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

青楷槭是长白山地区常见的乔木品种之一，在《本草纲目》、《本草再新》均被提及，其叶片、树皮及果实等部位，均可作为药材使用，具有清热、解毒、抗炎等多重疗效。此外，青楷槭的叶片亦常被用于泡茶或烹饪汤品，有助于缓解上呼吸道相关症状。人参被誉为“天然的能量补充剂”，在提升体力、缓解疲劳方面有显著的效果。现代研究表明，人参能提高体内的ATP（细胞能量来源）水平，改善微循环，从而有效抗疲劳。 青楷槭的抗氧化作用与人参的抗疲劳、增强体能的作用相结合，能够更好地抵御衰老和疲劳的双重挑战。青楷槭与人参的组合具有较好的互补作用。青楷槭的抗氧化、降血糖、调节内分泌等作用与人参的补气、抗疲劳、增强免疫力等特点相结合，能够在提升免疫力、抗衰老、缓解疲劳、调节血糖血脂等多个方面产生协同效应。通过科学的配比和加工，青楷槭与人参合用可以为消费者提供一种功能全面、健康有益的饮品。 1.独特的原料组合与健康功能创新：本项目的核心创新在于将人参与青楷槭这两种具有显著保健功效的天然植物成分进行有机结合。人参以其滋补强身、增强免疫力的传统功效著称，而青楷槭则富含丰富的抗氧化物质、维生素C及矿物质，具有较强的抗衰老、抗疲劳等健康功效。通过选择水醇提取法、冷冻干燥等来确保有效成分的高效提取，并保持其生物活性，创新性地将这两种植物的优势特性融合，开发出一种具有复合健康功能的功能性饮料，填补了市场上同类产品在多元化营养需求上的空白此外，开发了新型的成分稳定化技术，有效解决了植物成分在饮料中的保存和长期保鲜问题，确保了产品的品质稳定性与健康功效的长期有效。 2.口感优化与产品差异化创新：在口感方面，本项目通过多次配方调整与风味优化，使得人参和青楷槭的独特植物风味得到平衡，并加入天然水果香料，改善传统中草药饮料的“草本味”，使饮料口感更加顺滑、清新、适合现代消费者的接受口味。这种口感创新不仅提高了消费者的饮用体验，也突破了传统草本饮料的单一风味模式，为市场带来了差异化竞争优势。 根据市场研究，健康饮品领域，消费者越来越倾向于选择具有增强免疫、抗氧化、抗衰老、降血糖等多重功能的饮品。人参作为传统滋补佳品，已在市场上占据了一定份额，凭借其强身健体、补气养血的功效，广受消费者喜爱。而青楷槭，作为富含多酚类、黄酮类等抗氧化成分的植物，其抗衰老、抗疲劳、降血脂等效果逐渐得到消费者的认可。两者结合的功能性饮料，能够满足市场对天然健康饮品的需求，成为新兴的市场亮点。随着生活方式的变化，越来越多的职场人士、学生群体等年轻人开始关注抗疲劳、抗压、促进睡眠的饮品，这为人参青楷槭饮料的市场拓展提供了机会。 目前，市场上的功能性饮料竞争激烈，主要以一些大型饮料品牌为主导，如红牛、华润怡宝等企业推出的健康功能饮料占据了较大的市场份额。此外，还有一些植物性饮品品牌如植物萃取饮料、草本茶等逐渐获得关注，满足消费者对天然、低糖、无添加的偏好。然而，这些产品多集中在单一功能或传统草本成分上，缺乏多种植物成分的创新结合。因此，人参和青楷槭的结合，作为一种具有多重健康功效的饮品，有望在现有市场中开辟出新的细分市场，填补部分空白。

本成果围绕光伏并网系统电能质量展开。基于深度学习算法，研究谐波等电能质量指标变化规律，运用特征提取技术处理时序数据，实现电能质量预测。研发基于态势感知的电能质量调控装置，总谐波补偿率不小于 90%，补偿次数 2 - 50 次。成果形式包括研究报告、调控装置示范应用，申请发明专利 3 项，发表论文 3 篇。应用场景涵盖光伏电站、配电网等，可提升电网可靠性与经济性，减少设备损耗、优化调控策略、降低弃光率，为新能源消纳提供支撑。

关于举办第十四届中国创新创业大赛的通知

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。