突触前神经元释放的谷氨酸结合并激活突触后膜的AMPA型谷氨酸受体，介导离子的流动，改变突触后神经元的电活动，从而将神经信号从一个神经元（突触前）传递给下一个神经元（突触后），因而AMPA受体在人类行为、认知、情感等各种神经活动中起关键作用。

跨越胚胎和成年两个时期、涵盖八大系统、建立70多万个单细胞的转录组数据库、鉴定人体100余种细胞大类和800余种细胞亚类……世界首个人类细胞图谱在浙大绘制成功了。北京时间2020年3月26日，国际顶级期刊《自然》在线刊登了浙江大学医学院郭国骥教授团队的这项最新研究成果。 细胞是生命的基本单位。在过去的数百年时间里，科学家主要利用显微镜和流式分析等技术，依靠若干表型特征对自然界里不同物种的细胞进行分类和鉴定。这些表型特征的选取往往引入了较多的人为主观性。而单细胞测序技术的出现对这一传统的细胞认知体系带来了革命性的变化。 此前，郭国骥团队自主研发了Microwell-seq高通量单细胞分析平台，并于2018年在国际顶级期刊《细胞》上发表了世界首个小鼠细胞图谱。此后，郭国骥团队一直在这个领域精耕细作，并与浙江大学医学院几家附属医院的张丹团队、王伟林团队、陈江华团队、梁廷波团队和黄河团队等保持紧密合作，时隔两年，再出重量级成果。一张单细胞水平的人类细胞图谱 团队对60种人体组织样品和7种细胞培养样品进行了Microwell-seq高通量单细胞测序分析，系统性地绘制了跨越胚胎和成年两个时期、涵盖八大系统的人类细胞图谱。 郭国骥介绍说，Microwell-seq具有成本低廉、双细胞污染率低和细胞普适性广等优势，由此团队建立了70多万个单细胞的转录组数据库，鉴定了人体100余种细胞大类和800余种细胞亚类。同时，团队开发了scHCL单细胞比对系统用于人体细胞类型的识别，并搭建了人类细胞蓝图网站。 “这项工作概括地说就是人体细胞数字化。我们能用数字矩阵描述每一个细胞的特征，并对它们进行系统性的分类。我们定义了许多之前未知的细胞种类，还发现了一些特殊的表达模式。” 通过这张图谱，团队发现，多种成人的上皮、内皮和基质细胞在组织中似乎扮演着免疫细胞的角色。“趋化因子阳性上皮细胞、抗原呈递阳性内皮细胞和白介素阳性成纤维细胞广泛地分布在成体的各种组织器官之中，并在分类上独立于传统的上皮、内皮、基质和免疫细胞。这些非专职的免疫细胞也在兼职干着免疫的活。我们认为成年人非免疫细胞的广泛免疫激活是人体区域免疫的一种重要调节机制。” 此外，通过跨时期、跨组织和跨物种的细胞图谱分析，团队揭示了一个普适性的哺乳动物细胞命运决定机制：干细胞和祖细胞的转录状态混杂且随机，而分化和成熟细胞的转录状态就变得分明且稳定，也就是说，细胞分化经历了一个从混乱到有序的发展过程。 该研究首次从单细胞水平上全面分析了胚胎和成年时期的人体细胞种类，研究数据将成为探索细胞命运决定机制的资源宝库，研究方法将对人体正常与疾病细胞状态的鉴定带来深远影响。在未来，临床医生就可能通过参照正常的细胞状态来鉴别异常的细胞状态和起源。 论文的第一作者包括浙江大学医学院韩晓平副教授（并列通讯）、17级硕士生周子茗、19级博士生费丽江、17级直博生孙慧宇、18级博士生汪仁英、16级直博生陈瑶、博士后陈海德和王晶晶。论文最后通讯作者为浙江大学医学院郭国骥教授。项目获得了国家自然科学基金和科技部干细胞与转化医学重点专项的支持。

2020年1月26日，同济大学医学院、附属东方医院左为团队在预印本网站bioRxiv上发布的研究成果显示：II型肺泡很可能正是2019-nCoV感染的靶细胞。 左为团队基于中国科学院上海巴斯德研究所和中国科学院武汉病毒研究所的两项最新研究成果，对新型冠状病毒感染人的机制和通路继续深入进行分析。团队利用共享数据库，采用高通量单细胞测序的方法，针对库中当时的8名患者，分析了43000多个人体肺细胞的单细胞RNA测序数据（健康人），希望找到病毒最先攻击的位置。“受体的门开在哪里，病毒会先攻击哪个部位？都是我们非常想知道的。”左为说，研究结果显示，病毒首先攻击的不是上呼吸道，而是位于人体深部的肺泡。 

