高校教研大数据分析系统 数据洞察现在，智慧决策未来 核心功能 群体动态画像 用动态发展变化的眼光，采用数据动态描绘“学生”、“教师”的群体特征，为“学生分群施教”、“教师分群管理”提供最新的分析决策依据。 动态学情跟踪、预警 关注学情动态, 跟踪每个学生实时的出勤率、课堂参与度、作业完成率&优秀率，进行学业趋势预测、作业抄袭预警、挂科预警，帮助学校针对性调整教学过程。 教学质量评价跟踪 定期师生评价、同行评价，质量量化及趋势对比，正向激励教师、对教学质量异常预警。 成绩分析、预警 多维度洞察教学问题、卷面命题分析，持续改进，验证决策措施有效性。 命题质量分析 支持单卷单题区分度&变化、难度&变化、得分率及平均水平、错题难度及知识情况分析。 学生成绩分析 学生个人的各科成绩在班级、年级位置、变化趋势，以及知识点强弱分析、偏科分析、学业预测和实际结果对比。 教师成绩分析 班级学生总体情况（得分率、各难度题目作答情况分析、错题难度-知识点分析），与其它班级对比等 学院、校级管理者成绩分析 多维度数据洞察（公共课/核心课程分别从科次、平均分分布、学科、学院、教师、班级多维度交错分析，洞察本质）。 产品优势 数据全流程 打通日常教学、教学质量评价、学期考试、成绩分析等教学数据周期及各环节。 全角色 面向高校教学组织的各个角色成员（学生、学科教师、班主任/辅导员、学科负责人、院级及校级管理者等）提供数据应用场景。 数据可视化及洞察 分析展现及数据挖掘，可进行数据下钻，对异常预警进行抽丝剥茧、逐层深入，深度展开数据洞察。 随时随地 用户可随时随地掌握教学动态及异常预警，支持微信业务通知、审批待办，分析数据实时查看。 API集成 提供API接口，便于与教务系统和第三方系统数据对接。  

在加速建设工业互联网的国家战略背景下，培养工业互联网新兴职业人才。针对数据采集、组网通信到协议设计、应用的基础认知到实际项目工程实施等内容进行职业资格认证服务。

本发明公开了一种保留已有路网数据并利用OSM数据进行路网扩展的方法，该方法能够让用户自定义需要扩展的路网区域，并快速地将用户需要扩展的路网范围连接到原有网络中，同时保留了原路网的数据信息，最终得到利用OSM数据进行扩展后的路网数据文件。在实际工作中，用户会遇到需要在已有路网基础上扩大研究范围的情况，本发明由用户自定义选择需要扩展的路网范围，自动从OSM数据中提取扩展路网信息后与已有路网数据进行合并，保留了原有用户已经维护好的路网信息，节省了人工逐条添加路段和对扩展后路网进行重复校核的人力和时间成本，同时提高了扩展路网的准确性。

本发明公开了一种用于大数据处理系统的内存数据集置换系统， 包括分析模块、信息监测模块、决策模块。分析模块用于对上层用户 程序进行逻辑分析，得出各运算阶段中生成内存数据集时的运算步骤 集合；信息监测模块用于对运行中的用户程序进行监测，并收集生成 内存数据集时的信息提交给决策模块；决策模块用于对收集到的信息 进行分析和排序，判断当前阶段是否需要对系统中的内存数据集进行 置换，在系统需要进行置换时确定需要移除的内存数据集并

