-
公开(公告)号：CN119086521A
公开(公告)日：2024-12-06
申请号：CN202411134315.5
申请日：2024-08-19
Applicant: 粤港澳大湾区精准医学研究院(广州) , 复旦大学
IPC: G01N21/65 , C08G65/334
Abstract: 本发明属分子成像技术领域，具体为一种串联比率响应拉曼探针及其制备方法和应用。本发明拉曼探针是由金纳米基底、染料分子和多聚物组成的物质；金纳米基底化学稳定性好、表面等离激元丰富，可增强拉曼信号；物质表面连接拉曼报告分子，可实现ROS和pH的串联响应，同时有基本不变的拉曼峰作为内参，两个标志物响应峰和内参拉曼光谱峰互不重叠，可实现ROS和pH的准确定量。报告分子在ROS不响应时具有pH稳定性，可实现ROS开启后的pH波动监测。本发明提供物质比值信号高、稳定性好、灵敏度高，可成像大脑微环境中神经炎症部位，进而特异性成像脑部疾病环境中的pH波动，有利于病灶部位的pH监测，对于深入理解脑功能变化和疾病进展机制有重大意义。
-
公开(公告)号：CN118909965A
公开(公告)日：2024-11-08
申请号：CN202411344774.6
申请日：2024-09-25
Applicant: 复旦大学附属儿科医院 , 粤港澳大湾区精准医学研究院(广州)
IPC: C12N5/20 , C07K16/22 , C12N15/13 , C12N15/85 , G01N33/68 , G01N33/577 , A61K39/395 , A61P13/12 , A61P3/06 , A61P3/10 , C12R1/91
Abstract: 本发明属于生物医药领域，具体涉及一种抗ANGPTL3人源化单抗稳转株及其应用。本申请通过电转染将抗ANGPTL3人源化单抗表达载体引入宿主细胞，经过多次筛选最终筛选出一系列高表达量和稳定可控的细胞株。基于该杂交瘤细胞进一步公开一种ANGPTL3人源化单抗，该单抗可用于检测ANGPTL3的试剂，也可用于制备预防和/或治疗肾脏病或代谢相关性疾病的药物。
-
公开(公告)号：CN118356499B
公开(公告)日：2024-10-18
申请号：CN202410790747.5
申请日：2024-06-19
Applicant: 粤港澳大湾区精准医学研究院(广州)
IPC: A61K45/00 , A61K31/519 , A61K31/517 , A61K31/4196 , A61P11/00 , A61K49/00 , G01N33/573 , C12Q1/6883
Abstract: 本发明属于生物医药技术领域，具体公开了VCP抑制剂在制备预防和/或治疗间质性肺疾病药物中的应用。本发明应用已建立的SFTPCI73T突变基因的敲入小鼠模型模拟自然生理条件下SFTPCI73T突变相关疾病，应用携带SFTPCI73T突变的ILD患者来源的iPSC诱导分化出的肺泡AT2（iAT2）细胞作为模拟临床的研究模型，揭示了VCP参与调控间质性肺病相关突变蛋白SP‑C（I73T）运输的新功能，通过针对VCP的抑制剂处理，在患者来源iAT2与突变小鼠模型中都发现抑制VCP功能有效改变了突变蛋白异常积累的病理表现，支持了VCP作为治疗间质性肺病的干预靶点在设计制备和筛选疾病治疗药物中的潜在应用。
-
公开(公告)号：CN118573400A
公开(公告)日：2024-08-30
申请号：CN202410498890.7
申请日：2024-04-24
Applicant: 粤港澳大湾区精准医学研究院(广州)
IPC: H04L9/40
Abstract: 本申请公开了一种数据访问系统的访问方法，用于证书服务器，包括：响应于从用户服务器接收到当前已登录的用户信息、客户端的地址信息以及可访问的资源服务器的地址信息，根据预设算法生成公钥文件以及原始私钥文件；根据用户信息、客户端的地址信息以及资源服务器的地址信息对原始私钥文件进行加密处理，确定私钥文件，以通过客户端访问资源服务器中具有访问许可的目标资源服务器。本申请在提高私钥安全性的同时便于客户端基于加密的私钥解密出需要访问的目标资源服务器的相关信息，最终利用公钥与私钥之间的对应关系实现用户利用客户端访问资源服务器的目的，提高了数据访问的效率与安全性。
-
公开(公告)号：CN118512446A
公开(公告)日：2024-08-20
申请号：CN202410583984.4
申请日：2024-05-11
Applicant: 粤港澳大湾区精准医学研究院(广州)
IPC: A61K31/4545 , A61P1/00 , A61P1/04
Abstract: 本发明属于化合物及肠道疾病治疗技术领域，具体涉及3,5‑二取代‑7氮杂吲哚衍生物在制备治疗结肠炎药物中的应用。本发明以化合物CH3为活性成分(结构如下)，发现上述化合物能安全有效地治疗溃疡性结肠炎，包括显著改善溃疡性结肠炎小鼠的一般症状、改善病理损伤、降低血清中炎症因子及增加有益菌Bacteroidota和Marvinbryantia的相对丰度，降低有害菌Proteobacteria、Enterococcus和Enterobacter的相对丰度，显示出良好的体内抗溃疡性结肠炎的活性，具有良好的药用前景。#imgabs0#
-
Patent Agency Ranking
公开(公告)号：CN118356499A
公开(公告)日：2024-07-19
