目前肿瘤化疗仍是大多数癌症患者不可缺少的治疗方法，但是化疗药物往往缺乏选择性，而且肿瘤细胞容易产生多药耐药性，严重影响化疗的效果。因此，研究可逆转肿瘤多药耐药性的功能性药物输送系统在提高化疗药物药效、降低毒副作用等方面将具有广阔的应用前景。纳米药物载体，如脂质体封装的抗癌药物在临床前和临床实验中已被证实能够通过降低毒性和增强疗效来提高治疗指数。然而，传统脂质体存在载药量低（一般<10%）、稳定性差、药物容易泄漏等问题，导致治疗效果不理想，并且容易引发机体的毒副作用。

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。

本发明公开了一种水体表观光谱二向性自动测量装置及方法，装置包括总控系统、观测几何自动调 整系统、全球定位系统、多角度光学测量系统；总控系统分别通过电缆与观测几何自动调整系统、全球 定位系统、多角度光学测量系统连接，多角度光学测量系统安装在观测几何自动调整系统上；方法包括 安装部署、位置信息输入、实时时间信息输入、太阳方位角计算、观测几何自动调整、多角度光谱采集； 本发明能轻松实现若干个观测方位上的水体表观光谱的自动测量，严格调整观测角度，并行采

本发明涉及一种锰锌铁氧体靶向纳米复合载体及其制备方法，采用化学共沉淀法，将壳寡糖、γ‑聚谷氨酸与锰锌铁氧体复合，三种物质交联反应后生成100nm以下的颗粒，该方法操作简单，得到的锰锌铁氧体靶向纳米复合载体呈现典型的核壳结构，这种磁性纳米晶可通过改变磁场及温度具有靶向和缓释的能力，比单一锰锌铁氧体更具有临床实际应用的前途。

缺乏安全、高效率的基因导入载体是当前基因治疗面临的关键科学问题和技术难题。我们在前期研究中，针对目前常用的聚乙烯亚胺（PEI25K）非病毒基因载体面临的不可降解、毒性大、难代谢、靶向性差等问题，采用肝素与小分子量聚乙烯亚胺（PEI）为主要原料，设计、制备了一种新型的肝素/PEI肿瘤靶向基因治疗载体，具有可降解、毒性低、可靶向肿瘤、可静脉注射等特点，显示了较好的临床应用前景。本项目将在前期研究的基础上，进一步优化肝素/PEI的制备工艺，阐明影响肝素/PEI生物学效应的关键因素，研究其体内分布、代谢和早期安全性，研发一种具有临床应用前景的新型肝素/PEI靶向肿瘤基因治疗载体，为创制新型肿瘤基因治疗药物提供新的基因导入系统选择。 针对当前常用PEI25K（聚乙烯亚胺）非病毒基因载体不可降解、毒性高和靶向性差的缺点，首先采用肝素偶联小分子量PEI制备了一种新型可降解、毒性低、转染效率高的阳离子肝素-PEI基因载体，进一步利用肝素具有肿瘤靶向性、带负电荷、可在肿瘤部位快速降解、生物相容性好等特点，通过在DNA/肝素复合物表面修饰肝素，制备了一种肿瘤靶向的新型肝素/PEI基因载体。下一步将研究肝素/PEI的粒度分布、行貌、表面电位、稳定性、基因装载能力、降解行为、基因释放行为等理化性质，阐明制备工艺对这些重要理化性质的影响规律。研究肝素/PEI的细胞毒性、转染效率、肿瘤靶向性、体内分布等生物学效应，阐明肝素/PEI的理化性质对这些体内外生物学效应的影响规律。基于我们已有的非病毒基因载体中试生产平台，设计肝素/PEI中试生产流程，开展中试制备工艺研究。

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：

本发明公开了一种具有形变缓冲的抗冲击倾向性巷道支护装置，涉及采矿设备领域，本发明在外支护侧板和外支护顶板的内侧设置弹性性能更好的内支护板，这样，在受到冲击时，内支护板可以实现缓冲形变，以便防止刚性连接而导致支护破坏的问题，而且本发明的外支护侧板和外支护顶板之间的连接处设置有缓冲间隙，缓冲间隙可以满足一定的缓冲形变，保证支护性能，而在缓冲间隙内容纳设置有缓冲机构，可以使得对冲击力的缓冲纠正，保证支护能力，本发明的缓冲机构具有横向和竖向的缓冲，实现不同方向的缓冲支护效率，同时，横向缓冲机构和竖向缓冲机构可以在不同方向进行缓冲，实现空间角度的微调控制，保证支护效果。

一条具有靶向卵巢癌特性的多肽，利用噬菌体展示肽库技术于卵巢癌肿瘤模型体内筛选得到，其氨基酸序列为WSGPGVWGASVK。经鉴定此多肽不仅可区分卵巢癌细胞和正常细胞及卵巢癌细胞和其他癌症细胞进而与卵巢癌细胞特异性结合，并且可有效地被卵巢癌细胞内化，作为药物载体可提高药物的吸收率。此多肽在静脉注射入肿瘤模型体内后可有效地特异地富集于卵巢癌肿瘤区域，是一条全新的已证实其体内靶向能力的多肽，可作为一种构建靶向载体以传递抗癌药物的理想配体。

本发明提供了一种硫酸头孢喹诺的肺靶向PLGA微球制剂及其制备方法，制剂载药量 较高，包封率也大大提高，可以实现药物选择性集中于肺部，提高药效，减少毒副反应， 同时可实现药物在肺部缓慢释放，起到长效的作用。有效解决了我国对头孢喹诺及其制42 剂的研究开发相对较晚，与之相匹配的剂型种类较少，在体内半衰期较短，需要多次注 射给药等临床中的不便。