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：

药物活性与毒性筛选试剂盒是李红玉教授团队经历 15 年研发的一种快速，简便，高效检测药品或健康食品活性与毒性筛选试剂盒。该技术利用国际认可的能够反映体内活性与毒性的模式生物秀丽隐杆线虫作为筛选工具，配合特殊染料，能够快速检测受试品活性与毒性，也可利用该技术对药品进行二次开发。具有独立自主知识产权，已成功申请国家发明专利 5 项，美国专利 1 项。已为甘肃东方天润公司和上海中华药业提供优质服务，并成功完成药品，化合物，保健食品的活性开发。该技术可以为药物研发机构，制药企业，医药研究院所，化合物合成机构

本成果围绕光伏并网系统电能质量展开。基于深度学习算法，研究谐波等电能质量指标变化规律，运用特征提取技术处理时序数据，实现电能质量预测。研发基于态势感知的电能质量调控装置，总谐波补偿率不小于 90%，补偿次数 2 - 50 次。成果形式包括研究报告、调控装置示范应用，申请发明专利 3 项，发表论文 3 篇。应用场景涵盖光伏电站、配电网等，可提升电网可靠性与经济性，减少设备损耗、优化调控策略、降低弃光率，为新能源消纳提供支撑。

本发明提供延胡索乙素在制备抗顺铂毒性药物中的应用。所述毒性包括肾脏毒性、耳毒性及神经毒性。研究表明，延胡索乙素对OCT2与MATE1具有抑制作用，能拮抗顺铂引起的细胞毒性，并在原代培养的肾小管上皮细胞模型上得到较好的验证。且以(-)-THP为代表，研究发现延胡索乙素对顺铂所致小鼠肾损伤具有很好的保护作用。因此，延胡索乙素与顺铂合用，可能减少顺铂在肾脏、耳蜗细胞及背根神经节蓄积，从而达到预防或降低顺铂毒性的预期结果。本发明拓展了延胡索乙素的新用途；由于肾脏、耳蜗毛细胞及背根神经节高表达OCT2，而肿瘤细胞上往往缺少OCT2的表达，顺铂具有一定的被动透过性，因此，延胡索乙素与顺铂合用，减弱顺铂所致毒性的同时，并不会降低顺铂的抗肿瘤效果。

呼吸是人类的最基本生理需求。然而，空气污染物的存在往往使这一基本需求难以得到保障。更有甚者，在一些特殊环境场所，空气中可能存在高致病微生物如病毒和细菌、生化毒剂、毒素等严重危害人体健康甚至威胁生命。此外，空气中也可能存在一些未知的有毒物质，如不明病原体、化学物质等。目前已有的空气安全预警技术主要针对有限的几种污染物或者有毒物质进行实时监测，无法覆盖包括生物与化学威胁在内的所有潜在威胁。空气中的污染物种类繁多，理论上很难发展一种同时监测上千种污染物的仪器设备。另外，空气毒性安全预警技术需要对空气毒性做出快速响应，以便为采取防御措施争取宝贵的时间。这些要求都是对当前技术的极大挑战，很难实现对空气的综合毒性的实时预警。

多数有害气体的密度都比空气大，高浓度时甚至危及生命。在化学工业有毒气体泄漏事故频发的当下，乐普乐吉适时推出了毒性化学品安全存储柜。 严格的密闭设计，为用户提供了最可信赖的安心。 FM认证，符合FM6050标准

围绕难降解有机工业废水治理与毒性减排的难题，研发出毒害污染物资源化、高效转化与毒性减排技术为核心的难降解有机工业废水“物化-生化-物化”耦合集成技术与装备，有效解决了精细化工、制药、印染等行业难降解有机工业废水稳定达标和毒性减排的技术难题。 基于新型酯基树脂吸附的高水溶性芳香有机污染物资源化及其热水再生技术，实现高盐分、高有机溶剂废水中芳香有机酸的绿色分离与回收。该树脂（国家重点新产品：2007GRC11025）比表面积与吸附容量较国际同类产品XAD-7（美国Dow）及HP2MG（日

组蛋白甲基转移酶（EZH2）因其功能异常导致肿瘤的发生发展而成为极具潜力的肿瘤治疗靶点。目前EZH2抑制剂仅抑制自身甲基转移酶活性，无力应对其非催化功能驱动的致癌活性。研发靶向EZH2的蛋白质水解靶向嵌合体(PROTAC)分子以及分子胶，以实现EZH2的致癌活性的完全阻断并克服当前双功能嵌合型蛋白降解药物成药性不佳的问题。 基于前期发现的EZH2降解剂的基础，通过进一步结构优化，发现具有良好EZH2 降解活性的PROTAC分子E7、E13和分子胶水ED6Y。其中E13是当前分子量最小的EZH2靶向的PROTAC降解分子，并展现了良好的成药性；ED6Y是机制新颖的EZH2单价降解剂。在神经母细胞瘤、前列腺癌以及急性髓系白血病等恶性肿瘤中，EZH2可通过非甲基转移酶活性，持续激活癌基因活性。E7、E13和ED6Y通过诱导EZH2蛋白降解实现完全抑制EZH2致癌活性，在临床前药效学研究中展现了优越的抗肿瘤效果，并可诱导肿瘤免疫原性。EZH2蛋白降解药物为EZH2依赖性肿瘤治疗方法提供了新的策略。 EZH2降解药物的市场前景广阔，以神经母细胞瘤为例，恶性程度高、疾病进展迅猛且治疗难度大，在儿童恶性肿瘤中约占8%至10%，死亡率15%。GD2单抗作为过去数十年唯一被批准上市的用于神经母细胞瘤的新药，共有三款产品获批上市，目前并没有小分子化学药物获批上市。本项成果的成功将为以神经母细胞瘤为代表的EZH2活化的肿瘤提供新颖的治疗策略，将带来良好的经济社会效益。

技术分析（创新性、先进性、独占性） 本项目已经具备具有200个CPU集群辅助计算，目前已建立了国际上领先的万个化学药物的化合物库和六万多种中药单体化合物库、利用国际一流的计算机辅助设计软件（Schrodinger, Discovery Studio, MOE等）进行大规模化合物数据库的虚拟筛选，并根据REOS预测、ADME/T性质的理论预测，结构聚类等，剔除成药性差的化合物。 目前已经针对多个靶点和药物做了国际创新性研究工作，相关成果在药学领域相关SCI期刊上共发表论文17篇，平均影响因子>4.5，他引460余次。