新葡京娱乐场-大陆娱乐场开户注册

環(huán)境中高毒性有機(jī)污染物通過(guò)各種途徑進(jìn)入環(huán)境水體，對(duì)環(huán)境、生物體系和人類(lèi)健康造成危害。目前，對(duì)環(huán)境水體中苯、苯酚、苯胺、硝基苯、多環(huán)芳烴等高毒性有機(jī)污染物的測(cè)定主要是離線測(cè)定方式，處理步驟復(fù)雜、檢測(cè)時(shí)間長(zhǎng)，易造成采樣誤差。現(xiàn)有軍用便攜式快速檢測(cè)高毒性有機(jī)污染物的設(shè)備只是半定量分析，且未在環(huán)保部門(mén)普及。本項(xiàng)目擬開(kāi)發(fā)環(huán)境水體中苯、苯酚、苯胺、硝基苯、苯并芘等高毒性有機(jī)污染物的便攜式監(jiān)測(cè)儀器，以特異性熒光試劑標(biāo)記不同污染物，用高靈敏熒光檢測(cè)技術(shù)，現(xiàn)場(chǎng)、快速檢測(cè)痕量高毒性有機(jī)污染物。具體來(lái)說(shuō)，采用新型深紫外發(fā)光二極管（LED）為光源，充分利用 LED 光源小體積、低功耗、長(zhǎng)壽命的優(yōu)點(diǎn)；基于光電二極管，自主研制低噪音、低漂移的光電放大電路探測(cè)；將光機(jī)電集成一體化，研制出小型、高靈敏、長(zhǎng)壽命原位水中高毒性有機(jī)污染物熒光檢測(cè)儀，并將其在山東省內(nèi)重點(diǎn)流域示范應(yīng)用。 

研究人員通過(guò)基因組學(xué)分析，預(yù)測(cè)了斑馬魚(yú)從胚胎到幼魚(yú)階段過(guò)程中心臟功能受損情況。團(tuán)隊(duì)還通過(guò)生物通路分析，首次解析了雙酚S造成心臟毒性的機(jī)理，闡明了雙酚S通過(guò)調(diào)節(jié)免疫因子，造成組織炎癥而干擾心臟功能的可能性。

呼吸是人類(lèi)的最基本生理需求。然而，空氣污染物的存在往往使這一基本需求難以得到保障。更有甚者，在一些特殊環(huán)境場(chǎng)所，空氣中可能存在高致病微生物如病毒和細(xì)菌、生化毒劑、毒素等嚴(yán)重危害人體健康甚至威脅生命。此外，空氣中也可能存在一些未知的有毒物質(zhì)，如不明病原體、化學(xué)物質(zhì)等。目前已有的空氣安全預(yù)警技術(shù)主要針對(duì)有限的幾種污染物或者有毒物質(zhì)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，無(wú)法覆蓋包括生物與化學(xué)威脅在內(nèi)的所有潛在威脅。空氣中的污染物種類(lèi)繁多，理論上很難發(fā)展一種同時(shí)監(jiān)測(cè)上千種污染物的儀器設(shè)備。另外，空氣毒性安全預(yù)警技術(shù)需要對(duì)空氣毒性做出快速響應(yīng)，以便為采取防御措施爭(zhēng)取寶貴的時(shí)間。這些要求都是對(duì)當(dāng)前技術(shù)的極大挑戰(zhàn)，很難實(shí)現(xiàn)對(duì)空氣的綜合毒性的實(shí)時(shí)預(yù)警。

多數(shù)有害氣體的密度都比空氣大，高濃度時(shí)甚至危及生命。在化學(xué)工業(yè)有毒氣體泄漏事故頻發(fā)的當(dāng)下，樂(lè)普樂(lè)吉適時(shí)推出了毒性化學(xué)品安全存儲(chǔ)柜。 嚴(yán)格的密閉設(shè)計(jì)，為用戶提供了最可信賴的安心。 FM認(rèn)證，符合FM6050標(biāo)準(zhǔn)

