抗倍特铝蜂窝板

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：

为了生态环境安全，满足某些区域特殊环境核辐射的监测需要，沈阳理工大学与沈阳某研究所联合开发了核辐射综合检测信息处理系统。该成果利用3G无线网络实现区域环境核辐射的实时监测，实现测量数据和信息无线网络传输与处理，对核辐射参数及相应的环境参数进行实时、综合测量。该系统可以用于涉核区域环境核辐射剂量的无线远程监测，能够将实时数据和辐射剂量的分布情况形象地显示在上位机图形界面上，具有数据无线传输与控制、数据存储、历史数据查询、节点的远程控制等多种功能。该项目已经于2012年底通过部级鉴定并申报科技进步奖。

天然电磁辐射测深技术的方法及其装置，信号经电场传感器、前置放大器、后置放大器、双平混频器、中频滤波器和检波器传输给峰值检测器和谷值检测器通过峰值、谷值检测器分别传输给减法器和加法器再传输给除法器得出所需数据；也可将信号直接输入计算机中经过Ａ／Ｄ转换及计算得出所需数据。采用表头指示方式输出，免去了听觉记录方法；减少结果中的主观因素，测试结果更加准确。当利用计算技术进行数据采集与处理时，可实现无人管理观测并提供现场观测记录。 这项探测技术在性能上有三个主要特点： (1) 对岩层的岩性变化有较高的分辨能力. (2) 对不同岩层的分界面的深度有较高的分辨能力,最大验证探测深度大于7000米,对100米深度分界面的分辨能力优于1米. (3) 对地下地质情况的横向变化有较高的分辨能力. 在使用方面具有下述主要特点,即:探测仪器轻便易携,少受地形限制;对工频干扰有很强的抑制能力,可在大城市市区内进行探测;由于利用天然电磁场源,不会因探测对探测对象带来损害,对探区的生态环境无不良影响等。 本项探测技术适用于各种层状地质结构的探测：如在地质资源(石油、天然气、水、热田、煤油等)探测;地质结构(工程建设)勘测;深部地质研究,考古应用以及山体滑坡等地质灾害研究方面有广泛用途。可以产生巨大的经济效益。  

本项成果将纳米流体对太阳辐射分频吸收特性和高效导热特性结合起来，采用太阳能直接吸收技术（DAC技术）、菲尼尔聚光技术建立了基于纳米流体的新型聚光太阳能光伏热联用系统（CPV/T system）装置，。本装置实现了对太阳辐射全波谱利用——将低频辐射用于光热转换，将可见光等光电可利用辐射用于光电转换，最终将太阳辐射的综合利用效率提高至70%以上。在PV/T装置创新的同时，我们制备了SiO2、ZnO、TiO2以及Cu纳米流体作为PV/T系统的辐射分频工作介质，可满足不同种类太阳电池PV/T系统的辐射特性

创谱仪器ILT积分球均匀光源是由PTFE喷涂积分球、进口卤钨灯/LED光源、高稳定性电源模块组成；具有很高的出光均匀性以及漫反射特性； 把光源放置在积分球内，光源发出的光在球内壁上经过无数次的漫反射，充分积分球之后，最终在积分球出口平面的光斑是一种均匀的漫射光，具有理想的朗伯余弦特性，所以这种均匀光斑，在国防，科研，工业等众多领域有广泛应用。例如：均匀照明源，光学仪器定标等； 此款积分球兼容测光功能，预留多个光口，满足不同应用需求

       创谱仪器ISL系列积分球均匀光源是由PTFE喷涂积分球、进口溴钨灯光源，高稳定性电源模块组成；具有很高的出光均匀性以及漫反射特性；         把光源放置在积分球内，光源发出的光在球内壁上经过无数次的漫反射，充分积分球之后，最终在积分球出口平面的光斑是一种均匀的漫射光，具有理想的朗伯余弦特性，所以这种均匀光斑，在国防，科研，工业等众多领域有广泛应用。例如：均匀照明源，光学仪器定标等； 此款积分球兼容测光功能，预留多个光口，满足不同应用需求 创谱仪器可以根据客户要求定制各种应用积分球！

        创谱仪器ISL系列积分球均匀光源是由PTFE喷涂积分球、进口卤钨灯/LED光源、高稳定性电源模块组成；具有很高的出光均匀性以及漫反射特性；         把光源放置在积分球内，光源发出的光在球内壁上经过无数次的漫反射，充分积分球之后，最终在积分球出口平面的光斑是一种均匀的漫射光，具有理想的朗伯余弦特性，所以这种均匀光斑，在国防，科研，工业等众多领域有广泛应用。例如：均匀照明源，光学仪器定标等；         此款积分球兼容测光功能，预留多个光口，满足不同应用需求         创谱仪器可以根据客户要求定制各种应用积分球！