新葡京娱乐场-大陆娱乐场开户注册

切割問題和裝填問題在學術界屬于一類經典的NP 難問題，它們有著眾多的變種，例如：一維的背包問題，二維的矩形切割問題，三維的裝箱問題等。其中以二維的場景應用最為廣泛，相關求解算法可以作為玻璃、板材、管材、服裝切割套料智能制造的算法內核。 本軟件的主要用途是針對玻璃切割的場景提出求解多約束的矩形切割問題的分層智能搜索算法，為玻璃切割方案提供全局優化，實現原料利用率的最大化，在節約資源的同時提高產量。

2018-2019參加了多個國家級、省級的各類創新創業大賽評審和創業指導工作，在創業指導中挖掘符合我們投資的項目。

【項目來源】江蘇省科技支撐計劃項目。 【類    別】中藥6（2）類新藥。 【劑    型】顆粒劑。 【知識產權】已授權專利1項。專利名稱：用于防治復發性口瘡的中藥復方制劑及其制備方法和應用，公開號：200910036045 【處方來源】南京中醫藥大學中醫內科學資深專家，在《蘭室秘藏》清胃散基礎上，結合歷代醫家論治口瘡的理論和實踐，反復篩選藥物，通過20年的臨床實驗研制而成的口服制劑。 【功能主治】清胃瀉火、養陰涼血。主治復發性口瘡心胃伏火，陰虛火炎證。 【主要技術指標】 1.藥學研究：已進行了制備工藝、中試、質量標準和穩定性研究。結果表明，口瘡平顆粒提取工藝簡便易行、質量可控；三批中試工藝所得產品收率均大于90%，主要指標成分小檗堿的轉移率均較穩定，批間工藝數據差異小；6個月加速試驗內各項質量指標均符合規定，可認為在有效期兩年內質量穩定，將有效期暫定為兩年。 2.藥效學和毒理學研究：口瘡平顆粒能明顯減少潰瘍數目，延長間歇期，縮小大鼠口腔潰瘍面積，促進口腔潰瘍愈合；具有抑制急性炎癥的作用，還能夠抑制慢性炎癥。毒理學研究表明口瘡平顆粒治療ROU安全有效，無明顯不良反應。 3.臨床研究：按規范的臨床試驗方案驗證使用數百例，追蹤觀察時間達1年以上。結果表明不僅能改善口瘡局部表現，促進潰瘍愈合，更能延長口瘡復發周期，乃至完全控制復發，尤其適宜頑固性口瘡。對白塞病口腔潰瘍、口腔扁平苔癬、慢性舌炎、灼口征、口臭、齒齦腫痛等也有較好療效。 【推廣應用前景】 本項目將目標定位為研制“治療頑固性口瘡潰瘍、防治口瘡復發的中藥復方新藥”，與目前市場熱銷品種形成錯位競爭，填補頑固性口瘡患者需長期服藥這一市場空缺，減少了在一開始就面臨強大競爭對手的阻擊；另一方面，“口瘡平顆粒”在科技水平上處于領先地位，具有較高的科技含量，提高了產品的競爭力。 口瘡平顆粒藥物組成均為中草藥，資源豐富，制備工藝無特殊要求，生產成本較低，無毒副作用，有希望成為國家治療口腔潰瘍的基本處方藥。在產品療效得到患者認可、品牌打響之后，還可以開發出更為便捷的劑型，進一步搶占同類藥物的市場。 【進展情況】已完成臨床前主要研究工作，獲發明專利1項，準備注冊申請臨床研究批文。

中試階段/n該成果的品種形態特征 子實體叢生，菌蓋淺黃褐色，菌蓋平均直徑73.77cm，菌蓋平均厚度4.57mm，菌蓋表面光滑有紋路；菌蓋邊緣平整，菌褶平均寬度7.4mm；菌柄平均長3.1cm、平均直徑1.6cm。2、栽培特性(1)配方:棉籽殼88%，麥麩10%，石灰2%。(2)發菌適宜條件:生長溫度范圍5～28℃ ，菌袋適宜發菌溫度20～25℃ ，基質含水量62%左右，酸堿度pH6～7，空氣相對濕度60%～70%，遮光。(3)催蕾方法和條件:

中試階段/n該成果符合市場需求的肉厚色白特性；子實體叢生，菌蓋灰白色、扇貝狀，菌蓋平均直徑69.57cm；菌蓋平均厚度為4.08mm；子實體表面光滑、有紋路；菌蓋邊緣平整；菌褶平均寬度5.8mm；菌柄短，菌柄平均長3.1cm，菌柄平均直徑1.6cm。

本成果采用最新的深度學習和分子模擬算法，結合新一代分子特征化方法，開發了多種計算機模型，可用于藥物開發中的多個階段，為藥物的快速設計開發提供一個完整的基于人工智能的解決方案。成果：1.藥物毒性預測方法：傳統的化合物毒性檢測技術一般需要使用生化試驗、細胞實驗、甚至動物模型，這些方法不僅耗費大量時間，而且成本很高。使用計算模型進行有機化合物的毒性預測，所需投入較少，但產出巨大。特別是基于化合物的物理化學和結構特性的計算模型，甚至能夠在化合物合成之前就對其進行預測，大大提高了效率，使其越來越受到歡迎。在進行體外和體內試驗之前先使用計算機模型對化合物進行大規模的毒性篩選，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器學習算法的化合物毒性預測集成學習算法，運用此集成學習算法建立了新的有機化合物致癌性、致突變性和肝毒性預測模型。我們分別建立了名為CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性預測)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預測)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預測)的預測服務器，這些服務器能夠為使用者提供更高效更便捷的預測技術服務。自2017年服務器發表起，我們已為國內外藥物分子設計研究者提供了5000多次共計超過20多萬個化合物的毒性預測服務。在有機化合物毒性預測研究方向，我們主要完成了化合物的細胞毒性、心臟毒性、生殖毒性、血腦屏障透過性、水生生物毒性預測模型，以及糖尿病早期篩查模型的開發，正在進行P450酶阻滯劑性預測模型、基于圖神經網絡的毒性預測算法研究、基于分子對接的化合物毒性預測研究等。相關研究成果已發表多篇學術論文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次數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.）致癌性預測服務器首頁致癌性預測結果頁相關綜述對本服務器的介紹RF-hERG-Score預測藥物引起的hERG相關心臟毒性2.藥物設計方法：在計算機上對藥物靶點和藥物分子的結構和活性建模，計算藥物與靶點之間的相互作用關系，從而設計出具有治療作用的藥物。計算機輔助藥物設計可以為藥物設計各階段的實驗方案提供有意義的指導，減少需要通過實驗評估的候選藥物的數量，從而加快新藥研發速度。我們應用分子對接、分子動力學模擬、自由能計算、機器學習等方法研究流感病毒等重要疾病的計算機輔助藥物設計、并開發更有效的計算機輔助藥物設計方法。在計算機輔助藥物設計研究我們主要完成了流感病毒M2質子通道蛋白抑制劑虛擬篩選方法研究，正在進行先導化合物生成模型研究、基于機器學習的虛擬篩選打分函數算法開發、SARS-CoV-2病毒S蛋白與受體相互作用及藥物設計研究。特異性重打分函數顯著虛擬篩選性能顯著較高篩選出兩個候選抑制劑3.藥物靶點識別方法：長非編碼RNA（lncRNA）是一種長度在200nt至100,000nt之間的非編碼RNA，是轉錄物的主要成分。研究表明lncRNA在許多生物學和病理學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合。lncRNA-蛋白質相互作用的實驗研究需要大量資源。累積的實驗數據使得通過計算方法預測lncRNA-蛋白質相互作用成為可能。我們使用各種數學建模和機器學習方法開發了幾種用于預測lncRNA-蛋白質相互作用的新模型。這些模型命名為：RWLPAP（隨機游走），LPI-NRLMF（鄰域正則化邏輯矩陣分解），IRWNRLPI（集成隨機游走和鄰域規則化Logistic矩陣分解），LPI-BNPRA（雙向網絡投影推薦算法），LPI-ETSLP（基于特征值變換的半監督鏈路預測），HLPI-Ensemble（集成學習）。在交叉驗證中，我們的模型獲得了較好的預測性能。lncRNA-蛋白質相互作用預測模型的性能比較lncRNA-蛋白質相互作用預測服務器相關軟件著作權：