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：

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。

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。

西南大学动物科技学院水产系丁诗华教授和重庆文理学院的孙翰昌副教授等联合开发了高效人工繁育技 术和大鋭病害防治技术，于2013年1月通过重庆市科委的科技成果鉴定，整体水平鉴定为国内领先，成果登 记号为渝科成字2013YO53。本成果的特色如下:L独特亲鲵培育技术。独特营养配方确保性腺所需特殊营养，独创中草药制剂促性腺发育；攻克了精卵 质量不高和性腺发育不同步的技术难题。卵子正常率可达95%以上，精子活力达到55%以上,远优于普通大 脫繁育技术,极大地提高了大鲵繁殖能力。2、 先进人工繁殖技术。准确测定催产时机，确保催产效果;改进人工授精方法,保证卵子受精；优化人 工孵化方法，促进受精卵顺利孵化。邮率、受精率及孵博都达到90%ULt,优于普通繁育技术；3、 先进苗种培育技术。建立适口饵料生物的培育方法,促进苗种生长；鋭苗成活率大于90% ,培育效果 极佳，远优拦通大鲵繁育技术。4、 中草药无公害防治技术。研发多种中草药配方，对常见鲵病的预防率大于90% ,治愈率达80% ;该 大鲵研究团队长期从事大鋭繁育、大鲵养殖及銳病防治硏究。开发的技术还有大鲵仿生态繁育技术、仿生态 养殖技术、大鲵室内养殖立体控温技术、饵料生物培育技术、大鲵工厂化养殖技术等。在大鲵研究方面经验 丰富,研发实力强。

本发明公开了一种动态缓存污染防治系统及方法，属于计算机 缓存性能优化技术领域。本发明的动态缓存污染防治系统包括内存监 测模块、分析模块和决策分配模块。内存监测模块对为上层用户层程 序动态分配的堆内存进行采样监测，并收集用户层程序的访存行为并 提交给分析模块；分析模块对采样监测模块收集到的数据进行分析， 判断程序前期的访存特性对缓存的污染情况；决策分配模块对原有的 伙伴系统进行扩展，加入以 page-color 为基础

本发明公开了一种防治羔羊口炎的膏药制剂，由以下成分组成：碘酊25～75ml、甘油25～75ml、薄荷脑1～3g、黄原胶1～3g、纯净水25～75ml。通过将碘酊和薄荷脑混合溶液与甘油混合后，再与黄原胶的胶状物混合既得。本发明主要作为羔羊口炎的外用预防与治疗，可消炎，止痛，止痒，促进血液循环，减轻浮肿，对细菌、病毒均有杀灭作用。