网上赌场真人发牌-澳门网上赌场空城

新冠肺炎常規(guī)通過(guò)病史、CT等進(jìn)行病情評(píng)估，但重癥病房應(yīng)用超聲不便，還需要評(píng)估重癥患者的心臟等多器官，然而操作者絕大多數(shù)不是專業(yè)超聲醫(yī)生，這為如何在治療重癥患者的過(guò)程中更好地發(fā)揮超聲的作用提出了難題。深圳國(guó)際研究生院袁克虹團(tuán)隊(duì)與深圳華聲醫(yī)療技術(shù)股份有限公司合作，用人工智能技術(shù)賦能5G超聲設(shè)備，增添采集心肺關(guān)鍵標(biāo)準(zhǔn)切面的導(dǎo)航以及關(guān)鍵參數(shù)的自動(dòng)測(cè)量等功能，輔助醫(yī)生對(duì)重癥病人進(jìn)行動(dòng)態(tài)評(píng)估和治療。 袁克虹團(tuán)隊(duì)與深圳華聲醫(yī)療技術(shù)股份有限公司1月中旬組成研發(fā)團(tuán)隊(duì)，在已有合作工作的基礎(chǔ)上，針對(duì)新冠肺炎重癥患者臨床超聲的迫切需求開(kāi)展聯(lián)合攻關(guān)，半個(gè)月就獲得了較好的成果。該技術(shù)從2月初開(kāi)始在武漢協(xié)和西院等多家醫(yī)院使用，在一定程度上輔助了醫(yī)生對(duì)重癥患者進(jìn)行疾病的動(dòng)態(tài)評(píng)估和治療指導(dǎo)。 目前該技術(shù)正由國(guó)家感染性疾病臨床研究中心（深圳市第三人民醫(yī)院）牽頭開(kāi)展進(jìn)一步研究，將完善和改進(jìn)現(xiàn)有功能，優(yōu)化遠(yuǎn)程診斷流程，實(shí)現(xiàn)超聲為醫(yī)生治療重癥患者提供更智能、更可靠、更專業(yè)的幫助。

項(xiàng)目簡(jiǎn)介： 水安全是一個(gè)國(guó)家社會(huì)與經(jīng)濟(jì)發(fā)展的基本保障。水資源的管理和 使用需要精確和及時(shí)的監(jiān)測(cè)。現(xiàn)有的水質(zhì)檢測(cè)技術(shù)需要不斷提高其便 攜性、降低成本、提高測(cè)量靈敏度，用來(lái)實(shí)現(xiàn)野外的實(shí)時(shí)水質(zhì)監(jiān)測(cè)。 本項(xiàng)目以 pH、pO2、溫度等水質(zhì)參數(shù)為出發(fā)點(diǎn)，通過(guò)小型化相關(guān) 傳感器和檢測(cè)設(shè)備，研發(fā)出可用于多參數(shù)水質(zhì)檢測(cè)的手持式設(shè)備。 項(xiàng)目特色： 用于水質(zhì)多參數(shù)檢測(cè)的手持式設(shè)備包括多個(gè)傳感器、傳感器信號(hào) 采集電路、低功耗藍(lán)牙（BLE）和窄帶物聯(lián)網(wǎng)（NB-IoT）等通訊電路 以及多傳感器融合算法等軟硬件模塊。 一般商用的 pH、pO2、溫度等水質(zhì)測(cè)量設(shè)備，需要使用市電供電， 只能在室內(nèi)使用或者工作環(huán)境必須有市電的接入口。使得水質(zhì)測(cè)量范 圍受限。并且多數(shù)水質(zhì)檢測(cè)設(shè)備體積較大，難以攜帶。少數(shù)可手持的 設(shè)備，成本高昂，功能單一，難以適應(yīng)室外多參數(shù)水質(zhì)檢測(cè)的需求。

