赋能·协同·卓越：服务高等教育强国建设

为贯彻落实《教育强国建设规划纲要（2024—2035年）》要求，展示高等教育改革发展成果，推进高等教育装备现代化，推动科技创新和产业创新融合，服务教育科技人才一体发展，中国高等教育学会决定在江西省南昌市举办第64届高等教育博览会.

本项目发明了组合还原法二氧化氯制备技术、不产生固形物的综合法二氧化氯制备技术、多重强化纸浆漂白预处理技术和高温二氧化氯漂白技术，实现了纸浆漂白可吸附有机氯化物（AOX）超低排放。 一、项目分类 显著效益成果转化 二、成果简介 本项目由广西大学、广西博世科环保科技股份有限公司、北京林业大学共同完成，经过十多年的产学研合作攻关，打破了国外技术垄断，攻克了二氧化氯制备反应体系稳定控制、氯酸钠高效电解等核心技术难题，发明了组合还原法二氧化氯制备技术、不产生固形物的综合法二氧化氯制备技术、多重强化纸浆漂白预处理技术和高温二氧化氯漂白技术，实现了纸浆漂白可吸附有机氯化物（AOX）超低排放，显著提高了我国纸浆漂白清洁生产水平。该项目具有完全自主知识产权，主要技术经济指标达到或超过进口设备，打破了跨国公司的技术垄断，已在中国、印尼、印度、泰国、越南等12个国家的30多家企业提供了近40套二氧化氯漂白生产线，满足了行业内不同产能的需求，改写了我国该类设备长期依赖进口的历史。与国外同类装置相比，投资成本减少40％-50％，为国家节约了大量外汇，为我国造纸行业落实国家“水污染防治行动计划”提供了有力的技术与装备支撑，有力推动了我国纸浆二氧化氯漂白技术的应用。本项技术具有完备自主知识产权，获得海内外授权技术专利52项，2019年获国家技术发明二等奖

酿酒、调味品等食品酿造工艺工程类及精细化工领域装备技术合作

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

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：

山西大同大学AI+同大创客中心参与研制的履带式智能消杀战“疫”机器人——“雷神1号”和轮式智能消杀战“疫”机器人——“火神1号”已下线，样机已在山东地区投入使用。

该项目通过产学研用的创新合作，已研制出水下机器人焊接与增材制造系统，可应用于核乏燃料池、核构件池、核岛等强辐射环境水下焊接与增材修复，也可以应用于海洋资源开发装备以及海洋维权装备的远程遥操作水下自动焊接与增材修复。自动化程度高，水下电弧稳定性，在水深压力作用下仍具备非常优异的盖面搭桥能力，获得的焊缝成形美观，接头力学性能好。该套技术装备已于2016年通过中广核研究员组织的现场验收。该技术成果被科技日报以35项“卡脖子技术”专题进行了深度报道（第28项），入选刘亚东主编的《是什么卡住了我们的脖子》一书。