YJ-0633A药物黏度测定仪 本仪器YJ-0633A药物黏度测定仪的制造符合中国药典2020年版0633黏度测定法所规定的技术要求，可以通用品氏和乌氏粘度计。本仪器专为粘度测试设计，由水槽和控制器两部分组成。粘度恒温槽提供一个稳定的温场和测试平台，此外仪器也可作为高精度浴槽，进行其它试验。本仪器的最大特点是：全喷塑处理，经久耐用；双层缸结构，高精度控温仪，控温准确。 主要功能特点 1、采用智能液晶显示温控仪，控温迅速，响应快，超调小，控温精度达±0.1℃。 2、采用硬质玻璃缸及保温外套缸（称双缸），保温性能好，试样观察清晰。 3、采用台式、一体机设计方式，仪器整体性好，使用方便。 4、带有线控计时按键，用于实验时的计时显示和控制。 5、采用电动搅拌装置，浴缸内的温度均匀。 6、制冷器与主机分离式设计，防止压缩机工作振动带来的粘度计测试误差。 二、主要技术参数 1、工作电源：   AC(220±10%)V，50Hz±5%。 2、加热功率：   1600W。 3、搅拌电机：   功率6W；转速 1200r/min。 4、测温范围：    10℃～180（选配制冷器后可实现制冷）5、控温精度：   ±0.1℃。 6、恒温浴：     容量，25L；形式，内外两层缸（双缸）。 7、使用环境：   环境温度-10℃～+35℃，相对湿度＜85％。 8、温度传感器： 工业铂电阻，其分度号为Pt100。 9、整机功耗：   不大于1800W。 10、毛细管粘度计：  4支（平氏或者乌氏客户可任选）11、外形尺寸：   530㎜×400㎜×670㎜ （长×宽×高，含浴缸等）。

纳米氮化硼材料兼具氮化硼和纳米材料的双重优势，广泛应用于航空航天、高端电子散热材料、吸附剂、水净化、化妆品等领域。项目团队开发出一种能够实现形貌和尺寸均一且具有超大比表面积多孔氮化硼纳米纤维的规模化制备技术，目前市场尚未实现规模化生产。该技术合成工艺简单可控、成本低、过程绿色环保，处于国际领先地位。 1 产品的应用领域 图2 高性能氮化硼纳米纤维粉体 图3 氮化硼纳米纤维粉体微观形貌

针对肿瘤缺氧所致PD-1抗体不敏感，本项目利用白蛋白及ROS响应链接子将PD-1抗体与富氧血红蛋白（Hb）及ATO包裹成纳米颗粒。 一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 张琰 第二临床医学院/临床医学 2019.9/2024.6 梁洛绮 第一临床医学院/临床医学 2018.9/2023.6 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 侯鹏 第一临床医学院 副主任/教授 肿瘤生物学 杨琪 第一临床医学院 副主任/副教授 肿瘤生物学 四、项目简介 目前，尽管晚期肿瘤免疫治疗取得巨大突破，仍有大量患者对PD-1抗体不敏感。主要原因是实体肿瘤灌注不良，缺氧、酸化，抑制免疫。阿托伐醌（ATO）为线粒体Complex III抑制剂，能有效降低组织氧耗改善缺氧，但生物利用率低毒性大，应用受限。针对肿瘤缺氧所致PD-1抗体不敏感，本项目利用白蛋白及ROS响应链接子将PD-1抗体与富氧血红蛋白（Hb）及ATO包裹成纳米颗粒。研究结果证实该颗粒能肿瘤局部富集，链接子遇肿瘤微环境高含量ROS解离释放Hb 、ATO及PD-1抗体，瘤细胞对ATO的利用提高，氧耗降低。此外，Hb氧递送实现多途径改善缺氧，显著提高PD-1抗体疗效，具有潜在医学转化价值。

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：

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

本项目的产品主要用于抑制生物质发电厂中生物质燃料燃烧时的结焦问题。

【发 明 人】潘苏华【技术领域】 本发明涉及可用于心脑血管疾病治疗的银杏叶制品，特别是一种复方银杏叶制剂及其工艺。【摘要】 本发明之目的旨在充分利用我国特有的银杏叶资源优势，创制一种具有中医药特色，疗效优于单方制剂的复方银杏叶制剂，它以中医药理论为指导，在单味银杏叶基础 上，辅以健脾和胃、消食导滞、减轻银杏叶消化道不良反应，同时又能增强银杏叶防治心血管疾病作用的天然植物刺梨，其总体治疗作用优于，而副作用小于单味银杏叶制品。

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。