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：

大连普视科技有限公司是大连高新区的一家提供在线教育信息化解决方案的领导者。作为Mediasite的中国独家总代理，大连普视科技有限公司于2015年起向中国高校、基础教育和企业领域提供专业的信息化教育解决方案和服务支持。公司主营：MediasiteRecorder和EVP（Mediasite视频管理平台）。

产品介绍 UCN纳米智能黑板，是一个集成纳米触控、高清大屏显示、电脑主机、普通黑板、电视电脑等诸多功能于一身的多媒体教学平台。它尊重师生使用习惯，将传统教学黑板和可感知交互的智能黑板无缝对接，既可全屏粉笔书写，又具多媒体教学功能，操作模式简洁，同时内置专业教学软件、应用平台及管理平台，老师可灵活运用教学工具，分享调用优质教学资源，远程管理维护升级，已被广泛应用在教育教学领域，适用于各学龄段。 产品特点 自主知识产权 拥有纳米触控膜和纳米智能黑板的自主知识产权; 视力保护 表面防眩光玻璃+自主研发纳米涂层，保证超大可视角度，且有效过滤有害光线 全方位安全设计 拟态纯平表面、四周圆角设计，高强度钢化玻璃，防水防尘抗外力冲击; 多种书写方式 普通粉笔/白板笔/电容笔/手指触控，尊重老师教学习惯;拟态纯平表面、四周圆角设计，高强度钢化玻璃，防水防尘抗外力冲击; 双系统，大尺寸 配备Windows与Android双系统 搭载软件平台 内置自主研发的教学应用平台和管理平台，海量教学资源，同时提供远程设备管理与维护; 磁性吸附 左右两侧支持磁性材料吸附，方便非电子类教材展示; 显示窗口，一键下移 液晶显示窗口高度可调整下移，触控不受影响，适应不同老师身高; 产品参数

产品介绍 UCN纳米智能黑板，是一个集成纳米触控、高清大屏显示、电脑主机、普通黑板、电视电脑等诸多功能于一身的多媒体教学平台。它尊重师生使用习惯，将传统教学黑板和可感知交互的智能黑板无缝对接，既可全屏粉笔书写，又具多媒体教学功能，操作模式简洁，同时内置专业教学软件、应用平台及管理平台，老师可灵活运用教学工具，分享调用优质教学资源，远程管理维护升级，已被广泛应用在教育教学领域，适用于各学龄段。 产品特点 自主知识产权 拥有纳米触控膜与纳米智能黑板自主知识产权 视力保护 表面防眩光玻璃+自主研发纳米涂层，保证超大可视角度，且有效过滤有害光线 全方位安全设计 拟态纯平表面、四周圆角设计，高强度钢化玻璃，防水防尘抗外力冲击; 多种书写方式 普通粉笔/白板笔/电容笔/手指触控，尊重老师教学习惯;拟态纯平表面、四周圆角设计，高强度钢化玻璃，防水防尘抗外力冲击; 双系统，大尺寸 配备Windows与Android双系统。 搭载软件平台 内置自主研发的教学应用平台和管理平台，海量教学资源，同时提供远程设备管理与维护; 磁性吸附 左右两侧支持磁性材料吸附，方便非电子类教材展示; 显示窗口，一键下移 液晶显示窗口高度可调整下移，触控不受影响，适应不同老师身高;

智慧课堂 ⋅ 方案背景 现在的多媒体已经逐渐普及走入到每一个普通教室，形式一般是投影白板和教学一体机，师生们在享受多元化教学的同时，也在不断的累积着困扰——光污染对学生视力的影响、上下推拉黑板对老师体力的耗费、与脑海里对黑板外观固有认识的违背、无法粉笔书写带来的困扰……UCN智能黑板方案在上述背景下应运而生，它采用全球领先的纳米触控技术将传统的手写黑板和多媒体设备相结合，在粉笔板书和多媒体应用之间轻松切换。 智慧课堂 ⋅ 功能场景 泛普智慧课堂是当前各学校信息化建设普遍使用的方案：以纳米触控黑板作为核心设备，尊重老师使用习惯的前提下，帮助不同年级、不同学科的教师轻松实现互动多媒体教学，提高课堂趣味性，实现真正的交互式教学模式。 配套专业教学软件和管理平台，还可扩展添加实物展台功能，随时将学生作业、试卷等实物内容信息传送到智能黑板上进行讲解和批注，打造更便捷、互动的新型教学环境，是国家“三通两平台”建设下各校的标配方案。