藥物活性與毒性篩選試劑盒是李紅玉教授團(tuán)隊(duì)經(jīng)歷 15 年研發(fā)的一種快速，簡(jiǎn)便，高效檢測(cè)藥品或健康食品活性與毒性篩選試劑盒。該技術(shù)利用國(guó)際認(rèn)可的能夠反映體內(nèi)活性與毒性的模式生物秀麗隱桿線蟲(chóng)作為篩選工具，配合特殊染料，能夠快速檢測(cè)受試品活性與毒性，也可利用該技術(shù)對(duì)藥品進(jìn)行二次開(kāi)發(fā)。具有獨(dú)立自主知識(shí)產(chǎn)權(quán)，已成功申請(qǐng)國(guó)家發(fā)明專(zhuān)利 5 項(xiàng)，美國(guó)專(zhuān)利 1 項(xiàng)。已為甘肅東方天潤(rùn)公司和上海中華藥業(yè)提供優(yōu)質(zhì)服務(wù)，并成功完成藥品，化合物，保健食品的活性開(kāi)發(fā)。該技術(shù)可以為藥物研發(fā)機(jī)構(gòu)，制藥企業(yè)，醫(yī)藥研究院所，化合物合成機(jī)構(gòu)

圍繞難降解有機(jī)工業(yè)廢水治理與毒性減排的難題，研發(fā)出毒害污染物資源化、高效轉(zhuǎn)化與毒性減排技術(shù)為核心的難降解有機(jī)工業(yè)廢水“物化-生化-物化”耦合集成技術(shù)與裝備，有效解決了精細(xì)化工、制藥、印染等行業(yè)難降解有機(jī)工業(yè)廢水穩(wěn)定達(dá)標(biāo)和毒性減排的技術(shù)難題。 基于新型酯基樹(shù)脂吸附的高水溶性芳香有機(jī)污染物資源化及其熱水再生技術(shù)，實(shí)現(xiàn)高鹽分、高有機(jī)溶劑廢水中芳香有機(jī)酸的綠色分離與回收。該樹(shù)脂（國(guó)家重點(diǎn)新產(chǎn)品：2007GRC11025）比表面積與吸附容量較國(guó)際同類(lèi)產(chǎn)品XAD-7（美國(guó)Dow）及HP2MG（日

