Jinggangshan University

井冈山大学学位授权点建设年度报告（2025年度）学位授予单位名称：井冈山大学代码：10419授权学科（类别）名称：制药工程（专业型）代码：086002授权级别□博士þ硕士                2025年12月一、总体概况（一）学位授权点基本情况井冈山大学中医药学院隶属于医学部，学院主要承担药学、中医学等2个本科专业、以及生物与医药（制药工程方向）1个研究生专业的培养工作。学院现有医学实训、实验室总面积8000余平方米，教学、科研仪器设备总值3000余万元；设有生命科学馆、药学综合实验室、中草药植物园等医学与药学教学科研实践平台；有工信部专精特新产业学院、器官发育与表观遗传江西省重点实验室、吉安市医药生物技术重点实验室、井冈山大学临床医学研究中心、井冈山大学实验动物中心等教学科研机构；依托直属三级甲等综合性附属医院1所，非直属附属医院4所；有三级甲等实习基地35个、药学专业实践基地4个，包括科研院所、医院、制药企业和药品检验所。2021年，井冈山大学获批生物与医药专业学位授权点，并于2023年开始招收硕士研究生。生物与医药（制药工程方向）学位点主要有四大研究方向，分别是：生物材料与药物递送研发；恶性肿瘤发生发展的表观遗传新机制与有效治疗靶点识别；基于有效靶点的功能小分子药物研发与临床前研究；微生物、植物来源的抗肿瘤天然药物发现与临床前研究。本学位点依托学校优势学科，致力于培养德、智、体、美、劳全面发展，能够掌握生物与医药工程领域基础理论和先进技术，具备解决医药工程应用中实际问题的能力，具有承担本领域工程技术和工程管理工作，具有良好职业素养的复合应用型高层次工程技术和管理人才。（二）研究生状况学位点在研究生招生中，优化招生计划配置，择优录取，严把质量关。2025年录取研究生17人，现共有在读研究生65人。（三）研究生导师状况学位点2025年新增校内导师1人、校外导师4人，现共有校内导师34人（其中正高级职称7人、副高级职称21人，具有博士学位26人）、校外导师14人。二、研究生党建与思想政治教育工作（一）思想政治教育队伍建设本学位点在研究生培养全过程强化思政教育队伍建设，构建权责清晰的协同育人体系。学院党委副书记学院党委副书记是本学位点研究生思想政治教育工作第一责任人，统筹各培养环节思政规划；研究生导师在课题研究、学术规范等环节履行思政首要责任；辅导员负责日常思想引导与心理健康教育，承担直接责任。为实现思政教育贯穿培养全程，推动专业课教师、科研导师、实践指导教师形成合力，学位点核心课程嵌入学科发展史与科学家精神，科研训练强化学术诚信教育，社会实践融入国情调研理念，促进思政与培养环节深度融合。同时建立常态化赋能机制，通过专题研讨、案例分享提升队伍能力，持续增强各环节思政育人实效。（二）理想信念和社会主义核心价值观教育在学院的统一管理下，本学位点将理想信念和社会主义核心价值观教育贯穿研究生培养全过程。依托理论学习平台，通过专题讲座、读书分享会等形式，组织研究生系统学习党的创新理论成果。学院强化研究生党支部战斗堡垒作用，以规范组织生活筑牢思想根基，严格执行“三会一课”制度，结合学科特色设计支部主题党日活动，围绕科技报国、学术诚信等主题开展研讨活动。同时，将价值观教育融入科研实践，通过组织研究生参与乡村振兴调研、红色教育基地实践等活动，把爱国情、强国志转化为科研报国的实际行动，培育学生精益求精的敬业精神和团结协作的集体意识。（三）日常管理服务工作本学位点坚持管理育人、服务育人的理念，紧紧围绕我校高水平大学建设中心任务，学院党委副书记主管研究生思政建设，副院长分管研究生教学科研工作，设置学院研究生秘书1名，并为每个研究生班级配备班主任、辅导员各1名，管理人员各司其职，负责招生选拔、导师双选、课程教学、科研活动、实践活动等工作，管理服务日趋完善。 