本项目针对上述问题，从分子、细胞和个体水平三个层面上研究人端粒酶逆转录酶(hTERT)生物学行为及相关技术的临床应用，旨在提高儿童肿瘤疗效。 1、主要科技内容和技术特点： 1） 率先在国内外建立RT-PCR和实时定量RT-PCR检测hTERT法，该法简便、快速、经济、安全，适用于临床推广应用。该项技术已经应用于儿童恶性肿瘤诊断、监测和指导个体化治疗，提高了儿童肿瘤的诊疗水平。 2）首次在国内外研究体内造血干细胞hTERT的生物学行为，证明了hTERT与促红细胞生成素的关系，并系统研究了恶性肿瘤细胞hTERT的生物学行为， 探讨肿瘤细胞中Aurora A与hTERT及端粒酶表达的相关性，提出hTERT与细胞因子网络紊乱相互作用促进肿瘤发生和发展的新观点，为恶性肿瘤在分子水平上的监测和以hTERT为靶点的生物工程治疗提供了依据。 3） 在国内外首次阐明端粒酶重建对成纤维细胞迁移能力和生物节律的调控，把端粒酶、hTERT生物学行为和生物节律与肿瘤择时治疗有机结合，为肿瘤治疗提供了一条新路径。实践证明，在该理论指导下进行化疗，可明显提高肿瘤化疗效果，且毒副作用明显减少。

研究团队首次发现了自噬与泛素-蛋白酶体通路在肺缺血再灌注损伤中存在交互作用，为肺移植缺血再灌注肺损伤提供新的治疗策略；首次发现天然免疫在肺缺血再灌注损伤中的重要调控作用，为肺移植缺血再灌注肺损伤防治提供新的潜在治疗靶点。深入探索肺缺血再灌注损伤发生的分子机制，改良肺移植关键技术，围绕肺缺血再灌注损伤的防治、药物筛选，临床改良体外肺灌注技术及双体外膜肺氧合模式，在全国医院推广使用，显著提高肺移植手术的安全性和成功率。

2020年4月27日，我校华西医院胸部肿瘤科卢铀教授团队在Nature Medicine在线发表了题为“Safety and feasibility of CRISPR-edited T cells in patients with refractory non-small-cell lung cancer”的研究结果，报道了利用CRISPR-Cas9基因编辑技术在体外T细胞中编辑PD-1基因，经体外T细胞培养扩增，再输回非小细胞肺癌（NSCLC）受试者，首次证明了该疗法在NSCLC中的安全性和可行性。第一作者兼通讯作者为华西医院胸部肿瘤科卢铀教授，其他并列第一作者为胸部肿瘤科薛建新研究员、周晓娟主治医师，四川大学华西医院为第一作者单位。 2016年7月，《Nature》杂志率先报道卢铀教授团队计划开展首个CRISPR–Cas9基因编辑人体临床试验，并于2016年10月进行了首例受试者治疗。项目组严格按照临床研究方案计划，随访2年，截止时间为2020年1月31日。该临床试验完成12例三线及以上治疗失败的晚期肺癌患者的基因编辑细胞治疗，入组受试者安全性和耐受性良好，无3级及以上细胞治疗相关毒性发生和治疗相关性死亡。在入组的12例受试者中，中位无进展生存时间（PFS）为7.7周，中位生存时间(OS) 为42.6周。临床评价为疾病稳定（SD）2例中，一例受试者稳定时间近18个月。 该临床试验还重点研究CRISPR基因编辑对T细胞制品的脱靶效应，该团队分别利用二代测序技术（NGS）和全基因组测序技术（WGS）对细胞制品进行脱靶检测。结果显示这种CRISPR基因编辑导致的脱靶效应是低突变频率或不常见的。该临床研究是一项转化性I期临床试验，其成果的发表，为CRISPR基因编辑技术进一步向临床研究转化提供了重要依据。

