衰老是生命的自然过程，主要指随年龄增加，机体功能减退，内 环境稳定能力与应激能力下降，机体的细胞、组织、器官在结构与功 能上表现出来的种种退化。面对早衰群体，要从根本上提高他们的生 存质量，就要找到改善身体机能、延缓衰老的药物，使他们能够健康 衰老。提供一种中药方剂的新用途，可在制备抗衰老药物中应用，有 望开发成新一代的抗衰老药物。

提供药物组合物及其在制备抗感染药物中的应用。所述药物组合 物不仅具有显著的体内抗感染作用，且在半数致死时间之前，与其拆 方相比，药物组合物能维持更显著的药效。因此本发明所提供的药物 组合物可在制备抗感染的药物中应用。

国际微生物学权威期刊PLOS Pathogens在线发表了我校杀菌剂生物学团队周明国和张峰教授为通讯作者、周俞辛博士研究生为第一作者的最新研究成果《Structural basis of Fusariummyosin I inhibition byphenamacril》。这是南京农业大学杀菌剂生物学团队在获得2018年国家科学技术进步二等奖成果的基础上取得的又一新进展。 我校杀菌剂生物学团队参与江苏省农药研究所自主创制的镰刀菌专化性杀菌剂氰烯菌酯，代表了人类追求安全、高效的选择性杀菌剂发展方向，并采用现代生物学技术，团队发现了氰烯菌酯的作用靶标肌球蛋白-5（I型），这也是杀菌剂发展史上继发现酶蛋白和骨架蛋白后，国际上发现的第三类马达蛋白首个杀菌剂新靶标，并指出肌球蛋白的遗传分化是其抑制剂的选择性基础，同时研发了小麦赤霉病和水稻恶苗病高效、安全防控及抗药性治理系列新技术。 揭示杀菌剂作用靶标蛋白结构及其与小分子化合物亲和互作的精细结构特征，是发展颠覆性靶向杀菌剂的重要前提。杀菌剂生物学团队张峰教授利用先进的结构生物学方法，在解析了茉莉酸诱导植物抗病性的受体蛋白JAZ通过结构转换控制植物免疫与脱敏反应的机制基础上（Nature, 2015; PNAS, 2017），参与并指导研究生开展了氰烯菌酯与其作用靶标肌球蛋白-5的复合物三维结构研究，首次获得小麦赤霉病菌肌球蛋白分辨率为2.65 Å的晶体结构（PDBID：6UI4），揭示了植物病原丝状真菌肌球蛋白与其抑制剂的互作特征。研究发现氰烯菌酯结合在肌球蛋白马达结构域一个新的变构腔中，该位点与哺乳动物肌球蛋白抑制剂Blebbistatin结合在II型肌球蛋白马达结构域疏水口袋的位置非常接近，表明氰烯菌酯与Blebbistatin可能存在相同的氨基酸结合位点。 研究揭示了氰烯菌酯抑制肌球蛋白ATP酶活性的分子机制。氰烯菌酯结合的变构腔顶部也是与肌动蛋白（F-actin）结合的裂隙，在肌球蛋白的ATP酶循环中，该裂隙会特征性地闭合和开启以介导与肌动蛋白的结合，释放Pi和ADP，完成ATP酶循环。晶体结构清楚的显示了小分子氰烯菌酯占据了该裂隙关闭的空间位置，与Switch II 的Y409位点互作阻止了Switch II loop结构从开放裂隙向关闭裂隙的转变，阻断了Pi的释放和肌动蛋白的动力冲程，从而干扰了肌球蛋白ATP酶的循环过程，抑制了蛋白的马达作用。基于三维结构，研究还发现了新的与氰烯菌酯结合的氨基酸位点，并证明其中重要的氨基酸位点M375在不同真菌中的遗传分化决定了肌球蛋白对氰烯菌酯的敏感性，氰烯菌酯对禾谷镰刀菌M375K突变体肌球蛋白-5 的ATP酶活性抑制作用大幅降低，而将对氰烯菌酯不敏感的稻瘟菌肌球蛋白-5突变为K375M后，氰烯菌酯则能强烈抑制该稻瘟菌突变体的肌球蛋白ATP酶活性，同时稻瘟菌K375M突变体对氰烯菌酯变为高度敏感。提出了针对肌球蛋白K375设计对稻瘟病菌等具有高活性的新型广谱肌球蛋白抑制剂的可能性。 团队的以上创新性研究为肌球蛋白抑制剂的创制发展奠定了重要的科学基础。该研究解析的杀菌剂与靶标复合物晶体三维结构是首个直接针对病原物研究的科学探索成功案例，对于推动农业有害生物的农药受体结构生物学研究和靶向农药创制具有引领性作用。