三、研究生培养相关制度及执行情况（一）课程建设与实施情况本学位点开设《中国特色社会主义理论与实践研究》《自然辩证法概论》《英语》《专业英语》4门公共学位课；《工程伦理》《数理统计》《科研方法论（含信息检索）》3门专业基础学位课；《现代生物技术与工程》《制药工程技术》2门专业学位课；《现代药理学》《计算机辅助药物设计》《科研技能培养专题》等9门非学位课程；并有专业实践、学位论文等实践培养。本学位点在2025年度严格遵守培养方案开设相关课程。（二）导师选拔培训本学位点根据《井冈山大学硕士研究生指导教师遴选办法》， 组织学院教师提交申请，学院对申请人资格进行审查，最终将推荐人员上报学校审核批准确定导师任职资格。 本学位点将导师培训与导师上岗挂钩，明确规定只有参加过培训的研究生导师才有上岗资格。针对新教师、新研究生导师，加强岗前培训，强化岗位意识，将师德师风、学术规范等主题列为上岗之前的必修课程；针对在岗导师，多途径搭建导师能力提升平台，鼓励和支持导师参加国际高层次学术会议，促进导师不断进取、保持科研创新活力，始终紧跟或处于本学科领域学术前沿。同时，依据《井冈山大学研究生指导教师考核管理办法》对导师进行规范管理。（三）师德师风建设情况本学位点建设过程中高度重视师德师风建设工作，坚持与学术培养同部署、同推进。建立导师师德考核机制，把师德表现作为导师选聘、评优的首要标准。定期开展师德专题培训，通过优秀教师事迹分享、警示教育案例学习，强化导师育人责任。严格落实学术道德规范，在课题指导、论文评审中强化学术诚信教育。引导导师以身作则，践行“四有”好教师标准，以高尚师德引领学生成长，形成以德立身、以德施教的良好育人氛围。（四）学术交流情况本学位点高度重视学术交流活动，2025年度先后邀请同济大学高绍荣院士、南昌大学陈晔光院士、北京大学朱怀球教授、同济大学姜远英教授、中国农业大学于政权教授、中国科学院卜鹏程教授、华东理工大学王启要教授、长江大学龚权教授等学者和行业专家做专题讲座，并组织举办了生物医药学科建设论坛暨首届映山红生命健康论坛、第十六届“同济学术周”医学专场，扎实提高学位点建设及研究生教育水平。（五）研究生奖助情况为提高研究生培养质量、促进研究生教育的持续健康发展，根据《井冈山大学全日制研究生收费及奖助管理暂行办法》，学位点建立了多元的研究生奖助体系：1.国家奖学金：每生每年20000元。具体名额按当年下达指标执行。2.江西省政府研究生奖学金：每生每年10000元。具体名额按当年下达指标执行。3.研究生学业奖学金：一等学业奖学金8000元、二等学业奖学金4000元、三等学业奖学金2000元，评选比例分别为30%、40%、30%。4.国家助学金：每生每年6000元，资助比例100%。5.校级助学金：每生每年4000元，资助比例100%。6.三助”(助教、助研、助管)津贴：研究生通过申请并承担相应岗位任务，按劳取酬。四、研究生教育改革情况（一）人才培养本学位点依托学校的优势学科，立足医药产业发展需求，打造药学与工学交叉融合的特色学科，构建“基础理论+工程实践+创新研发”的培养体系，致力于培养能够掌握生物与医药工程领域基础理论和先进技术，具备解决生物、医药、化工和环境工程应用中实际问题的能力，具有承担本领域工程技术和工程管理工作，具有良好职业素养的复合应用型高层次工程技术和管理人才。本学位点根据《井冈山大学研究生教育质量保障与监控体系》，严格遵循研究生教育规范，完善培养全流程管理，优化课程设置与实践环节衔接，推行“校企双导师”联合指导模式，强化工程实践能力培养，规范开题论证、中期检查和学位论文评审机制，确保学术训练质量。学院坚持“思政铸魂”，以“学术党建”为抓手，将职业道德与科研诚信教育融入培养各环节。通过行业先锋讲座、红色药企研学等活动，强化研究生社会责任与职业操守。研究生党支部在科研创新、志愿服务中发挥示范作用，形成思政育人与专业培养协同发展的良好格局。（二）教师队伍建设本学位点校内指导教师队伍达到34人，广泛参与制药工程硕士专业学位课程的教学。