        深圳市联特微电脑信息技术开发有限公司（以下简称“联特微公司”）成立于2000年4月，是一家专业的教育系统集成商，具备丰富的教育信息化、智能化项目咨询、设计、施工、维护、培训服务经验。公司专注于为教育行业客户提供未来学校、人工智能及创新教育、实验室共建、智慧校园、教学与科研仪器设备、专业共建、人才培养、校企合作等整体解决方案。         联特微公司按照ISO9001标准，建立了科学、规范的质量管理体系，全面部署实施了CRM、ERP企业信息化。公司秉承人性化管理，倡导“创新、实干、包容、感恩”的理念，遵循客户满意、员工满意、股东满意、社会满意的质量方针。         联特微公司是大湾区产教联盟副理事长单位、腾讯智慧校园战略合作伙伴、华为全线产品合作伙伴、科大讯飞AI创新教育合作伙伴、商汤AI创新教育合作伙伴、大疆无人机/机器人实验室合作伙伴、德国EOS 3D打印机战略合作伙伴、天津镭明金属3D打印机战略合作伙伴，并与其它一系列智慧校园优质厂商建立了长期战略合作伙伴关系。         联特微公司未来学校整体解决方案包括学校基础设施、教学平台、智慧功能场馆、实验室、智慧教学和管理等整体建设，涵盖了智慧教室、理化生智慧实验室、智慧体育、人工智能创新教育（3D打印机、3D扫描仪、无人机、机器人、自动驾驶、脑科学、人工智能课程）、智能制造（机器人、虚拟仿真实训、IOA数字孪生虚实结合实训等）、激光技术应用（激光雕刻机、激光切割机、激光打标机等）、金工实验室、心理咨询室、智慧图书馆、科学报告厅、科学馆、科普教室（VR科普资源、AR互动沙盘、全息数字模型教育系统）、劳技馆、校园电视台、录播教室、天文数字课堂、数字书法教室、智慧音乐教室、数字地理教室、数字历史教室、数字美术教室、数字探究学习系统、AR教学系统、3D智能全景互动教学系统、实训教学移动式视频管理系统、智慧校园云平台、走班教学排选课、网上阅卷、大数据精准教学系统、电教平台、智能吊麦扩声系统、智慧班牌、数字校园文化、地理园、生物园、标本馆、生态馆、教室护眼节能照明、校园物联网、云系统（私有云、桌面云）、微模块机房、校园一脸通、广播系统、综合安保系统、综合布线系统、计算机网络系统、网络安全系统等，已经成功应用于深圳市各普校、高校、职校，涉及深圳市教育局直属、深圳市人力资源和社会保障局直属、福田区、罗湖区、盐田区、南山区、宝安区、龙岗区、龙华区、坪山区、光明区、大鹏新区学校。            联特微公司依托国家政策，引领技术潮流，立足5G技术、聚焦AI，赋能教、学、管、评。包含了5G赋能教学教研、AI赋能精准教学、AI赋能机器人伴学、AI赋能校园管评、AI赋能校园平安等系统。为学校精选推出人工智能+5G整体解决方案，从智能识别、无人机（机器人）、云计算、VR/AR、物联网、大数据应用这六个方向进行课程的展开，培养学生的核心素养。并建设与课程相对应的人工智能实验室、天文创客（VR）教室、编程无人机教室、编程机器人教室、VR实验室等。         联特微公司作为德国EOS 3D打印机战略合作伙伴，促成其与深圳职业技术学院签订科研和教学合作框架协议，探索“企业学院科研合作”新培养模式，并成功中标深圳职业技术学院创客中心金属3D打印机、激光焊接机和激光打标机项目。

包虫病是由棘球绦虫寄生于人体或宿主动物而引起的严重寄生虫疾病。而我国是同时有囊型和泡状两种类型的包虫病高发区。目前临床应用最广泛的抗包虫病药物是阿苯达唑，但是该药的肠道吸收率很差，而且其一般只能抑制寄生虫生长而不能彻底有效杀灭寄生虫，导致患者必须长期大量服用该药物才能达到治疗效果。与此同时，大量的研究发现该药可引起多系统的严重药物不良反应。因此，寻找或开发疗效显著且副作用小的包虫病治疗新药物具有重大的意义。 棘球绦虫获取能量的主要方式通过糖酵解过程。而甘油醛 3-

与原工艺技术相比，本项目创新关键技术缩短生产周期1/3，单位产品能耗节约40%，物耗降低22%，“三废”减排30%。技术产品“泰嘉”，近三年累计销售收入71.30亿元，新增利润24.65亿元，新增税收8.42亿元，创收外汇236.99万美元；目前已进入全国1万余家医院，或者患者和专家的一致认可，以年均65%的国内销量市场占有率打破原研进口药在我国的垄断。

谷胱甘肽（glutathione, GSH）是由谷氨酸（Glu）、半胱氨酸（Cys）和甘氨酸（Gly）通过肽键形的三肽化合物，为生物体中含量最丰富的小分子巯基醇类化合物，具有重要生理功能，可用于抗辐射、肿瘤、癌症、氧中毒、衰老和协调内分泌的治疗，并是临床上大规模使用的保肝类药物，还广泛用于食品、运动营养学、保健品和化妆品，市场前景广阔。国内的GSH生产工艺开发多沿用国外公司的发酵方法，但发酵法到目前为止未能取得突破，因此没有成功产业化生产，目前国内制药企业所用的GSH制药原料全部依赖进口。本项目为华东理工大学生物反应器工程国家重点实验室研制，通过构建反应速率快、转化率和生产水平高的重组菌株，开发优化培养工艺，可以实现谷胱甘肽发酵水平达到3500 mg/L，生产强度超过250mg/L/H，达到国际先进水平。在实验室规模效果良好，小试工艺成熟，相关技术已申请中国专利，具有自主知识产权。