网上赌场真人发牌-澳门网上赌场空城

解決痛點(diǎn)，為顛覆而生，英利奧率先開創(chuàng)的新型橡膠材料SES彈性地板。獲得注冊商標(biāo)，國家發(fā)明專利，通過國際籃聯(lián)認(rèn)證、國際籃聯(lián)3×3認(rèn)證。 整體結(jié)構(gòu)充分體現(xiàn)了橡膠材料的超級彈性，顛覆傳統(tǒng)硬質(zhì)PP拼裝地板材質(zhì)硬、腳感差、摔倒硬著地受傷、擦傷、遇水打滑影響打球的所有痛點(diǎn)；超環(huán)保、超舒適、超緩震、超防滑、超耐候、超安全，“質(zhì)造”極致性能，提供絕佳運(yùn)動體驗(yàn)與安全防護(hù)。

成果簡介： 本項(xiàng)目確定了鹽酸莫西沙星的合成路線和產(chǎn)業(yè)化工藝，建立了具有實(shí)用價值的鹽酸莫西沙星的立體選擇性合成方法。對鹽酸莫西沙星的合成工藝進(jìn)行了優(yōu)化研究，對其結(jié)晶工藝、雜質(zhì)譜、晶型進(jìn)行了研究，對其進(jìn)行了結(jié)構(gòu)確證并且中試放大、對鹽酸莫西沙星原料藥穩(wěn)定性及質(zhì)量標(biāo)準(zhǔn)進(jìn)行研究，完成了鹽酸莫西沙星注冊報批資料總結(jié)與撰寫。

