高等教育领域数字化综合服务平台
云上高博会服务平台 高校科技成果转化对接服务平台 大学生创新创业服务平台 登录 | 注册
|
搜索
搜 索
  • 综合
  • 项目
  • 产品
日期筛选: 一周内 一月内 一年内 不限
点击报名 | 建设教育强国·高等教育改革发展论坛之平行论坛“城市与高校融合发展论坛”
建设教育强国·高等教育改革发展论坛之平行论坛2025“城市与高校融合发展论坛”
中国高等教育学会 2025-05-09
关于举办第五届全国高校教师教学创新大赛全国赛的通知(第二轮)
各省(自治区、直辖市、新疆生产建设兵团)赛主办单位、牵头单位,学会各分支机构,有关高校: 根据《关于举办第五届全国高校教师教学创新大赛的通知》(高学会〔2025〕12号)及《关于举办第五届全国高校教师教学创新大赛全国赛的通知(第一轮)》要求,第五届全国高校教师教学创新大赛(以下简称大赛)全国赛现场评审定于2025年8月16-19日在北京理工大学举办,同期举办教师教学能力提升系列交流活动(以下简称系列活动),现将有关事项通知如下: 一、时间和地点 时间:2025年8月16-19日(16日报到) 地点:北京理工大学良乡校区 地址:北京市房山区良乡东路8-9号院 二、整体安排 三、参加人员 (一)入围全国赛588个参赛课程的主讲教师和大赛官方网站报名信息中的团队成员(每个团队限1人随行); (二)各省(自治区、直辖市、新疆生产建设兵团)赛(以下简称省赛)领队(各赛区不超过2名); (三)各赛区主办单位、牵头单位负责人(各赛区不超过5名); (四)大赛组织委员会、专家委员会、纪律与监督委员会和仲裁委员会; (五)参加系列活动、比赛观摩人员。 四、比赛组别 全国现场评审按新工科、新医科、新农科、新文科、基础课程、课程思政、产教融合,以及参赛主讲教师的专业技术职务等级或任职高校主管部门归属分组,并根据参赛课程数共分27个组,各参赛教师的场次与赛序通过抽签确定。 五、材料报送及准备 (一)现场汇报课件提交 8月11日17:00前,参赛主讲教师通过大赛官方网站提交教学设计创新汇报课件(课件不超过400M,命名形式为“参赛组别(按大赛官方网站显示组别)+作品编号+课程名称”,格式应为.PPT或.PPTX,版本为Microsoft Office 2021,全屏显示比例16:9)。提交的汇报课件不得出现参赛教师姓名及所在单位等相关个人信息(产教融合赛道行业企业信息不做硬性要求),提交时间截止后不可更改。 (二)准赛证打印 8月13-15日,参赛主讲教师在大赛官方网站查询所在组别并下载打印准赛证(含随行团队教师成员信息),请妥善保管。 六、比赛流程及相关要求 (一)参赛场次抽签与模拟 1. 参赛场次抽签(线上) 时间:8月17日09:00-12:00 方式:参赛主讲教师登录大赛官方网站进行随机抽签,确定大赛的场次。逾期未参与抽签者,将由系统自动分配场次,参赛主讲教师可于当天13:00后登录大赛官方网站查看所分配的场次。 2. 现场模拟 时间:8月17日09:00-14:00(具体时段安排详见报到时发放的《大赛活动手册》) 方式:赛场测试多媒体设备、熟悉场地 说明:赛场为长方形教室,讲台区配有86寸触屏一体机,教室采用粉笔书写黑板。汇报时使用的电脑操作系统为Windows10专业版,Office版本为Microsoft Office 2021,翻页器品牌为:得力(deli),型号2801。赛场及翻页笔示意图详见附件2。现场模拟期间不得修改PPT内容。 (二)比赛当日抽签与签到 8月18日全天为比赛日,依据各组参赛教师(团队)数,分不同场次。8月18日各场次的正式比赛开始时间分别为08:00、10:10、13:40、15:50、19:00。每一场次参赛教师(团队)需要在该场次正式比赛开始前30分钟到场检录,随后进行签到、赛序抽签及候场。 签到时须持身份证、准赛证,佩戴参赛证(胸卡),如有随行团队成员,须与参赛主讲教师同时签到方可进入赛场。参赛教师需在规定的检录时间准时到场,若正式比赛时段开始前15分钟未能完成检录,原则上视为弃赛。例如,08:00比赛,需07:30开始检录,07:45未完成检录的原则上视为弃赛。 (三)全国赛现场评审内容与要求 全国赛现场评审内容为教学设计创新汇报,必须由参赛主讲教师本人汇报,随行团队教师成员可联合汇报,原则上不得携带教具入场汇报,汇报总时长不超过12分钟。汇报后评审专家对参赛教师进行8分钟的提问交流。