Lomustine

会议推荐 2026第三届中国医药企业项目管理大会 2026第二届中国AI项目管理大会 2026第十五届中国PMO大会 2026第五届中国项目经理大会 本 文 目 录 1、AIDD算法Deep Docking辅助CADD完成药物研发 2、AIDD/CADD 技术赋能源头创新，我们做到了吗? 3、CADD-AIDD开源模型/工具分享(基于片段的药物设计) 一、AIDD算法Deep Docking辅助CADD完成药物研发 （原创 浮梦宁 计算化学大坑） 超大型对接数据库采样：在深度对接（DD）策略中，选择一个既能代表性又能平衡的训练集是至关重要的一步。这意味着，合适的DD训练集需要能够有效地映射出数据库中的化学多样性。我们期望通过增加样本量和对数据库进行预处理聚类，可以最终优化或实现化学空间的全面覆盖。然而，目前对数十亿的化学结构进行任何形式的聚类都不现实，而且研究表明，在进行对接前对大型库进行预聚类实际上会降低活性化合物的识别率，这会妨碍新型抑制剂或激活剂的发现。另外，如果抽样偏向于DD中预测为高概率虚拟命中的分子，那么一些排名较低的但实际上是有效的分子可能就会被忽略，不被选为模型训练的候选；因此，我们选择在所有DD迭代过程中采用随机抽样策略。最后，训练集的大小，即实际需要进行对接分析的分子数量，将直接影响计算的时间，因此需要精心控制。 为了建立ZINC15基础的最优采样，我们评估了DD训练集大小与测试集召回值的均值和标准差之间的关系，这反映了模型性能的一致性和其泛化能力。为此，我们评估了12个来自四个主要药物靶标家族的蛋白靶点 。 包括由雄激素受体（AR）、雌激素受体α（ERα）和过氧化物酶体增殖物激活受体γ（PPARγ）代表的核受体。激酶由钙/钙调蛋白依赖性蛋白激酶激酶2（CAMKK2）、细胞周期依赖性激酶6（CDK6）和血管内皮生长因子受体2（VEGFR2）代表。G蛋白偶联受体包括腺苷A2A受体（ADORA2A）、血栓素A2受体（TBXA2R）和血管紧张素II受体类型1（AT1R）。离子通道由Nav1.7钠通道（Nav1.7）、Gloeobacter配体门控离子通道（GLIC）和γ-氨基丁酸A型受体（GABAA）代表（关于所选靶标的更多详情见表S1）。对于所有12个研究的靶标，我们研究了样本大小与结果平均测试集召回值之间的关系，这似乎在训练集大小在25万到100万分子之间时趋于0.90（图2a）。我们还观察到，标准差在样本大小约为100万时趋于0（图2b）。因此，我们将100万分子设定为DD工作流程的标准采样大小。 （泛化能力指的是模型在未知数据上的表现能力。） ZINC15通过DD虚拟筛选的规模缩减：DD方法的主要目标是将包含数十亿条目的超大型对接数据库减少到一个可管理的、仍包含绝大多数虚拟命中的几百万分子子集。这个最终的分子子集可以使用一个或多个对接程序正常对接到目标上，或者可以用其他VS手段进行后处理。DD方法依靠通过扩展其训练集与每个前一次迭代预测的命中分子，同时决定性截断也逐渐变得更严格，来迭代改进深度神经网络（DNN）的训练。我们通过使用对接程序FRED对ZINC15的全部13.6亿分子针对上述引入的12个蛋白靶标进行筛选，广泛评估了这种DD协议的性能。值得注意的是，DD本身不是一个对接引擎，而是一个DL得分预测器，用于与任何对接程序结合使用，以快速排除先验不利的“不可对接”分子实体，因此极大地增加了实际对接的速度。 为了展示深度对接（DD）的强大能力，我们使用一套固定参数（如迭代次数、召回值等）测试了流程，以便在12个被研究的系统之间提供客观比较。可以预见，DD用户可能想要使用与我们不同的模拟参数，这些参数更适合他们的时间和资源分配：例如，对于拥有多个CPU和少量GPU的计算集群，较少的迭代次数、每次迭代更多的对接和较少的深度学习（DL）周期可能是最佳选择，反之亦然。 为了在我们的测试中，我们对每个靶标总共运行了11次DD迭代——一个初始训练步骤（需要对接300万条目以构建1百万个的训练、验证和测试集）和10个连续的迭代对接步骤，每个步骤涉及对接100万分子。因此，对于每个靶标，我们实际上只对接了1300万分子结构，这不到ZINC15的1.36亿条目中的1%。图3a展示了每次迭代用于区分命中和非命中的对接分数截断值。根据定义虚拟命中的标准，这些值在每次迭代中变得更加严格（详细方法见方法部分）。