一、所屬類別 基礎(chǔ)、教學(xué)科研類實(shí)驗(yàn)設(shè)備類；實(shí)習(xí)實(shí)訓(xùn)設(shè)備及配套等。 二、相關(guān)專利技術(shù) CN202010106007.7    履帶車底盤、全地形履帶車及全地形行走方法 CN202011613628.0    機(jī)器人運(yùn)動控制方法、裝置、控制器及存儲介質(zhì) CN202111261356.7    雙足機(jī)器人的運(yùn)動軌跡規(guī)劃方法、裝置、設(shè)備及介質(zhì) CN202110232263.5    開關(guān)機(jī)的控制電路及方法 CN202110232355.3    機(jī)器人動作模仿方法、裝置、設(shè)備及存儲介質(zhì) CN202011501534.4    一種舵機(jī)的補(bǔ)償控制方法及舵機(jī)補(bǔ)償電路 CN202110574796.1    機(jī)器人的偏差信息確定方法、裝置、處理設(shè)備及介質(zhì) CN202011644180.9    機(jī)器人抗擾動控制方法、裝置、電子設(shè)備及存儲介質(zhì) CN202110311455.5    雙足機(jī)器人控制方法、裝置以及雙足機(jī)器人 CN202011611800.9    質(zhì)心軌跡的獲取方法、裝置、機(jī)器人及存儲介質(zhì) 三、基本情況 （一）應(yīng)用對象 應(yīng)用于機(jī)械類、自動化類、電子信息類、計算機(jī)類等相關(guān)專業(yè)人才培養(yǎng)，適用場景包括實(shí)驗(yàn)實(shí)訓(xùn)、教學(xué)科研及競賽等，方案以人才培養(yǎng)為目標(biāo)和課程建設(shè)為核心，基于機(jī)器人載體，提升人工智能與機(jī)器人技術(shù)教學(xué)科研水平。 （二）核心優(yōu)勢 核心產(chǎn)品為雙足人形機(jī)器人，該系列機(jī)器人獲得“小型雙足人形機(jī)器人步態(tài)算法”創(chuàng)新紀(jì)錄，“高韌性強(qiáng)扭矩復(fù)合材料舵機(jī)”打破國外技術(shù)封鎖，核心零部件實(shí)現(xiàn)國產(chǎn)化。 其中Aelos小型雙足機(jī)器人載STM32、Raspberry Pi-4B雙運(yùn)算系統(tǒng)，支持二次深度開發(fā)，支持多語言開發(fā)環(huán)境，滿足高校對于編程開發(fā)、人工智能應(yīng)用學(xué)習(xí)等需求，助力高校在機(jī)器人系統(tǒng)結(jié)構(gòu)、步態(tài)規(guī)劃、運(yùn)動控制、算法開發(fā)、場景應(yīng)用等方面的實(shí)踐學(xué)習(xí)。 Aelos小型雙足機(jī)器人 Roban中型雙足機(jī)器人基于ROS應(yīng)用平臺，搭載深度攝像頭，嵌入V-SLAM視覺算法，可以通過導(dǎo)航技術(shù)進(jìn)行建圖，實(shí)現(xiàn)自主路徑規(guī)劃和步態(tài)規(guī)劃，涉及運(yùn)動控制、計算機(jī)視覺、圖像處理、運(yùn)動規(guī)劃等多領(lǐng)域課程，能夠較好地滿足相關(guān)專業(yè)實(shí)驗(yàn)實(shí)訓(xùn)、研究開發(fā)、參加競賽等需求。 Roban中型雙足機(jī)器人 （三）商業(yè)模式 公司與高校在復(fù)合型人才培養(yǎng)、專業(yè)建設(shè)、課程建設(shè)、科研合作、師資培訓(xùn)、實(shí)訓(xùn)室搭建等方面開展深入合作，相關(guān)產(chǎn)品被用于各類學(xué)校的實(shí)際教學(xué)、實(shí)踐、實(shí)訓(xùn)。推廣路徑通過各類研討會、展會、大賽和專業(yè)渠道商進(jìn)行拓展。 四、推廣情況 （一）應(yīng)用案例 1.清華大學(xué) 與清華大學(xué)電子系合作共建《智能機(jī)器人設(shè)計實(shí)踐》專業(yè)限選課，基于人形機(jī)器人載體，學(xué)習(xí)機(jī)器人結(jié)構(gòu)原理，圖像識別，路徑規(guī)劃，AI芯片等內(nèi)容。合作入選中國高等教育學(xué)會“校企合作雙百計劃”典型案例。 2.哈爾濱工業(yè)大學(xué) 與哈工大開展人才聯(lián)合培養(yǎng)全面合作，雙方在開發(fā)校企聯(lián)合課程、共建聯(lián)合實(shí)驗(yàn)室、共建校外實(shí)習(xí)實(shí)踐基地、共同籌辦BOTEC智能機(jī)器人技術(shù)挑戰(zhàn)賽等方面進(jìn)行合作，并入選中國高等教育學(xué)會“校企合作雙百計劃”典型案例。 3.南方科技大學(xué) 與南科大機(jī)器人研究院共建的機(jī)器人聯(lián)合研究中心，在機(jī)器人關(guān)鍵核心技術(shù)攻關(guān)、專業(yè)課程建設(shè)、人才聯(lián)合培養(yǎng)等領(lǐng)域開展合作。雙方共建的基地被廣東省教育廳認(rèn)定為廣東省聯(lián)合培養(yǎng)研究生示范基地。 （二）應(yīng)用成效 解決了高校人工智能機(jī)器人方向的實(shí)驗(yàn)實(shí)訓(xùn)、教學(xué)科研、參加競賽等需求，有助于打造高水平、專業(yè)化的實(shí)踐科研條件。年均支撐高校開展教學(xué)科研項(xiàng)目不少于1項(xiàng)，科技競賽不少于2項(xiàng)，協(xié)助申報產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目等。 （三）推廣計劃 高校新增人工智能等新專業(yè)成為熱門，傳統(tǒng)工科專業(yè)也面臨課程改革要求，因此，通過開展智能機(jī)器人設(shè)備的應(yīng)用與實(shí)踐，推動相關(guān)專業(yè)人才的培養(yǎng)與發(fā)展，已是大勢所趨。推廣模式包括課程案例展示、以賽促教、舉辦研討會等。