本成果采用最新的深度學(xué)習(xí)和分子模擬算法，結(jié)合新一代分子特征化方法，開(kāi)發(fā)了多種計(jì)算機(jī)模型，可用于藥物開(kāi)發(fā)中的多個(gè)階段，為藥物的快速設(shè)計(jì)開(kāi)發(fā)提供一個(gè)完整的基于人工智能的解決方案。成果：1.藥物毒性預(yù)測(cè)方法：傳統(tǒng)的化合物毒性檢測(cè)技術(shù)一般需要使用生化試驗(yàn)、細(xì)胞實(shí)驗(yàn)、甚至動(dòng)物模型，這些方法不僅耗費(fèi)大量時(shí)間，而且成本很高。使用計(jì)算模型進(jìn)行有機(jī)化合物的毒性預(yù)測(cè)，所需投入較少，但產(chǎn)出巨大。特別是基于化合物的物理化學(xué)和結(jié)構(gòu)特性的計(jì)算模型，甚至能夠在化合物合成之前就對(duì)其進(jìn)行預(yù)測(cè)，大大提高了效率，使其越來(lái)越受到歡迎。在進(jìn)行體外和體內(nèi)試驗(yàn)之前先使用計(jì)算機(jī)模型對(duì)化合物進(jìn)行大規(guī)模的毒性篩選，能夠更好地解決候選藥物具有毒性的問(wèn)題。我們建立了一套新的基于多種分子指紋和機(jī)器學(xué)習(xí)算法的化合物毒性預(yù)測(cè)集成學(xué)習(xí)算法，運(yùn)用此集成學(xué)習(xí)算法建立了新的有機(jī)化合物致癌性、致突變性和肝毒性預(yù)測(cè)模型。我們分別建立了名為CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性預(yù)測(cè))、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預(yù)測(cè))、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預(yù)測(cè))的預(yù)測(cè)服務(wù)器，這些服務(wù)器能夠?yàn)槭褂谜咛峁└咝Ц憬莸念A(yù)測(cè)技術(shù)服務(wù)。自2017年服務(wù)器發(fā)表起，我們已為國(guó)內(nèi)外藥物分子設(shè)計(jì)研究者提供了5000多次共計(jì)超過(guò)20多萬(wàn)個(gè)化合物的毒性預(yù)測(cè)服務(wù)。在有機(jī)化合物毒性預(yù)測(cè)研究方向，我們主要完成了化合物的細(xì)胞毒性、心臟毒性、生殖毒性、血腦屏障透過(guò)性、水生生物毒性預(yù)測(cè)模型，以及糖尿病早期篩查模型的開(kāi)發(fā)，正在進(jìn)行P450酶阻滯劑性預(yù)測(cè)模型、基于圖神經(jīng)網(wǎng)絡(luò)的毒性預(yù)測(cè)算法研究、基于分子對(duì)接的化合物毒性預(yù)測(cè)研究等。相關(guān)研究成果已發(fā)表多篇學(xué)術(shù)論文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次數(shù)80，ESI 1%高被引論文；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.）致癌性預(yù)測(cè)服務(wù)器首頁(yè)致癌性預(yù)測(cè)結(jié)果頁(yè)相關(guān)綜述對(duì)本服務(wù)器的介紹RF-hERG-Score預(yù)測(cè)藥物引起的hERG相關(guān)心臟毒性2.藥物設(shè)計(jì)方法：在計(jì)算機(jī)上對(duì)藥物靶點(diǎn)和藥物分子的結(jié)構(gòu)和活性建模，計(jì)算藥物與靶點(diǎn)之間的相互作用關(guān)系，從而設(shè)計(jì)出具有治療作用的藥物。計(jì)算機(jī)輔助藥物設(shè)計(jì)可以為藥物設(shè)計(jì)各階段的實(shí)驗(yàn)方案提供有意義的指導(dǎo)，減少需要通過(guò)實(shí)驗(yàn)評(píng)估的候選藥物的數(shù)量，從而加快新藥研發(fā)速度。我們應(yīng)用分子對(duì)接、分子動(dòng)力學(xué)模擬、自由能計(jì)算、機(jī)器學(xué)習(xí)等方法研究流感病毒等重要疾病的計(jì)算機(jī)輔助藥物設(shè)計(jì)、并開(kāi)發(fā)更有效的計(jì)算機(jī)輔助藥物設(shè)計(jì)方法。在計(jì)算機(jī)輔助藥物設(shè)計(jì)研究我們主要完成了流感病毒M2質(zhì)子通道蛋白抑制劑虛擬篩選方法研究，正在進(jìn)行先導(dǎo)化合物生成模型研究、基于機(jī)器學(xué)習(xí)的虛擬篩選打分函數(shù)算法開(kāi)發(fā)、SARS-CoV-2病毒S蛋白與受體相互作用及藥物設(shè)計(jì)研究。特異性重打分函數(shù)顯著虛擬篩選性能顯著較高篩選出兩個(gè)候選抑制劑3.藥物靶點(diǎn)識(shí)別方法：長(zhǎng)非編碼RNA（lncRNA）是一種長(zhǎng)度在200nt至100,000nt之間的非編碼RNA，是轉(zhuǎn)錄物的主要成分。研究表明lncRNA在許多生物學(xué)和病理學(xué)過(guò)程中起著重要作用。lncRNA起作用的重要途徑是與其靶蛋白結(jié)合。lncRNA-蛋白質(zhì)相互作用的實(shí)驗(yàn)研究需要大量資源。累積的實(shí)驗(yàn)數(shù)據(jù)使得通過(guò)計(jì)算方法預(yù)測(cè)lncRNA-蛋白質(zhì)相互作用成為可能。我們使用各種數(shù)學(xué)建模和機(jī)器學(xué)習(xí)方法開(kāi)發(fā)了幾種用于預(yù)測(cè)lncRNA-蛋白質(zhì)相互作用的新模型。這些模型命名為：RWLPAP（隨機(jī)游走），LPI-NRLMF（鄰域正則化邏輯矩陣分解），IRWNRLPI（集成隨機(jī)游走和鄰域規(guī)則化Logistic矩陣分解），LPI-BNPRA（雙向網(wǎng)絡(luò)投影推薦算法），LPI-ETSLP（基于特征值變換的半監(jiān)督鏈路預(yù)測(cè)），HLPI-Ensemble（集成學(xué)習(xí)）。在交叉驗(yàn)證中，我們的模型獲得了較好的預(yù)測(cè)性能。lncRNA-蛋白質(zhì)相互作用預(yù)測(cè)模型的性能比較lncRNA-蛋白質(zhì)相互作用預(yù)測(cè)服務(wù)器相關(guān)軟件著作權(quán)：