预期的是，大多数非命中分子在第一次迭代中被移除，对于所有靶标而言，由于在运行开始时存在更多不利的化合物，因此在后续步骤中丢弃的分子较少。我们观察到，命中率的减少和识别出的命中分子数量是依靶标而定的（图3b）。从DD进展的分析中另一个值得注意的观察是，训练集在每次迭代后有效改进，因为添加到训练集中的分子的对接分数在每一轮建模后都变得更负（更有利）（图3c）。这一观察标志着DD在识别和丢弃低分分子方面的性能逐渐增强，因此有利地增强了训练集。因此，我们预期DD在每次迭代后都可能提高虚拟命中的富集值，如图3d所示，这里计算了测试集中前100名由DNN模型排名的分子的富集值。数据表明，对于所有靶标，这些值在每次迭代后都有所增加，也表明每当训练集用前一次DD迭代中的分子增强时，模型的性能就会提高。 深度对接（DD）性能分析：早先的目标是将一个庞大的对接数据库减少至一个高度富集的小分子库，这些小分子可以使用传统的对接程序和计算资源进行处理。通过研究12个精选的目标，我们观察到最终剩余子集的大小介于原始庞大对接数据库的1%到12%之间。这些剩余的、经过DNN排名的富集库接下来可以进行后处理，以移除剩余的低分数分子。或者，DD可以进行直到一个庞大对接数据库的收敛。 DD对PPARγ蛋白的表现最佳，数据库大小减少到了1%。因此，考虑到训练模型以及后处理最终子集所需的对接，针对这个目标的ZINC15的DD筛选需要的对接分子数量比传统的虚拟筛选少50倍。另一方面，DD对GABAA目标的效果最差，在最后一次迭代后，因模型的精确度较低，剩下了ZINC15分子的12%。这些结果明确表明，像其他计算工具一样，DD的表现依赖于靶标。令人鼓舞的是，召回值在所有情况下都一致地传递到了测试集（见表S3）。我们还比较了基于测试集的每次迭代后DD预期返回的分子数量与实际应用DD模型到ZINC15时返回的数量，观察到没有显著差异。这些结果表明，所有基础的DL模型以一致的方式具有泛化能力。为了进一步评估DD的整体性能，我们评估了最终的全预测数据库富集（FPDE）值，这些值介于8到89之间，表明DD以依赖于靶标的方式富集了高分数分子的最终子集。如预期，FPDE值与DD预测的虚拟命中数量的趋势相匹配。 我们还探讨了DD方法如何处理存在于超大型对接数据库中的活性配体。对于所研究的五个系统，即雄激素受体（AR）、雌激素受体α（ERα）、过氧化物酶体增殖物激活受体γ（PPARγ）、血管内皮生长因子受体2（VEGFR2）和腺苷A2A受体（ADORA2A），有用的诱饵数据库增强版（DUD-E）提供了已确认的活性配体集（数据集的详细信息见表S2），我们将这些活性配体与来自ZINC15的100万个随机化合物（被视为非活性分子）一起对接到各自的靶点上。使用FRED进行对接的性能因靶标而异，AUC ROC值在0.52到0.91之间变化（图6a）。同时，我们评估了化合物的DD排名（在0.90召回值下评估）与其对接分数的相关性，特别是它们与用于定义最后一次迭代中虚拟命中和非命中的分数截断值的距离，使用随机样本的100万ZINC15分子对每个靶标进行对接（图6b）。DD显然倾向于将最终集合偏向于高对接分数，由于基于AUC值活性配体比非活性分子得分更好，我们预期活性配体被丢弃的速率低于非活性分子。因此，我们将活性配体的排名与它们从虚拟命中截断分数的距离对比（图6c）。不出所料，对于许多高分活性配体和良好AUC值的系统，如AR和ERα，所有高分活性配体都被保留。有趣的是，DD也以比剩余ZINC15非命中约高10倍的比率保留了所有目标的非命中得分的大量活性配体。 然后，我们为五个系统中排名前100000、1000000和10000000的分子计算了活性化合物的富集因子（EFs）。不出所料，AR和ERα的最高值观察到，对于前100000分子，EFs令人鼓舞地高，AR为660，ERα为477，而评估更大部分高分分子时一致地减少（图6d）。对于其他三个系统，当考虑不同大小时，未观察到明确的富集趋势。尽管如此，所有考虑的分子子集都富含活性配体，显示至少六的EFs。因此，选择排名靠前的DD分子子集似乎是一种有效的替代方法，通过降低召回值以限制最终对接的数量，当计算资源有限时。此外，计算所有DD命中的EFs 。 因此，DD不仅能从超大型对接数据库中提取受控部分的虚拟命中，而且还能用活性命中分子丰富最终的子集。值得注意的是，这种意外的DD特性能够保留活性分子，无论它们的得分如何，这导致了即使是表现接近随机对接性能的目标（如ADORA2A系统）也得到了富集。 