醫(yī)療內(nèi)窺鏡是目前常用的一種臨床診斷工具，尤其對于消化科的醫(yī)生而言，他們通過內(nèi)窺鏡能直接觀察到人體消化器官內(nèi)部的病變情況，如潰瘍、腫瘤等，甚至還可以利用內(nèi)窺鏡進(jìn)行微創(chuàng)的外科手術(shù)，在醫(yī)學(xué)界應(yīng)用廣泛。與放射科的閱片相比，消化內(nèi)鏡是消化道病變篩查和診斷的金標(biāo)準(zhǔn)，也是微創(chuàng)和無創(chuàng)治療的主要手段。 由一款圍棋人工智能程序AlphaGo(阿爾法圍棋)開始，人工智能開始走進(jìn)大眾的視野。世界范圍內(nèi)對其的廣泛討論預(yù)示著人工智能時代已經(jīng)到來。隨著深度學(xué)習(xí)算法不斷發(fā)展、日益成熟，人工智能已逐步用于醫(yī)療影像分析領(lǐng)域。近年來，關(guān)于內(nèi)窺鏡影像在AI領(lǐng)域的發(fā)明成果如潮水般涌現(xiàn)。 在內(nèi)鏡檢查中，操作醫(yī)師將抓取的圖像和視頻保存到內(nèi)鏡報告系統(tǒng)中，再由診斷醫(yī)生根據(jù)這些抓取的影像出具診斷報告。由目前公開的內(nèi)窺鏡影像收集歸納系統(tǒng)中，尚未利用深度學(xué)習(xí)的方法來進(jìn)行胃、腸的內(nèi)窺鏡影像學(xué)習(xí)，進(jìn)而構(gòu)建一個較為全面的內(nèi)窺鏡影像的樣本庫。目前的方法不利于簡化醫(yī)生的操作且不具有數(shù)據(jù)歸一化處理和轉(zhuǎn)換能力，無法根據(jù)數(shù)據(jù)適用范圍的不同對數(shù)據(jù)進(jìn)行管理和提供智能的數(shù)據(jù)分析功能。 一種人工智能掃描內(nèi)窺影像樣本庫管理系統(tǒng)包括以下模塊：圖像輸入模塊，用于收集內(nèi)窺鏡圖片；按官方標(biāo)準(zhǔn)，將胃部或者腸部內(nèi)鏡視野分成多個部位，通過人工智能系統(tǒng)對從醫(yī)院內(nèi)窺鏡系統(tǒng)采集的圖像進(jìn)行預(yù)分類，并將影像數(shù)據(jù)上傳至系統(tǒng)指定文件目錄；登陸模塊，用于在注冊醫(yī)生登錄系統(tǒng)進(jìn)入當(dāng)前功能菜單后，對圖片進(jìn)行評圖，確認(rèn)該圖片類別是否正確；系統(tǒng)主控界面，用于進(jìn)行人機(jī)交互，并對圖像進(jìn)行顯示；業(yè)務(wù)功能模塊，包括：圖像分類單元、視頻庫單元、病灶標(biāo)記單元、我的任務(wù)單元、用戶信息單元；系統(tǒng)設(shè)置模塊，用于管理用戶與權(quán)限。本發(fā)明界面美觀友好、信息查詢靈活方便；對上傳影像數(shù)據(jù)智能分類，減少醫(yī)生操作，只需最終確定。 本系統(tǒng)產(chǎn)生的價值在于： 一、界面美觀友好、信息查詢靈活方便； 二、對上傳影像數(shù)據(jù)智能分類，減少醫(yī)生操作，只需最終確定； 三、數(shù)據(jù)庫管理模塊，具有數(shù)據(jù)歸一化處理和轉(zhuǎn)換能力，根據(jù)數(shù)據(jù)適用范圍的不同對數(shù)據(jù)進(jìn)行管理，提供智能的數(shù)據(jù)分析功能； 四、集成第三方標(biāo)記工具，標(biāo)記過程簡單清晰，結(jié)果數(shù)據(jù)穩(wěn)定可靠； 五、用戶權(quán)限設(shè)置合理，系統(tǒng)安全級別高； 六、防錯退出模式，保證系統(tǒng)安全穩(wěn)定運(yùn)行。

