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。

阿特拉津是常用除草剂，也是内分泌干扰剂，降解阿特拉津的酶为阿特拉津氯水解酶，全世界报道其基因仅两家单位，美国一家，中国南开大学一家。转阿特拉津氯水解酶基因有三点主要应用价值：转基因作物在阿特拉津喷施的田地中能正常生长、提高制种纯度（如杂交水稻）、修复阿特拉津环境污染。

电子束团在时间－能量的相空间内形成角状分布，具有强而窄的电流尖峰和较长的低电流拖尾，只有尖峰部分有足够的强度产生自由电子激光，从而可获得几百阿秒的X射线脉冲。通过优化加速器参数及电子束团电荷量，产生了200阿秒、光子能量为5.6 千电子伏和9千电子伏的X射线激光脉冲。这一方案不需对现有XFEL装置进行任何复杂的升级改造，因此也可在国际上其它类似的XFEL装置上实现阿秒X射线脉冲。

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：

经典的"H—L—M"效应("哈伯格一劳尔森一梅茨勒"效应)已经被各国经济学者探究了半个多世纪,但截止到目前,还没有文献基于Becker—Mulligan(1997)的贴现偏好进行理论分析,并且目前所有的研究均是考虑政府使用资源的确定性状态.对此,本文基于Becker—Mulligan(1997)的贴现因子讨论是否存在"H—L—M"效应,并比较了政府不同财政运转效率的结果.研究发现:在Becker-Mulligan(1997)贴现偏好下,贸易条件恶化将会导致经常账户出现盈余;而贸易条件恶化时,政府财政运转效率对于经常账户的重新平衡具有"加速"作用.

近日，中国科大合肥微尺度物质科学国家研究中心国际功能材料量子设计中心和物理系中科院强耦合量子材料物理重点实验室曾长淦教授研究组与王征飞教授研究组实验与理论合作，首次在单元素半导体碲中发现了由外尔费米子主导的手性反常现象以及以磁场对数为周期的量子振荡，成功将外尔物理拓展到半导体体系。该研究成果在线发表在《Proceedings of the Natio

翁开尔有限公司，-是专注于国外涂料、油墨行业的全方位专家，把Q-Lab,Sheen,Taber等老化试验机、磨耗仪、盐雾箱、PE蜡、水性蜡等化工产品和进口仪器带到中国，并为行业用户们提供化工原材料及最佳配方，能全方位满足客户全方位要求。长途免费咨询电话：4006-808-138。我们代理的产品包括：紫外光老化试验箱、色差计、超声波测厚仪、粘性仪、进口盐雾箱、氙灯老化机、老化机、紫外光老化机、凹版印刷验证机、水份测定仪、分光测色计、光泽计、进口粘度杯、磨耗仪、磨耗机、旋转磨耗机、挺度仪、进口聚乙烯蜡、进口分散剂、水性蜡、固体丙烯酸树脂、氨基树脂、乳化剂、固体树脂、涂布器。纸带磨耗机、氙灯老化试验箱、紫外光老化机、打样机、分光测色计、小孔光泽计、线棒、粘度杯、进口磨耗仪、耐划伤测试仪、玻璃珠、水性光油、聚氨脂树脂、水性光油丙烯酸树脂、翁开尔、进口老化机、涂料油墨、进口涂布机、进口恒温恒湿箱、水份分析、涂料油墨、进口硬度计、防结皮剂、黏度杯、紫外光老化试验机、蜡助剂、纺织聚氨酯树脂、旋转磨耗仪、线性磨耗仪、测厚仪、五指刮划仪、凹版打样机、塑胶水份仪、油墨耐摩仪、油墨摩擦试验、氙灯老化试验箱、水份测定仪、分光测色仪、粘度杯、粘度计、斯托默粘度计、进口磨耗机、聚乙烯蜡、分散剂、乳化剂、汽车检测设备、循环腐蚀盐雾箱、炉温跟踪仪、进口色差计、进口测色计、金属测厚仪、进口水份仪、耐候试验、耐划伤仪、克里夫兰冷凝、进口检测仪器、化工仪器、化工检测设备、汽车检测仪器、汽车检测设备、细度板、杯突仪、摆杆硬度仪、油墨耐磨擦、蜡乳液、RCA纸带、Q-fog、Q-sun、Qct、QUV、Taber、Sheen、RK、Norman Tools、Q-lab  

青岛维尔科技有限公司 是集设计，生产，加工，安装轻质钢结构与一体的民营企业。公司成立于2002年1月，注册资金800万元，占地面积30000平方米，建筑面积21000平方米，具备钢结构制作，安装国家二级资质。 公司从较初的材料加工发展到现在的钢结构生产，靠的是先进的设备，规范的施工和良好的服务，公司配备了目前钢结构行业较先进的生产设备，包括生产H型钢的多头数控分条切割机，组立机，门型自动埋弧焊机，矫正机，抛丸除锈设备和各种规格的C型钢，轻质夹心板，彩钢压型板，暗扣式彩钢压型板等生产设备30余台，起重运输设备和测量检测仪器20余台，年加工制作钢结构产品15000余吨。 几年来，公司不断拓展业务市场，先后为机车车辆厂客修基地，淄博国家粮食储备库，青岛海运包装公司，长安汽车展厅，青岛喜盈门双驼轮胎有限公司等单位建造了钢结构厂房，仓库，展厅等工程，得到了建筑单位的好评。 公司自创建以来，注重各类专业技术人才的引进和培养，坚持开展技术工人岗位培训工作。 坚持“实事求是，开拓进取，质量第一，用户至上的经营理念，用优质的产品，良好的服务，参与市场竞争。 青岛维尔科技有限公司愿与各界朋友真诚合作，共筑辉煌！青岛维尔环保科技有限公司技术力量雄厚,集设计、制作、开发一体,主要从事钢结构加工制作、配套产品进出口及业务咨询。 公司位于临港产业加工区,靠近204国道、疏港高速。