讨论： 随着合成程序自动化程度的提高，现代药物发现活动的焦点将转向筛选越来越大的分子库，这些库由数十亿的化学结构组成。为了利用这一机遇，对接软件展现出了在更大的按需制造数据库上的改进性能，有效地发现了新颖、多样且非传统的化学类型，用于药物发现的努力。然而，值得注意的是，现代对接活动的大部分时间和资源都花费在处理不利的分子结构上，而且产生的“负面”数据也没有以任何方式或形式被利用。 因此，为了跟上不断扩大的化学大数据空间的步伐，并充分利用对接程序“即时”生成的结果，我们开发了深度对接（DD），一个基于深度神经网络（DNN）的方法，用于使用常规的计算和软件资源处理大型化学库。该方法依赖于使用选择的对接程序对超大型对接数据库（如ZINC15）的一小部分进行迭代对接，并使用生成的分数（有利和不利的）来训练基于配体的QSAR模型。这些模型然后使我们能够预测未处理数据库条目的对接结果。重要的是，深度学习允许使用简单的2D蛋白质独立描述符，如摩根指纹，来捕捉对接分数。我们已经证明，这种方法可以产生一个与有利“可对接”分子高度富集的数据库的可管理小子集。 二、AIDD/CADD 技术赋能源头创新，我们做到了吗? (药静教主 药融圈) 过去几年，数据分析、知识管理和人工智能在早期药物发现中的不可或缺的作用已经得到了认可。我们看到在人工智能驱动的生命科学公司领域的私人投资达到了前所未有的水平，2022年，全球AI制药融资仅TOP10的事件，总额就17.11亿美元，大额融资案例发生趋势不减。以及正在构建下一代AIDD平台的技术公司，例如Recursion、Exscientia以及更传统的CADD公司,例如Schrodinger成功公开上市。  图1：2022年全球AI制药融资TOP10 AIDD人共智能药物发现与设计技术 ，“小荷才露尖尖角” AIDD是近年来非常火热的技术应用，从新药设计到研发的大部分环节中，为新药发现与开发带来了极大的助力。尤其是以深度学习为代表的AI技术凭借其超大规模处理、学习数据能力、发现关系并构建模型能力，一定程度上避免了化合物设计过程中的试错路径，同时还带来许多全新结构，为药物发现打破常规的结构壁垒，优势得以凸显，目前AIDD已走过0到1阶段并走向由1到10阶段。且算力方面，由早期应用于药物发现领域的决策树、随机向量机等机器学习模型，进展到深度神经网络、卷积神经网络、循环神经网络等深度学习算法。具体到新药研发环节：如靶点识别，基于决策树来预测与疾病相关的基因，有研究者发现了多种EF在信号通路和胞外定位中的调控作用，并进一步基于靶点的结构和几何特征，选取一定量蛋白的数十个结合位点以及大量的非药物结合位点，构建随机森林分类器来预测药物靶点，并有研究者进一步采样提升了随机森林算法，成功的从非药物靶点中区分了药物靶点。再如，活性筛选方面，AIDD可以对候选化合物进行筛选，从而更快的筛选出作用于特定靶点且具有较高活性的化合物。 CADD计算机辅助药物设计， 下一次药物发现工业革命 CADD是一种数学工具，用于操作和量化潜在候选药物的性质，在促进药物设计过程和最小化时间和成本方面享有盛誉。市售的CADD软件包包括Discovery Studio、OpenEye、Schrdinger和MOE。这些程序通常涵盖了CADD所需的大部分功能，包括SBDD和LBDD方法。 CADD的基本工作流程可以与实验技术交互使用，以识别新的先导化合物以及直接迭代配体优化。该过程首先从生物学上鉴定一个假定的配体结合的靶点，该靶点应导致抗菌活性。在基于结构的药物设计（SBDD）中，目标的三维结构可以通过x-射线晶体学或核磁共振或使用同源建模来识别，这为使用方法筛选CADD SBDD奠定了基础。基于配体的药物设计（LBDD）是根据已知活性的小分子结构，建立药效团模型或定量构效关系，预测新化合物活性或改良原有化合物结构。CADD方法的信息用于设计化合物，然后进行化学合成和生物测定，来自这些实验的信息用于进一步开发SAR，从而在活性以及吸收、处置、代谢和排泄(ADME)方面进一步改进化合物。 图2：药物发现中的基本CADD工作流程。Wet-lab、SBDD和LBDD CADD技术分别用实线、虚线或虚线描述。双头箭头表示这两种技术可以在几轮迭代的配体设计中相互作用。 CADD领域可以追溯到70年代后期个人电脑的出现。1981年，CADD登上了《幸运》杂志的封面，被誉为“下一次工业革命”。  