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：

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。

本发明提供一种基于细胞荧光图像的药物活性组分筛选方法，通过控制荧光倒置显微镜上的高精度可控电动平台精确走位，应用荧光探针特异性标记细胞、细胞显微图像自动获取、荧光图像识别及数据生成，通过分析图像信息来获取心肌细胞保护作用的相关指标筛选和评价活性组分。本发明能够在活细胞内通过标记线粒体荧光强度来测量心肌细胞的活力状态从而对活性物质的保护效果进行评估，并能够对细胞的形态结构和分布进行实时监测，具有快速、经济、高通量的特征，可在定量筛选评价心血管疾病治疗药物中的应用。

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。

艾滋病病原体 HIV-1 的锚定与侵入主要是膜融合的过程，是由外膜前体蛋白 gp160 的加工开始的。因而用多肽来抑制 gp160 的裂解、gp41 的构象变化和 gp120 与 CD4 蛋白 的结合，是目前研究热点。目前治疗艾滋病的多肽类药物具有稳定性差、体内半衰期短、 口服易于降解、生物利用度低等局限，临床应用受到限制，迫切需要开发新的载药体系 以满足要求。 纳米载药系统是一种新型的药物输送和控释体系，具有优越性能：可缓释药物、实 现靶向输送、提高药物稳定性与生物利用度、减少毒副作用等等。 本发明提供了一种多肽药物的新剂型，其特征是含有抗 HIV-1 的层状无机物，包括 小分子量的高活性抗 HIV-1 的 C22 和 M3 多肽等系列膜融合抑制剂。同时发明提供了上 述多肽药物的制备方法，其特征在于将多肽药物和层状无机物搅拌进行复合，然后离心 分离即可。本发明还通过体外实验验证多肽药物/层状无机物纳米复合载药体系的药物 动力学过程、药物活性与稳定性。 

研发阶段/n利用生物质Leptin生理激活剂作用于公猪Leptin受体，发挥内源性生物质Leptin生理功能，显著增加血雄激素水平，特别是提高外来良种公猪和母猪繁殖性能和产仔数。缓解公猪繁殖机能生理性障碍、性功能迟钝、性欲低下，射精量减少、少精、死精、密度低、畸形精子比例大和严重地影响母猪受胎率的问题。技术水平：实用新型专利（2006100186970）

已有样品/n首次实现利用葡萄糖为原料微生物高效合成红景天苷，在30升发酵罐，发酵60h，红景天苷产量可达10克/升，已初步建立了提取工艺。与化学合成法相比，微生物合成红景天苷具有反应条件温和、目标产物可以发酵大量生产的特点，红景天苷主要存在于发酵液中，提取工艺简单。红景天苷微生物合成技术，与传统生产方法相比，降低了生产成本和环境污染，实现可持续发展，具有很好的应用前景。从植物中提取的红景天苷成本3万元/公斤，化学合成红景天苷成本1万元/公斤。以目前的发酵水平10克/升计算，研究所技术生产的红景天苷预

在大量调研藏药资源，选取清热解毒类品种，建立针对病毒复制周期靶点为机制的抗病毒药物的筛选细胞模型。获得针对抗单纯疱疹病毒Ⅱ 型的Vero 细胞筛选模型，针对抗腺病毒的 Hep-2 细胞筛选模型，针对抗流感病毒 H1N1的 MDCK 细胞筛选模型，应用于天然药物以及化合物抗病毒活性的筛选。获得具有抗流感病毒，腺病毒，单纯疱疹病毒活性的提取物以及化合物。结果表明藏药异叶青兰对呼吸道病毒，流感病毒，腺病毒单纯疱疹病毒-II 型均具有很强的活性，对小鼠脑炎的死亡保护率达 30%。异叶青兰有效部位石油醚