本品处方来源于江苏丹阳民间验方，起源于清嘉庆年间，世代相传300余年，系在临床治疗骨质疏松症的有效经验方。该方传人与我校合作，经现代中药学研究开发成口服片剂，具有滋肾壮骨、活血化瘀功效，用于预防和治疗骨质疏松。本品巧用方海，具有良好的抗骨质疏松和明显的抗炎镇痛及活血化瘀作用。项目进展已完成工艺研究、质量标准研究、稳定性试验、主要药效学研究、急性毒性试验、长期毒性试验。已获得临床批件，2014年申报临床研究。应用前景 我国有调查显示骨质疏松患者已达1亿。目前40岁以上骨质疏松症的患病率为16％，男性11％，女性20％。随着年龄的增长，尤其是60岁以上的人群，这一疾病的患病率迅速上升到23％。骨折是骨质疏松症最常见最严重的并发症，我国骨质疏松性骨折的增长率占亚洲国家首位。 中草药治疗骨质疏松症具有不良反应少、价格合理、标本兼治等优点，目前已成为国内医药界的研究热点。本品诸药合用，活血化瘀之力专，无耗气伤津之虞，又有续筋接骨，强壮筋骨之功。通过改善骨的形态学、提高骨生物力学性能达到抗骨质疏松作用，在糖皮质激素型和去除卵巢型两种大鼠骨质疏松实验模型中均表现出良好的预防与治疗作用。转让或合作方式建议合作方式临床批件转让或合作开发

本发明公开了一种治疗淋巴瘤的中药组合物，包括：党参、陈皮、茯苓、夏枯草、炙甘草、黄芪、木香、蜈蚣、砂仁、水蛭、阿胶珠、僵蚕、白英、当归、知母、连翘和麦芽。本发明提供的中药组合物选取的药物均为常见药物，成本低，服用方法简便，具有散结消肿、解毒镇痛、消毒散脓、温经通脉之功效，对人体无不良及毒副作用，对淋巴瘤具有很好的治疗效果，避免了传统化学药物治疗对人体造成的损害。

【发 明 人】狄留庆；吴皓；陆茵；李伟；徐木金；李莛岐；张科卫；陈文星；李璘；王爱云；赵晓莉；毕肖林；崔小兵；蔡皓；倪美华【摘要】      治疗骨质疏松症的中药复方制剂及制备方法。它由方海、熟地黄、续断、骨碎补、制何首乌、土鳖虫、煅自然铜、当归、川芎、莪术所制成。其制法是：(1)取当归、川芎、莪术水蒸气蒸馏提取挥发油，药渣及少量水提液；(2)取方海、土鳖虫，加水煎煮，水煎液浓缩；(3)取煅自然铜，加醋酸水煎煮，水煎液，滤过，滤液浓缩；(4)取骨碎补、制何首乌、续断、熟地黄，合并制法(1)的药渣，加水提取乙醇沉淀或加乙醇提取，浓缩；(5)将上述所有浓缩液合并浓缩，干燥，粉碎，得浸膏粉；(6)将干浸膏粉碎后，添加适宜的辅料可制成口服液、颗粒剂、胶囊剂、片剂或微丸等。它具有抑制血小板聚集，改善血液循环，提高骨密度，促进骨生长，加快骨质疏松症愈合，缩短愈合时间等功效，是治疗骨质疏松症的理想药物。

本发明公开了一种治疗膝关节炎的药艾卷及其制备方法，药艾卷的原料药组成和重量配比为：艾绒800～1200份、防风20～30份、秦艽20～30份、羌活20～30份、独活20～30份、川断24～36份、木瓜24～36份、苍术24～36份、鸡血藤24～36份、雄黄32～48份、麝香8～12份、川牛膝23～36份、当归24～36份、白芷16～24份。该药艾卷疗效好，无毒副作用，使用方便，治疗成本低。

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：

1. 痛点问题 Wnt/β-catenin信号通路的持续激活会导致多种癌症的发生发展，例如结肠癌、胃癌、肝癌等。通过特异性降解β-catenin来抑制肿瘤中的Wnt信号被认为是一种最直接有效的抗癌策略。过去以β-catenin为靶点的Wnt信号抑制剂几乎都是小分子，但小分子抑制剂很难对β-catenin进行彻底的抑制，到目前为止没有β-catenin的小分子抑制剂被批准临床使用。因此，开发特异性降解β-catenin的新型药物具有极大的临床应用价值。 2. 解决方案 本项目采用蛋白降解靶向嵌合PROTAC（Proteolysis-Targeting Chimeras）技术，将VHL泛素连接酶的配体肽段用化学合成的方法和订书肽xStAx连接起来，得到靶向嵌合体多肽xStAx-VHL。该嵌合体多肽能够持续稳定地降解肠癌细胞内的β-catenin蛋白，从而抑制Wnt/β-catenin信号。在小鼠的小肠类器官系统中，xStAx-VHL能够有效地抑制类器官的存活，xStAx-VHL也能明显的抑制结肠癌细胞在裸鼠皮下的成瘤作用，而且可以显著减少小鼠结肠癌模型中的肿瘤数量。此外，xStAx-VHL可以通过特异性降解β-catenin来影响结肠癌患者来源的肿瘤类器官的生存。本项目首次报道了一种利用PROTAC技术合成的靶向降解β-catenin的嵌合体多肽,不仅可以在细胞内特异性降解β-catenin抑制Wnt/β-catenin信号通路，而且还能在多个肿瘤模型中抑制细胞增殖和肿瘤发生发展。