图3：CADD登上《幸运》杂志 过去十年该领域的飞跃主要归功于三个因素的融合:数据、算法和云计算。高通量实验，再加上曾经难以想象的大规模数字处理能力，使我们今天能够做一些即使在21世纪初，也会花费大量时间和成本的事情。现代算法——人工智能或其他——使我们能够利用稀疏的数据，这一问题仍然困扰着我们的行业。  当前的大流行使人们认识到迅速开发治疗方法的必要性，制药行业几十年来一直在努力应对这一挑战。然而，最引人注目的是，我们不仅看到了药物设计方式的转变，也看到了药物设计地点的转变。Boston Consulting Group发表的一项研究表明，人工智能本土药物研发公司的研发管道几乎呈指数级增长，这与大型制药公司早期研发管道的停滞形成了鲜明对比。 AI技术赋能源头创新药，我们真的做到了吗？ 越来越多的CADD和AIDD公司开始自己动手，用自己的平台创造资产，而不是简单地通过授权他们的工具或两者兼而有之为大型制药公司和生物技术公司提供支持。所以，考虑到最近的进展，最大的问题是:我们真的能利用人工智能技术研发出一种药物吗?答案是否定的。这主要是归结于： 生物学非常复杂，我们对生物学与疾病之间的关系的理解是有限的； 药物发现过程的许多组成部分没有针对速度和规模进行优化；  我们仍然缺乏足够的高质量和高数量的数据，以充分利用人工智能的潜力。 剑桥大学Andreas Bender和欧洲生物信息研究所的Isidro联合发表的观点表明：”药物研发中的人工智能需要有意义的定量变量和标签，但我们往往无法充分确定哪些变量很重要，无法在实验上，并且在足够大的范围内定义它们，也无法为人工智能的生物学贴上标签，使其在与该领域当前投资和希望相匹配的水平上取得成功。”换言之，可以说传统的CADD方法已经达到了“生产力的平台”阶段，但药物发现中的人工智能仍然处于炒作周期的 “膨胀预期顶峰”阶段，人工技术赋能新药研发离人类理想还有很长的路要走。 三、CADD-AIDD开源模型/工具分享(基于片段的药物设计) (原创 一位高手 AI-CADD药智引擎) AutoCouple：化合物片段拼接（virtual couplings）生成虚拟化合物库，支持对fragment hits的自动化组合文献：https://doi.org/10.1021/acscentsci.7b00401GitHub：https://github.com/Caflisch-Group/AutoCouple_Python-based AutoT&T：用于先导结构的自动生成与优化的多功能工具文献：https://doi.org/10.1021/acs.jcim.5b00691 网站：http://www.sioc-ccbg.ac.cn/software/att2（网站不可用）  CREM：基于片段的结构生成工具，可用于生成结构多样性并保持合成可行性文献：https://doi.org/10.1186/s13321-020-00431-wGitHub：https://github.com/DrrDom/crem CombiChem：一种组合式虚拟筛选方法，通过片段拼接生成lead-like分子以提升计算效率文献：https://doi.org/10.1021/acs.jcim.1c00630GitHub：https://github.com/karanicolaslab/combichem DeepFrag：基于深度学习的先导优化文献：https://doi.org/10.1021/acs.jcim.1c00103GitHub：https://github.com/durrantlab/deepfrag/ 网站：https://durrantlab.pitt.edu/deepfrag/ Fragment-hit-followup：基于片段的先导发现GitHub：https://github.com/matteoferla/Fragment-hit-follow-up-chemistry Fragmenstein：缝合化合物GitHub：https://github.com/matteoferla/Fragmenstein LigBuilder V3：多功能的结构基础de novo药物设计工具，适用于先导发现与结构优化 文献： https://www.frontiersin.org/journals/chemistry/articles/10.3389/fchem.2020.00142/full 