血液中胆红素是血红蛋白的代谢产物，当人体内胆红素特别是未结合的胆红素含量过高时，会对人体产生毒害作用并出现黄疸。病毒性肝炎引起的肝细胞性黄疸约占病例总数的10-50%，肝细胞受到损害，使其摄取、结合及排泄胆红素的功能都发生障碍，血清中的直接胆红素(DBIL)和问接胆红素(RBIL)均升高，形成高胆红素血症。 我国是肝炎大国,目前对于重型肝炎高胆红素血症的治疗尚缺乏有效疗方法。血液净化技术中血液灌流已成功应用于临床，但要达到有效的治疗效果，则必须具有吸附性能特异性强、吸附率高、血液相

乳腺增生病是妇女的一种常见病、多发病，占乳腺疾病的首位，国内报道其发病率为 10％左右，其中 2～4％可发生囊性增生引发癌变；此外本病在部分男性中也有发生；因此提高乳腺增生病的疗效至关重要。 目前乳腺增生病的西医药物治疗多采用激素替代疗法，但激素治疗副作用大，疗效不确切、不巩固，易产生内分泌紊乱。中医对乳腺增生病的病因和发病机制有比较统一的认识，中医治疗乳腺增生病具有临床疗效确切和副作用小等优点，展示了良好的发展前景。 

项目组利用高通量药物筛选技术从化合物库中筛选出了一系列PPARγ部分激动剂，并且利用胰岛素抵抗细胞模型从中筛选出了化合物MDCCCL1636，其可以很好的改善地塞米松诱导的肝癌细胞的胰岛素抵抗，效果优于阳性药匹格列酮。 一、项目分类 重大科学前沿创新 二、成果简介 糖尿病是目前影响人类健康的重大疾病之一。机体的胰岛素抵抗（IR）是导致II型糖尿病的重要原因，在糖尿病发病人群中，II型糖尿病患者（T2DM）约占95%，其中IR患病率超过80%。因此，改善机体的胰岛素抵抗、开发胰岛素增敏剂类药物对II型糖尿病的治疗具有重要意义。目前PPARγ已经作为一个重要的药物筛选靶标用于治疗肥胖症、糖尿病、炎症、坏脂血、高血压和癌症等。  项目特色和创新之处： 项目组利用高通量药物筛选技术从化合物库中筛选出了一系列PPARγ部分激动剂，并且利用胰岛素抵抗细胞模型从中筛选出了化合物MDCCCL1636，其可以很好的改善地塞米松诱导的肝癌细胞的胰岛素抵抗，效果优于阳性药匹格列酮。动物实验表明MDCCCL1636对STZ诱导的II型糖尿病大鼠的的空腹血糖，甘油三酯（TG）、总胆固醇（TC）和低密度脂蛋白胆固醇（LDL-C）及高密度脂蛋白胆固醇（HDL-C）均有显著改善，兼具降糖及降脂作用，有望开发为治疗II型糖尿病及代谢综合征的1.1类新药，最佳适应证为“肥胖—代谢综合征-II型糖尿病早期”患者，治疗窗口为血脂异常-糖耐量降低及波动性高血糖，改善患者症状，提高患者生活质量。

