本发明提供延胡索乙素在制备抗顺铂毒性药物中的应用。所述毒性包括肾脏毒性、耳毒性及神经毒性。研究表明，延胡索乙素对OCT2与MATE1具有抑制作用，能拮抗顺铂引起的细胞毒性，并在原代培养的肾小管上皮细胞模型上得到较好的验证。且以(-)-THP为代表，研究发现延胡索乙素对顺铂所致小鼠肾损伤具有很好的保护作用。因此，延胡索乙素与顺铂合用，可能减少顺铂在肾脏、耳蜗细胞及背根神经节蓄积，从而达到预防或降低顺铂毒性的预期结果。本发明拓展了延胡索乙素的新用途；由于肾脏、耳蜗毛细胞及背根神经节高表达OCT2，而肿瘤细胞上往往缺少OCT2的表达，顺铂具有一定的被动透过性，因此，延胡索乙素与顺铂合用，减弱顺铂所致毒性的同时，并不会降低顺铂的抗肿瘤效果。

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。

已有样品/n该项目的具有抗MRSA活性的曲张链丝菌素（Streptovaricins）产生菌Streptomycesspectabilis M2017417具有完全自主知识产权。其所包含的曲张链丝菌素生物合成基因簇和通过基因定向改造所产生的新结构衍生物及其制备方法已申请国家发明专利。前期的研究结果已经显示曲张链丝菌素及其衍生物对金黄色葡萄球菌标准菌株、MRSA标准菌株，以及MRSA临床分离菌株均表现出高效的抑制活性。抗生素耐药性已成为当今公众健康的严重威胁，其中耐甲氧西林金黄色葡萄球菌

手性药物在化学药物中占有相当的比例，在化学合成药物中有1/3甚至更多的手性或者手 性对映体构成的外消旋体。药理学研究表明，手性药物的各对映体在进人人体后药理作用有着 明显差异，这使得对光学纯单一对映体的需求量不断增加，对其纯度要求也越来越高。 在手性药物的分离中，模拟移动床色谱具有周期短、成本低、分离效率高、固定相利用 率高、流动相循环使用、自动化连续操作等优势，已被国际上公认为制备规模拆分手性药物的 最有效手段。采用模拟移动床色谱分离手性化合物的技术一直被美国UOP、法国Novasep、德 国Knauer、日本Daicel Chemical等少数几家大公司所垄断。在我国的发展尚处于起步阶段，对 SMB过程的研究无论从基础体系的设计，还是此项技术的工程应用都相对发展缓慢。 通过研究同步和异步模拟移动床过程模拟优化设计理论体系，建立了大规模手性化合物拆 分的新方法。采用VARICOL-Micro 装置，可成功分离愈创甘油醚、反-均二苯乙烯氧化物、氨 鲁米特，得到单一对映体产品纯度达到 99.0%以上。VARICOL-Micro 装置从法国诺华赛公司引 进, 该装置同时具备SMB (同步切换) 和Varicol (异步切换) 两种操作模式。与传统同步控制的模 拟移动床技术相比，异步控制的Varicol技术能够在少于同步控制SMB色谱柱数量的条件下实现 同样的分离效果，降低分离成本并更有效的利用了固定相。

药物活性与毒性筛选试剂盒是李红玉教授团队经历 15 年研发的一种快速，简便，高效检测药品或健康食品活性与毒性筛选试剂盒。该技术利用国际认可的能够反映体内活性与毒性的模式生物秀丽隐杆线虫作为筛选工具，配合特殊染料，能够快速检测受试品活性与毒性，也可利用该技术对药品进行二次开发。具有独立自主知识产权，已成功申请国家发明专利 5 项，美国专利 1 项。已为甘肃东方天润公司和上海中华药业提供优质服务，并成功完成药品，化合物，保健食品的活性开发。该技术可以为药物研发机构，制药企业，医药研究院所，化合物合成机构

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：

针对病毒结构多样、快速变异的特征，周德敏课题组建立了病毒转化为活疫苗的通用方法：在保留病毒感染情况下，突变其一个三联码为终止密码，病毒就变为预防性疫苗，突变多个三联码病毒 就变为治疗性药物，颠覆病毒疫苗研发理念。

本发明提供一种包载水溶性抗肿瘤药物的光敏脂质体，由热敏磷脂、胆固醇、长循环材料和中空金纳米粒组成，中空金纳米粒在波长700~900nm近红外光区有特征吸收峰，中空金纳米粒的粒径分布范围是20~100nm。本发明通过热敏脂质体包裹水溶性药物和中空金纳米粒，组合成全新的光敏脂质体。在外界近红外光照下，所包裹的中空金纳米粒产生光热治疗作用，同时，利用这种光热效应控制药物从光敏脂质体中快速且大量的定位释放，有效地损伤肿瘤部位的血管或杀伤肿瘤细胞，发挥化学治疗作用。本发明的载药脂质体实现了同步光热与药物分子的治疗作用，显著提高对疾病如肿瘤的治疗效果，具备了临床应用性和现实的治疗意义。

高分子材料越来越多地用于生物医药与药学领域，其中尤其以能被可生物降解高分 子材料应用最为广泛，研究发展很快。非诺贝特是一种氯贝丁酯类降脂药，其化学名称 为：2-甲基-2-[4-(4-氯苯甲酰基)苯氧基]丙酸异丙酯，长期用药可导致蓄积，有必要 提高其生物利用度，达到缓慢释放。目前对于非诺贝特微球地制备未见报道，常用剂型 存在暴释现象，有必要研制缓释制剂。 本发明地目的是提供缓释微球的制备方法，使药物稳定释放。制备方法为：水相采 用聚乙烯醇水溶液或聚乙二醇水溶液或蒸馏水，油相采用聚乳酸-聚乙二醇共聚物和药 物丙酮溶液，将油相加入水相中，自然挥发除去丙酮，再进行透析除去未包封的药物以 获得油溶性药物缓释微球。 功能特点： 1、制备操作简单，以丙酮/水作为油水二相体系，以获得稳定的药物缓释微球。 2、微球无粘连，释放稳定性优于非诺贝特原药和胶囊。 3、加以衍生可以满足更多脂溶性药物的使用要求。