从职称结构看，教授7人，副教授21人，讲师6人，高级职称占比82%；从学历结构看，具有博士学位教师26人，占比76%。同时依托中医药学院药学系专任教师，共同打造一支师德高尚、业务精湛、充满活力的高素质专业化创新型研究生教育队伍。本学位点在教师队伍建设方面，始终坚持立德树人，突出党建引领，实现党建工作与教学科研工作协同联动，加强思想政治素质和师德师风考核把关。在导师选聘及人才引进中，严格实行师德师风问题一票否决制。（三）科学研究2025年度，本学位点发表学术论文30篇（研究生第一作者发表论文8篇，其中SCI收录6篇），授权发明专利6项，获批国家级项目2项、省部级项目7项、市厅级项目4项。五、教育质量评估与分析本学位点2025年招生生源结构呈多元化，包括山东中医药大学、南京医科大学、南京林业大学、吉林大学、贵州中医药大学等高校生源，生源质量较好。学位点现已形成健全的管理机构、人员配备和规章制度，培养了一支具有药学、医学专业背景的校内外导师队伍，共同为研究生制订培养计划，同时高度重视思想政治教育队伍建设，并通过研究生党支部扎实推进研究生党建工作，建立健全研究生培养全过程的监控和质量保证体系。截至目前，本学位点已毕业研究生 14 人，学位论文盲审无异常，人才培养质量总体稳定可控。本学位点在专业实践建设方面还存在不足之处，包括科研创新成果产出较少，高影响力论文数量不足，专利申请较少；同时人才实践能力偏弱，毕业设计与行业实际需求结合不紧密，实践成果向行业应用转化渠道不畅。六、改进措施针对问题提出改进建议和下一步思路举措：（1）建立科研成果质量导向机制，设立高水平论文与专利转化奖励；积极邀请专家开展科研培训，提升研究生创新动力与能力；定期举办研究生学术论坛，搭建学术交流展示平台，鼓励分享科研进展与成果。（2）重构实践教学体系，将行业前沿问题纳入毕业设计选题，搭建实践成果转化平台，整合企业需求与师生成果，鼓励研究生加入校企联合攻关团队，承担企业技术需求中的子课题研究，推动研究生深度参与校企项目。

当科学研究进入多学科交叉突破的新阶段，传统单一学科的研究模式已难以应对复杂的科学问题。高校作为科研创新的主阵地，正通过打破学科壁垒，构建“理论计算-模拟预测-实验验证-成果转化”的完整科研链条，推动科研范式从“分散探索”向“协同攻坚”转变。从新材料研发到文物保护，从生物医药到工程防灾，一系列跨学科创新实践，正在重塑科学研究的路径与边界。本文将聚焦高校跨学科融合的典型案例，解析从理论计算到实验验证的全流程创新逻辑。 材料科学：智能计算驱动的高效研发新路径 材料研发曾长期依赖“试错法”，周期长、成本高成为行业痛点。高校通过整合物理、化学、计算机等学科优势，构建理论计算与实验验证协同的研发体系，大幅提升了新材料发现与应用的效率。 复旦大学高分子科学系团队打破锂电池传统设计原则，通过跨学科协作构建分子结构与性质数据库，借助精密计算实现分子推荐与预测，成功设计出全新锂载体分子——三氟甲基亚磺酸锂。这一突破改变了锂离子依赖共生于正极材料的传统认知，通过“注射补锂”的创新方式，可实现废旧电池的无损修复。实验验证显示，采用该分子的电池充放电上万次后仍保持96%的容量，循环寿命从传统的500-2000圈提升至12000-60000圈，相关成果发表于《Nature》杂志，为电池产业变革提供了关键技术支撑。 香港中文大学（深圳）的科研团队则更进一步，构建了集实验设计、执行与分析于一体的智能科研系统，实现了材料化学研究的全程数字化。该系统年均可完成相当于100名博士生的实验工作量，同时具备科研选题、思路指导与成果评价等功能，支持千名科研人员同步协作。通过理论计算精准预判实验方向，再由智能实验系统完成验证，团队在材料化学领域屡获突破，相关技术入选科技部颠覆性创新技术名录。 南京大学物理学院团队自主开发机器学习辅助晶体结构搜索软件与分子动力学模拟软件，深入研究简单元素在石墨烯夹层中的结构演化。