本發(fā)明公開(kāi)了一種基于信息挖掘的智能決策支持構(gòu)造方法（ IDSSIM ) ，該方法完善并擴(kuò)充了現(xiàn)有智能決策支持系統(tǒng)的功能，改變了現(xiàn)有智能決策支持系統(tǒng)固有的運(yùn)行機(jī)制，將決策推理機(jī)制、 WEB 挖掘和 KDD ＊挖掘和領(lǐng)域?qū)＜抑R(shí)獲取有效地融入智能決策支持系統(tǒng)中，從而形成了一類具有“雙網(wǎng)”、“五庫(kù)”、綜合集成、多層遞階結(jié)構(gòu)模型的新型智能決策支持系統(tǒng)。此系統(tǒng)在結(jié)構(gòu)和功能上相對(duì)現(xiàn)有系統(tǒng)而言是一個(gè)開(kāi)放的、優(yōu)化的擴(kuò)體，并對(duì)智能決策系統(tǒng)的主流發(fā)展起著重要的推動(dòng)作用，有望形成新一代的智能決策支持系統(tǒng)概型。

本發(fā)明公開(kāi)了一種基于信息挖掘的智能決策支持構(gòu)造方法（ IDSSIM ) ，該方法完善并擴(kuò)充了現(xiàn)有智能決策支持系統(tǒng)的功能，改變了現(xiàn)有智能決策支持系統(tǒng)固有的運(yùn)行機(jī)制，將決策推理機(jī)制、 WEB 挖掘和 KDD ＊挖掘和領(lǐng)域?qū)＜抑R(shí)獲取有效地融入智能決策支持系統(tǒng)中，從而形成了一類具有“雙網(wǎng)”、“五庫(kù)”、綜合集成、多層遞階結(jié)構(gòu)模型的新型智能決策支持系統(tǒng)。此系統(tǒng)在結(jié)構(gòu)和功能上相對(duì)現(xiàn)有系統(tǒng)而言是一個(gè)開(kāi)放的、優(yōu)化的擴(kuò)體，并對(duì)智能決策系統(tǒng)的主流發(fā)展起著重要的推動(dòng)作用，有望形成新一代的智能決策支持系統(tǒng)概型。

太陽(yáng)能光伏發(fā)電綠色無(wú)污染，而且我國(guó)太陽(yáng)能資源豐富，水平面總輻射約 1680 吉瓦（1 吉瓦=1000 兆瓦=109瓦），大部分可以用于太陽(yáng)能光伏發(fā)電。隨著光伏材料以及相關(guān)技術(shù)的發(fā)展，光伏發(fā)電成本已經(jīng)大幅度降低，光伏能源作為一種新型清潔能源在我國(guó)的應(yīng)用規(guī)模迅速增長(zhǎng)。光伏發(fā)電已經(jīng)跨越了示范應(yīng)用階段，進(jìn)入了大規(guī)模推廣的階 段。近年來(lái)，光伏發(fā)電產(chǎn)業(yè)規(guī)模迅速增長(zhǎng)。截止到 2015 年 6 月底，中國(guó)光伏發(fā)電累計(jì)裝機(jī)容量達(dá)到了 35.78 吉瓦，其中光伏電站 30.07吉瓦，分布式光伏 5.71 吉瓦。根據(jù)美國(guó) IHS 咨詢公司預(yù)計(jì)，2015 年全球光伏裝機(jī)量增長(zhǎng) 16%~25%，達(dá)到 53-57 吉瓦之間。

本實(shí)用新型涉及一種帶有智能家居系統(tǒng)的拼接式樓房。本實(shí)用新型由拼接式樓房組件以及智能家居控制系統(tǒng)組成，所述拼接式樓房組建由設(shè)置于房間框架內(nèi)的基層以及設(shè)置于基層上的裝飾層和隔板組成，所述智能家居系統(tǒng)由服務(wù)器終端、安防系統(tǒng)、環(huán)境調(diào)控系統(tǒng)、網(wǎng)絡(luò)系統(tǒng)以及遠(yuǎn)程終端。本實(shí)用新型在建筑開(kāi)發(fā)商提供的最基礎(chǔ)的框架基礎(chǔ)上，購(gòu)房者可將內(nèi)部結(jié)構(gòu)靈活改變，由用戶定制。實(shí)施上按照功能可以由其他專業(yè)供應(yīng)商構(gòu)造（整體廚房、浴室已經(jīng)有專業(yè)分工，不需使用水泥來(lái)固定瓷磚，更換時(shí)簡(jiǎn)單無(wú)損耗，使得變換房屋構(gòu)型變成了更加容易）。本實(shí)用新型將多種市場(chǎng)通用產(chǎn)品集成，適合于家居的智能化，可構(gòu)建性價(jià)比較高的智能家居控制系統(tǒng)，遠(yuǎn)程控制方式靈活多樣，用戶可通過(guò)智能手機(jī)和PC機(jī)對(duì)家居隨時(shí)進(jìn)行監(jiān)控。