网站：http://www.pkumdl.cn:8080/ligbuilder3/ MolOptimizer：基于Flask框架的片段筛选数据优化工具，支持配体对齐、描述符提取与机器学习建模GitHub：https://github.com/csbarak/MolOpt_Students_2023 OpenGrowth：自动化、理性化设计的新型蛋白配体生成算法文献：https://doi.org/10.1021/acs.jmedchem.5b00886 源代码：https://sourceforge.net/projects/opengrowth/ fragment_expansion (by Pat Walters)：Jupyter Notebook脚本，用于片段扩展GitHub： https://github.com/PatWalters/fragment_expansion/blob/master/fragment_expansion.ipynb NAOMINext：基于共晶结构的小片段，生成合成可行的先导化合物文献：https://doi.org/10.1016/J.EJMECH.2018.11.075 MolFrag：局部数字碎片化方法，可识别关键子结构，用于分子图中重点区域分析文献：https://doi.org/10.1038/s42004-024-01346-5GitHub：https://github.com/yang1rq/MolFrag网站：https://dpai.ccnu.edu.cn/MolFrag/ DeLinker：基于深度生成模型的3D连接子设计工具，用于连接片段生成完整分子文献：https://doi.org/10.1021/acs.jcim.9b01120GitHub：https://github.com/oxpig/DeLinker DiffLinker：等变3D条件扩散模型，可在片段之间补充连接原子，实现分子连接子生成文献：https://doi.org/10.5281/zenodo.10515726GitHub：https://github.com/igashov/DiffLinker BuildAMol：模块化片段设计工具箱，支持片段拼接与结构设计文献：https://doi.org/10.1186/s13321-024-00900-6GitHub：https://github.com/NoahHenrikKleinschmidt/buildamol FBDD_suite：片段筛选、对接、生长、连接、融合等功能的整合工具集GitHub：https://github.com/KeenThera/FBDD_suite REINVENT4：片段生长、连接、从头生成等一系列分子设计功能GitHub：https://github.com/MolecularAI/REINVENT4 DiffDec：基于口袋的R基团优化 Github：https://github.com/biomed-AI/DiffDec Maestro新版本的Ligand designer模块具有基于片段的结构优化方案，可无缝衔接分子对接，感兴趣可以试一下。 end 本公众号声明： 1、如您转载本公众号原创内容必须注明出处。 2、本公众号转载的内容是出于传递更多信息之目的，若有来源标注错误或侵犯了您的合法权益，请作者或发布单位与我们联系，我们将及时进行修改或删除处理。 3、本公众号文中部分图片来源于网络，版权归原作者所有，如果侵犯到您的权益，请联系我们删除。 4、本公众号发布的所有内容，并不意味着本公众号赞同其观点或证实其描述。其原创性以及文中陈述文字和内容未经本公众号证实，对本文全部或者部分内容的真实性、完整性、及时性我们不作任何保证或承诺，请浏览者仅作参考，并请自行核实。