理论计算预测出不同于传统最密堆积的四方晶体相，随后的实验验证不仅证实了这一发现，还揭示了物质从二维到三维转变过程中的特殊熔化路径，为低维材料研究提供了重要理论参考。这一成果的取得，正是物理、化学与计算机学科深度融合的生动体现。 工程技术：跨学科协同筑牢安全防护屏障 在土木工程、防灾减灾等领域，高校通过整合工程技术、力学、数据科学等学科资源，构建理论计算与实地验证相结合的技术体系，推动工程安全防护从“经验判断”向“精准预判”升级。 同济大学科研团队整合土木工程防灾减灾全国重点实验室的海量数据与核心算法，研发出地震工程防灾计算模型，实现了建筑群地震响应的秒级预测。传统技术分析上海中心大厦的弹塑性模型需要一周时间，而该跨学科团队研发的系统仅需1.88秒即可完成。在实践应用中，团队通过爬壁机器人、机器狗等设备开展建筑结构安全巡检，结合视觉识别算法快速识别裂缝、空鼓等损伤，生成精准安全评估报告，让工程安全诊断更高效、更精准，未来将逐步覆盖上海220万幢建筑及3000多幢优秀历史建筑。 人文与自然科学交叉：科技赋能文化遗产保护 人文科学与自然科学的跨界融合，正为文化遗产保护带来全新思路。高校科研团队通过整合考古学、计算机科学、材料科学等学科技术，实现了从理论模拟到实验验证的文物保护创新。 复旦大学开设“考古与智能技术”跨学科课程，组建考古学与计算机科学专业师生团队，研发出文物修复辅助系统。该系统通过精准的图像分析与模拟计算，可智能识别壁画颜色脱落、划痕等七大类病害，仅需1分钟就能完成壁画的数字化修复方案设计，精度达到专业美术人员水平。这一成果打破了传统壁画修复依赖个人经验的局限，通过理论模拟优化修复方案，再经实验验证完善技术细节，为文化遗产保护提供了高效、可复制的新方法。 生物医药：多学科联动破解疾病诊疗难题 生物医药领域的重大突破，离不开医学、生物学、化学、计算科学等多学科的协同发力。高校团队通过理论计算预测疾病靶点与药物分子，再经实验验证推进临床应用，加速了诊疗技术的创新进程。 复旦大学科研团队突破传统“假说驱动”的研究范式，通过多学科协作开展帕金森病研究。团队借助精密的蛋白结构计算与模拟，预测出疾病全新治疗靶点FAM171A2，明确了病理性α-突触核蛋白在神经元间传播的“导火索”。在此基础上，团队对7000余种小分子化合物进行虚拟筛选，最终找到可有效抑制靶点与致病蛋白结合的候选药物。实验验证证实，该药物有望从疾病早期实现干预，结合现有治疗手段可实现帕金森病的“标本兼治”，为这类神经退行性疾病的诊疗带来新希望。 跨学科创新的核心逻辑与落地启示 高校跨学科融合从理论计算到实验验证的成功实践，背后蕴含着清晰的创新逻辑：以重大科学问题或行业需求为牵引，打破学科壁垒组建协同团队，通过理论计算精准预判研究方向，借助实验验证夯实成果可靠性，最终实现从基础研究到应用转化的全链条突破。 这些实践也为高校科研创新提供了重要启示：一是要构建“需求牵引—交叉组队—协同攻关”的有组织科研机制，如井冈山大学通过系列跨学科活动汇集82项创新成果，推动2项成果实现产业转化，形成了“精准研、协同创、产业融、生态建”的科研新体系；二是要强化基础研究与应用研究的衔接，确保理论计算方向贴合实验可行性，实验验证反哺理论优化；三是要注重复合型人才培养，如南京大学首创“人工智能与水科学”跨学科课程体系，通过本研贯通培养模式，为跨学科创新储备人才力量。 未来展望：跨学科融合重塑科研新生态 随着科学技术的不断发展，跨学科融合已成为高校科研创新的必然趋势。未来，高校将进一步完善跨学科协作机制，整合科研设施与数据资源，推动理论计算与实验验证的深度融合。从基础科学的重大发现到产业技术的迭代升级，从民生领域的技术突破到文化遗产的传承保护，跨学科创新将持续释放活力，为高质量发展提供源源不断的科研动力。 高校作为跨学科创新的策源地，正通过一系列实践探索，让不同学科的智慧在碰撞中产生创新火花，让理论构想通过实验验证转化为现实价值。这种科研范式的革新，不仅加速了科研成果的产出，更培养了一批具备跨界思维的创新人才，为科技强国建设奠定了坚实基础。