數(shù)據(jù)采集技術(shù) 可穿戴傳感器是接觸式傳感器。加速度傳感器測(cè)量運(yùn)動(dòng)加速度，心率、血壓和血氧傳感器檢測(cè)心率、血壓等生理數(shù)據(jù)。可將不同的傳感器集成在智能手環(huán)、腳環(huán)、腰帶等可穿戴設(shè)備中，以實(shí)現(xiàn)加速度、角速度和生理等數(shù)據(jù)的采集；物體和環(huán)境傳感器是非接觸式傳感器，常見(jiàn)的物體傳感器基于RFID技術(shù)，通常用于身份、物流等信息的識(shí)別。常見(jiàn)的環(huán)境傳感器有聲音傳感器、磁力計(jì)、氣壓傳感器、溫濕度傳感器和PM 2.5傳感器等，實(shí)現(xiàn)各種環(huán)境信息的采集。 多模態(tài)傳輸技術(shù) LPWAN (Low-Power Wide-Area Network，低功率廣域網(wǎng)絡(luò)) 在LPWAN技術(shù)出現(xiàn)以前，通信技術(shù)已經(jīng)有多種類別，短距離的有wifi、藍(lán)牙、zigbee等，長(zhǎng)距離的則有2G、3G、4G、5G等，但是如果把這些無(wú)線通信技術(shù)按照功耗與傳輸距離這兩個(gè)維度劃分的話可以發(fā)現(xiàn)在功耗低、距離遠(yuǎn)這個(gè)范圍的技術(shù)還欠缺，而LPWAN技術(shù)的出現(xiàn)正好彌補(bǔ)了這個(gè)短板。         LPWAN可分為兩類：一類是工作于未授權(quán)頻譜的LoRa、SigFox等技術(shù)；另一類是工作于授權(quán)頻譜的基于蜂窩組網(wǎng)的通信技術(shù)，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 專為低帶寬、低功耗、遠(yuǎn)距離、大量連接的物聯(lián)網(wǎng)應(yīng)用而設(shè)計(jì)。 最具前景的LPWAN技術(shù)——NB-IoT和LoRa： 物聯(lián)網(wǎng)（IoT）應(yīng)用需要考慮諸多因素，例如節(jié)點(diǎn)成本、網(wǎng)絡(luò)成本、電池壽命、數(shù)據(jù)傳輸速率(吞吐率)、延遲、移動(dòng)性、網(wǎng)絡(luò)覆蓋范圍以及部署類型等，可以說(shuō)沒(méi)有一種技術(shù)可以滿足IoT所有的需求。NB-IoT和LoRa兩種技術(shù)具有不同的技術(shù)和商業(yè)特性，也是最有發(fā)展前景的兩個(gè)低功耗廣域網(wǎng)通信技術(shù)。這兩種LPWAN技術(shù)都有覆蓋廣、連接多、速率低、成本低、功耗小等特點(diǎn)，都適合低功耗物聯(lián)網(wǎng)應(yīng)用。 LoRa （Long  Range）:     一個(gè)LoRaWAN網(wǎng)絡(luò)架構(gòu)中包含了終端、基站、NS(網(wǎng)絡(luò)服務(wù)器)、應(yīng)用服務(wù)器這四個(gè)部分。基站和終端之間采用星型網(wǎng)絡(luò)拓?fù)洌捎贚oRa的長(zhǎng)距離特性，它們之間得以使用單跳傳輸，終端節(jié)點(diǎn)可以同時(shí)發(fā)送信息給多個(gè)基站。