汇报和提问交流环节均不得泄露参赛教师(团队)姓名及所在单位等相关信息(产教融合赛道行业企业信息不做硬性要求)。 七、奖项设置 (一)个人(团队)奖 依据大赛通知实施方案,本次大赛全国赛个人(团队)奖,原则上按15%、35%、50%的比例设置一等奖、二等奖、三等奖。 (二)优秀组织奖 对大赛开展过程中教师参与度高、大赛成绩突出、影响力大的赛区组织单位和参赛高校,授予“优秀组织奖”。 八、领队相关工作 (一)领队信息报送 8月7日17:00前,各赛区牵头高校负责将本省(区、市、兵团)推选的全国赛现场评审阶段领队(限2名)的相关信息通过大赛官方网站报送,省赛管理员登录账号后,在“大赛管理——领队上报”模块添加领队。领队住宿酒店由大赛组委会统一按赛区安排。 (二)领队负责事宜 1. 报到、住宿信息确认 通知并确认本赛区参赛主讲教师、随行团队成员等在8月7日17:00前完成大赛官方网站或小程序上的参赛、住宿信息填报。 于8月16日在入住酒店报到处统一为本赛区参赛教师(团队)报到、领取并发放相关材料。 2. 参加赛前领队会议 组委会将于8月17日召开领队会议,各赛区领队须准时参会,明确赛程与注意事项。 3. 做好联络、协调工作 负责本赛区参赛教师(团队)在全国赛现场评审阶段的联络、协调等工作,确保比赛有序开展。 4. 组织参赛教师(团队)参加总结交流大会暨闭幕式 负责组织本赛区参赛教师(团队)准时参加8月19日的总结交流大会暨闭幕式。 九、报名及报到 (一)参赛主讲教师及随行团队成员 8月7日17:00前,参赛主讲教师通过大赛官方网站报送参赛信息。一位主讲教师最多可带全国赛申报书中的一位随行团队成员(产教融合赛道建议为行业企业兼职教师)现场参赛。各赛区管理员可通过大赛官方网站查看本赛区参赛教师、随行团队成员的报名信息。 报到时间:8月16日09:00-21:00 报到地点:所在住宿酒店 报到方式:赛区领队统一报到 (二)系列活动及比赛观摩人员 参加系列活动及比赛观摩,请于8月7日17:00前扫描下方二维码报名,同时可选择组委会推荐酒店。 报到时间:8月16日09:00-21:00 报到地点:指定酒店,具体安排见附件3 报到方式:自行报到并领取材料 (三)赛区嘉宾 各赛区牵头高校负责邀请本省(区、市、兵团)主办单位、牵头高校负责人(不超过5名),并在8月7日17:00前将嘉宾相关信息通过大赛官方网站报送,省赛管理员登录账号后,在“大赛管理——嘉宾上报”模块添加。嘉宾住宿酒店由大赛组委会统一安排。 十、系列活动及比赛观摩 (一)教师教学能力提升系列交流活动 大赛围绕智慧教育、素质教育、高校创新创业教育、工程硕博士人才培养、拔尖创新人才自主培养、高水平中外合作办学等内容举办系列活动,助力高校教师教学发展,提升高校人才自主培养能力。 参加系列活动人员凭胸牌进入会场。因会场容量有限,本次报名按照“先报先得,报满为止”的原则进行自由报名,每人可选一项系列活动,具体安排见附件1。 (二)观摩比赛 领队和比赛观摩人员凭胸牌进入观摩室。参赛教师(含随行团队成员)需在完赛后,方可进入观摩室。观摩室仅直播参赛教师创新汇报环节(12分钟),不直播提问交流环节(8分钟)。观摩时不可录音、摄像和拍照。观摩室容量有限,请根据比赛时段和实际满员程度,合理选择观摩场次。 十一、后勤保障 (一)住宿安排 大赛组委会提供推荐酒店。领队和参赛教师按赛区入住推荐的18家酒店,系列活动及观摩人员自选推荐酒店,赛区嘉宾入住推荐酒店,住宿费用自理,推荐线上支付。酒店信息详见附件3。大赛组委会为入住推荐酒店的人员提供交通等会议服务。如自行预订酒店,请在北京昊天假日酒店(地址:北京房山区良乡拱辰北大街1号)报到点领取资料。 (二)住宿信息填报 请于8月7日17:00前预订酒店,其中参赛主讲教师可通过大赛官网,在个人中心“随行团队成员上报和住宿酒店预订”模块预订酒店。参加系列活动及比赛观摩等人员扫描本文件第九部分“报名及报到”二维码,通过“系列活动、观摩人员报名和住宿预订”模块,完成信息填报和酒店预订。 (三)车辆安排 大赛组委会为参赛教师、领队以及参加系列活动人员提供指定酒店、赛场、食堂之间定时定点的摆渡车,大赛期间,校内各点安排循环车辆(具体安排详见现场发放的《大赛活动手册》)。全国赛期间,原则上乘坐大赛摆渡车进入校园。 