新葡京娱乐场-大陆娱乐场开户注册

產(chǎn)品詳細(xì)介紹InertSustain NH2是在新型硅膠基質(zhì)上鍵合了氨丙基的氨基柱，與市場(chǎng)上商品化的氨基柱相比，具有超高的穩(wěn)定性。氨基柱主要用于反相分離模式無法分離的化合物，例如糖類或者維生素E。然而，保留時(shí)間偏移是一個(gè)長(zhǎng)期存在的問題，由于采用了新型硅膠，InertSustain NH2可提供超好的重現(xiàn)性和穩(wěn)定性，從而保證定性和定量結(jié)果的準(zhǔn)確性。 物性參數(shù)硅膠 : 新型硅膠 鍵合相 : 氨丙基 孔徑 : 3, 5 μm 封端 : None 表面積 : 350 m2/g 含碳量 : 7 % 孔徑 : 100 ? (10 nm) 對(duì)應(yīng)USP編號(hào) : L8 孔體積 : 0.85 mL/g pH范圍 : 2～7.5 各品牌氨基柱穩(wěn)定性比較通過麥芽糖的保留時(shí)間比較市場(chǎng)上幾種商品化的氨基柱。如下圖實(shí)驗(yàn)結(jié)果表示，InertSustain NH2顯示出更高的穩(wěn)定性。麥芽低聚糖分析InertSustain NH2 分析柱InertSustain NH2 保護(hù)柱柱芯

產(chǎn)品詳細(xì)介紹詳細(xì)信息Inertsil SIL-100A:Inertsil SIL-100A采用我公司獨(dú)有的硅膠合成技術(shù)制作的理想的球狀硅膠，填料表面金屬殘留量極少，表面積以及微孔徑都得到控制。常規(guī)分析正相硅膠柱，用于極性較大化合物的分離分析，可獲得尖銳峰，色譜柱間重現(xiàn)性好，可實(shí)現(xiàn)穩(wěn)定的正相分析。色譜柱參數(shù)：※基體：3系列高純度硅膠※粒徑：5μm、5μm※微孔徑：100?※化學(xué)鍵合基團(tuán)：無※端基封尾：無※含碳量：-※USP號(hào)：L3訂貨信息：5μm 長(zhǎng)度/內(nèi)徑(mm) 2.1 3.0 4.0 4.633 5020-04311 5020-04321 5020-04331 5020-0434150 5020-04312 5020-04322 5020-04332 5020-0434275 5020-04313 5020-04323 5020-04333 5020-04343100 5020-04314 5020-04324 5020-04334 5020-04344150 5020-04315 5020-04325 5020-04335 5020-01711250 5020-04316 5020-04326 5020-04336 5020-01712

產(chǎn)品詳細(xì)介紹SPE-8數(shù)控固相萃取儀詳細(xì)介紹 SPE-8數(shù)控固相萃取儀配備了大容量進(jìn)樣系統(tǒng)，使大容量前處理變得更為方便，無需隨時(shí)關(guān)注儀器運(yùn)行，讓操作員有更多時(shí)間處理其它事務(wù)。   SPE-8數(shù)控固相萃取儀特點(diǎn) 1、精確控速，單道流速0.01-7ml/min，支持大體積進(jìn)樣和正壓洗脫，避免交叉污染 2、無級(jí)數(shù)控操作、LED數(shù)字顯示、可通過數(shù)字顯示轉(zhuǎn)速確定流速，并有定時(shí)功能； 3、耐腐蝕頂板，機(jī)箱磷化和多層環(huán)氧樹脂噴涂處理； 4、機(jī)箱結(jié)構(gòu)方便維護(hù)； 5、多通道，小柱接頭耐酸、堿、有機(jī)溶劑、氧化劑腐蝕； 6、美國(guó)專利技術(shù)電機(jī)，采用高精度數(shù)控技術(shù)，低能耗、低噪音； 7、數(shù)控泵管采用美國(guó)原裝長(zhǎng)壽命管材； 8、操作簡(jiǎn)單，單人操作可同時(shí)進(jìn)行1-8個(gè)樣品的處理，大大提高工作效率； 9、萃取速度一致性好、控制調(diào)整方便； 10、密封性好，穩(wěn)定性強(qiáng)，轉(zhuǎn)速與流速呈良好線性關(guān)系。 SPE-8數(shù)控固相萃取儀標(biāo)準(zhǔn)配置 - 主機(jī)1臺(tái) - 正壓洗脫專用架（24道）1套 - 進(jìn)口數(shù)控泵管1包（8條/包） - 備用國(guó)產(chǎn)數(shù)控泵管1包（8條/包） - 備用小柱接頭2個(gè) - 3ml正壓洗脫導(dǎo)流接頭1包（8支） - 6ml正壓洗脫導(dǎo)流接頭1包（8支） - 3ml大體積進(jìn)樣接頭1包（8支） - 6ml大體積進(jìn)樣接頭1包（8支） - 廢液管1包（8條）

