1．微电脑控制,中文界面,彩色液晶显示,触摸屏操作,简洁、直观、方便。全程电脑自动控制或手工控制开关机，自动加热并恒温,自动制冷并恒温。2．智能保护：任意路不加热、不制冷或温度传感器损坏，界面中文报故障，并自动切断该路的加热或制冷，保护该路器件免受损坏。3．开关机：任意预设周1至周日每天任意自动开关机两次；手动开机在工作4小时后自动关机。 4．专利流蜡控制方式，流蜡管道不滴蜡、渗蜡；出蜡方式：手动、脚动，出蜡流量可调节。5．分体式结构：包埋部分和冷冻台分开，包埋部分带小冷台，冷冻台为整体铝合金材质。6．工作台和小冷台二路照明，照明灯采用DC24V  LED灯珠，手动开关灯珠照明，在主机停止工作后自动熄灭。7．自带放大镜，便于观察微小标本。（可配置）8．制冷方式：冷冻台：压缩机制冷。为避免因压缩机反复启动而损坏压缩机，自动延时启动压缩机。小冷台：半导体制冷。9、温度控制：室温～99℃预设，恒温精度±１℃

由西安交大开元集团自主开发的CMOS可视芯片是目前国际先进、国内领先的视觉芯片，具有集成度高、功能全、体积小、功耗低的特点。以CMOS可视芯片为核心部件的彩色电脑眼是新一代计算机图像输入器件，具有数码相机、电子相册、三维传真、动态录像EMAIL、网络可视电话、视频会议和智能遥控报警等多种功能。该项目已被列入国家高新年技术产业化示范工程。

项目成果/简介:实验室研究概貌：衰老相关疾病就是随着年龄升高其发病率随之上升的疾病，包括2型糖尿病、脑卒中、肠胃溃疡等。根据我们的衰老理论，衰老就是各器官组织功能衰退导致的，而不同器官组织功能的加速衰退就会导致各种衰老相关疾病。因此，衰老与衰老相关疾病具有共同机制，解决了衰老相关疾病，就可以揭示衰老的关键机制，开发延缓衰老新策略。实验室研究成果：我们建立了新型药物筛选平台，以动物为研究模型，筛选了大量化合物（主要为临床用药、新合成化合物、天然产物提取液）、基因工程改造的益生菌。筛选发现了一系列有望治愈2型糖尿病（图1）、脑卒中（图2）、肠胃溃疡（图3）等疾病的候选药物。特点如下：疗效好：活性较治疗相应疾病的临床用药活性高，相同条件下，可更有效降低血糖、治疗蛋白尿、减少脑梗死体积、抑制肠胃溃疡。靶点新：药物相应靶点（target）不同于已经发表、各公司正在研发的靶点。同时新发现靶点有可能是导致疾病的真正基因。已知靶点有可能只是导致某些症状的表层靶点。剂量低：相对于现有临床药物，我们发现的小分子剂量为其临床应用剂量的1/400-1/10，因此长期使用副作用将会更低。有治愈潜力：根据我们的数据，益生菌、小分子可以避免现有临床药的毒副作用，比如现有糖尿病治疗药物的肝肾、心脏毒性，并具有保肝护肾、降低动脉粥样硬化的功能。同时，我们选用的益生菌，本身就具有优化肠道菌群，改善肠胃功能的效果。数量多：小分子化合物40余种，2020年底至今已申请专利14项。治疗性益生菌5种。适应症广：个别小分子、益生菌可同时预防和治疗多种疾病。如一种益生菌可治疗2型糖尿病（在2周内显著降低血糖）、缺血性脑卒中、肠胃溃疡。这说明经过改造的益生菌，可以分泌穿透大鼠血脑屏障的纳米尺度小泡，治疗大脑相关疾病。合作需求：关于小分子和治疗性益生菌，考虑在有生物医药产业基础的高新区建立企业，也希望与大型药企合作开发药物。同时，我们可在以上所述研究领域提供技术服务、咨询服务等。

实验室研究概貌： 衰老相关疾病就是随着年龄升高其发病率随之上升的疾病，包括2型糖尿病、脑卒中、肠胃溃疡等。 根据我们的衰老理论，衰老就是各器官组织功能衰退导致的，而不同器官组织功能的加速衰退就会导致各种衰老相关疾病。因此，衰老与衰老相关疾病具有共同机制，解决了衰老相关疾病，就可以揭示衰老的关键机制，开发延缓衰老新策略。 实验室研究成果： 我们建立了新型药物筛选平台，以动物为研究模型，筛选了大量化合物（主要为临床用药、新合成化合物、天然产物提取液）、基因工程改造的益生菌。筛选发现了一系列有望治愈2型糖尿病（图1）、脑卒中（图2）、肠胃溃疡（图3）等疾病的候选药物。 特点如下： 疗效好：活性较治疗相应疾病的临床用药活性高，相同条件下，可更有效降低血糖、治疗蛋白尿、减少脑梗死体积、抑制肠胃溃疡。 靶点新：药物相应靶点（target）不同于已经发表、各公司正在研发的靶点。同时新发现靶点有可能是导致疾病的真正基因。已知靶点有可能只是导致某些症状的表层靶点。 剂量低：相对于现有临床药物，我们发现的小分子剂量为其临床应用剂量的1/400-1/10，因此长期使用副作用将会更低。 有治愈潜力：根据我们的数据，益生菌、小分子可以避免现有临床药的毒副作用，比如现有糖尿病治疗药物的肝肾、心脏毒性，并具有保肝护肾、降低动脉粥样硬化的功能。同时，我们选用的益生菌，本身就具有优化肠道菌群，改善肠胃功能的效果。 数量多：小分子化合物40余种，2020年底至今已申请专利14项。治疗性益生菌5种。 适应症广：个别小分子、益生菌可同时预防和治疗多种疾病。如一种益生菌可治疗2型糖尿病（在2周内显著降低血糖）、缺血性脑卒中、肠胃溃疡。这说明经过改造的益生菌，可以分泌穿透大鼠血脑屏障的纳米尺度小泡，治疗大脑相关疾病。 合作需求： 关于小分子和治疗性益生菌，考虑在有生物医药产业基础的高新区建立企业，也希望与大型药企合作开发药物。同时，我们可在以上所述研究领域提供技术服务、咨询服务等。

研发阶段/n本成果针对兽用抗菌药物残留和动物源产品安全等问题，建立了三种能同时快速检测动物可食性组织或尿中五类抗菌药物(青霉素类、大环内酯类、四环素类、氨基苷类、氟喹诺酮类〉残留的微生物学方法一抗菌药物残留快速拭子检测法(FAST)、现场拭子检测法(STOP)和活体拭子检测法(LAST)，各项技术指标符合国家有关规定。以上述方法为基础研制出相应的三种试剂性能指标与国际上同类试剂盒相当，与仪器分析法(HPLC)具有良好的相关性。经多家单位的复核和应用证明，三种试剂盒的准确度、精密度和灵敏度能满足兽药残

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：

本研究通过详细分析与系统验证，发现了真菌非还原性聚酮合酶AN7909的硫酯酶结构域（thioesterase domain，TE domain），可以罕见地连续催化酯化、Smiles重排和水解等一系列非氧化反应，高效构建二芳基醚药物骨架。

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。