基站則對(duì)NS和終端之間的LoRaWAN協(xié)議數(shù)據(jù)做轉(zhuǎn)發(fā)處理，將LoRaWAN數(shù)據(jù)分別承載在了LoRa射頻傳輸和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT構(gòu)建基于蜂窩網(wǎng)絡(luò)，只消耗大約180KHz的帶寬，可直接部署于GSM網(wǎng)絡(luò)、UMTS網(wǎng)絡(luò)或LTE網(wǎng)絡(luò)。NB-IoT是IoT領(lǐng)域一個(gè)新興的技術(shù)，支持低功耗設(shè)備在廣域網(wǎng)的蜂窩數(shù)據(jù)連接。NB-IoT支持待機(jī)時(shí)間長(zhǎng)、對(duì)網(wǎng)絡(luò)連接要求較高設(shè)備的高效連接。 NB-IoT具備四大特點(diǎn)：一是廣覆蓋，將提供改進(jìn)的室內(nèi)覆蓋，在同樣的頻段下，NB-IoT比現(xiàn)有的LTE網(wǎng)絡(luò)增益提升20dB，覆蓋面積擴(kuò)大100倍；二是具備支撐海量連接的能力，NB-IoT一個(gè)扇區(qū)能夠支持10萬(wàn)個(gè)連接，支持低延時(shí)敏感度、超低的設(shè)備成本、低設(shè)備功耗和優(yōu)化的網(wǎng)絡(luò)架構(gòu)；三是更低功耗，NB-IoT終端模塊的待機(jī)時(shí)間可長(zhǎng)達(dá)10年；四是更低的模塊成本，企業(yè)預(yù)期的單個(gè)接連模塊不超過(guò)5美元。 數(shù)據(jù)分析技術(shù) 人工智能研究的各個(gè)分支，包括專家系統(tǒng)、機(jī)器學(xué)習(xí)、進(jìn)化計(jì)算、模糊邏輯、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、推薦系統(tǒng)等。2012年以后，得益于數(shù)據(jù)量的上漲、運(yùn)算力的提升和機(jī)器學(xué)習(xí)新算法（深度學(xué)習(xí)）的出現(xiàn)，人工智能開(kāi)始大爆發(fā)。機(jī)器學(xué)習(xí)是一種實(shí)現(xiàn)人工智能的方法，深度學(xué)習(xí)是一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)。機(jī)器學(xué)習(xí)是用大量的數(shù)據(jù)來(lái)“訓(xùn)練”，通過(guò)各種算法從數(shù)據(jù)中學(xué)習(xí)如何完成任務(wù)。深度學(xué)習(xí)本來(lái)并不是一種獨(dú)立的學(xué)習(xí)方法，但由于近幾年該領(lǐng)域發(fā)展迅猛，一些其特有的學(xué)習(xí)手段相繼被提出（如殘差網(wǎng)絡(luò)），因此越來(lái)越多的人將其單獨(dú)看作一種學(xué)習(xí)的方法。深度學(xué)習(xí)的各種算法已成為行為識(shí)別主要應(yīng)用的技術(shù)，傳感器采集的各類信號(hào)，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等分類，識(shí)別出坐、走、跑、跳、上下樓等日常行為，也可以實(shí)現(xiàn)對(duì)被監(jiān)護(hù)者摔倒等異常行為的檢測(cè)。