產(chǎn)品詳細(xì)介紹號(hào)碼一一對(duì)應(yīng)進(jìn)行連發(fā)電機(jī)模擬負(fù)載箱/三相交流負(fù)載箱 HB-LOADBANK負(fù)載箱功能簡(jiǎn)介及操作方法 一． HB-LOADBANK負(fù)載箱概述 HB- LOADBANK負(fù)載箱是檢測(cè)柴油發(fā)電機(jī)組、大功率UPS、逆變器、開關(guān)電源等電源設(shè)備實(shí)際帶載能力的重要檢測(cè)設(shè)備。 二． HB-LOADBANK負(fù)載箱功能介紹 HB- LOADBANK負(fù)載箱有兩種操作模式：1.使用遠(yuǎn)程控制柜操作。2.本地控制面板操作。在使用遠(yuǎn)程控制柜或本地面板對(duì)負(fù)載箱進(jìn)行各項(xiàng)操作時(shí)，有相對(duì)應(yīng)的指示燈對(duì)每步操作進(jìn)行指示。 本負(fù)載箱為交流測(cè)試負(fù)載箱，測(cè)試電阻元件由上百個(gè)鎳鉻電阻絲組成。 電阻絲在進(jìn)行負(fù)載測(cè)試時(shí)，由風(fēng)機(jī)強(qiáng)制冷卻以保證其正常工作。負(fù)載箱設(shè)有風(fēng)向開關(guān)（AFS）保護(hù)，錯(cuò)誤的風(fēng)向?qū)⒆柚关?fù)載的投入。 風(fēng)機(jī)采用三相電機(jī)，電機(jī)采用星形連接，風(fēng)機(jī)電源由負(fù)載測(cè)試電源或獨(dú)立電源提供。電機(jī)功率為4kw，轉(zhuǎn)速為1470轉(zhuǎn)/分。 設(shè)有一個(gè)溫度傳感器，安裝于負(fù)載箱頂部，配套有一個(gè)調(diào)節(jié)溫控器。調(diào)節(jié)溫控器位于控制單元內(nèi)，工作范圍是0-400℃可調(diào)（設(shè)定值90℃）。當(dāng)負(fù)載箱內(nèi)部溫度超過溫控器設(shè)置的限值后，將脫開負(fù)載。 控制回路電源由負(fù)載測(cè)試電源提供。連接負(fù)載電源時(shí)注意：正確的相序A—B—C—N，錯(cuò)誤的相序連接將使風(fēng)扇反轉(zhuǎn)，無法進(jìn)行加載工作。 三． HB-LOADBANK負(fù)載箱遠(yuǎn)程控制柜操作簡(jiǎn)述 該負(fù)載箱配套有一遠(yuǎn)程控制柜，遠(yuǎn)程控制柜上有 “風(fēng)機(jī)開關(guān)”、“負(fù)載控制開關(guān)”各1個(gè),檔位的加/減“負(fù)載開關(guān)”共計(jì)11個(gè)檔位開關(guān)，并對(duì)應(yīng)有13個(gè)指示燈,另有遠(yuǎn)程控制指示燈一個(gè)。 當(dāng)測(cè)試負(fù)載電源送到接入母排后，負(fù)載箱進(jìn)入工作狀態(tài)。閉合“風(fēng)機(jī)開關(guān)”，風(fēng)機(jī)指示燈將變亮，等待2s后，閉合“負(fù)載控制開關(guān)”，加載指示燈亮后，方可正常加載。 每檔“負(fù)載開關(guān)”閉合后，其相應(yīng)的負(fù)載指示燈都將變亮，“負(fù)載開關(guān)”斷開后，指示燈熄滅 四． 操作前檢查 1. 觀測(cè)發(fā)電機(jī)的輸出電壓。（確認(rèn)輸出電壓是否為400V，如果為380V， 則每檔的功率需要相應(yīng)的調(diào)整）。 2. 觀測(cè)發(fā)電機(jī)的輸出功率。 3. 確認(rèn)接線端子上連接相應(yīng)平方數(shù)的電纜。 4. 確認(rèn)連接合適的接地保護(hù)電纜。 5. 確認(rèn)進(jìn)、排風(fēng)通道清潔，場(chǎng)地通風(fēng)良好，確認(rèn)排風(fēng)通道排出的熱空氣不會(huì)進(jìn)入進(jìn)風(fēng)通道產(chǎn)生 循環(huán)。 6. 閉合風(fēng)機(jī)開關(guān)，啟動(dòng)風(fēng)機(jī)，如果風(fēng)吹向進(jìn)風(fēng)口，則電源的相序接錯(cuò)，需調(diào)整相序。 7. 閉合負(fù)載開關(guān)，負(fù)載可用指示燈變亮。 五． 操作步驟： 1. 步進(jìn)操作 （1） 檢查所有負(fù)載開關(guān)是否在斷開位置（負(fù)載指示燈熄滅狀態(tài)） （2） 閉合風(fēng)機(jī)啟動(dòng)開關(guān)（風(fēng)機(jī)指示燈亮），觀察風(fēng)向，確定風(fēng)向無誤。 （3） 啟動(dòng)負(fù)載開關(guān)（負(fù)載指示燈亮），根據(jù)實(shí)際需要加載步進(jìn)開關(guān)。 （4） 根據(jù)實(shí)際需求加載，每閉合一擋負(fù)載開關(guān)，對(duì)應(yīng)的負(fù)載指示燈變亮。 （5） 加載結(jié)束，先斷開負(fù)載開關(guān)，對(duì)應(yīng)的負(fù)載指示燈熄滅。 （6） 保持風(fēng)機(jī)工作，持續(xù)1-2分鐘，確定負(fù)載箱完全冷卻。 （7） 斷開風(fēng)機(jī)開關(guān)（風(fēng)機(jī)指示燈熄滅） 2、突加突減操作 （1） 閉合風(fēng)機(jī)啟動(dòng)開關(guān)（風(fēng)機(jī)指示燈亮），觀察風(fēng)向，確定風(fēng)向無誤。 （2） 根據(jù)實(shí)際需求加載，每閉合一擋負(fù)載開關(guān)，對(duì)應(yīng)的負(fù)載指示燈變亮。 （3） 啟動(dòng)負(fù)載開關(guān)（負(fù)載指示燈亮），突加負(fù)載完成。 （4） 突加步驟完成后，直接關(guān)閉負(fù)載開關(guān)，突減步驟完成。 （5） 突加突減操作完成后，保持風(fēng)機(jī)工作，持續(xù)2-3分鐘，確定負(fù)載箱完全冷卻 （6） 關(guān)閉風(fēng)機(jī)開關(guān)。 （7） 建議作突加突減負(fù)載測(cè)試時(shí)，使用單獨(dú)的外接電源而不是使用測(cè)試電源。 注意：負(fù)載箱不提供過載或過流保護(hù),不要在無接地保護(hù)的情況下，操作負(fù)載箱；必須在門關(guān)的狀態(tài)下操作負(fù)載箱。 六． 負(fù)載箱與負(fù)載箱遠(yuǎn)程控制柜的連接 負(fù)載箱與負(fù)載箱控制柜之間使用 19根RV-ZR型1mm2電線進(jìn)行連接，連接時(shí)按端子排的接即可。端子排布方式見圖紙。 負(fù)載測(cè)試電壓 三相AC 0-400V /單相AC 0-600V 負(fù)載頻率 50HZ-60HZ 負(fù)載功率因數(shù) 阻性：1.0（感性、容性0.3-1.0特殊規(guī)格根據(jù)要求定制） 負(fù)載額定功率 功率分段 型號(hào) 外形尺寸 5KW 1、2、2 HB-ACT/S5K 350*430*700 10KW 1、2、2、5 HB-ACT/S10K 650*430*700 20KW 1、2、2、5、10 HB-ACT/S20K 650*580*700 30KW 1、2、2、5、10、10 HB-ACT/S30K 850*580*700 50KW 1、2、2、5、10、10、20 HB-ACT/S50K 1200*580*700 100KW 10、20、20、50 HB-ACT/S100K 1500*700*700 200KW 10、20、20、50、100 HB-ACT/S200K 1500*700*1000 500KW 10、20、20、50、100、100、200 HB-ACT/S500K 1800*1400*1400 工作電源 單相 AC 220V或三相380V 控制方式 手動(dòng)控制 冷卻系統(tǒng) 干式自冷、強(qiáng)制風(fēng)冷兩種冷卻方式 負(fù)載功能選擇 測(cè)量?jī)x表（電流、電壓、功率、功率因數(shù)），精度：0.5級(jí) 負(fù)載配選 1、遠(yuǎn)程控制/電腦控制 2、功率連續(xù)步進(jìn)（高精度連續(xù)可調(diào)） HB-DC直流可調(diào)負(fù)載箱系列 負(fù)載測(cè)試電壓 DC 2V/5V/12V/24V/30V/36V/48V/110V/220V/440V/600V/800V 負(fù)載額定功率 功率分段 型號(hào) 外形尺寸 5KW 1、2、2 HB-DC5K 350*430*700 10KW 1、2、2、5 HB-DC10K 650*430*700 20KW 1、2、2、5、10 HB-DC20K 650*580*700 030KW 1、2、2、5、10、10 HB-DC30K 850*580*700 50KW 1、2、2、5、10、10、20 HB-DC50K 1200*580*700 100KW 10、20、20、50 HB-DC100K 1500*700*700 200KW 10、20、20、50、100 HB-DC200K 1500*700*1000 500KW 10、20、20、50、100、100、200 HB-DC500K 1800*1400*1400 工作電源 單相 AC 220V或三相380V 控制方式 手動(dòng)控制 冷卻系統(tǒng) 干式自冷、強(qiáng)制風(fēng)冷兩種冷卻方式 負(fù)載功能選擇 測(cè)量?jī)x表（電流、電壓、功率、功率因數(shù)），精度：0.5級(jí) 負(fù)載配選 1、遠(yuǎn)程控制/電腦控制 2、功率連續(xù)步進(jìn)（高精度連續(xù)可調(diào)）

