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：

中试阶段/n高导电高分子点胶是一种具有电磁屏蔽功能、使用时可在施工部位就地成型的一类电磁密封材料。在成型前呈膏状，成型时通过在需要电磁密封部位挤压成所需要的形状，在常温下自动固化，形成弹性体衬垫。具有高电性能而达到电磁屏蔽的目的。该材料最大的优点是可将这种半流体状材料，按照客户指定的尺寸和形状要求，直接点涂到电子装置部件，在室温下成型成衬垫，消除了使用传统衬垫时裁切成型及装配工序，从而大大节省装配时间和制造成本，产品无污染。主要用于电子产品。技术指标：体积电阻率＜0.08Ω?cm；绍A硬度：45-7

本方法以丙三醇作为溶剂及碳源快速制备大量粒径小于 10 nm 的碳量子点。这种碳量子点的荧光量子产率能够达到 30 %左右。制 备好的碳量子点,不需要任何提纯即可与成膜性较好的高聚物混合得 到荧光碳量子点薄膜。而且这种碳量子点毒性低，水溶性好，荧光量 子产率高，在细胞及活体成像方面表现出显著优势。总之，该制备方 法简单易行，材料来源广泛且廉价，产率大。所得的荧光碳量子点具 有荧光量子产率高、易成膜、低细胞毒性且耐光漂白等性质，已经作 为生物成像剂用于细胞的荧光共聚焦成像

编程猫专注于4-16岁中国孩子在线编程教育，是深圳点猫科技有限公司自主研发的一款图形化编程工具平台。通过学习编程猫自主研发的图形化编程课，学员可在平台上创作出游戏、软件、动画、故事等，以有趣的方式玩转STEAM学科。

使用 Catalyst 无线接入点开启您的 Wi-Fi 6 网络之旅 无线数据流量正以惊人的速度增长。随着生成的数据日益增多以及连接网络的设备不断增加，无线接入点在提供出色的用户体验方面发挥着至关重要的作用。 思科 Catalyst 9100 无线接入点专为满足这一需求而设计。Catalyst 9100 支持 Wi-Fi 6 标准（也称为 802.11ax），可满足当前和未来的网络需求。

产品详细介绍 SBSS-51A2石油产品凝点测定仪用途：本仪器适用于按GB/T510石油产品凝点测定法标准,测定石油产品的凝点。技术性能：冷浴最低温度：SBSS-51A2 0～-51℃（双孔）SBSS-51A1 0～-68℃（单孔）控温精度：±0.1℃60S计时，数显控温 电源：220V 50Hz

本发明公开了一种回旋加速器剥离靶驱动装置，其特征在于， 包括：双通道碳膜结构和弧形导轨；所述弧形导轨设置在回旋加速器 的磁极的周围，用于使双通道碳膜结构在其上进行滑动；所述双通道 碳膜结构包括剥离薄膜单元，所述剥离薄膜单元用于对所述回旋加速 器的粒子源产生的负氢离子剥离电子形成质子。本发明实施例可以避 免对磁极的破坏，降低了对剥离薄膜更换的频率，降低破坏真空的频 率，节约成本和时间。 

一种用于预测多元拼合靶材制备的薄膜成分的预测方法 一、项目分类 显著效益成果转化 二、成果简介 现有物理气相沉积（PVD）制备多元薄膜材料采用合金靶材作为靶源，生产过程中，薄膜成分的调控范围受安装的合金靶材的成分比例的限制。如果预期获得纳微复杂结构的复合薄膜，按照常规技术路线需要上百块成分连续变化的合金靶材，这显然是无法实现的。同时，采用合金靶材制备某些多元薄膜时，需要特高纯度的或极端成分比例的靶材作为靶源，这类特殊靶材以现有技术难以制造。 为此，本发明研发出一种用于预测多元拼合靶材制备的薄膜成分的预测方法，利用本发明技术有助于新材料的研发和促进半导体器件、切削刀具涂层等高新技术的发展。

近日，由清华大学医学院林欣教授科研团队与华夏英泰公司联合研发的双靶点CD19/CD20 STAR-T候选产品HXYT-001细胞注射液的中国I期临床试验在北京大学肿瘤医院完成了首例受试者知情同意签署。