当前，保护数据的隐私和安全已经成为世界性的热点，各国都在加强对数据安全和隐私的保护。近年来，国家相继出台个人信息保护的标准和政策，旨在加强隐私保护。为了在符合相关法规的前提下使用数据，部分研究者尝试令各方数据保留在本地的同时训练全局模型，如 Google 提出的联邦学习。作为一种加密的分布式机器学习技术 , 联邦学习能够让参与各方在不披露底层数据和底层数据加密 ( 混淆 ) 形态的前提下，仍然能利用其余几方参与者提供的信息，更好地训练联合模型，提升 AI 模型效果。 然而，将数据留在本地的方式却也引发其他问题，如针对联邦模型的投毒攻击。投毒攻击通过攻击训练数据集或算法来操纵机器学习模型的预测，使分类器识别特定样本的分类边界发生变化。而联邦学习场景下的投毒攻击通常拥有更强的隐蔽性和破坏性。 因此，我们将传统投毒攻击防御中对原始数据的清洗过程转变至对上传的模型权重参数的预处理，在参数服务器部署防御框架来防御投毒攻击。我们设计了一种新颖的防御与追溯框架，该框架主要由模型聚类、初步防御和细化防御三个模块构成，构建多层纵深防御体系，保护联邦模型安全，并在源头上主动追溯攻击者。我们设计面向神经网络的无监督层级聚类算法，消除了神经网络中隐含元素置换不变性的影响。根据类内代表模型在聚合过程中的贡献度确定其可疑度，并以动量思想将可疑度绑定每个客户端，并结合历史用户行为对攻击者进行定位。我们的防御框架可以自主评估模型贡献度，自动确定可疑度动态划分阈值，并在图像、文本等多源数据集上达到了 100% 追溯率，实现了零漏检，零误检。 目前，成果性能已经过多方测试和验证，代码已部署在华为自研深度学习框架MindSpore 中，进一步为广大开发者所用。

一、产品概述 文香行为分析系统支持人工智能技术，实时洞察教学场景变化，通过智能行为分析盒可以自动抓拍并分析教师和学生的行为活动，并自动生成报告，例如：举手人数、低头人数、情绪占比率统计分析等，对课堂教师和学生行为进行分析，了解学生对学习的状态。通过人工智能及大数据个性化精准分析，从单一到多元，从封闭到开放，助力学校个性化教学的发展。对学校基础信息管理和学生行为相关数据进行收集，并将采集到的数据进行数字化存储，为智慧学校建设提供重要资源。 二、产品特点 课表一键导入 课表一键导入 多种可视化图表 智能统计分析 三、智能行为分析盒 无嗓音：采用嵌入式ARM架构，无风扇设计，使用时无噪音 支持本地输出：HDMI支持本地输出查看分析画面，画面中标注实时分析结果 网络视频流接入：支持不小于2路网络视 频流接入，实现教师、学生行为实时分析 标准接口对接：采用1路千兆网口，支持标 准的HTTP接口，与学校信息化系统对接 适应大场景分析：支持云台巡视功能，可 在行为分析盒配置巡视，适应大场景分析 安全供电：为保证产品使用安全，行为分 析盒采用12V安全供电

主要研究APT 网络攻击全链条的通用表征和威胁模型， 实现攻击的全链条威胁分析；研究跨平台内核数据实时可信 采集方法，探索基于去噪和去冗技术的高效数据解析、基于 语义恢复技术的关键字段填充；研究多源异构内核数据的重 构方法；研究保持全局依赖的数据压缩方法，实现实时、高 效、普适的数据压缩；研究面向APT网络攻击全链条的智能 检测框架，实现对攻击的全链条高效检测；研究APT网络攻 击的演化模式，实现APT网络攻击的可解释溯源分析。

通过机器学习方法对个人的各种属性，如身份、年龄、姿态、表情、颜值、行为等进行自动识别和分析，广泛应用于人机交互、推荐系统、智能监控、安全控制等诸多领域。包括3D手势姿态识别、基于静态图像的人体行为识别等技术。

本发明公开了一种基于区域态势信息的网络攻击后果动态定量评估方法，获取工业关键基础设施所有站点内部工艺的运行信息并进行筛选，获得由网络攻击导致的异常发生的位置信息，以及物理设备当前的有用的运行状态信息；利用多层流模型计算站点输出的物质流异常信息，并建立站点的输入输出物质流计算模型；根据由网络攻击导致的站点输出物质流异常信息，以及站点的输入输出物质流计算模型，以及输送网络的拓扑图模型，建立态势预测模型，以预测未来一