太陽(yáng)能光伏發(fā)電綠色無(wú)污染，而且我國(guó)太陽(yáng)能資源豐富，水平面 總輻射約 1680 吉瓦（1 吉瓦=1000 兆瓦=109 瓦），大部分可以用于太 陽(yáng)能光伏發(fā)電。隨著光伏材料以及相關(guān)技術(shù)的發(fā)展，光伏發(fā)電成本已 經(jīng)大幅度降低，光伏能源作為一種新型清潔能源在我國(guó)的應(yīng)用規(guī)模迅 速增長(zhǎng)。光伏發(fā)電已經(jīng)跨越了示范應(yīng)用階段，進(jìn)入了大規(guī)模推廣的階 段。近年來(lái)，光伏發(fā)電產(chǎn)業(yè)規(guī)模迅速增長(zhǎng)。截止到 2015 年 6 月底， 中國(guó)光伏發(fā)電累計(jì)裝機(jī)容量達(dá)到了 35.78 吉瓦，其中光伏電站 30.07 吉瓦，分布式光伏 5.71 吉瓦。根據(jù)美國(guó) IHS 咨詢公司預(yù)計(jì)，2015 年 全球光伏裝機(jī)量增長(zhǎng) 16%~25%，達(dá)到 53-57 吉瓦之間。 項(xiàng)目特色和創(chuàng)新之處： 分布式光伏系統(tǒng)便于實(shí)施，是受到各級(jí)政府鼓勵(lì)的分布式電源模 式，但是由于在設(shè)計(jì)、管理和評(píng)價(jià)機(jī)制等方面的制約，特別是過(guò)高的 后期維護(hù)費(fèi)用，使其推廣過(guò)程遇到一些障礙。高效率的分布式光伏云 基于物聯(lián)網(wǎng)技術(shù)，對(duì)電站中光伏組件的輸出性能進(jìn)行實(shí)時(shí)的監(jiān)測(cè)，并 對(duì)形成的運(yùn)行數(shù)據(jù)進(jìn)行實(shí)時(shí)的大數(shù)據(jù)分析，從而獲得電站運(yùn)行的性能 評(píng)價(jià)指標(biāo)，以及可能影響電站性能的因素，并給出進(jìn)行電站性能優(yōu)化 的建議，提高電站產(chǎn)出。由于采用了高可靠性的無(wú)線數(shù)據(jù)采集技術(shù)， 可進(jìn)行無(wú)人化的值守和遠(yuǎn)程監(jiān)控，大大降低運(yùn)維費(fèi)用。 相比國(guó)內(nèi)產(chǎn)品，具有通信速率高、系統(tǒng)可靠穩(wěn)定等優(yōu)勢(shì)，達(dá)到國(guó) 際先進(jìn)水平。本項(xiàng)目方案綜合成本低，有利于增加光伏電站的透明度。 與國(guó)外同類產(chǎn)品相比，成本只有其 1/4 左右，具有很強(qiáng)的市場(chǎng)競(jìng)爭(zhēng)力。 組件級(jí)的光伏電站數(shù)據(jù)采集模塊。每塊太陽(yáng)能組件對(duì)應(yīng)一個(gè)電壓監(jiān)測(cè)模塊，方陣中每個(gè)組串串聯(lián)電流監(jiān)測(cè)模塊都通過(guò)本地通訊鏈路將 數(shù)據(jù)上報(bào)至數(shù)據(jù)中繼模塊，將數(shù)據(jù)通過(guò)電站路由器上傳至云數(shù)據(jù)服務(wù) 器，傳輸過(guò)程中進(jìn)行了數(shù)據(jù)加密，保證數(shù)據(jù)的可靠性和安全性，所有 的數(shù)據(jù)在云數(shù)據(jù)服務(wù)器內(nèi)進(jìn)行存儲(chǔ)與處理，用戶可通過(guò) PC 或移動(dòng)終 端進(jìn)行數(shù)據(jù)的調(diào)取和查看。 