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：

南开大学课题组以新型纳米催化材料的制备为切入点，研究了汽车尾气中NOx的催化还原和饮用水中硝酸根的催化脱除，并探讨了纳米TiO2载体上负载金属形貌控制机理，硝酸根的催化脱除机理以及汽车尾气中NOx的净化和工业应用等问题。创新性采用光催化法控制Me/TiO2催化剂中负载金属的形貌，克服了传统催化剂的制备弱点。光催化还原硝酸根的转化率达到98.4%，生成理想产物N2的选择性达99.9%，具有十

天然产物阿地咪的人工合成衍生甲酰阿地咪（(-)-5-N-formalardeemin）及其药学上可接受的盐可作为抗肿瘤药物应用于治疗人类恶性肿瘤。其作为抗肿瘤药物不仅可直接抑制恶性肿瘤细胞的增长，更为重要的是可作为化疗增敏剂，与其它抗肿瘤药物如阿霉素、长春新碱等联用，通过逆转肿瘤细胞的多药耐药性而达到有效杀灭肿瘤细胞的作用。更有意义的是，其作为化疗药物增敏剂较其直接作为肿瘤细胞生长抑制剂在治疗恶性肿瘤方面更为有效，具有重要的临床应用前景。

面向教育数字化转型，提供从数字化转型顶层规划、智慧教育应用、教育数字平台、数字基础设施、产教融合、科研创新等众多服务。

中国是莲的世界分布中心和栽培中心。中国科学院武汉植物园是国内最早从事莲育种和研究的单位之一，现保育世界各地莲资源600余份，形成了新品种培育及产业化技术体系，先后培育了261份优良莲新品种，新种质获广泛推广。 新优品种具体为：1.长花期“秋荷”：在长江中下游的正常自然条件下，使荷花的花期由3个月左右延长到5到6个月，可以观赏至11月初，极大地延长了荷花的观赏期，而且对于提高荷花的观赏价值，促进生态旅游具有重要意义。2.优质子莲：高产鲜食子莲、糯莲子，满足不同消费者的市场需求。

教师培训解决方案

近日，西南交通大学材料科学与工程学院周绍兵教授团队在肿瘤靶向治疗方面取得重大进展，成果发表在《Advanced Materials》，该期刊是工程与计算大学科、材料与化学大领域的顶级期刊，在国际材料领域享誉盛名！该期刊接收与材料领域相关的顶尖科研成果，其接收率只有10%-15%，影响因子达到25.809。 周绍兵教授团队制备了一种粒径可变的、胶原酶改性的聚合物胶束，可以同时提高其向肿瘤内部的渗透和在肿瘤部位的滞留时间，从而提高治疗效果（图1）。他们首先通过两种嵌段共聚物：端基为MAL的聚乙二醇-b-聚β氨基脂（MAL-PEG-PBAE）和与琥珀酸酐修饰的顺铂复合的聚己内酯-b-聚环氧乙烷-三苯基膦（CDDP-PCLPEO-TPP）的共组装得到胶束，通过点击化学将胶原酶（可消化纤维蛋白）修饰在胶束表面，最后通过静电相互作用将硫酸软骨素修饰在胶束外层，屏蔽胶束正电荷的同时防止胶原酶在血液循环过程中被降解。在正常生理环境中，胶束粒径为100 nm左右，可实现体内长效循环而不被肾清除。当循环至肿瘤部位后，弱酸环境使得叔胺质子化，PBAE嵌段由疏水变为亲水，造成部分胶原酶改性的MAL-PEG-PBAE从胶束中解离，促进了对ECM中胶原纤维的降解，提高胶束向瘤内的渗透。同时，由于亲水性增加，胶束粒径也增大至250 nm，被“困”在肿瘤组织，难以回到血液循环中，增加了胶束在肿瘤的滞留时间。动物实验结果证实该纳米药物可显著提高对恶行肿瘤的治疗效果。 以上相关成果发表于Advanced Materials (2020, 1906745)上。论文的第一作者为西南交通大学材料学院博士研究生徐傅能，通讯作者为周绍兵教授和生命学院王毅博士。 近年来，周绍兵教授团队一直致力于高分子纳米药物载体材料的研究，取得了多项突破性成果，开发出新型靶向纳米载体和环境响应纳米载体，有效提高了恶性肿瘤的治疗效果。该团队已在Advanced Materials, Nano Letters, Advanced Functional Materials, Biomaterials, Small等高影响期刊发表了多篇论文，研究的高分子材料正与多家企业合作，期望能将相关成果尽快进行临床转化。 论文链接：https://doi.org/10.1002/adma.201906745

中试阶段/n该药物以新的骨质疏松症的药物靶点，而且是促进成骨的药物靶点。理论上优于目前所有上市的骨质疏松症治疗药物。产品核心竞争力：通过促进成骨来治疗骨质疏松症的化学药物；目前促进成骨的药物只有PTH，属于蛋白质激素类。目前常用的双膦酸盐类药物属于抑制骨吸收药物，同时严重地抑制了骨形成。除雌激素类外，其它药物也均属于严重抑制破骨细胞活性的药物。成果的社会/经济意义(价值): 如果临床实验成功，属于首创一

该研究通过生物学分析发现武汉新型冠状病毒的刺突（S）蛋白与SARS冠状病毒的S蛋白结构相似，也可通过S蛋白与宿主细胞表面的 血管紧张素转化酶（ACE）2蛋白分子相互作用，从而感染宿主的上皮细胞。因此， ACE2分子是武汉新型冠状病毒感染的关键分子，通过结合ACE2分子有可能影响武汉新型冠状病毒感染人体细胞的过程。ACE2是肾素-血管紧张素-醛固酮系统（RAS）的关键分子，也是包括肺泡上皮细胞在内的多种人体细胞表面表达的重要分子之一。2003年，ACE2被鉴定为SARS冠状病毒的功能性受体。2020年1月25日， 北京大学基础医学院的 王月丹和初明团队，采用自主研发的人工智能药靶筛选系统，重点针对2674种已上市的药物以及1500种中药提取物进行了药物筛选， 发现了多种潜在的ACE2结合剂，有望用于武汉新型冠状病毒感染的治疗，其中包含了氨溴索（CAS号：18683-91-5）等。氨溴索，又称沐舒坦，是一种呼吸道润滑祛痰药，能促使呼吸道表面活性物质的形成，调节浆液性与黏液性物质的分泌，促进代谢，还可改善纤毛运动，增强呼吸道分泌物的消除作用。

面对国家在疫情防控决策方面的重大战略需求，北京航空航天大学计算机学院王静远副教授，联合经济管理学院吴俊杰教授、部慧副教授，计算机学院软件开发环境国家重点实验室孙磊磊老师等，快速反应，在1月22日开始陆续组织了一支包括20余名师生在内、跨学科、跨专业的疫情应急研究团队，开展基于大数据的疫情预测与大数据分析科研攻关工作。 团队经过连续不眠不休的集中攻关，于1月25日完成了第一个针对新冠肺炎疫情预测的模型，并最早具备了对外提供疫情预测服务的能力。该模型具备优秀的预测精度和疫情解释能力，为上级部门的疫情防控决策提供了重要的支撑。尤其是在疫情拐点尚未出现、全国发病走势尚不明朗的疫情早期阶段，为防疫决策提供精准的数据参考。预测模型基于王静远老师在2014年深圳H7N9流感爆发和季节性流感流行期间使用市民活动大数据与Meta-Population动力学模型相结合的方式设计的面向城市的呼吸道类疾病传播分析与预测模型，曾应用于深圳流感防控。