項(xiàng)目成果/簡介:醫(yī)療內(nèi)窺鏡是目前常用的一種臨床診斷工具，尤其對于消化科的醫(yī)生而言，他們通過內(nèi)窺鏡能直接觀察到人體消化器官內(nèi)部的病變情況，如潰瘍、腫瘤等，甚至還可以利用內(nèi)窺鏡進(jìn)行微創(chuàng)的外科手術(shù)，在醫(yī)學(xué)界應(yīng)用廣泛。與放射科的閱片相比，消化內(nèi)鏡是消化道病變篩查和診斷的金標(biāo)準(zhǔn)，也是微創(chuàng)和無創(chuàng)治療的主要手段。由一款圍棋人工智能程序AlphaGo(阿爾

新冠肺炎常規(guī)通過病史、CT等進(jìn)行病情評估，但重癥病房應(yīng)用超聲不便，還需要評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程中更好地發(fā)揮超聲的作用提出了難題。深圳國際研究生院袁克虹團(tuán)隊與深圳華聲醫(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)的自動測量等功能，輔助醫(yī)生對重癥病人進(jìn)行動態(tài)評估和治療。 袁克虹團(tuán)隊與深圳華聲醫(yī)療技術(shù)股份有限公司1月中旬組成研發(fā)團(tuán)隊，在已有合作工作的基礎(chǔ)上，針對新冠肺炎重癥患者臨床超聲的迫切需求開展聯(lián)合攻關(guān)，半個月就獲得了較好的成果。該技術(shù)從2月初開始在武漢協(xié)和西院等多家醫(yī)院使用，在一定程度上輔助了醫(yī)生對重癥患者進(jìn)行疾病的動態(tài)評估和治療指導(dǎo)。 目前該技術(shù)正由國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。