1.痛点问题 ALS（肌萎缩侧索硬化症，俗称“渐冻人症”），被称为“全球五大绝症之首”，平均约每90分钟就会有人确诊，平均生存期只有2-5年，欧美仅有2-3年。目前ALS全球没有有效治疗药物，被美国FDA批准的治疗药物仅有依达拉奉（Edaravone）和利鲁唑（Riluzole），这两款药物仅能延长2-3个月生存期，亟需有效治疗的药物上市。 2.解决方案 本项成果涉及一种ALS小鼠疾病模型和ALS潜在的治疗靶点。利用本项目成果预期能够研发出一种ALS新的治疗方案，采用基因治疗的方式将靶点基因转入腺相关病毒载体，然后输入到患者体内，从而使患者的运动神经元产生该基因的蛋白产物。该产物预期能够挽救患者的运动神经元，从而将ALS病人生存期极大地延长。而ALS小鼠疾病模型可以在基因治疗开发过程中用于药效检测。 合作需求 1）了解ALS等神经退行性疾病研发的风险与难度，有情怀和使命感，有志于共同向这一世界级难题发起挑战的各类投资机构。 2）有志于布局神经系统疾病药物合作开发，尤其具有成功出海经验的大型生物医药企业一起合作开发相关管线。 3）1500平米研发实验室的孵化器（加速器）及动物房。 4）与园区/政府等合作共建神经系统疾病动物平台。 5）具有神经生物学或AAV科研背景，且愿意与衍生企业一起向这一世界级难题发起挑战的专业人才。

多肽药物研发具有广阔的研究空间和市场应用前景。2015 年全球多肽药物市场为 175 亿美元，据预测，2015-2025 年年增长率为10.3%，到 2025 年全球多肽药物市场将增至 469 亿美元。随着多肽药物价格的平民化、蛋白相互作用新靶点以及替代传统注射给药的新型给药技术迅猛发展，多肽药物的临床应用范围将进一步得以拓展。然而，多肽药物工业化生产中存在合成步骤繁琐、成本高等一系列技术问题，导致药品价格昂贵，大大增加了医疗负担，严重影响了这些多肽新药投放市场的速度。而我国多肽药物产业与欧美相比还

复方凝乳酶胶囊被广泛用于治疗小儿消化不良、吐奶等消化道疾 病，这类药物几乎无副作用，但是复方凝乳酶胶囊存在着蛋白水解谱 窄、疗效慢，适应症少的缺点。前期，本课题组在青藏高原发现了一 种新型的、对 α 酪蛋白、β 酪蛋白、γ 酪蛋白都具有较强水解活性的 凝乳酶 YS-1，该凝乳酶在物化特性上与传统复方凝乳酶胶囊中的小 牛皱胃凝乳酶较为类似，但蛋白水解谱广，可用于替换小牛皱胃凝乳 酶，提高传统复方凝乳酶胶囊功效、扩大其适应症，尤其在婴儿促消 化、止吐奶方

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。

本项目提供了一种靶向肝癌细胞的纳米药物（LTAG-NPs）。该药物以天然多糖搭载临床广泛使用的铂类抗癌药物，具有合成简便，成分友好的特点，通过与肝（癌）细胞发生特异性结合，实现肝癌靶向效果。药物在肝部高效富集并在肿瘤细胞中释药。因此，LTAG-NPs在有效抑制肿瘤生长的同时，明显降低传统化疗药物强烈的毒副作用，提高患者顺从度和安全性。具有较高临床应用价值和转化前景。 体外释药实验表明，在肿瘤细胞环境下，LTAG-NPs 4 小时释放药物超过 20%，6 天药物全部释放，既在 6 天内缓慢持续释药；药物代谢实验证明，LTAG-NPs 在注射小鼠体内 24 h 后仍保持较高药物浓度，具有血液长循环效果；生物分布实验证明，纳米药物在肝部的富集是传统化疗药物的 5-6 倍，明显降低了在肾脏的积累；对于同时种有肝异位瘤和肺异位瘤的小鼠，LTAG-NPs 在肝异位瘤的富集量为肺异位瘤的 2.5 倍，说明具有优异的肝肿瘤靶向能力。体内抑瘤实验证明，纳米药物具有与传统化疗药物相当的抑瘤效果但毒副作用明显降低，尤其是明显降低了肾毒性。大剂量注射传统化疗药物的小鼠在5 天内全部死亡，而纳米药物组则保持存活率 100%，且小鼠体重稳步上升，体征良好。 以上动物实验全部由医院完成并进行相关评价

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：