医学院、教学医院里的临床技能实训中心用于整个中心信息化管理、人员管理、财产管理、教学活动管理、考核管理等。对整个中心数据进行采集、分析、处理等。

该项目通过建立四种不同致病因素（包括博来霉素、百草枯、二氧化硅和脂多糖加香烟提取物）诱导的肺纤维化动物模型，实验结果表明多西环素可明显降低肺纤维化模型动物的肺系数，改善肺组织纤维化程度，降低肺纤维化病理评分及肺组织中胶原的含量，降低慢性炎症介导的肺纤维化模型小鼠血清中炎症因子 TNF-α、TGF-β1、IL-4 的含量，增加 IFN-γ的含量。除此之外，多西环素还可以增加肺纤维化模型小鼠的体重，改善模型小鼠的生存状态，显示出多西环素对肺纤维化具有很好的治疗效果，且毒性和副作用均较低。 课题组研究发现多西环素可通过抑制气道和肺上皮细胞转录因子 Twist1, Snail, Slug 和间质细胞标记物 Vimentin 的表达，并增加E-cadherin 的表达，从而使上皮细胞维持其原有极性和紧密连接，抑制细胞骨架重塑，从而抑制其向肌成纤维细胞的转变和活化，减少细胞外基质的分泌及其在肺间质的过度沉积，进而抑制肺纤维化的病理过程。本项目药理机制有一定的深入研究，已申请了专利（专利号201410514986.4）并完成临床前实验，获得了临床试验批件（批件号：2017L01323） 技术创新点： 1）目前肺纤维化上市药物疗效不甚理想，急需开发新型有效药物， 多西环素在临床前研究中表现出良好的抗肺纤维化效果，开发潜力很大。 2）多西环素本身即为抗生素，可达到抗感染、抗炎与抗组织纤维化的多重功效。 3）与其他治疗肺纤维化药物相比，多西环素毒副作用低，患者依从性好。 4）该类化合物合成方便，生产工艺成熟，可快速的投入生产并获得高效制剂。 市场应用前景： 近年来肺纤维化的发病率不高（8/10 万人），但一直呈现上升趋势。肺纤维化患者从出现呼吸道症状到呼吸窘迫死亡的中位生存时间仅为 28.2 个月，从诊断建立到死亡的平均生存时间为 3.2～5 年，肺纤维化 5 年病死率超过 40%，其自然缓解相当罕见(<1%)，甚至比某些恶性肿瘤死亡率还高。从这些数据可以看出，肺纤维化已经给我国人民的生命健康造成严重的不良影响。目前治疗肺纤维化的上市药物仅有吡非尼酮和尼达尼布两种，吡非尼酮 2015 年全球销售额为5.63 亿美元，2016 年第一季度该药销售额为 1.78 亿美元。尼达尼布于 2015 年被纳入 ATS/ERS/JRS/ALAT 特发性肺纤维化诊治国际循证指南的推荐用药，当年销售额达 3 亿欧元，2016 年尼达尼布的销售额翻倍达到 6.13 亿欧元，2017 年上半年达到 4.29 亿欧元。这两种药物都是由国外研发销售，目前国内临床上需要开发疗效佳、安全性较好、自主知识产权的治疗肺纤维化药物，因此盐酸多西环素市场前景良好。 合作方式及条件： 希望进行专利转让，或者与投资者共同开发，申报临床试验批件，并进行临床研究。 已获得的知识产权： 多西环素的应用（治疗肺纤维化）（专利号：201410514986.4 ） 本项目已获得新药临床批件，批件号码为 2017L01323。

自美国 2011 年实施材料基因组计划（Materials Genome Initiative，MGI），现已成为全球材料创新研发的强大助推剂，将高通量实验、材料数据和高通量计算三要素有机结合，加速材料创新性研发并降低成本。MGI 将成分-工艺-组织-性能的关联集成化、跨尺度分析，将材料的研发由传统经验式提升到科学设计。高通量材料计算和数据挖掘技术是材料基因工程的重要组成部分，通过材料的高通量热力学/动力学计算、高通量相场模拟、数据挖掘和性能预测，实现材料合金成分、制备工艺、微观组织结构和宏观力学性能的调控及优化，为新材料的开发设计提供指导，实现产品全制备周期的数字化、智能化管理，提高产品质量稳定性、降低产品研发周期和成本、提升企业的核心竞争力。