十二、大赛官方网站 网址:nticct.cahe.edu.cn 十三、其他事项 (一)参赛教师(团队)应主动联系各赛区领队,做好赛前各项准备工作; (二)所有提交的参赛材料须保证原创性、真实性,不得抄袭、剽窃他人作品,如产生侵权行为或涉及知识产权纠纷,由参赛教师(团队)自行承担相应责任。如发现造假,将取消其参赛资格; (三)未尽事宜,将通过大赛官网、领队微信群和其他渠道进行发布。 十四、联系方式 (一)北京理工大学 联系人:蒋旻炜、孙锦茹 联系电话:010-68913023 (二)大赛官方网站技术支持 联系人:宁立霞、靳盼利、孔  岑 联系电话:15010870307、18911601757、18396834320 (三)中国高等教育学会 联系人:光  昊、薛晓婧 联系电话:010-82289129 附件:1. 教师教学能力提升系列交流活动安排 2. 赛场及翻页笔示意图 3. 推荐酒店信息 中国高等教育学会 2025年8月1日 点击下载通知文件:关于举办第五届全国高校教师教学创新大赛全国赛的通知(第二轮)
云上高博会 2025-08-04
一种基于信息挖掘的智能决策支持构造方法
本发明公开了一种基于信息挖掘的智能决策支持构造方法( IDSSIM ) ,该方法完善并扩充了现有智能决策支持系统的功能,改变了现有智能决策支持系统固有的运行机制,将决策推理机制、 WEB 挖掘和 KDD *挖掘和领域专家知识获取有效地融入智能决策支持系统中,从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体,并对智能决策系统的主流发展起着重要的推动作用,有望形成新一代的智能决策支持系统概型。
北京科技大学 2021-04-11
一种基于信息挖掘的智能决策支持构造方法
本发明公开了一种基于信息挖掘的智能决策支持构造方法( IDSSIM ) ,该方法完善并扩充了现有智能决策支持系统的功能,改变了现有智能决策支持系统固有的运行机制,将决策推理机制、 WEB 挖掘和 KDD *挖掘和领域专家知识获取有效地融入智能决策支持系统中,从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体,并对智能决策系统的主流发展起着重要的推动作用,有望形成新一代的智能决策支持系统概型。
北京科技大学 2021-04-11
高效率的分布式智能光伏云技术
太阳能光伏发电绿色无污染,而且我国太阳能资源丰富,水平面总辐射约 1680 吉瓦(1 吉瓦=1000 兆瓦=109瓦),大部分可以用于太阳能光伏发电。随着光伏材料以及相关技术的发展,光伏发电成本已经大幅度降低,光伏能源作为一种新型清洁能源在我国的应用规模迅速增长。光伏发电已经跨越了示范应用阶段,进入了大规模推广的阶 段。近年来,光伏发电产业规模迅速增长。截止到 2015 年 6 月底,中国光伏发电累计装机容量达到了 35.78 吉瓦,其中光伏电站 30.07吉瓦,分布式光伏 5.71 吉瓦。根据美国 IHS 咨询公司预计,2015 年全球光伏装机量增长 16%~25%,达到 53-57 吉瓦之间。
南开大学 2021-02-01
一种带有智能家居系统的拼接式楼房
本实用新型涉及一种带有智能家居系统的拼接式楼房。本实用新型由拼接式楼房组件以及智能家居控制系统组成,所述拼接式楼房组建由设置于房间框架内的基层以及设置于基层上的装饰层和隔板组成,所述智能家居系统由服务器终端、安防系统、环境调控系统、网络系统以及远程终端。本实用新型在建筑开发商提供的最基础的框架基础上,购房者可将内部结构灵活改变,由用户定制。实施上按照功能可以由其他专业供应商构造(整体厨房、浴室已经有专业分工,不需使用水泥来固定瓷砖,更换时简单无损耗,使得变换房屋构型变成了更加容易)。本实用新型将多种市场通用产品集成,适合于家居的智能化,可构建性价比较高的智能家居控制系统,远程控制方式灵活多样,用户可通过智能手机和PC机对家居随时进行监控。
河北师范大学 2021-05-03
基于智能物联网/5G的信息采集与应用
