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：

本发明提供了一种高含油量花生的定向筛选方法，本发明利用在培养基中添加羟脯氨酸来筛选高含油量花生，在添加有羟脯氨酸的培养基中，耐脱水能力弱、一般含油量花生的细胞因失水而凋亡；耐脱水能力强、高含油量花生的细胞才能存活，凡是能在该培养基上成活和正常发育的花生细胞，其含油量必定是高的；凡是不能在该培养基上成活和正常发育的花生细胞，其含油量必定是低的；以此技术形成了高含油量花生的定向培育技术。本发明通过定向

研发阶段/n（1）采用BHIA培养基从患病鱼体病灶处（或者从肝、脾、肾、腹水）分离病原菌，在初培养的基础，挑取单个菌落进行纯培养并快速鉴定其种类。（2）将分离菌株接种在盛有适宜的培养基的平板中，采用药物纸片检测分离菌株的药物敏感性，确定分离菌株的药物敏感谱。（3）参照日本化学疗法学会的试管法，在药物系列试管中测定抗生素类药物对分离致病菌的抑、杀菌浓度，根据不同种类的抗生素类药物对分离菌株的最小抑菌浓度（MIC）的大小，选择治疗疾病的适宜药物种类和剂量用药。应用前景：适用于全国各地的海、淡水水产养殖区

(1) 技术属性说明 本项目利用发酵工艺取得灵芝三萜类化合物，开展了临床前药理药效研究，并进行了药物 动力学研究与固体制剂开发。 (2) 技术创新点 利用细胞培养生产灵芝酸单体，结合生物发酵，生物工程技术与现代制剂技术，确定了灵 芝酸单体的制备工艺、药理学评价、制剂制备的工艺路线，并验证了工艺的可行性和稳定性。 此外，完成了灵芝酸有效成分的分子结构式的鉴定，建立了定性和定量分析方法；完成了药效 学研究、实验动物模型的建立、观察了灵芝酸扶正作用的药效学作用、增效作用研究；完成了 药物动力学研究，建立了灵芝酸生物体内定性和定量分析方法；进行了药物动力学研究，确定 了固体制剂的制备方法，为医药企业的产品开发与推广打下基础。

（1）技术属性说明本项目利用发酵工艺取得灵芝三萜类化合物，开展了临床前药理药效研究，并进行了药物动力学研究与固体制剂开发。（2）技术创新点利用细胞培养生产灵芝酸单体，结合生物发酵，生物工程技术与现代制剂技术，确定了灵芝酸单体的制备工艺、药理学评价、制剂制备的工艺路线，并验证了工艺的可行性和稳定性。完成了灵芝酸有效成分的分子结构式的鉴定，建立了定性和定量分析方法；完成了药效学研究、实验动物模型的建立、观察了灵芝酸扶正作用的药效学作用、增效作用研究；完成了药物动力学研究，建立了灵芝酸生物体内定性和定量分析方法；进行了药物动力学研究，确定了固体制剂的制备方法，为医药企业的产品开发与推广打下基础。已申请的国家发明专利：（1）灵芝酸单体Me环糊精包合物及其口服固体制剂的制备方法，申请号：200910050801.8，（2）灵芝酸在肿瘤生长或增殖抑制剂中的应用，申请号：CN200510026378.X（3）灵芝酸在癌症治疗中作为增敏增效剂和抑制剂的应用，申请号：CN200510112304.8（4）灵芝酸在制备癌转移抑制剂中的应用，申请号：CN200510112303.3（5）灵芝酸在癌症治疗中的应用， PCT申请号：PCT/CN2006/001171

研究团队创造性提出晶体表界面调控的“变异和遗传”生长机制，在国际上首次实现种类最全、尺寸最大的高指数晶面单晶铜箔库的制造。

可以量产/n1、研发净化疫区富营养化水。通过种植连藕、豆瓣菜与养植泥鳅相结合的模式，能在一定程度上防治高密度养殖带来的富营养化，表明这几种种养模式可使湖滩、江滩、沼泽地、水田等水体围拦种养水体形成一个良好的生态环境，大大提高了生产力。2、研发净化疫源。在模拟天然生态和人工湖滩围拦的条件下养殖黄鳝、克氏原螯虾、河蟹有吃食钉螺效果，养殖青虾等可吃食一部分蚊幼效果。以上实验说明在有钉螺繁生的疫区，围养黄鳝、克氏原螯虾、河蟹等动物可以遏制养殖水体中钉螺的种群，起到生物灭螺、蚊，提高生态效益的作用。3、研发提

本课题组开发了用计算机采样的智能型气道稳流试验台，结合运用现代气道结构优化理论和涡流叶片高度可变装置，实现气道参数化设计，对内燃机进气过程进行分析及优化，提高内燃机气缸盖产品性能和质量。开发了性价比高的内燃机工作过程测量分析系统，结合运用内燃机新型燃烧模型与燃烧分析软件对内燃机的燃烧过程进行分析及优化，促进内燃机的设计研制和生产开发，完善内燃机整机性能。在传统柴油机燃烧模型的基础上，建立了基于湍流火焰面分形理论的内燃机现象学准维燃烧模型，应用于一台双燃料发动机。项目荣获中国机械工业科学技术三等奖。

项目简介： 获取数字图像的多特征性，需要在其特征空间上构建或获取更多特征来发现元素间更复杂的依赖关系。