1、虫口“夺粮” 学生实践团智斗迁飞害虫（来源：千龙网）在山东一片开阔农田上，两架无人机协同悬吊着一只昆虫缓缓升空，地面雷达即刻对准目标，展开精准探测与信号捕捉……这是北京理工大学“虫口夺粮”科创团队采集迁飞害虫数据的一幕。所谓迁飞害虫，是指不固定栖息、可借助季风气流跨区域远距离迁徙的农业害虫，其幼虫大规模啃食农作物，对粮食生产构成严重威胁。这支以电子信息工程专业学生为核心的团队，历经多年攻关，成功将微波雷达探测技术应用于迁飞害虫监测防治，实现了从理论研究、技术研发到田间实用设备的跨越，用实时精准的虫情预报，为农业生产筑起一道坚实的“空中防线”。http://k.sina.com.cn/article_5952915705_162d248f906702mcy0.html2、脑机接口技术能读取人的记忆？想多了随着脑机接口技术在医疗领域展现出的颠覆性应用前景，关于脑机接口技术能够直接读取人的思想和记忆的流言四起。专家表示，这种说法完全没有根据。最新一期“科学”流言榜揭晓，集中粉碎近期热门的健康流言。每月“科学”流言榜由北京市科学技术协会、北京市委网信办、首都互联网协会指导，北京科技记者编辑协会、北京地区网站联合辟谣平台共同发布。流言孩子太早戴眼镜度数涨得快真相民间流传的“眼镜越戴度数越深、戴了就摘不下来”的说法其实并无科学依据。相反，度数合适、验光准确的眼镜，是矫正屈光不正的重要辅助工具。因此，孩子一旦出现近视、远视、散光等屈光不正问题，应及时到正规医疗机构进行全面检查。http://k.sina.com.cn/article_1749990115_684ebae302001px3s.html3、某些南方水域，一网下去半网清道夫，网友：心理阴影都有了！在不久前的广西，有人在人造水库里面放生清道夫，寓意倒也不错，说“见者有福”。不过清道夫也是外来入侵的物种之一，繁殖力超强，一次产卵量能超1千枚，且每个月都能产卵。全身硬鳞的清道夫，不但难以入口，更没有美食方面的制作和养殖价值。目前，在南方的一些水系中，一网下去就能捞出半网子的硬鳞清道夫，别说食欲了，看到这网里的鱼估计心里都是阴影吧？在寺庙中，杭州灵隐寺比较出名。但今年就爆出过杭州灵隐寺旁的溪流中，有大量龟类死亡的新闻。新闻中报道当地的保洁人员，正在对灵隐寺旁的水质巡检，并将已经发现的放生龟打捞。http://k.sina.com.cn/article_6204222193_171cceaf100101gz9c.html4、实验教学中超声波辅助乙醇法提取茶叶咖啡因研究摘要：研究了超声波辅助乙醇提取法对茶叶中咖啡因提取的最佳方案.通过单因素和正交设计实验,绿茶在95%溶剂中经超声波预处理5 min后,得到咖啡因提取最佳条件为20% 超声功率比,70 ℃浸提温度,95% 乙醇浓度,100 mL溶剂用量和60 min浸提时间,咖啡因的提取量最高每6 g茶叶为99 mg,提取率为82.5%.该法操作简单,无环境污染,提出产物纯度高,提取率高.所得最佳参数可应用于教学实验和工业化生产中.http://k.sina.com.cn/article_7857201856_1d45362c001903a988.html5、康 · 学术 | Reaction of the Day No. 1636（来源：康龙化成）Enabling Access to sp3-Enriched Targeted Protein Degraders via Redox-Neutral Radical Cross-CouplingPhilipp Neigenfind1, Clara Gathmann1, Emily C Cherney2, Christopher G Parker1,3, Phil S Baran1*1 Department of Chemistry Scripps Research; 2 Discovery Development Sciences Bristol Myers Sqhttp://k.sina.com.cn/article_5953740931_162dee08306702ulzq.html6、怎么选冬虫夏草好坏?5步精准鉴别,避坑不踩雷作为冬虫夏草行业权威服务平台，西藏那曲虫草网深耕行业十余年，深耕产区溯源、普及行业知识、规范市场标准，常年收到消费者、从业者的核心咨询——“怎么选冬虫夏草好坏?”。冬虫夏草稀缺珍贵，市场上品质参差不齐，以次充好、人工造假乱象频发，轻则让消费者花高价买劣质虫草，重则影响食用安全。今天，西藏那曲虫草网结合实地产区调研、权威检测数据及行业实操经验，整理出5步科学鉴别方法，从外形到品质、从溯源到避坑，全方位教大家精准区分冬虫夏草好坏，助力选到正宗优质虫草。http://k.sina.com.cn/article_7857201856_1d45362c001903a9gg.html7、2025年癌症治疗重大进展揭晓据药明康德（603259）消息，2025年，癌症治疗领域迎来多项里程碑式突破，包括多款新药获FDA批准及研发进展，显著提升患者生存率并推动全球创新浪潮。