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。

项目成果/简介:水成膜胶体泡沫是将聚合物分散在水中，加入发泡剂并在氮气的作用下发泡形成的复杂混合体系。经过一段时间后，在泡沫液膜内，聚合物间相互交联形成三维网状结构，构成水成膜胶体泡沫的刚性骨架。防灭火水成膜胶体泡沫既具有凝胶的性质，又具有泡沫的性质，兼有注三相泡沫（注泥浆、注氮气、注两相泡沫）、注凝胶、注复合胶体的优点，同时又克服了各自的不足，从而大大提高其防灭火效果。

水成膜胶体泡沫是将聚合物分散在水中，加入发泡剂并在氮气的 作用下发泡形成的复杂混合体系。经过一段时间后，在泡沫液膜内， 聚合物间相互交联形成三维网状结构，构成水成膜胶体泡沫的刚性骨架。防灭火水成膜胶体泡沫既具有凝胶的性质，又具有泡沫的性质， 兼有注三相泡沫（注泥浆、注氮气、注两相泡沫）、注凝胶、注复合 胶体的优点，同时又克服了各自的不足，从而大大提高其防灭火效果。

本项目属于医药卫生领域应用技术类研究成果，主要研究了子痫前期的分子水平发病机理及其临床防治。本项目在四川成都地区子痫前期患者中系统检测了多个候选基因多态性的分布情况；进行血清脂质和载脂蛋白分析、候选基因在血清及胎盘组织的表达检测，从分子水平探讨子痫前期的发病机理。本项目对该病防治也进行了相关的研究，尤其是终止妊娠时机的选择。我们比较早发型和晚发型重度子痫前期（以34孕周为界）保守治疗的临床结局，探讨保守治疗的意义；不同孕周期待治疗和积极治疗后的围产结局，探讨重度子痫前期终止妊娠时机；以及重度子痫前期导致的不同类型早产的母儿结局及新生儿不良结局的相关因素。本项目已经公开发表论文18篇(其中SCI收录4篇)，另外还有3篇论文待发表，曾在国内学术会议上公开宣读研究成果，获得同行的一致好评。本研究筛选出了可能与该病发病相关的因子和易感基因，为该病发病机理的进一步研究、疾病的预测和基因治疗等提供了理论基础及实验依据，具有开发价值。本研究探讨总结了子痫前期临床防治的相关重点和难点，具有广泛的指导临床决策的作用，已在一些医院进行应用，具有很强的临床实用性和意义，而且便于推广，有较好的推广应用前景。

成果创新点 研发了飞机盥洗室灭火器、飞机货舱灭火系统滤湿调 节器和飞机货舱三复合火灾探测器。研发样机均通过相关 标准的检测，在保证性能不低于国外同类产品的情况下， 大大降低了成本。研发出具有世界先进水平的飞机防火系 统试验适航核心技术及装备，解决了我国新一代飞机防灭 火技术和系统试验适航装备的关键问题。研发了舰船舱室、 甲板舰载机等灭火训练真火模拟系统，全面突破了灭火训 练真火模拟核心技术

研发了飞机盥洗室灭火器、飞机货舱灭火系统滤湿调 节器和飞机货舱三复合火灾探测器。研发样机均通过相关标准的检测，在保证性能不低于国外同类产品的情况下， 大大降低了成本。研发出具有世界先进水平的飞机防火系 统试验适航核心技术及装备，解决了我国新一代飞机防灭火技术和系统试验适航装备的关键问题。研发了舰船舱室、 甲板舰载机等灭火训练真火模拟系统，全面突破了灭火训练真火模拟核心技术，实现清洁、安全、高效的灭火实战训练。技术达到或领先于国外水平，制造成本比国外降低 30%以上并且维护费进一步降低，拥有自主知识产权 

目前对设施栽培蔬菜根结线虫的防治主要分为轮作、阳光消毒、 高温蒸汽消毒、土壤熏蒸灭菌、培育抗病品种、以及药剂防治。这些方法或防 治率较低，见效慢，效果难以保障，或因成本高难以大面积应用。当前生产中 最常用的防治方式还是以杀线虫剂为主，但杀线虫剂在杀灭线虫的同时，不仅 污染了土壤环境，导致蔬菜的农药残留，还使线虫产生了抗药性，进一步提高 到了防治难度。 强还原法是一种广谱的土传病原菌、病虫害的杀灭方法。该方法通过在短 时间内创造强烈的还原环境，达到消除土壤病虫害的目的。南京师范大学的蔡 祖聪研究团队将

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：

考虑到血液循环中的表达PD-1的T细胞（PD-1+T细胞）可以靶向结合aPD-1抗体，然后通过趋化因子的作用主动向炎症或者肿瘤部位聚集，他们设计了一种新的纳米药物递送策略（如上图），不仅可以利用纳米载体递送aPD-1抗体用于免疫检查点的阻断，而且还可以利用T细胞来递送NF-κB信号通路抑制剂用于抗肿瘤T淋巴细胞的募集。由于纳米载体pH的敏感性，肿瘤浸润的PD-1+ T细胞结合的纳米药物在酸性的肿瘤微环境中释放，留下aPD-1封闭抗肿瘤T细胞上的PD-1/PD-L1免疫检查点，新产生的负载NF-κB信号通路抑制剂的纳米药物被肿瘤细胞和肿瘤相关巨噬细胞摄取，从而抑制肿瘤细胞和肿瘤相关巨噬细胞的NF-κB信号通路，进一步增加抗肿瘤T淋巴细胞的募集，这些募集来的T细胞又可以再次作为纳米药物输送的工具输送纳米药物，这种良性的药物递送循环可以显著提升肿瘤内药物的聚集，改善肿瘤中T细胞的浸润，协同提升肿瘤免疫治疗的效果，为一些不响应免疫检查点治疗的肿瘤提供了一个新的方向。