本项目从仿生模拟蛋白质促进牙本质及牙釉质再矿化的角度出发，合成表征一系列具有不同代数及改性基团的PAMAM型树枝状高分子，考察其对牙本质及牙釉质再矿化过程中晶核形成、矿物质沉降和富集的促进作用及其作用机理，包括相关的细胞、动物实验研究。主要研究成果如下： 1.成功合成了磷酸和羧酸改性的聚酰胺-胺树枝状高分子（PAMAM-PO3H2和PAMAM-COOH）。通过体外和体内实验研究发现，这两种改性的PAMAM都能诱导牙本质和牙釉质矿化，修复受损牙体硬组织。 2.成功合成了阿伦磷酸（ALN）改性的羧酸化聚酰胺-胺树枝状高分子ALN-PAMAM-COOH，并通过体外模拟实验及动物实验发现ALN-PAMAM-COOH具有原位诱导牙釉质再矿化的功能，并对HA有强特异吸附和诱导再矿化的功能，且诱导矿化四周后的牙釉质表面硬度可恢复至95.5%，涂层附着力强。 3.在进一步研究中发现，羧酸改性的四代聚酰胺-胺树枝状大分子能同时实现药物缓释和诱导受损牙本质矿化的功能，利用树枝状高分子本身可载药的特点将三氯生载入PAMAM-COOH，制备的复合体系可以吸附在牙本质表面。可实现三氯生的缓慢释放并能同时诱导牙本质矿化，因此该材料同时具有负载活性物质（如抗菌药物）和修复受损牙齿的功能。

项目成果/简介:云南大学教育部自然资源药物化学重点实验室肖伟烈团队在具有抗炎活性的天然小分子研究方面取得新进展，围绕巨噬细胞NLRP3炎症小体和NF-κB信号通路，从多种药用植物中发现了一系列结构新颖、活性显著的二萜类化合物。 该团队从大戟科大戟属植物泽漆（Euphorbia helioscopia）中发现三个具有重排Jatrophane-型骨架的新颖二萜衍生物， Euphopias A–C。其中Eup

本发明提供了一种受阻酚/受阻胺分子内复合型抗氧剂的合成方法，包括以下步骤：将化合物I溶解在溶剂A中，加入二氯亚砜，进行取代反应，反应结束后，减压蒸馏除去溶剂A和未反应的二氯亚砜，得到化合物II；使用溶剂B分别溶解化合物II、化合物III，混合，进行酰胺化反应，然后加入缚酸剂，继续反应，待反应结束后过滤，洗涤，真空干燥，得到受阻酚/受阻胺分子内复合型抗氧剂。本发明反应原料易得，方法简便，收率高，产物分子内含有受阻酚抗氧化基团和受阻胺光稳定剂官能团，提高了聚合物的抗氧化性。

本发明涉及一种以天然高分子为主要成分的环保絮凝剂，属于水处理絮凝剂技术领域。絮凝剂组分及各组分的重量份数如下：壳聚糖－木质素或壳聚糖－黄腐酸接枝共聚物60～75份，羧甲基淀粉15～30份，蒙脱土5份，活性炭5份。该絮凝剂主要由天然高分子制得，具有环保不产生二次污染的特点，而且价格低廉，对重金属离子和有机污染物去除率高，絮凝沉降速度快。社会效益:环保，无污染经济效益：在高端水处理行业中成本更低

化学工艺、化学合成、高分子等相关专业、领域人才

高分子材料专业，本科及以上学历，5名

本发明公开了一种与湖羊睾丸重量主效QTL有关的SNP分子标记及其应用，属于遗传育种和分子生物学领域。该SNP分子标记位于绵羊11号染色体第54289512位碱基，该位点处出现C和T两种等位基因的多态性。该SNP位点的不同基因型与湖羊睾丸重量显著相关，其中CC基因型个体的睾丸重量显著高于TC和TT基因型(P<0.01)。将所述SNP分子标记应用于高繁殖力种公羊的早期选育，对提高羊群生产能力和增加养殖效益具有重要意义。

本项目拟通过建立复合纳滤膜多层结构的协同设计方法，丰富复合纳滤膜制备的理论基础，提升纳滤膜的分离性能，形成一批具有自主知识产权的高性能纳滤膜制备技术，并实现规模化生产，促进纳滤膜分离技术的广泛应用。

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。