本实用新型提供一种肿瘤科积液高效提取装置，涉及医疗器械技术领域，包括穿刺针、连接管、气管、气囊、液管、储液袋和排气装置，所述连接管左端连接穿刺针，右端通过气管与气囊连接，所述连接管下侧通过液管与储液袋连接，所述连接管上侧开有通孔；所述排气装置包括通气管和升降帽盖，所述通气管中心还设有滑管，所述升降帽盖上还设有滑杆，所述滑杆插入滑管连接，所述升降帽盖通过滑杆和滑管的配合连接在通气管内升降，所述通气管安装在所述通孔内，本实用新型结构简单，可以实现高效取液。

项目简介 本项目研制了一种新型线粒体靶向性荧光成像剂 。新的成像剂为临床运用的磁共振 成像剂 MnDPDP 的改构型化合物，相比 MnDPDP 具有如下特征：1，已经得到纯品，合成线 路清析，可重复。2，有一定的肿瘤靶向性，（如图所示）3，锰成像剂的另一个重要特征 是毒性较低： 一次注射 10mg/KG 且连续注射 9 天后小鼠体重有增加，精神状态良好。4， 新的锰成像剂能提高肿瘤的体内成像特性， 可望运用于肿瘤诊断的磁共振成像剂。该锰 成像造影剂能运

一种可显著增强抗生素抗菌活性并逆转多重耐药性革兰氏阴性菌的耐药表型的大分子化合物。该大分子化合物是由胍基官能团修饰的聚碳酸酯（pEt_20），具有优异的生物安全性和广谱杀菌功能(Nature Communications 2018, 9, 917)。在前期研究工作的基础上，团队进一步发现此类大分子能够在不破坏细菌细胞膜的情况下与胞内的蛋白质和核酸结合，于是提出将其与抗生素联用，以克服细菌的抗生素耐药性。研究发现pEt_20能够使得多种不同类型的抗生素（包括阿奇霉素、庆大霉素、亚胺培南、四环素、多粘菌素等）对多重耐药性革兰氏阴性菌（鲍曼不动杆菌）的最低抑菌浓度（MIC）从耐药范围降到敏感范围，表明pEt_20能够逆转细菌对多种不同类型抗生素的耐药表型。  pEt_20不仅能够提高传统针对革兰氏阴性菌的抗生素对耐药菌的抗菌活性，而且还能够极大程度地提高抗肺结核药物利福平和抗风湿类药物金诺芬这两种原本并不用于治疗革兰氏阴性菌感染的药物的抗菌功能。研究表明在与pEt_20联用后，这两种药物的MIC均降低了511倍。更为重要的是，pEt_20能够逆转鲍曼不动杆菌对利福平的耐药性，降低利福平对其耐药菌的MIC和MBC（最低杀菌浓度）分别高达2.5×105倍和4095倍。研究团队进一步利用多重耐药性鲍曼不动杆菌引起的小鼠血液感染模型证明了这种联合疗法的有效性，极大程度地提高了感染小鼠的生存率并降低了血液内的细菌浓度。而且体内实验也表明该药物组合在有效杀菌浓度的剂量下并不会产生系统毒性。此项研究为多重耐药性革兰氏阴性菌感染提供了新的治疗思路。

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：

技术简介： 1.矿用混凝土材料及制备专用设备研究：优化泵送湿喷混凝土配合比设计方法；研发了新型外加剂及其定量添加装置；发明了矿用单卧轴强制式混凝土搅拌机；  2.泵送湿式喷射机（组）及混凝土管道输送理论研究：发明了混凝土湿式喷射机（组）；设计建造了矿用喷射混凝土100m长距离输送试验系统； 3.矿用喷射辅助机械手及喷射工艺研究：优化设计了轻型喷头；研发了喷射辅助机械手；研究了混凝土喷射射流结构、回弹机理； 创新点及性能指标: 本项目所完成的矿用混凝土湿式喷射关键技术及其成套装备的研发，不仅在全国范围首次完成了煤矿湿喷成套装备的研发，成功替代了国外进口产品，同时在技术上保持了国内领先优势。湿喷粉尘浓度可控制在10mg/m3以内，从根本上实现了喷浆控尘；喷射混凝土平均回弹率可降至12%左右，大大降低了喷浆回弹损失；高质量的喷射混凝土支护层可以有效减少巷道二次支护工作量和巷道维护工作量。

当前我国食品安全形势令人担忧。在种植过程中会使用除草剂、 化学杀虫剂。存在低毒农药的过量反复使用以及高毒农药的非法使用 问题。以韭菜为例，农户每收获一次，通常会使用一次农药提前预防 韭菜地下害虫韭蛆的危害。低毒农药长期使用，会造成害虫抗药性增 加，农药的使用频次及单次用量不断增加，造成农药的不规范使用问 题。同时，为了保证产量，有的种植户会非法使用 3911、敌敌畏、涕灭威等在蔬菜上禁用的剧毒农药。经过前期积累，目前实验室建立了 有害昆虫天敌—昆虫病原线虫研发应用平台。实验室分别从天津、云 南、宁夏、江苏、山东等地采取土壤样品，分离到昆虫病原线虫品系 四十余株，均表现出具有很好的防虫效果。项目先后在天津各区县、 北京、河北秦皇岛、河北张家口、山东莱西、山东平度山东寿光、江 苏泰州等地开展推广应用。我们将建立全国性的昆虫病原线虫资源库， 并发展相关应用技术。 技术创新点： 在放心蔬菜生产过程中，我们会在防虫网、黄板等物理措施的基 础上，采用以虫治虫技术（昆虫病原线虫、捕食螨、蚜茧蜂）对地下 害虫和地面害虫进行综合防治。同时，在蔬菜反季节种植过程中，我 们会采用熊蜂授粉，机械振动授粉，保障蔬菜产量，承诺做到整个生 产过程中不使用一滴化学农药。此外，采用人工除草和生物除草等措 施，禁止使用任何化学除草剂，保障土壤质量和蔬菜质量安全。 市场应用前景： 采用“以虫治虫”技术生产的韭菜，农药残留未检出。已经通过 淘宝网在全国进行销售。主要在天津地区销售，每斤售价达 15 元。 2016 年春节，放心韭菜一度供不应求。一方面说明韭菜质量的可靠 性，另一方面说明了大家对放心蔬菜的强大需求。自 2016 年 6 月， 我们已经着手展开家庭配菜。在以虫治虫的基础上，结合物理防治， 推广自然农法，让作物按照自然方式生长。种植过程中，杜绝使用化 学农药。目前已经给将近七十个家庭和两个幼儿园配菜，反馈效果相 当好。 近期我们将在中粮我买网、京东和其他一些网站，销售我们的蔬 菜。当前我们主要以天津基地为主，辐射京津冀，预期能够达到两千会员，争取五年内年销售额达到 2000 万到 3000 万。另外，当前情况 下以下蔬菜农药残留问题突出。首先是韭菜，其次圆白菜，然后是叶 菜类。基于此，我们还将推出几个蔬菜单品。