该方法有望突破现有核酸检测方法对人员/场所的限制，缩短检测用时，提高便捷程度，推动诊断前移下移，实现疑似患者的快速诊断和密切接触人群的现场筛查。 南开大学重点实验室主任陈佺教授、庞代文教授组织了一支包括化学学院、生命科学学院、细胞应答交叉科学中心相关专家在内的联合攻关团队。他们分别采用聚集诱导发光（AIE）、量子点、胶体金等技术，突击开展新型冠状病毒快速诊断技术及其试剂盒的研发，成功研发出新型冠状病毒快速检测新技术。

2020年2月14日，由厦门大学、深圳市第三人民医院和养生堂旗下北京万泰生物药业股份有限公司共同研发的新冠病毒抗体检测试剂盒（双抗原夹心酶联免疫法）经临床验证，173名新冠肺炎确诊患者中93.1%抗体检测阳性，而33名健康人中无一阳性，显示出良好的敏感性和特异性。这是首个经大样本临床验证的新冠病毒总抗体检测试剂。该试剂能同时检出包括IgM和IgG在内的全部新冠特异性抗体，具有更高的灵敏度，所采用的双抗原夹心法能够更好地保障特异性。抗体检测试剂的另一大突出优点是检测速度快，两名检测人员12小时即可完成1500份标本的检出。由于新冠病毒是首次入侵人类社会，几乎所有尚未被感染的人的血液中都没有抗体，只要患者的抗体检测阳性即可判断其为新冠病毒的感染者。因此，该总抗体检测试剂的临床应用，可明显改善当前新冠疫情防控工作中疑似患者核酸检测速度慢、采样复杂、敏感性不高、需要高等级生物安全措施等。

B淋巴细胞是体内产生和分泌抗体的专职细胞，在抗击感染、肿瘤和自身免疫疾病过程中发挥着关键的作用。从数量上看，抗体可以构成血浆总蛋白量的20%左右，并随着血液的流动在全身持续不断地巡视外来入侵的病原体，并对其实施强大的抑制和清除作用。在人体接种疫苗后所诱导产生的保护性免疫反应中，B细胞所产生的针对病原体的抗体，特别是具有中和能力的抗体起着关键性的作用。从8例SARS-CoV-2感染者的单个B淋巴细胞中分离并鉴定出了206个特异性靶向RBD的单克隆抗体，发现这206个单克隆抗体的中和活性与其竞争ACE2结合RBD的能力密切相关，并就一系列高活性中和抗体（P2C-1F11，P2B-2F6、P2C-1A3等）的假病毒和活病毒中和能力进行了深入研究。王新泉团队解析了RBD与抗体P2B-2F6的复合物晶体结构，显示抗体结合产生的空间位阻可以抑制病毒RBD与ACE2的结合，从而阻断病毒的进入。这些发现表明，靶向RBD的中和抗体是针对新冠病毒特异性的抑制剂，具有广阔的临床应用前景。

针对国内外食品安全存在的现实问题，研究开发了具有高度专一性的特异性卵黄抗体系列产品，应用于家畜、水产动物重大疾病的防控（如仔猪大肠杆菌性腹泻、奶牛乳腺炎、对虾白斑综合征、鱼细菌性败血症、海参腐皮综合征等），水果保鲜剂以及口臭防治等方面。产品具有安全无残留、不产生抗药性、价廉易得等优点，是一种具有广阔应用前景的抗生素替代品。目前，全球用于促进动物生长和保健的抗生素所占市场份额为100亿美元，如果本项目产品预计取代饲用抗生素10%的国际市场，将意味着具有近10亿的市场份额。

本技术成果是依托北理工空间生命创新团队，围绕抗体药物研发、抗体工程和个体化诊疗等领域中抗体蛋白测序的迫切需求，将高精度生物质谱仪器与计算生物学算法融合开发了无需细胞系或DNA而直接对抗体蛋白进行测序的技术，是具有全链条自主知识产权的新一代抗体测序技术。