在小分子领域，Jazz Pharmaceuticals的靶向蛋白降解剂Modeyso于8月获加速批准，用于治疗H3 K27M突变弥漫性中线胶质瘤患者；Arvinas（ARVN）与辉瑞（PFE）的vepdegestrant新药申请同月受理，用于ER+/HER2-乳腺癌；礼来（LLY）的口服SERD疗法Inluriyo于9月获批用于同类乳腺癌；罗氏的giredestrant在12月公布3期数据，降低早期乳腺癌复发风险30%。http://k.sina.com.cn/article_7857201856_1d45362c001903aa20.html8、曹郁-华中师范大学化学实验教学中心电话: +86-27-61311087传真: +86-27-67867954Email: caoyu@mail.ccnu.edu.cn研究糖化学：糖类药物、功能化多糖及其生物医用材料高分子：纳米自组装，药物传递系统，高性能的功能聚合物，天然高分子生物工程：仿生复合材料，酶催化改性材料参与了国家自然科学基金委创新研究群体科学基金和多项面上项目的科研工作，并主持承担了日本学术振兴会的科研资助项目和中国博士后科学基金资助金项目等多项科研任务。学习工作经历2007-现在华中师范大学化学学院，教授 2005 -2007   日本国立福井大学，日本学术振兴会外国人特别研究员。http://k.sina.com.cn/article_7857201856_1d45362c001903abc8.html9、暖冬[气象学名词]暖冬，是由气候变暖而产生的气象名词。气候专家把冬季冷暖这一现象分成暖冬、冷冬和正常冬季，即某年某一区域整个冬季的（全国范围冬季为上年12月到次年2月）平均气温高于常年值或称气候平均值0.5℃时，称该年区域为暖冬。[1]暖冬的判定基本要素为冬季（12月至次年2月）3个月的平均气温，在空间上分为气象观测单站、区域、全国三个范围等级。[2][3]温室气体增加、东亚冬季风减弱、厄尔尼诺-南方涛动（ENSO）活动、火山和太阳活动等被认为是导致气候变暖的主要原因。http://k.sina.com.cn/article_7857201856_1d45362c001903aca8.html10、铀浓缩环节详解:工艺流程、技术原理与分离功需求逻辑1、铀浓缩位于核燃料循环过程的中游天然铀开采制成铀精矿（黄饼）环节：采用湿法冶金把铀矿石中铀的有用组分转化为可溶性化合物提取铀的过程，产品形态主要为重铀酸盐和八氧化三铀（U3O8）。将水冶后生成的铀化合物再溶解精制、煅烧、冷却，生成二氧化铀（UO2）和八氧化三铀（U3O8）的过程。铀转化：一般是先将铀氧化物转化为四氟化铀，再将四氟化铀通过高温氟化转化为六氟化铀。六氟化铀是唯一一种既稳定又具有高度挥发性的铀化合物，非常有利于下一步对铀-235的浓缩，所以至今一直被用作富集工厂的供料。铀浓缩：用人工方法使铀-235丰度增加的过程。主要采用气体离心法。http://k.sina.com.cn/article_7857201856_1d45362c001903aclc.html11、小概率事件[一个事件的发生概率很小]小概率事件是一个事件的发生概率很小，那么它在一次试验中是几乎不可能发生的，但在多次重复试验中是必然发生的。在概率论中我们把概率很接近于0（即在大量重复试验中出现的频率非常低）的事件称为小概率事件。http://k.sina.com.cn/article_7857201856_1d45362c001903ad2o.html12、祝贺！王翔宇校友当选欧洲科学与艺术院院士-交通学院近日，我院校友王翔宇因在学术领域的卓越贡献，当选为欧洲科学与艺术院（EASA）院士。该院是全球科学与艺术界的顶尖学术机构，享有崇高声誉。当地时间 2026 年 3 月 7 日，欧洲科学与艺术院院士大会暨新当选院士颁证典礼在奥地利萨尔茨堡隆重举行，王翔宇校友受邀出席，并正式获颁欧洲科学与艺术院院士证书。祝贺！Congratulations！王翔宇 校友2000 年本科毕业于同济大学交通土建工程专业，2002 年、2005 年分别获美国华盛顿大学硕士学位、普渡大学博士学位。http://k.sina.com.cn/article_7857201856_1d45362c001903acz4.html13、华东交通大学学者在2024年度Research.com全球土木工程领域最佳科学家榜单中排名国内前列近日，Research.com发布了2024年度全球土木工程领域最佳科学家排名，华东交通大学王翔宇教授在中国单位任职的学者中排名第12位。  