数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度,心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中,以实现加速度、角速度和生理等数据的采集;物体和环境传感器是非接触式传感器,常见的物体传感器基于RFID技术,通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等,实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network,低功率广域网络) 在LPWAN技术出现以前,通信技术已经有多种类别,短距离的有wifi、蓝牙、zigbee等,长距离的则有2G、3G、4G、5G等,但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺,而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类:一类是工作于未授权频谱的LoRa、SigFox等技术;另一类是工作于授权频谱的基于蜂窝组网的通信技术,比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa: 物联网(IoT)应用需要考虑诸多因素,例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等,可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性,也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点,都适合低功耗物联网应用。 LoRa (Long  Range):     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑,由于LoRa的长距离特性,它们之间得以使用单跳传输,终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理,将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT(Narrow Band Internet of Things) NB-IoT构建基于蜂窝网络,只消耗大约180KHz的带宽,可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术,支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点:一是广覆盖,将提供改进的室内覆盖,在同样的频段下,NB-IoT比现有的LTE网络增益提升20dB,覆盖面积扩大100倍;二是具备支撑海量连接的能力,NB-IoT一个扇区能够支持10万个连接,支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构;三是更低功耗,NB-IoT终端模块的待机时间可长达10年;四是更低的模块成本,企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支,包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后,得益于数据量的上涨、运算力的提升和机器学习新算法(深度学习)的出现,人工智能开始大爆发。机器学习是一种实现人工智能的方法,深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”,通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法,但由于近几年该领域发展迅猛,一些其特有的学习手段相继被提出(如残差网络),因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术,传感器采集的各类信号,通过卷积神经网络、循环神经网络等分类,识别出坐、走、跑、跳、上下楼等日常行为,也可以实现对被监护者摔倒等异常行为的检测。
山东大学 2021-05-11
高效率的分布式智能光伏云技术
