成果简介：随着我国载人航天事业的发展及核能、电磁能在军事、科技、医学领域的广泛应用，研究辐射损伤防治手段、积极寻找有效抗辐射损伤药物 成为迫切需要解决的问题。“龙抗 I 号”是运用多种活性成分筛选技术从丰富的傣药资源中精心筛选出的特色抗辐射药物。 技术领域：傣药开发、抗辐射药物 应用范围：空间需求，载人航天；航空需求（飞行员高空

鬼臼毒素类抗癌药物的研发是陈世武教授团队历经 10 年研发的三类结构新颖的鬼臼毒素类候选药物。该技术以鬼臼毒素及其类似物鬼臼毒素为底物，利用拼合原理，设计合成的衍生物较临床药物依托泊苷相比，具有高效低毒和适宜的溶解性，在一定程度上克服了该类药物的耐药性，具有较好的开发价值和市场应用前景。

砷在人体内的化学形式可以分为三价砷和五价砷。三价无机砷酸(盐)毒性较大，易在体内蓄积，主要经胃肠道缓慢排泄。五价无机砷酸(盐)相对毒性较低，不易在体内蓄积，主要经肾脏快速排泄[1]。他们在体内的甲基化和代谢决定着砷的毒性作用。细胞内蛋白的相邻巯基是三价砷的主要化学受体。三价砷与巯基结合可致毒。如与酶分子内的巯基作用后可抑制其活性，干扰酶的生理功能、结构与代谢，继而引起一系列生理、生化改变，影响细胞的代谢过程[2]。五价砷对机体的影响表现在它可以模拟无机磷酸盐，不仅能在细胞转运系统和酶促反应过程中替代

载药量高达到400%（w/w）的多功能纳米载体 一、项目分类 重大科学前沿创新、关键核心技术突破、显著效益成果转化 二、成果简介 南京大学医学院胡一桥教授和吴锦慧教授科研团队，围绕生物材料的理化及生理特性，聚焦药物临床治疗的关键科学问题和难题，首创“单元-多维”生物材料成形理论，突破了“超强疏水/高比重”物质的高效负载、体内传输、体外贮存三大关键科学技术难题，构建了载药量高达到400%（w/w）的多功能纳米载体。 研究成果发表在Nature BME，Nature Communication、PNAS、Science Advances上，并获得教育部技术发明一等奖、教育部自然科学一等奖、江苏省发明专利金奖。据此项研究成果，建立了“Bottom-Up”的规模化制备生物纳米药物的生产线，完成了以蛋白类生物材料为载体的抗肿瘤靶向药物的规模化制备和临床研究，相关药物1项在临床试验，1项获得NMPA的批准上市。有效的解决了进口类似品种价格高，患者无法承受的问题。

【发 明 人】唐于平；刘欣；段金廒；刘睿；郭建明；丁少雄；林祥志；林汝榕 【摘要】 本发明公开了荔枝螺在制备解热抗炎药物中的应用。本发明通过大量实验筛选荔枝螺的药理活性，实验结果表明，荔枝螺软体提取物或荔枝螺壳粉对二甲苯致小鼠耳廓肿胀、角叉菜胶致小鼠足跖肿胀的急性炎症模型具有较强的抑制作用，表现出很好的解热、抗炎活性，并且还具有抗氧化能力，增强SOD活力，清除氧自由基，减少丙二醛的释放作用。为充分利用广阔的海洋资源，开发新的安全有效的海洋药物具有重要的意义。

近日，中国科学技术大学合肥微尺度物质科学国家研究中心和化学物理系曾杰教授、周仕明副教授研究团队发展出了一套利用电化学沉积制备单原子催化剂的普适性方法，利用该方法研究人员成功制备出了34种单原子催化剂，覆盖了多种过渡金属和多种衬底。相关成果发表在《自然·通讯》上。发展对衬底和金属无选择性的普适性单原子合成方法具有重要意义。研究人员在电化学三电极体系下进行电化学沉积，并通过阴极沉积和阳极沉积获得了两种Ir1/Co(OH)2单原子催化剂。此外，研究人员又探究了沉积条件（前驱体浓度、沉积圈数和沉积速率）对单原子形成的影响，发现当金属的负载量低于某一限度时，可以获得单原子；高于这一限度时则有金属团簇或颗粒形成，这一变化类似于液相中晶体生长中的成核过程（图1）。电化学沉积制备单原子的机理研究。(a)阴极沉积示意图；(b)阳极沉积示意图；(c)在阴极沉积中，前驱体浓度、沉积量和单原子形成的关系；(d)在阳极沉积中，前驱体浓度、沉积量和单原子形成的关系。为了证明该方法的普适性，研究人员又在氢氧化钴、硫化钼、氧化锰、氮掺杂的碳等衬底上成功获得覆盖3d、4d、5d金属的单原子催化剂，并且对所制备的单原子催化剂的结构表征后发现，阴极和阳极沉积获得的同一单原子催化剂具有不同的电子结构，这为其在不同催化反应中的应用提供了可能。研究人员还对所得单原子催化剂在电催化水分解反应中的性能进行了探究。实验结果表明，阴极沉积所得的一些催化剂在电催化析氢反应中表现出了优异的性能，同时，阳极沉积所得的一些催化剂在电催化析氧反应中也表现出了良好的性能。该制备单原子催化剂的普适性方法不仅为单原子催化领域注入了新的活力，而且为今后系统性研究催化剂结构和性能之间的关系提供了新的思路。论文链接：https://www.nature.com/articles/s41467-020-14917-6.pdf详细阅读：http://news.ustc.edu.cn/2020/0313/c15884a414545/page.htm

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：

用于多参数复合试验的环境舱,包括密闭的箱体,箱体与一箱盖密封连接,箱体和箱盖均包括由金属制成、以确保箱体刚性的外层和由非金属制成、以保持复合腔内部温度的保温层,箱体的内腔形成与外界独立的环境复合腔;复合腔内部从上到下依次设有:固定于复合腔的上部的噪声发生机构,固定于复合腔的腔壁上的温度控制机构,位于复合腔的内部、并与外界的振动源联动的振动发生机构,和与气泵连接、将气体引入复合腔的内部以形成气压场的入气口以及与真空发生器密封连接的排气口。本发明具有能全面模拟器件的工作环境,试验效果好、精度高的优点。

该方法首先对多个接收信号分段、滤波，再使用不同的测量矩阵对每个滤波之后的信号重新线性组合，在一系列利用了这多个信号之间相关性的低复杂度迭代运算后，可以测量出每个原始信号在同一特征基下的展开系数，从而实现对每个原始信号更加精确的重建。