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)了多種計算機(jī)模型，可用于藥物開發(fā)中的多個階段，為藥物的快速設(shè)計開發(fā)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(yù)測方法：傳統(tǒng)的化合物毒性檢測技術(shù)一般需要使用生化試驗(yàn)、細(xì)胞實(shí)驗(yàn)、甚至動物模型，這些方法不僅耗費(fèi)大量時間，而且成本很高。使用計算模型進(jìn)行有機(jī)化合物的毒性預(yù)測，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)特性的計算模型，甚至能夠在化合物合成之前就對其進(jìn)行預(yù)測，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)之前先使用計算機(jī)模型對化合物進(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)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預(yù)測)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預(yù)測)的預(yù)測服務(wù)器，這些服務(wù)器能夠?yàn)槭褂谜咛峁└咝Ц憬莸念A(yù)測技術(shù)服務(wù)。自2017年服務(wù)器發(fā)表起，我們已為國內(nèi)外藥物分子設(shè)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(yù)測服務(wù)。在有機(jī)化合物毒性預(yù)測研究方向，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)測模型、基于圖神經(jīng)網(wǎng)絡(luò)的毒性預(yù)測算法研究、基于分子對接的化合物毒性預(yù)測研究等。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)測服務(wù)器首頁致癌性預(yù)測結(jié)果頁相關(guān)綜述對本服務(wù)器的介紹RF-hERG-Score預(yù)測藥物引起的hERG相關(guān)心臟毒性2.藥物設(shè)計方法：在計算機(jī)上對藥物靶點(diǎn)和藥物分子的結(jié)構(gòu)和活性建模，計算藥物與靶點(diǎn)之間的相互作用關(guān)系，從而設(shè)計出具有治療作用的藥物。計算機(jī)輔助藥物設(shè)計可以為藥物設(shè)計各階段的實(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)用分子對接、分子動力學(xué)模擬、自由能計算、機(jī)器學(xué)習(xí)等方法研究流感病毒等重要疾病的計算機(jī)輔助藥物設(shè)計、并開發(fā)更有效的計算機(jī)輔助藥物設(shè)計方法。在計算機(jī)輔助藥物設(shè)計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候選抑制劑3.藥物靶點(diǎn)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(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)使得通過計算方法預(yù)測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），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)測性能。lncRNA-蛋白質(zhì)相互作用預(yù)測模型的性能比較lncRNA-蛋白質(zhì)相互作用預(yù)測服務(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)了多種計算機(jī)模型，可用于藥物開發(fā)中的多個階段，為藥物的快速設(shè)計開發(fā)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(yù)測方法：傳統(tǒng)的化合物毒性檢測技術(shù)一般需要使用生化試驗(yàn)、細(xì)胞實(shí)驗(yàn)、甚至動物模型，這些方法不僅耗費(fèi)大量時間，而且成本很高。使用計算模型進(jìn)行有機(jī)化合物的毒性預(yù)測，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)特性的計算模型，甚至能夠在化合物合成之前就對其進(jìn)行預(yù)測，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)之前先使用計算機(jī)模型對化合物進(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)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預(yù)測)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預(yù)測)的預(yù)測服務(wù)器，這些服務(wù)器能夠?yàn)槭褂谜咛峁└咝Ц憬莸念A(yù)測技術(shù)服務(wù)。自2017年服務(wù)器發(fā)表起，我們已為國內(nèi)外藥物分子設(shè)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(yù)測服務(wù)。在有機(jī)化合物毒性預(yù)測研究方向，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)測模型、基于圖神經(jīng)網(wǎng)絡(luò)的毒性預(yù)測算法研究、基于分子對接的化合物毒性預(yù)測研究等。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)測服務(wù)器首頁 致癌性預(yù)測結(jié)果頁 相關(guān)綜述對本服務(wù)器的介紹 RF-hERG-Score預(yù)測藥物引起的hERG相關(guān)心臟毒性 2.藥物設(shè)計方法：在計算機(jī)上對藥物靶點(diǎn)和藥物分子的結(jié)構(gòu)和活性建模，計算藥物與靶點(diǎn)之間的相互作用關(guān)系，從而設(shè)計出具有治療作用的藥物。計算機(jī)輔助藥物設(shè)計可以為藥物設(shè)計各階段的實(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)用分子對接、分子動力學(xué)模擬、自由能計算、機(jī)器學(xué)習(xí)等方法研究流感病毒等重要疾病的計算機(jī)輔助藥物設(shè)計、并開發(fā)更有效的計算機(jī)輔助藥物設(shè)計方法。在計算機(jī)輔助藥物設(shè)計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 篩選出兩個候選抑制劑 3.藥物靶點(diǎn)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(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)使得通過計算方法預(yù)測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），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)測性能。 lncRNA-蛋白質(zhì)相互作用預(yù)測模型的性能比較 lncRNA-蛋白質(zhì)相互作用預(yù)測服務(wù)器相關(guān)軟件著作權(quán)：

采用前沿的深度學(xué)習(xí)算法和相關(guān)數(shù)據(jù)處理技術(shù)，經(jīng)過不斷優(yōu)化和創(chuàng)新，能夠在極短時間內(nèi)完成 CT 圖像的人體器官勾畫功能，目前已實(shí)現(xiàn) 30 多種器官的自動勾畫。大量歷史病例數(shù)據(jù)集和模型的不斷創(chuàng)新使 DeepViewer 多種器官的勾畫精準(zhǔn)度達(dá)到 95%以上。 

青少年人工智能資源與創(chuàng)新平臺為激發(fā)青少年利用原創(chuàng)算法解決真實(shí)復(fù)雜問題的興趣，面向全國中小學(xué)發(fā)布覆蓋人工智能主要技術(shù)領(lǐng)域的研究問題，設(shè)立相應(yīng)選題。 一、項(xiàng)目分類 關(guān)鍵核心技術(shù)突破 二、技術(shù)分析 主要功能： 資源中心。資源中心包含各個名師人工智能課程及應(yīng)用案例，還包含各類精品開源軟硬件資源的匯聚。 資訊通知。公告元卓計劃工作的最新動態(tài)及行業(yè)內(nèi)的最新消息。 直播頻道。邀請專家進(jìn)行直播互動。 在線編程。可以在網(wǎng)頁頁面中直接編寫代碼和運(yùn)行代碼。 互動論壇。注冊用戶可以在網(wǎng)站論壇討論課題。