2014教育部自然科学奖二等奖，高速可靠的宽带无线通信是现代信息社会的基本需求，也是我国基础研究重大战略方向之一，但其面临着无线频谱资源日益紧缺以及能源消耗急速增长的瓶颈问题，为寻求突破，多域多点协作的新型宽带无线传输成为重要研究课题，它以多天线MIMO传输为基础，充分挖掘和协同利用空间、时间、频率、功率、终端和网络等多域与多点资源，大幅度提升系统的频谱效率与能量效率。本项目在国家863计划、国家科技重大专项以及国家自然科学基金等重要课题的支持下，重点围绕宽带无线通信中的多用户MIMO协作、中继协作和多点协作网络场景，研究多域多点协作的新型宽带无线传输理论及系统架构，提出了适应复杂无线传播环境的高效能。 分布式多域多点协作理论与关键技术，取得系列原创性成果，形成较为完整的多域多点协作传输理论体系。

本实用新型涉及生物降解处理技术，旨在提供一种用于富集甲烷氧化耦合高氯酸盐还原菌群的MBBR反应器。其反应器本体由两根中空的玻璃管组成，分别为主管和副管，内部沿长度方向填充了长条形的疏水性微孔聚乙烯膜；上端通过橡胶管相连，底部通过循环蠕动泵相连，内部循环方向是由副管底部流向主管底部；副管的上端设出样口，底部设有进样口，定量进样泵通过管路接至进样口；甲烷钢瓶出口通过橡胶管分别接至主管底部和顶部及副管顶部。本实用新型所采用的MBBR反应器能为生物膜生长提供良好的微环境。具有成本低，有效期长，降解效果稳定等优点，适合长时间地处理大量低高氯酸盐污染的废水。

项目简介目前癌症中的胰腺癌仍是临床治疗的难题，由于症状隐匿，发病迅速，预后差，使胰腺癌的发病率和死亡率逐年上升，延长胰腺癌症患者生存区、提高生存率和生 存质量，是国内外科学家关心的重要课题。钴依赖的蛋氨酸合成酶（MS）是叶酸类代谢 酶，对正常细胞和肿瘤细胞敏感性差别更大的靶酶，针对其作用机理，设计合成了活性 小分子 A13，具有优于吉西他滨的治疗胰腺癌的活性。A13 化合物经过两次不同机构肿瘤细胞测定，确定其抗胰腺癌和肺癌活性。 与山东省药学科学院合作，测定人胰腺癌 PNCA-1 裸鼠移植瘤模型抗肿瘤作用。设置 5-FU 对照组，吉西他滨对照组和模型对照组，A13 尾静脉注射给药，隔天给药时间为 21 天。 实验结果是 A13 在 60 mg/kg 和 120 mg/kg 剂量条件下对人胰腺癌裸鼠移植瘤的生长的抑 制作用，相对肿瘤增值率分别为 55.97%和 39.63%，结果优于 5FU（59.04%）和吉西他滨 （49.21%），对体重和饮食没有影响，各脏器解剖观察未见毒性病理变化。对照吉西他滨 组裸鼠表现出明显体重下降和饮食受阻。A13 化合物在模拟大肠液 16 h 能保持稳定，在 血浆中 96 h 能保持稳定，为后续动物实验确定给药方式和给药时间。对肺癌 SPC-A-1 裸 鼠移植瘤小鼠也有治疗作用，A13 的肿瘤相对增值率与培美曲塞对照组相当。  项目团队刘俊义教授，化学生物学系。主要研究方向为：1）叶酸代谢酶制剂的研 究。2）中枢神经保护剂的设计、合成及生物活性研究。3）抗 HIV、HBV 药物的设计合 成与构效关系研究。4）基于新靶点的抗肿瘤药物研究。曾获得过国家自然科学基金及博 士点基金等十余项，授权专利 7 项。设计合成：张志丽，副教授。生物活性：王孝伟副教授，田超博士。合作单位：山东省药学科学院。 应用范围 该项目可应用在癌症的治疗中首选胰腺癌，单独用药或联合用药。也可联合用药治疗肺癌。   项目阶段临床前研究（动物研究阶段）。知识产权专利名称：新型 8,10-去二氮杂-N5 甲酰基四氢叶酸类化合物作为抗肿瘤药物的应用 。专利申请号：2014105575999合作方式技术转让。