目前肿瘤化疗仍是大多数癌症患者不可缺少的治疗方法，但是化疗药物往往缺乏选择性，而且肿瘤细胞容易产生多药耐药性，严重影响化疗的效果。因此，研究可逆转肿瘤多药耐药性的功能性药物输送系统在提高化疗药物药效、降低毒副作用等方面将具有广阔的应用前景。纳米药物载体，如脂质体封装的抗癌药物在临床前和临床实验中已被证实能够通过降低毒性和增强疗效来提高治疗指数。然而，传统脂质体存在载药量低（一般<10%）、稳定性差、药物容易泄漏等问题，导致治疗效果不理想，并且容易引发机体的毒副作用。

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。

本发明提供了一种黄酮类化合物及其在抗癌症药物中的应用，该化合物具有如下通式(I)结构：其中，m为1～10；R1和R2分别选自氢、羟基和未取代或由一个或多个第一取代基取代的芳基、杂芳基；X选自氢、羟基、硝基、卤素、氨基或氰基；R3选自氢、羟基、‑O(CH2)nN(R4R5)，其中，n为2～10，R4和R5分别选自氢、未取代或由一个或多个第二取代基取代的C1‑C10烷基、C2‑C12链烯基、C1‑C10卤代烷基、C2‑C12卤代烯基、C2‑C14杂烷基、C2‑C12烯氧基、C1‑C6炔氧基、氨基、C1‑C10烷基氨基、C1‑C10氨基烷基、C1‑C10烷基羰基、C1‑C10烷氧羰基、C1‑C10烷基氨基羰基、C1‑C10烷基羰基或C5‑C12芳基羰基。

【发 明人】郭盛；段金廒；钱大玮；宿树兰【摘    要】本发明公开了一种大枣叶活性提取物及其在制备防治肝损伤药物或保健品中的应用。本发明首次采用大孔树脂耦合聚酰胺树脂，然后通过制备液相制备大枣叶精制提取物，较传统的分离纯化方法分离效率更高，且分离得到的活性成分含量高，生物活性强，安全性高。经实验研究表明，大枣叶提取物可显著降低CCl4、D-GalN和乙醇所致肝损伤模型小鼠血清ALT、AST活性及肝组织MDA含量，增强肝脏SOD活性，对肝损伤具有很好的防治功效。因此大枣叶及大枣叶提取物有望开发成为新一代安全有效，用于防治肝损伤的药物或保健品，同时也为大枣叶废弃资源变废为宝及枣树资源综合利用提供了途径。

01. 成果简介 中东呼吸综合征冠状病毒（MERS-CoV）是2012年在中东地区首先发现的一种新型冠状病毒，与严重急性呼吸综合征冠状病毒（SARS-CoV）同属于β冠状病毒，能够引发严重的人类呼吸系统疾病。据世界卫生组织的最新统计表明，MERS-CoV已造成全球27个国家2428例感染，致死率高达35%。 MERS-CoV表面刺突蛋白（Spike）蛋白是病毒颗粒与细胞受体二肽基肽酶4（DPP4）作用的关键蛋白，也是MERS-CoV疫苗与保护性单克隆抗体研究的热门靶点。本项目团队在靶向刺突蛋白的高活性中和抗体筛选、鉴定、分子结构研究中取得了一系列突破。本团队在国际上首批报道了两株人源MERS-CoV中和抗体MERS-4与MERS-27，它们均能高效抑制假病毒与活病毒对体外培养细胞的侵染，在动物模型中也显示了很好的保护作用。该团队还综合运用结构生物学、生物化学以及病毒学研究方法阐明了这两株抗体识别Spike受体结合结构域（RBD）的不同位点，并阻断Spike与受体DPP4的结合。 本项目团队还利用一种稀有黑猩猩腺病毒AdC68为载体，搭载MERS-CoV表面全长的Spike蛋白，在转基因小鼠（hDPP4-KI）模型中，一次滴鼻免疫即可诱导产生长期保护性免疫反应，并完全预防小鼠感染或降低感染后的疾病进展速度。解决了目前研发的MERS-CoV疫苗大多需要进行多次免疫注射的复杂程序问题。进一步的抗体分析表明，免疫动物血清中含有广谱高滴度针对RBD的多克隆和单克隆中和抗体，能够有效阻断病毒与受体DPP4的结合，从而解析了其长期保护性免疫反应的分子基础和机制，为疫苗下一阶段进入大动物模型和人体临床试验做好了准备。                        MERS-CoV及其相关中和抗体和疫苗研究时间轴AdC68-S重组疫苗在hDPP4-KI转基因小鼠模型上的保护效果02. 应用前景 本项成果可应用于治疗或预防中东呼吸综合征冠状病毒的抗体药物及疫苗候选物。03. 知识产权 本项成果已申请4项发明专利，其中3项已授权。04. 团队介绍 本项目团队由生命学院实验室与医学院实验室联合组成，两位实验室负责人分别为清华大学生命学院和医学院教授、博士生导师，主要研究方向分别为结构生物学与病毒学，已发表国内外高水平学术论文数十篇，联合申请专利4项。05.合作方式 技术许可。06.联系方式 邮箱：zhangxinrui@tsinghua.edu.cn

【发 明 人】郭盛；段金廒；钱大玮；宿树兰 【摘要】 本发明公开了一种大枣叶活性提取物及其在制备防治肝损伤药物或保健品中的应用。本发明首次采用大孔树脂耦合聚酰胺树脂，然后通过制备液相制备大枣叶精制提取物，较传统的分离纯化方法分离效率更高，且分离得到的活性成分含量高，生物活性强，安全性高。经实验研究表明，大枣叶提取物可显著降低CCl4、D-GalN和乙醇所致肝损伤模型小鼠血清ALT、AST活性及肝组织MDA含量，增强肝脏SOD活性，对肝损伤具有很好的防治功效。因此大枣叶及大枣叶提取物有望开发成为新一代安全有效，用于防治肝损伤的药物或保健品，同时也为大枣叶废弃资源变废为宝及枣树资源综合利用提供了途径。

化合物 6,8-二甲基-7,4ʹ-二甲氧基-5-羟基黄烷(HDF)由天然黄酮 类化合物鹃花醇结构改造获得，研究发现具有细胞毒性，能诱导细胞 凋亡和细胞周期阻断于 G2/M 期，特别醒目的是，细胞经 HDF 处理 后变圆、变大，呈典型的周期阻断表现。作用类似于临床上广泛应用 的具有干扰微管作用机制的药物长春新碱和紫杉醇;在细胞周期阻滞 方面与紫杉醇的作用更接近，因此可能对卵巢癌、乳腺癌、非小细胞 肺癌(NSCLC)、头颈癌、食管癌、精原细胞瘤、复发非何

化合物 6,8-二甲基-7,4ʹ-二甲氧基-5-羟基黄烷(HDF)由天然黄 酮类化合物鹃花醇结构改造获得，研究发现具有细胞毒性，能诱导细 胞凋亡和细胞周期阻断于 G2/M 期，特别醒目的是，细胞经 HDF 处理 后变圆、变大，呈典型的周期阻断表现。作用类似于临床上广泛应用 的具有干扰微管作用机制的药物长春新碱和紫杉醇；在细胞周期阻滞 方面与紫杉醇的作用更接近，因此可能对卵巢癌、乳腺癌、非小细胞 肺癌（NSCLC）、头颈癌、食管癌、精原细胞瘤、复发非何金氏淋巴瘤 等有疗效。

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：