本成果采用最新的深度學(xué)習(xí)和分子模擬算法，結(jié)合新一代分子特征化方法，開(kāi)發(fā)了多種計(jì)算機(jī)模型，可用于藥物開(kāi)發(fā)中的多個(gè)階段，為藥物的快速設(shè)計(jì)開(kāi)發(fā)提供一個(gè)完整的基于人工智能的解決方案。 成果：1.藥物毒性預(yù)測(cè)方法：傳統(tǒng)的化合物毒性檢測(cè)技術(shù)一般需要使用生化試驗(yàn)、細(xì)胞實(shí)驗(yàn)、甚至動(dòng)物模型，這些方法不僅耗費(fèi)大量時(shí)間，而且成本很高。使用計(jì)算模型進(jìn)行有機(jī)化合物的毒性預(yù)測(cè)，所需投入較少，但產(chǎn)出巨大。特別是基于化合物的物理化學(xué)和結(jié)構(gòu)特性的計(jì)算模型，甚至能夠在化合物合成之前就對(duì)其進(jìn)行預(yù)測(cè)，大大提高了效率，使其越來(lái)越受到歡迎。在進(jìn)行體外和體內(nèi)試驗(yàn)之前先使用計(jì)算機(jī)模型對(duì)化合物進(jìn)行大規(guī)模的毒性篩選，能夠更好地解決候選藥物具有毒性的問(wèn)題。我們建立了一套新的基于多種分子指紋和機(jī)器學(xué)習(xí)算法的化合物毒性預(yù)測(cè)集成學(xué)習(xí)算法，運(yùn)用此集成學(xué)習(xí)算法建立了新的有機(jī)化合物致癌性、致突變性和肝毒性預(yù)測(cè)模型。我們分別建立了名為CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性預(yù)測(cè))、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預(yù)測(cè))、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預(yù)測(cè))的預(yù)測(cè)服務(wù)器，這些服務(wù)器能夠?yàn)槭褂谜咛峁└咝Ц憬莸念A(yù)測(cè)技術(shù)服務(wù)。自2017年服務(wù)器發(fā)表起，我們已為國(guó)內(nèi)外藥物分子設(shè)計(jì)研究者提供了5000多次共計(jì)超過(guò)20多萬(wàn)個(gè)化合物的毒性預(yù)測(cè)服務(wù)。在有機(jī)化合物毒性預(yù)測(cè)研究方向，我們主要完成了化合物的細(xì)胞毒性、心臟毒性、生殖毒性、血腦屏障透過(guò)性、水生生物毒性預(yù)測(cè)模型，以及糖尿病早期篩查模型的開(kāi)發(fā)，正在進(jìn)行P450酶阻滯劑性預(yù)測(cè)模型、基于圖神經(jīng)網(wǎng)絡(luò)的毒性預(yù)測(cè)算法研究、基于分子對(duì)接的化合物毒性預(yù)測(cè)研究等。相關(guān)研究成果已發(fā)表多篇學(xué)術(shù)論文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次數(shù)80，ESI 1%高被引論文；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.） 致癌性預(yù)測(cè)服務(wù)器首頁(yè) 致癌性預(yù)測(cè)結(jié)果頁(yè) 相關(guān)綜述對(duì)本服務(wù)器的介紹 RF-hERG-Score預(yù)測(cè)藥物引起的hERG相關(guān)心臟毒性 2.藥物設(shè)計(jì)方法：在計(jì)算機(jī)上對(duì)藥物靶點(diǎn)和藥物分子的結(jié)構(gòu)和活性建模，計(jì)算藥物與靶點(diǎn)之間的相互作用關(guān)系，從而設(shè)計(jì)出具有治療作用的藥物。計(jì)算機(jī)輔助藥物設(shè)計(jì)可以為藥物設(shè)計(jì)各階段的實(shí)驗(yàn)方案提供有意義的指導(dǎo)，減少需要通過(guò)實(shí)驗(yàn)評(píng)估的候選藥物的數(shù)量，從而加快新藥研發(fā)速度。我們應(yīng)用分子對(duì)接、分子動(dòng)力學(xué)模擬、自由能計(jì)算、機(jī)器學(xué)習(xí)等方法研究流感病毒等重要疾病的計(jì)算機(jī)輔助藥物設(shè)計(jì)、并開(kāi)發(fā)更有效的計(jì)算機(jī)輔助藥物設(shè)計(jì)方法。在計(jì)算機(jī)輔助藥物設(shè)計(jì)研究我們主要完成了流感病毒M2質(zhì)子通道蛋白抑制劑虛擬篩選方法研究，正在進(jìn)行先導(dǎo)化合物生成模型研究、基于機(jī)器學(xué)習(xí)的虛擬篩選打分函數(shù)算法開(kāi)發(fā)、SARS-CoV-2病毒S蛋白與受體相互作用及藥物設(shè)計(jì)研究。 特異性重打分函數(shù)顯著虛擬篩選性能顯著較高 篩選出兩個(gè)候選抑制劑 3.藥物靶點(diǎn)識(shí)別方法：長(zhǎng)非編碼RNA（lncRNA）是一種長(zhǎng)度在200nt至100,000nt之間的非編碼RNA，是轉(zhuǎn)錄物的主要成分。研究表明lncRNA在許多生物學(xué)和病理學(xué)過(guò)程中起著重要作用。lncRNA起作用的重要途徑是與其靶蛋白結(jié)合。lncRNA-蛋白質(zhì)相互作用的實(shí)驗(yàn)研究需要大量資源。累積的實(shí)驗(yàn)數(shù)據(jù)使得通過(guò)計(jì)算方法預(yù)測(cè)lncRNA-蛋白質(zhì)相互作用成為可能。我們使用各種數(shù)學(xué)建模和機(jī)器學(xué)習(xí)方法開(kāi)發(fā)了幾種用于預(yù)測(cè)lncRNA-蛋白質(zhì)相互作用的新模型。這些模型命名為：RWLPAP（隨機(jī)游走），LPI-NRLMF（鄰域正則化邏輯矩陣分解），IRWNRLPI（集成隨機(jī)游走和鄰域規(guī)則化Logistic矩陣分解），LPI-BNPRA（雙向網(wǎng)絡(luò)投影推薦算法），LPI-ETSLP（基于特征值變換的半監(jiān)督鏈路預(yù)測(cè)），HLPI-Ensemble（集成學(xué)習(xí)）。在交叉驗(yàn)證中，我們的模型獲得了較好的預(yù)測(cè)性能。 lncRNA-蛋白質(zhì)相互作用預(yù)測(cè)模型的性能比較 lncRNA-蛋白質(zhì)相互作用預(yù)測(cè)服務(wù)器相關(guān)軟件著作權(quán)：