太阳能光伏发电绿色无污染,而且我国太阳能资源丰富,水平面 总辐射约 1680 吉瓦(1 吉瓦=1000 兆瓦=109 瓦),大部分可以用于太 阳能光伏发电。随着光伏材料以及相关技术的发展,光伏发电成本已 经大幅度降低,光伏能源作为一种新型清洁能源在我国的应用规模迅 速增长。光伏发电已经跨越了示范应用阶段,进入了大规模推广的阶 段。近年来,光伏发电产业规模迅速增长。截止到 2015 年 6 月底, 中国光伏发电累计装机容量达到了 35.78 吉瓦,其中光伏电站 30.07 吉瓦,分布式光伏 5.71 吉瓦。根据美国 IHS 咨询公司预计,2015 年 全球光伏装机量增长 16%~25%,达到 53-57 吉瓦之间。 项目特色和创新之处: 分布式光伏系统便于实施,是受到各级政府鼓励的分布式电源模 式,但是由于在设计、管理和评价机制等方面的制约,特别是过高的 后期维护费用,使其推广过程遇到一些障碍。高效率的分布式光伏云 基于物联网技术,对电站中光伏组件的输出性能进行实时的监测,并 对形成的运行数据进行实时的大数据分析,从而获得电站运行的性能 评价指标,以及可能影响电站性能的因素,并给出进行电站性能优化 的建议,提高电站产出。由于采用了高可靠性的无线数据采集技术, 可进行无人化的值守和远程监控,大大降低运维费用。 相比国内产品,具有通信速率高、系统可靠稳定等优势,达到国 际先进水平。本项目方案综合成本低,有利于增加光伏电站的透明度。 与国外同类产品相比,成本只有其 1/4 左右,具有很强的市场竞争力。 组件级的光伏电站数据采集模块。每块太阳能组件对应一个电压监测模块,方阵中每个组串串联电流监测模块都通过本地通讯链路将 数据上报至数据中继模块,将数据通过电站路由器上传至云数据服务 器,传输过程中进行了数据加密,保证数据的可靠性和安全性,所有 的数据在云数据服务器内进行存储与处理,用户可通过 PC 或移动终 端进行数据的调取和查看。 主要技术指标及条件 组件级的电站数据采集系统具有速度快,可靠性高等特点,具体 的技术指标如下: 最大采集频率:120 次/分钟 自身平均功耗:5mA 峰值功耗:150mW 环境温度:-20~80℃ 最大电站规模:1GWp 应用前景及社会价值: 该技术可以在已建或新建光伏电站上应用,大幅提升光伏电站的 运行质量和发电量,降低运维成本,最终实现光伏发电系统的智能管 理、智能运维、智能监控,使得光伏电站也真正进入“智能化”时代。 该项技术能够大幅提升国内光伏电站的技术水平,从而为节能降耗做 贡献。
南开大学 2021-04-11
基于无线网络的AGV全智能物流系统
基于无线网络的AGV全智能物流系统是通过AGV的组网、物流管理及多信息的融合来达 到行驶路线易于更改、多AGV多路线进行协作的功能,较之以往的物流系统是通过相应的传 感器识别标志物,从而获知行驶的路线,更加自动化与智能化。本系统主要运用的技术有多信 息融合技术、视觉导引技术、无线通讯技术、最短路径规划技术等。 该系统具有的创新性如下: (1) 多信息融合:将非接触式IC卡应用于AGV系统,可以提供必要的导航信息,对视觉信 息的不足进行补充。其作为一种可读写的数字化传感器,可以对小车前方的轨迹进行预报,增 强小车运动的智能性; (2) 预测学习导航模型:本项目中视觉导航所采用的是根据AGV的位置及摄像机视野建立 预测模型,在行驶的情况下以模糊控制的方法来对AGV的运行状态进行控制,并在运行过程 中不断学习,不断地修正模型中的参数,使其更精确地导航。 (3) 多路况的智能识别:可以对特定的路况进行识别,包括弯道,十字,分叉等;可以支 持虚线和实线两种识别方式。 (4) 物流管理调度:上位服务器可以实时地对AGV进行监视和控制,如果AGVS根据某种 需要,要求改变进度表,则可以很方便地重新安排小车路线。 (5) 网络无缝连接优化:本项目中基于传统的无缝链接技术之上,提出一种优化模型可以 改善AGV在网络间隔区域的通信问题。 基于无线网络的AGV全智能物流系统中的AGV额定负载能力为3~4000kg、最大速度:直 线36m/min,转弯25m/min、工作速度:直线30m/min,转弯20m/min、其自动导航精度达到 ±10mm,停车精度达到±5mm。因此本物流系统能够很好的满足日常仓储物流、流水线物料 搬运的要求,且精确性与实用性更高。
华东理工大学 2021-04-11
人工智能药物筛选、药物设计及毒性预测算法
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:
辽宁大学 2021-04-10
首页 上一页 1 2
  • ...
  • 263 264 265
  • ...
  • 339 340 下一页 尾页
    热搜推荐:
    1
    云上高博会企业会员招募
    2
    64届高博会于2026年5月在南昌举办
    3
    征集科技创新成果
    中国高等教育学会版权所有
    北京市海淀区学院路35号世宁大厦二层 京ICP备20026207号-1