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，開發(fā)了多種計(jì)算機(jī)模型，可用于藥物開發(fā)中的多個(gè)階段，為藥物的快速設(shè)計(jì)開發(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20多萬個(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)器首頁致癌性預(yù)測(cè)結(jié)果頁相關(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，開發(fā)了多種計(jì)算機(jī)模型，可用于藥物開發(fā)中的多個(gè)階段，為藥物的快速設(shè)計(jì)開發(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20多萬個(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 致癌性預(yù)測(cè)結(jié)果頁 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)：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于門限的低復(fù)雜度MPA算法， 該算法通過設(shè)置置信度門限來及時(shí)對(duì)可靠的碼字進(jìn)行譯碼，或?qū)Πl(fā)送概率極低的碼字進(jìn)行 舍棄，從而有效地降低了原始MPA算法的復(fù)雜度。

本發(fā)明公開了一種并行 LLL 高維模糊度降相關(guān)算法，首先通過混合利用 Cholesky 下三角 LTL 分解 以及上三角 UTU 分解，提高 LLL 算法針對(duì)高維模糊度降相關(guān)的計(jì)算效率，增強(qiáng)高維模糊度降相關(guān)的能 力。其次為了得到降相關(guān)能力較強(qiáng)的 Z 變換矩陣，所以在每一次 QR 分解變換過程中，變換系數(shù)矩陣要 獲取較小的整數(shù)值，因此在每次下三角分解前先對(duì)模糊度協(xié)方差矩陣的行向量按內(nèi)積大小進(jìn)行升序排序， 而在上三角分解前先對(duì)矩陣的列向量按內(nèi)積大小進(jìn)行降序排列，由此求得的 Z 變換降相關(guān)性能更佳。最 后把算法正交變換過程中的取整運(yùn)算移至在求 Z 矩陣時(shí)取整，可以避免算法迭代過程中反復(fù)取整而引起 的誤差累積，解決算法發(fā)散的問題，從而進(jìn)一步提高并行 LLL 算法的計(jì)算效率和穩(wěn)定性。 

本成果針對(duì)空間目標(biāo)的運(yùn)動(dòng)特征，通過研究目標(biāo)距離徙動(dòng)軌跡與 等效運(yùn)動(dòng)模型，構(gòu)建了一個(gè)欠定的運(yùn)動(dòng)方程組，基于全局炳最優(yōu)化準(zhǔn) 則求解出目標(biāo)運(yùn)動(dòng)參數(shù)，提出了一種全新的距離對(duì)準(zhǔn)算法。實(shí)驗(yàn)結(jié)果 表明該算法具有較高的準(zhǔn)確性，更重要的是，距離對(duì)準(zhǔn)過程中不會(huì)引 入距離像隨機(jī)偏移誤差和高頻相位誤差，這也是應(yīng)用大轉(zhuǎn)角高分辨成 像方法的前提條件。