所屬領(lǐng)域：新能源與節(jié)能環(huán)保成果介紹：針對(duì)化工行業(yè)高毒性、低閾值VOCs，研發(fā)新型光電催化氧化技術(shù)，大大提高VOCs的去除效率，減少污染物的排放。

本發(fā)明提供延胡索乙素在制備抗順鉑毒性藥物中的應(yīng)用。所述毒性包括腎臟毒性、耳毒性及神經(jīng)毒性。研究表明，延胡索乙素對(duì)OCT2與MATE1具有抑制作用，能拮抗順鉑引起的細(xì)胞毒性，并在原代培養(yǎng)的腎小管上皮細(xì)胞模型上得到較好的驗(yàn)證。且以(-)-THP為代表，研究發(fā)現(xiàn)延胡索乙素對(duì)順鉑所致小鼠腎損傷具有很好的保護(hù)作用。因此，延胡索乙素與順鉑合用，可能減少順鉑在腎臟、耳蝸細(xì)胞及背根神經(jīng)節(jié)蓄積，從而達(dá)到預(yù)防或降低順鉑毒性的預(yù)期結(jié)果。本發(fā)明拓展了延胡索乙素的新用途；由于腎臟、耳蝸毛細(xì)胞及背根神經(jīng)節(jié)高表達(dá)OCT2，而腫瘤細(xì)胞上往往缺少OCT2的表達(dá)，順鉑具有一定的被動(dòng)透過(guò)性，因此，延胡索乙素與順鉑合用，減弱順鉑所致毒性的同時(shí)，并不會(huì)降低順鉑的抗腫瘤效果。