化学合成工艺。这一工艺的实现可以提高FuCS的可获得性，降低目标药物的获取难度，并且保障其后续开发中的质控水平。该工艺是支撑目前FuCS分子库建立、后期药物筛选与中式放大的最优合成路线，应用前景广阔。

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：

本项目基于 II 型糖尿病热门研究靶点 C-Jun NH2-Terminal Kinase（JNK）的蛋白活性口袋的结构为基础，设计与合成了超过 60 个化合物的类似物，通过细胞试验筛选和 II 型糖尿病大鼠动物模型验证，筛选得到候选药物分子 CP0269。该分子与模型对照组和阳性药物二甲双胍给药组相比，显示出来良好的降血糖，降血脂，保护胰岛 B 细胞的药效。通过成药性评价预实验显示 CP0269 具有良好的成药性： CP0269 合成与纯化工艺简单，能得到大量，质量可控的原料药；药物灌胃口服，吸收与起效迅速，长期毒性预实验显示了该化合物具有良好的安全性。 技术创新点： CP0269 是以 JNK 为靶点设计的抗 II 型糖尿病的药物分子，一旦开发成功，将成为首次以 JNK 为靶点的抗 II 性糖尿病的药物分子。属于 First in Class。 市场应用前景： 在当今社会，II 型糖尿病的发病率依然在增长。饮食结构的变化造成了肥胖人数的增加，肥胖可能导致机体炎症，从而影响胰岛 B 细胞的存活于机体的胰岛素抵抗。因此，肥胖已经慢慢成为 II 性糖尿病的发生进展的主要因素之一。针对这种肥胖型 II 型糖尿病的药物，临床上一般采取联合用药的治疗方案。CP0269 一旦开发成功，将会针对这一日益增长的适应症占据市场，表现出良好的开发前景。 合作方式： 可采用多种方式进行合作，既可与企业联合研发后续工作，也可通过技术转让方式进行合作，或是其他方式均可。 已获得的知识产权： 一种化合物及其用于制备 II 型糖尿病治疗药物的应用（专利号：201710941613.9）

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。

技术分析(创新性、先进性、独占性)挖掘了蛋白质分子结构的几何特征，开发了新颖的优化设计算法，准确识别结合位点，准备预测抗体结构和抗体-抗原相互作用复合物结构，可以显著提高药物设计效益。自主独立开发。已经在国际竞赛中取得第一名的好成绩，也应用在生物和医学实验中，算法和程序代码完整。