主要技術(shù)指標(biāo)及條件 組件級(jí)的電站數(shù)據(jù)采集系統(tǒng)具有速度快，可靠性高等特點(diǎn)，具體 的技術(shù)指標(biāo)如下： 最大采集頻率：120 次/分鐘 自身平均功耗：5mA 峰值功耗：150mW 環(huán)境溫度：-20~80℃ 最大電站規(guī)模：1GWp 應(yīng)用前景及社會(huì)價(jià)值： 該技術(shù)可以在已建或新建光伏電站上應(yīng)用，大幅提升光伏電站的 運(yùn)行質(zhì)量和發(fā)電量，降低運(yùn)維成本,最終實(shí)現(xiàn)光伏發(fā)電系統(tǒng)的智能管 理、智能運(yùn)維、智能監(jiān)控，使得光伏電站也真正進(jìn)入“智能化”時(shí)代。 該項(xiàng)技術(shù)能夠大幅提升國(guó)內(nèi)光伏電站的技術(shù)水平，從而為節(jié)能降耗做 貢獻(xiàn)。

基于無(wú)線網(wǎng)絡(luò)的AGV全智能物流系統(tǒng)是通過(guò)AGV的組網(wǎng)、物流管理及多信息的融合來(lái)達(dá) 到行駛路線易于更改、多AGV多路線進(jìn)行協(xié)作的功能，較之以往的物流系統(tǒng)是通過(guò)相應(yīng)的傳 感器識(shí)別標(biāo)志物，從而獲知行駛的路線，更加自動(dòng)化與智能化。本系統(tǒng)主要運(yùn)用的技術(shù)有多信 息融合技術(shù)、視覺(jué)導(dǎo)引技術(shù)、無(wú)線通訊技術(shù)、最短路徑規(guī)劃技術(shù)等。 該系統(tǒng)具有的創(chuàng)新性如下： (1) 多信息融合：將非接觸式IC卡應(yīng)用于AGV系統(tǒng)，可以提供必要的導(dǎo)航信息，對(duì)視覺(jué)信 息的不足進(jìn)行補(bǔ)充。其作為一種可讀寫(xiě)的數(shù)字化傳感器，可以對(duì)小車前方的軌跡進(jìn)行預(yù)報(bào)，增 強(qiáng)小車運(yùn)動(dòng)的智能性； (2) 預(yù)測(cè)學(xué)習(xí)導(dǎo)航模型：本項(xiàng)目中視覺(jué)導(dǎo)航所采用的是根據(jù)AGV的位置及攝像機(jī)視野建立 預(yù)測(cè)模型，在行駛的情況下以模糊控制的方法來(lái)對(duì)AGV的運(yùn)行狀態(tài)進(jìn)行控制，并在運(yùn)行過(guò)程 中不斷學(xué)習(xí)，不斷地修正模型中的參數(shù)，使其更精確地導(dǎo)航。 (3) 多路況的智能識(shí)別：可以對(duì)特定的路況進(jìn)行識(shí)別，包括彎道，十字，分叉等；可以支 持虛線和實(shí)線兩種識(shí)別方式。 (4) 物流管理調(diào)度：上位服務(wù)器可以實(shí)時(shí)地對(duì)AGV進(jìn)行監(jiān)視和控制，如果AGVS根據(jù)某種 需要，要求改變進(jìn)度表，則可以很方便地重新安排小車路線。 (5) 網(wǎng)絡(luò)無(wú)縫連接優(yōu)化：本項(xiàng)目中基于傳統(tǒng)的無(wú)縫鏈接技術(shù)之上，提出一種優(yōu)化模型可以 改善AGV在網(wǎng)絡(luò)間隔區(qū)域的通信問(wèn)題。 基于無(wú)線網(wǎng)絡(luò)的AGV全智能物流系統(tǒng)中的AGV額定負(fù)載能力為3~4000kg、最大速度：直 線36m/min，轉(zhuǎn)彎25m/min、工作速度：直線30m/min，轉(zhuǎn)彎20m/min、其自動(dòng)導(dǎo)航精度達(dá)到 ±10mm，停車精度達(dá)到±5mm。因此本物流系統(tǒng)能夠很好的滿足日常倉(cāng)儲(chǔ)物流、流水線物料 搬運(yùn)的要求，且精確性與實(shí)用性更高。

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)：