人工智能正以系统论的认知框架、精准化的技术流程与问题导向的价值逻辑，重塑科研范式的核心内涵。从蛋白质结构的原子级预测到半导体材料的自主研发，从数学算法的突破到药物发现的加速，AI正在将传统科研从“局部解析”推向“整体涌现”，从“试错循环”转向“智能推演”，推动科研从“理论探索”走向“需求牵引”。 1. 从“局部解析”到“整体涌现”：认知范式的跃迁 传统科研以还原论为核心，将复杂问题拆解为单一变量线性分析——解析蛋白质结构需耗时数年，且仅能处理小型样本（约30个氨基酸）。 AI凭借大数据关联与深度学习，实现对多维度、非线性系统的整体认知：AlphaFold可精准预测超大型蛋白质（如含2500氨基酸的肌联蛋白），精度达原子级别（RMSD<1Å），耗时从数年缩短至几小时；许锦波团队的算法模拟胰岛素受体在不同pH下的构象变化，直接锁定药物结合位点，避免传统试错成本。  这种认知跃迁，让科研从“看局部”转向“看系统”——比如将蛋白质静态结构（埃级）与细胞环境（微米级）动态关联，精准定位阿尔茨海默症致病蛋白Tau的折叠过程，解决冷冻电镜难以捕捉的动态纤维聚集体问题。 2. 从“试错循环”到“精准预测”：技术流程的重构 传统科研依赖“假设-实验-验证”的试错循环，效率低下且成本高昂：半导体材料研发需5-10年、成本超1亿美元；药物发现需筛选数万化合物，临床前毒性误判率达30%。 AI通过智能推演与数据驱动，将试错转化为精准预测：半导体科研智能体用主动学习与数字孪生，自主选择“最有价值”的实验样本，减少实验次数；DeepMind的AlphaTensor通过强化学习找到矩阵相乘的更高效算法，打破人类50年纪录；科学家用AI从1亿种分子中筛选出广谱抗生素Halicin，对抗结核杆菌及耐药“超级细菌”。 技术流程的重构，让科研从“碰运气”转向“算出来”——比如AI动态评估药物代谢物对肝脏蛋白P450的长期作用，将临床前毒性误判率降至5%。 3. 从“个体探索”到“人机协同”：协作模式的革新 传统科研以个体或小团队为主，知识传递与协作受时空限制。 AI推动协作模式向“人机协同”演进：陶哲轩团队用AI翻译数学论文为形式化代码，人类专注关键逻辑验证；黄仁勋提出的“与蛋白质对话”概念落地，用自然语言指令让AI实时反馈蛋白质在特定环境（如高温、药物作用）下的行为响应——输入“展示EGFR在肺癌突变下的激活路径”，系统生成动态模拟视频及关键结合能数据；多智能体并行处理项目（如Artificial General Science），实现“灵感-验证-写作”同步迭代。  协作模式的革新，让人类研究者从“重复性工作”中解放——AI承担文献检索（数秒完成跨库检索）、代码生成、数据清洗，人类聚焦跨学科问题提出（如用拓扑学解释量子计算）、研究范式设计。 4. 从“理论导向”到“问题驱动”：价值逻辑的转向 传统科研侧重理论完善与学术价值，与产业需求存在割裂。 AI引领的新范式更强调需求牵引与成果转化：井冈山大学的“AI4S”体系，将生物医药、材料科学的研究成果转化为智能制造、健康医疗的产业应用，助力新材料开发与智能检测；AlphaFold开源超2亿种蛋白质结构，加速药物设计、合成生物学的研究进展；AI驱动的气象模型“盘古气象”“风乌”，用多源数据精准预测极端天气，服务防灾减灾。  价值逻辑的转向，让科研从“实验室”走向“产业链”——比如CRISPR疗法用AI生成的“基因-功能”数据，从2012年科学发现到2023年FDA批准治疗镰刀型贫血症，仅用10年。 AI引领科研范式变革，核心不是替代人类，而是增强人类的认知能力与创新效率。从认知到技术，从协作到价值，AI正在推动科研向更系统、更精准、更务实的方向发展——这种变革，不仅让“不可能”的科学难题出现解决曙光，更让科研成果更快转化为现实生产力。