层析聚酰胺    聚酰胺是由酰胺键聚合形成的高分子化合物。其酰胺基可与羟基酚类,酸类,醌类，硝基等化合物以氢键形成结合而被吸附 ，其脂肪长链可作为分配层析的载体。聚酰胺在含水系统中层析时，聚酰胺作为非极性固定相，其层析行为反向柱层析;在非水溶剂系统时，聚酰胺作为分配层析的载体，其层析行为为正向柱层析。 技术指标: 分子量:14000-17000 比表面积:5-10㎡/g PH 值:4-7.5 粒度:14-30目;30-60目;60-80目；60-100目;80-120目 80-100目100-200目 溶 解 度:溶于浓盐酸，甲酸，微溶于醋酸，苯酚等溶剂，不溶于水，甲醇，乙醇，丙酮，乙醚，氯仿和苯等常用有机溶剂，对碱较稳定，对酸的稳定性较差，尤其是无机酸，在温度高时更敏感。 主要用途: 聚酰胺特别适用于多元酚类化合物的分离，如大麻二酚(CBD)、黄酮类、醌类、酚酸类、含羟基化合物、羧基化合物等。由于其对鞣质吸附强，也可用于将植物粗提物中的鞣质除去。

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：

    郑州宏达尔测控科技有限公司是专业从事仪器仪表及电气自动化控制设备研发及销售的企业。公司自成立以来一直秉承“技术就是效益，质量就是生命”的经营理念，倡导“创新、求实、诚信、共赢”的精神。以严格的管理体制约束自身，并在发展过程中不断积累经验，同时，在技术方面本公司与国内知名院校紧密合作，为本公司技术奠定了坚实基础。    本公司产品广泛应用于水利电力、石油、化工、制药、环保、热力造纸、给水排水等行业等众多工业领域。公司致力于为用户提供从研发设计、产品选型、安装调试以及技术培训一系列专业的自动化解决方案，为客户提供满意的服务！公司主要生产与销售产品有：   物位仪表：超声波液位计、雷达物位计、单/双法兰液位计、电容式液位计、 静压式液位计   流量仪表：超声波流量计、超声波明渠流量计、电磁流量计   水文仪器：便携式流速仪、超声波测深仪、水位计   压力仪表：压力变送器、差压变送器   物位开关：阻旋式料位开关、静电容料位开关   二次仪表：智能光柱显示仪、温度远传监测仪、水位自动控制仪郑州宏达尔测控科技有限公司愿与各地经销商和广大用户携手共进，共创辉煌！

武汉傲睿尔科技有限公司成立于2016年，位于武汉市武昌区，是一家长期致力于无人机机巡数据采集、数据展示、数据分析的科技型企业，涵盖无人机航测、GIS平台软件开发、VR/AR行业应用等业务，并拓展至水利、军工等多个领域。 公司拥有一支架构合理、创新意识强、文化素养高、互补性强的企业经营、管理、研发团队（硕士及以上学历者占25%），具备较强自主研发能力，完全掌握现有产品核心技术及知识产权。已通过ISO 质量 、环境、健康、信息技术服务管理、信息安全管理等体系认证，并通过CMMI3级认证。 公司一直高度重视自有产品的科研开发及自主知识产权的保护，累计申请国家专利21项，软件著作权20项，先后承担包括《基于深 度学习及红处图像的瓷、玻璃绝缘子状态分析技术研究及应用研究》、《基于全景的输电线路多场景AR巡视的研究与应用》、《基于虚拟现实及全景视频的沉浸式飞行避障两栖无人机巡线技术研究及应用》、《基于无人机的劣化绝缘子带电检测技术研究及应用》等各类电力科技（技改）项目二十余项，研发STS-H1电力无人机巡线仿真培训系统、CID-P1机载复合绝缘子憎水性检测与分析系统等多款产品，积累了丰富的产品设计、系统开发、项目实施经验。    公司自创建以来，坚持技术创新、质量可靠、服务优质的原则，倾心为广大客户打造卓越的产品与服务。