在土木工程领域，进入顶尖研究人员排名的接受标准是基于D-index、在特定领域的贡献比例、研究人员的奖励和成就，旨在客观真实地反映科学家的影响力。入选的科学家在土木工程及相关领域内作出了显著的贡献，不仅提升了各自学科领域的国际国内影响力，也为学科的发展和进步做出了重要贡献。  据悉，王翔宇教授现任华东交通大学土木基础设施智慧建维研究院执行院长，还是澳大利亚工程研究先锋人物及主要学术带头人，科睿唯安全球“高被引科学家”。http://k.sina.com.cn/article_7857201856_1d45362c001903ad7y.html14、无抗鸡蛋[无抗生素等药物残留的鸡蛋]无抗鸡蛋指通过严格养殖管理及检测，确保抗生素残留量低于痕量级检测限的无抗生素等药物残留鸡蛋。其要求在蛋鸡从进入产蛋期至养殖周期结束的生产周期内，采用不含抗微生物药和抗球虫药的饲料喂养，并通过不使用抗微生物药和抗球虫药的防疫及治疗手段养殖获得。[1][2]无抗鸡蛋的生产基地要选择无公害的农业生产基地，对于基地生产条件、周围环境都有较高要求。优质的鸡蛋来源于健康的鸡，只有健康的鸡才能产出无抗鸡蛋，鸡的品种需经过专门选育。蛋鸡采用特殊饲料配方，应使用天然植物提取物替代抗生素。http://k.sina.com.cn/article_7857201856_1d45362c001903ad9g.html15、欧洲癌症与营养前瞻性调查队列(EPIC):罕见癌症流行病学研究的新窗口 - 生物通本研究首次系统性地将 EPIC 队列应用于罕见癌症流行病学研究，证实了大规模前瞻性队列在解析罕见癌症病因中的独特价值。通过构建标准化数据库和交互式分析工具，研究团队为全球学者提供了探索罕见癌症风险因素的开放平台，尤其在验证已知风险因素（如烟酒）和发现潜在关联（如高血压与唇癌）方面展现了强大潜力。尽管存在观察性研究的固有局限（如无法确证因果关系、招募偏倚），但 EPIC 的长期随访数据和生物样本库为跨学科研究（如分子流行病学、药物靶点发现）奠定了基础。随着 2026 年 EPIC 数据库的更新，预计将纳入更多病例，进一步提升罕见癌症研究的统计效力。http://k.sina.com.cn/article_7857201856_1d45362c001903ad80.html16、【大公文汇】新突破!中国侵入式脑机接口助高位截瘫患者重建社会功能--中国科学院脑科学与智能技术卓越创新中心近日，中國科學院腦科學與智能技術卓越創新中心趙鄭拓、李雪研究團隊，聯合復旦大學附屬華山醫院及相關企業，成功完成第二例侵入式腦機接口臨床試驗。研究團隊採用高通量無綫侵入式腦機接口系統（WRS01），使一位高位截癱患者能夠通過腦電信號穩定操控智能輪椅與機器狗，在真實生活場景中實現自主移動與物品取用。該患者於2022年因脊髓損傷導致高位截癱，2025年6月植入由腦智卓越中心與合作企業共同研發的腦機接口系統。經數周訓練，患者已可穩定控制電腦光標與平板電腦。團隊進一步將系統拓展至三維物理設備控制，實現對智能輪椅與機器狗的連續、穩定、低延遲操控，幫助患者在複雜日常場景中完成多項功能活動。http://k.sina.com.cn/article_7857201856_1d45362c001903ad9s.html17、“超强厄尔尼诺将致最热年”冲上热搜，是真是假？__南方+_南方plus近日，“今明两年或成历史最热年份”“地球或将迎超级厄尔尼诺现象”等相关话题冲上网络热搜，引发公众广泛关注。多家媒体报道称，全球多个科研机构预测，今年晚些时候可能出现强厄尔尼诺现象，进而扰动全球气候，不仅可能引发极端高温、洪水、干旱等灾害，还可能进一步推高全球气温，导致今年和明年夏季气温攀升至历史新高。针对这些社会关切，记者采访了中国气象局专家，就相关问题进行解读。厄尔尼诺-南方涛动（ENSO）是发生在热带太平洋、具有3～7年周期的海气耦合振荡现象，是气候系统的自然变率。一般利用热带中东太平洋固定区域海表温度（SST）异常值（即偏离气候平均态的程度）持续的时间和强度来表示ENSO的位相。http://k.sina.com.cn/article_7857201856_1d45362c001903advy.html