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。

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。

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。

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：

成果与项目的背景及主要用途：创新药物高效设计与筛选(Computer-Aided Innovative Drug Development， CAIDD)技术是集计算化学，药物化学及结构生物学为一体的靶向药物创新平台。 CAIDD 利用先进的计算机辅助药物设计技术从分子水平上确立和发现创新药物 的生物靶点，阐明药物吸收及传递的机理，并通过构建生物靶点的三维结构模型， 高效设计和筛选靶向型创新药物。 CAIDD 技术是生物医药领域创新药物研发的核心技术。主要应用于高效设 计和筛选靶向性小分子药物，蛋白及抗体药物，有效缩短从先导药物发现到药物 开发上市的整个过程。 技术原理与工艺流程简介： 利用先进的计算机辅助药物设计技术从分子水平上模拟和研究药物吸收和 药物传递的机理，发现和确立新的生物靶点，分析药物分子的三维构效相关，针 对取得的药效团模型和药物相互作用模式进行靶向药物的合理设计和高效筛选 最终实现靶向型新药的创制和高效药物传递。 靶点发现→药物设计→化学合成→药理验证→结构生物学 技术水平及专利与获奖情况： 基于有机化学方法论的药物数据库包含 351 亿个化合物，拥有世界最大的先 导药物虚拟数据库 技术应用： 1、靶向型一类新药先导化合物的高效设计与筛选 利用 CAIDD 技术开展或参与企业创新药物先导化合物的快速设计与发现。 针对企业研究方向和课题需要，在课题立项及创新药物研发源头为企业提供最先 进的技术服务。 2、靶向型换代产品快速开发 利用 CAIDD 技术提高现有上市药物的靶向性，生物利用度，降低药物毒副 作用，从本质上提高企业已上市药物的临床应用价值，帮助企业快速开发具有自 主知识产权的新一代靶向型替代产品，延续企业产品生命力和企业竞争力。 应用领域：医药领域。 应用领域举例：1、现代化靶向型中药开发 CAIDD 技术利用针对多种生物靶点的药物传递技术，结合 Dendrimer 药物 包接及靶向诱导技术的应用为企业开发具有自主知识产权的中药靶向新制剂与 新剂型，从本质上实现中药的靶向传递和现代化。 2、蛋白质欧联药物开发 利用抗体对生物靶点的特异性识别特征，CAIDD 技术帮助企业实现蛋白欧 联型靶向药物的快速开发，取得一类新药自主知识产权。 3、一类兽药快速研发 CAIDD 平台提供兽药现代化改良服务，通过 CAIDD 靶向化技术改良现有上 市兽药的靶向功能，提高药物生物利用度，水溶性，消除药物异味，为企业创造 具有自主知识产权的一类新药。 应用前景分析及效益预测： 与传统通过规范化的实验手段进行新药开发筛选相比，CAIDD 技术具有节 约成本与时间的显著优势且筛选效果与传统手段媲美。 合作方式及条件：具体面议 1、 提供新型先导化合物→结合企业在研项目在一定时间内为企业提供具有 自主知识产权的新型先导化合物； 2、 参与筛选先导化合物→利用先导药物数据库为企业提供筛选新型先导化 合物的服务； 3、 企业新产品的靶向开发→利用靶向化技术为企业提供具有自主知识产权 的创新新药 4、 企业现有的靶向化换代→利用 CAIDD 技术提高现有药物的靶向性及生 物利用度快速研制换代产品。

一、仿生纳米药物系统的设计构建与应用实例1 二、仿生纳米药物系统的设计构建与应用实例2 本发明公开了一种纳米药物控释体系的制备方法，包括以下步骤：(1)制备纳米级红细胞膜囊泡；(2)制备具有光敏性的载药氧化石墨烯；(3)制备靶向分子；(4)制备纳米药物控释体系。本发明通过红细胞囊泡的包埋可避免纳米载体被体内某些蛋白包被形成所谓的“蛋白冠”，保证靶向分子的活性；其次红细胞囊膜泡为人体内存在的生物相容性好，无毒副作用，不会引起排异反应；再次红细胞的包埋囊泡可有效降低氧化石墨烯的表面自由能，增加纳米药物控释体系的分散性；而且在氧化石墨烯上吸附了光敏剂吲哚菁绿，可结合光热治疗，进一步增强了纳米药物控释体系的抗肿瘤效果。

项目成果/简介:一、仿生纳米药物系统的设计构建与应用实例1二、仿生纳米药物系统的设计构建与应用实例2本发明公开了一种纳米药物控释体系的制备方法，包括以下步骤：(1)制备纳米级红细胞膜囊泡；(2)制备具有光敏性的载药氧化石墨烯；(3)制备靶向分子；(4)制备纳米药物控释体系。本发明通过红细胞囊泡的包埋可避免纳米载体被体内某些蛋白包被形成所谓的“蛋白冠”，保证靶向分子的活性；其次红细胞囊膜泡为人体内存在的生物相容性好，无毒副作用，不会引起排异反应；再次红细胞的包埋囊泡可有效降低氧化石墨烯的表面自由能，增加纳米药物控释体系的分散性；而且在氧化石墨烯上吸附了光敏剂吲哚菁绿，可结合光热治疗，进一步增强了纳米药物控释体系的抗肿瘤效果。知识产权类型:发明专利知识产权编号:ZL201711377861.1技术先进程度:达到国内先进水平成果获得方式:独立研究获得政府支持情况:国家级计划/专项类别:国家自然科学基金面上项目，湖南省自然科学基金面上项目获得经费:65.00万元