项目前期已发明一种完全原创的手持式睑板腺热压按摩装置，通过设备的简易操作与术中的睑板腺功能实时监测，充分论证了该全新治疗方式的可行性、安全性及有效性，以期形成对干眼有效且规范的治疗。本项目在手持式睑板腺热压按摩装置基础上，进一步研发具有自主知识产权的智能热传导、超声波疏导、多轴运动加压、病症自动识别分级等多功能的微型化干眼个性化智能治疗仪，在安全性和有效性方面满足医疗器械上市要求，通过医疗器械上市注册检验，并建立规模化量产生产线。基于该系统，通过临床前研究以及临床研究，建立一套治疗干眼的，包括适应症筛选、标准化操作和并发症防控的全新门诊即时治疗体系。 1）智能热传导模块具有温度监测反馈、反应灵敏等特点，温度测量误差需控制在微小范围之内，涉及到微型温度传感器的封装工艺及一体成型加工等高精尖技术。 2）智能热传导模块的热源采用高灵敏热传导材料，需满足导热迅速、散热性佳等特点，涉及到高灵敏热传导材料的设计加工、与加热源的封装工艺、散热结构的精密雕刻成型等技术。 3）超声波疏导模块的微型超声波发生器，需符合一定频率范围及定向疏导的需求，在结构上需满足多次使用的高稳定性，涉及到超声波发生器的整体封装工艺等技术。 4）干眼个性化智能治疗仪具有眼睑治疗实时观察功能，通过图像识别，控制微距镜头，拍摄治疗区域，并将画面实时传递到投影屏上，在通讯协议上需满足低延迟等特点。 【竞争优势】 1、治疗便捷、可手持。 干眼个性化智能治疗仪以其小巧轻便的设计，便于医生对于患者进行个性化的治疗。在将来患者可能可以在家中或办公室方便地使用该治疗仪，不再需要频繁到医院进行治疗。相比之下，Lipiflow治疗需要在医疗机构进行，可能需要患者在医院排队等待，治疗过程相对繁琐。 2、可实时观察治疗情况，个性化控制温度及压力。 干眼个性化智能治疗仪配备了实时观察功能，医生可以通过监控患者的治疗情况，实时调整治疗参数，确保每位患者得到最合适的治疗效果。并且该治疗仪可以个性化控制温度，根据患者的干眼程度和治疗需求，调整治疗温度和压力，提高治疗的精准性和针对性。相较之下，Lipiflow治疗并没有提供实时观察和个性化控制温度的功能。 3、治疗成本低。 干眼个性化智能治疗仪通常具有较低的治疗成本。患者可以根据自身需求购买该治疗仪，避免长期多次到医院进行治疗的费用。而Lipiflow治疗相对较为昂贵（需要7000-8000元/次），需要到医疗机构进行治疗，治疗费用较高，对大部分患者难以接受。 【性能指标】 【发展规划】 本项目按照全链条部署、一体化实施的原则，以同时热敷及疏通为发力点，研发集成式的干眼个性化智能治疗仪。目前已经完成制备产品原理样机，动物实验已经证明其安全性，下一步将在样机产品设计、工艺方案、可靠性及系统协调性等方面进行迭代改进，得到定型样机并组建生产线。获得权威医疗器械检验机构出具的医疗器械产品注册检验报告后，使用定型样机开展动物实验与临床实验，验证产品有效性与安全性。 基于该干眼个性化智能治疗仪，将进一步建立一套治疗干眼的适应症筛选、标准化治疗操作、并发症防控的全新治疗体系。将该治疗方法进行推广，开展多中心临床试验，证实该全新手术方法在治疗睑板腺功能障碍型干眼中安全性及有效性均优于传统的干眼热敷治疗，最终在临床广泛推广。 目前项目还未行股权融资，拟在项目的实施阶段，比如临床实验阶段进行融资，推进项目的发展。 【资质荣誉】 荣获2023年湖北省卫生健康行业青年创新大赛金奖。