申请号：CN202410790747.5
申请日：2024-06-19
Applicant: 粤港澳大湾区精准医学研究院(广州)
IPC: A61K45/00 , A61K31/519 , A61K31/517 , A61K31/4196 , A61P11/00 , A61K49/00 , G01N33/573 , C12Q1/6883
Abstract: 本发明属于生物医药技术领域，具体公开了VCP抑制剂在制备预防和/或治疗间质性肺疾病药物中的应用。本发明应用已建立的SFTPCI73T突变基因的敲入小鼠模型模拟自然生理条件下SFTPCI73T突变相关疾病，应用携带SFTPCI73T突变的ILD患者来源的iPSC诱导分化出的肺泡AT2（iAT2）细胞作为模拟临床的研究模型，揭示了VCP参与调控间质性肺病相关突变蛋白SP‑C（I73T）运输的新功能，通过针对VCP的抑制剂处理，在患者来源iAT2与突变小鼠模型中都发现抑制VCP功能有效改变了突变蛋白异常积累的病理表现，支持了VCP作为治疗间质性肺病的干预靶点在设计制备和筛选疾病治疗药物中的潜在应用。
-
公开(公告)号：CN118086385A
公开(公告)日：2024-05-28
申请号：CN202410040635.8
申请日：2024-01-11
Applicant: 粤港澳大湾区精准医学研究院(广州)
Abstract: 本发明涉及生物医学领域，具体涉及肿瘤基因变异致病性的鉴别，所述鉴别方法其步骤如下：S01通过基因工程手段获得含有致病性未明的NF突变细胞系；S02采用基于NF基因功能能够特异性抑制或杀灭细胞的药物对S01的细胞进行处理；S03当细胞在抑制或杀灭细胞的药物处理下，能正常生长，则说明该细胞中携带的NF基因变异具有致病性；当细胞在抑制或杀灭细胞的药物处理下，不能正常生长或死亡，则说明该细胞中携带的NF基因变异是非致病性变异。该方法是一种规模化、精确、有效的筛选方法，简便、快速、费用低，一次可以筛选成百上千种突变体，减少了操作误差的发生，提高了筛选效率和结果的准确性，可从根本上解决基因突变与致病性分析的高效性、时效性和准确性问题。
-
公开(公告)号：CN113535326B
公开(公告)日：2024-04-12
申请号：CN202110778384.X
申请日：2021-07-09
Applicant: 粤港澳大湾区精准医学研究院(广州)
Abstract: 本发明实施例提供一种基于高通量测序数据的计算流程调度系统，采用微服务架构，整合多种计算资源、Cromwell调度引擎，实现分析任务的有效调度，并在此基础上与App规范以及为App分发复用而定制开发的App Store相结合，实现App的高效开发、测试、复用以及完成多组学数据的分析。通过Pipeline分析过程管理模块，将整个分析过程中涉及的参数和文件等通过版本控制工具，进行有效的管理，为后续项目溯源、Bug排查、数据分析复现等提供可靠的基础；极大简化了生物信息数据分析流程，实现了分析流程的可控，可复用，可溯源，应用场景较为广泛。
-
公开(公告)号：CN115222007B
公开(公告)日：2023-06-20
申请号：CN202210611738.6
申请日：2022-05-31
Applicant: 复旦大学 , 粤港澳大湾区精准医学研究院(广州)
IPC: G06N3/006 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06T7/11
Abstract: 本发明提供了一种面向胶质瘤多任务一体化网络的改进粒子群参数优化方法，包括：步骤1：构建脑胶质瘤患者数据集：步骤2：进行数据预处理；步骤3：构建多任务学习框架；步骤4：构建多任务损失函数；步骤5：通过改进的粒子群优化算法对多任务学习框架进行优化训练，得到损失函数中两个任务的最佳权重；步骤6：在网络中载入训练集，确定网络模型的参数，得到训练好的网络模型并保存，载入训练好的网络模型，输入测试集进行预测，得到结果并根据标签计算各评价指标值。本发明使用改进的粒子群优化算法可以根据粒子适应度来调节惯性权重，实现惯性权重的自适应调整。
-
公开(公告)号：CN114937171B
公开(公告)日：2023-06-09
申请号：CN202210513470.2
申请日：2022-05-11
Applicant: 复旦大学 , 粤港澳大湾区精准医学研究院(广州)
IPC: G06V10/764 , G06V10/80 , G06V10/26 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00
Abstract: 本发明提供了一种基于深度学习的阿尔茨海默分类系统，包括：模块M1：获取AD多模态数据并进行预处理，得到预处理后的AD多模态数据；模块M2：将预处理后的AD多模态数据按照预设比例分为训练集及测试集；模块M3：构建联合网络模型，包括MAM U‑net分割网络和T‑DenseNet分类网络；模块M4：利用训练集训练联合模型直至损失函数收敛，得到训练后的联合模型；模块M5：利用测试集通过训练后的联合模型进行预测，并根据预测结果和预设标注信息计算准确率，如果准确率未达到预设要求，则重复触发模块M4至模块M5直至准确率达到预设要求。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.036 seconds)
