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：

以企业实际技术需求为导向，长期从事工业废水预处理与深度处理的理论与技术研究，成果大规模应用于工业园区废水处理、典型行业废水深度处理、金属冶炼等含重金属废水的处理。难降解工业废水与园区混合废水的物化-生化耦合处理技术，典型行业废水深度处理与零排放技术，基于重金属和有机物同步去除的绿色化学氧化新技术，农村分散生活污水的高效除磷新技术

1、成果简介：（500字以内） 电化学水处理技术是20世纪80年代末、90年代初发展起来的能够有效处理有毒难降解污染物的先进废水无害化处理方法。该法的主要特点是能在常温常压下将不易降解的有机物质完全燃烧或部分降解到可容易生物处理的程度而不带来二次污染，具有处理效率高、操作简便、与环境兼容等优点。近二十年来，国内外许多研究者进行了大量研究工作，取得了较大突破。已经发现，电化学处理成本高主要是由于电耗高。对于低浓度有机废水，如果提高电流效率，就会降低处理费用；对于高浓度废水，如果将有机物部

本发明涉及一种TNFSF15可溶性蛋白的纯化方法，包括如下步骤：(1).IPTG诱导、(2).菌体裂解、(3).上柱洗脱、(4).除盐分装。本发明纯化方案通过低温诱导的方式，并且以很低的IPTG诱导浓度，降低蛋白在包涵体中的表达，提升可溶性蛋白的含量，并用较为温和的裂解纯化方式，提高蛋白的稳定性和活性。并且操作简便，制作周期短，消耗资源少，方便放大生产。

一、项目简介： 二甲硝咪唑是一种低毒，广谱抗菌、抗原虫的治疗或预防药物，作为饲料添加剂使用，还具有促进动物生长及改善饲料转化率作用。但其难溶于水，适用范围受到了限制。国外已开发上市以水溶性二甲硝咪唑组方的品牌制剂“施得福”，在我国兽药市场畅销，创造了很好的经济效益。针对上述，进行了水溶性二甲硝咪唑原料药及其系列制剂的开发研究。二、转让技术内容：  1、水溶性二甲硝咪唑原料药合成技术转化工艺特点：以来源广、价格低廉的原料药与二甲硝咪唑经一部反应生成水溶性二甲硝咪唑。本品反应收率高（98％），条件温和，后处理简单，基本无三废，设备投资较小（视产量而定）。所得产品溶解性、含量、生物利用度等与进口产品相当。转让内容：合成工艺技术，产品质量标准（草案）

已有样品/n本发明公开了一种莲藕藕节可溶性膳食纤维的制备方法（专利号201210171887.1），其步骤：A、藕节干燥：将新鲜藕节清洗晒干，打碎，过目筛，调节藕节水分含量；B、挤压膨化：采用双螺杆挤压膨化机进行挤压处理；C、超声辅助碱酶法提取可溶性膳食纤维：a.将挤压膨化后的藕节粉，进行粉碎，过目筛，将藕节粉溶于水中，同时加入α-淀粉酶，温度控制一定范围，水解；b.将水解后的液体调节pH，放在超声清洗器里，提取；c.将b步骤中的提取液调节pH值，离心,弃滤渣，取上清液，调节pH,乙醇沉淀，离心过滤

一种水溶性二茂铁超分子包合物的制备方法；一种水溶性金丝桃素超分子包合物的制备方法；一种新型的防治动脉粥样硬化的冬青素 A/聚环糊精包合物的药物组合物（IlexA-CDP）制备方法。

产品详细介绍 可溶性聚四氟乙烯（PFA）滴瓶 聚四氟乙烯（PFA）滴瓶：耐高低温：使用温度可达-200-260℃；Teflon、PFA滴瓶有非凡的化学耐受性，几乎耐受所有的化学溶剂；滴嘴和瓶盖一次成型，敞口可高压灭菌。可代替容量瓶配置标准溶液，可控制成液滴状态加样加水。

简介： 抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。 我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。  优势： 1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍 2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率 3、计算方法已经得到了实验从正、反两方面的验证。 图1：深度学习算法预测蛋白质相互作用时界面氨基酸配对:成功率72.1% 图2：计算相互作用得到了实验从正、反两方面的验证

抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。 优势：1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率3、计算方法已经得到了实验从正、反两方面的验证。