本团队首创了超稳定均相碘化油配方技术，依托该技术成功开发全球首台SHIFT超稳定均相药物混合仪，并根据临床实际需求进行三次产品迭代，将临床介入治疗肝癌所使用的碘化油和各类药物结合，成功解决了临床中药物分子与碘化油混合易分层、稳定性较差的问题。 一、负责人及成员 姓名 学院/所学专业 入学/毕业时间 郑雅婷 公共卫生学院 2021-09/2024-06 程红伟 公共卫生学院 2019-09/2023-06 何  攀 公共卫生学院 2020-09/2024-06 高  兴 公共卫生学院 2019-06/2022-06 陈喻伦 公共卫生学院 2020-09/2023-06 黄玉兰 公共卫生学院 2021-09/2024-06 孙鑫飞 公共卫生学院 2021-09/2024-06 屈峰灏 公共卫生学院 2020-09/2024-06 敖静宜 公共卫生学院 2020-09/2024-06 胡安琪 公共卫生学院 2020-09/2024-06 潘金韬 公共卫生学院 2015-09/2019-06 二、指导教师 姓名 学院/所学专业 职务/职称 研究方向 刘  刚 公共卫生学院 教授 纳米药物 楚成超 公共卫生学院 副教授 眼部血管新生诊疗一体化 张  阳 公共卫生学院 副教授 纳米药物 三、项目简介 肝癌是我国以及亚非地区常发的癌症，具有较高的死亡率。全球每年新发肝癌患者约85.4万，中国为46.6万，肝癌防治形势极其严峻。肝动脉化疗栓塞术（TACE）是公认的肝癌重要的治疗方法。临床最常用的栓塞剂为碘油，大量临床研究表明碘油栓塞和化疗或者放疗结合能够提高肝癌介入栓塞治疗效果，但药物和碘油很难稳定相溶，目前主要通过机械混合或者溶剂辅助来制备，临床效果不佳。经数年的努力，本团队首创了超稳定均相碘化油配方技术，依托该技术成功开发全球首台SHIFT超稳定均相药物混合仪，并根据临床实际需求进行三次产品迭代，将临床介入治疗肝癌所使用的碘化油和各类药物结合，成功解决了临床中药物分子与碘化油混合易分层、稳定性较差的问题。团队后续将聚焦于全球首台SHIFT超稳定均相药物混合仪的产业化，并开发人工智能学习系统，深入探究SHIFT机制，进一步研发智能化设备，提升SHIFT技术壁垒；在肝癌介入栓塞领域，于实践中构建广谱载药平台，致力于克服临床上亲水性药物分子与碘油难溶的实际问题，让更多化疗药物、放疗药物、光学造影剂能够在肝癌介入栓塞治疗中发挥更大的作用。并力争将该技术拓宽、拓大至其他肿瘤、心血管疾病、脑部疾病、眼科疾病等领域。

成果描述：本发明申请要解决的问题是，改进预测技术，提高预测准确度。本专利利用高阶马尔科夫模型的原理提出HM-gMTD模型的一种改进，即高阶HM-gMTD模型，并通过EM算法给出相应的参数估计方法和相应的计算方法，并能够快速进行参数估计，以提高模型预测的准确度。市场前景分析：预测模型的发展在人类的经济生活方面发挥着重要的作用，尤其是马尔科夫模型，几乎在各个领域都有着非常广泛的应用。本发明着重混合转移分布模型与高阶隐马尔科夫模型的巧妙结合，构造出高阶HM-gMTD模型，然后运用EM算法，对新模型实现了主要参数的求解。最后为了衡量一个模型的好坏和对不同的模型进行比较，我们选择准则函数。模型比较的最佳准则函数，既考虑到模型对原始数据的拟合程度，又兼顾模型中所包含的待定参数的个数，并且对二者做出合理的权衡。与同类成果相比的优势分析：本发明主要是针对HM-gMTD模型的进一步改进，提出一个高阶HM-gMTD模型，使其在降低计算的复杂度的同时，提高预测的准确性。

本发明涉及一种风电集群轨迹预测与分层控制方法，包括：根据风电集群及风电场内的拓扑结构，基于空间相关性和NWP数据进行超短期风电功率预测；根据调度中心下发的调度值，将控制过程在空间上分为集群优化调度层、场群协调分类层和单场自动执行层，将风电功率预测值从时间上逐层细化；在场群协调分类层，基于风电功率预测值对风电场进行分类，分为上爬坡群、下爬坡群、平稳群和振荡群；在单场自动执行层，基于AGC机组下旋转备用裕度和风电送出断面裕度判断风电可增发空间，增发上爬坡群风电场出力或降低下爬坡群风电场出力；基于风电场运行与监测系统，根据监测到的风电场实际值，计算并反馈风电功率误差，修正风电集群和风电场预测值，使优化过程更加精确。

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

针对太阳能集热系统扰动多、大滞后和大惯性等控制难点，建立了适合控制器设计的简化分段非线性模型，并设计了基于预测函数控制策略的集热系统出口导热油温度控制系统。该预测函数控制策略在调节速度、超调量以及稳定性方面的控制效果均明显优于传统PID控制策略；与未简化的多模型预测控制相比，简化后的多模型预测函数控制的最大动态偏差增大了13%，但计算量大大降低，控制器的实时性也得到增强。

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：