本发明涉及基因检测技术领域，公开了DLGAP5、CDK1、SKA3、KIF4A、BUB1、TPX2、NCAPG、HMMR和TOP2A的基因组合在制备用于前列腺癌干性分型的检测试剂盒中的应用。还公开了一种用于前列腺癌干性分型检测的试剂盒，包括检测DLGAP5、CDK1、SKA3、KIF4A、BUB1、TPX2、NCAPG、HMMR、TOP2A的上、下游引物序列。本发明的检测试剂盒，能客观、准确、灵敏地对前列腺癌进行干性分型，协助前列腺癌患者选择敏感治疗方法，从而有助于提高患者预后。

本课题研发用于海洋环境（海水及水产品）中病毒、致病菌等病原微生物、重点针对可能引起人类疾病的细菌和病毒（如总杆菌数、大肠杆菌、粪链球菌、产气荚膜梭菌、铜绿假单孢菌、金黄色葡萄球菌、腺病毒、肠道病毒、甲肝病毒、副溶血弧菌、创伤弧菌、沙门氏菌及李斯特菌）快速检测的分子生物技术，为研制用于这些微生物的现场监测手段和设备奠定理论和技术基础。检测方法采用基因芯片检测、蛋白质检测和聚合酶链式反应（PCR）检测三种。

本发明涉及一种微流控芯片制作技术，主要用于高分子聚合物材质微流控芯片制作，其特征在于利用CNC雕刻机直接加工微流控设备，即利用数控软件进行微流控芯片的通道设计，得到相应的雕刻路径，编写雕刻用代码；将雕刻代码导入控制CNC雕刻机的软件中，对要进行制作的高分子聚合物材料进行制作；图案制作结束后，根据不同要求，封接芯片，即可得到功能化的微流控设备。 成果亮点 技术特点：极大的降低高分子聚合物微流控芯片的制作成本，简单易用，快速制备，有利于芯片的大批量生产，并能灵活的调节芯片微通道深度，有利于实现微流控芯片器件的功能多样化，克服了现有技术制作微流控芯片设备成本高、制作效率低、难以实现芯片通道深度多样化的缺点，排除了人为因操作熟练程度造成的偏差和人力的消耗。

本项目属于肿瘤靶向药物的体外药敏检测，是基于化学靶向药与其靶蛋白在细胞死亡时也可结合的特性，设计并合成特异性发光基团与靶向药连接，得到一系列候选探针，经细胞筛选、裸鼠荷瘤切片共定位、人源病理样本孵育验证，筛选获得靶向药探针。将探针与患者活检样本共孵育后，通过检测其荧光分布及强度即可直接得知患者对该靶向药的敏感程度，从而给予患者更加精准的给药建议。该技术检测耗时短、结果准确、方法便捷、易于推广，能够与基于大数据的基因检测技术形成很好的互补融合，帮助临床医生为患者制定出更加精准的诊疗方案。 技术创新点： 该探针能够实现将靶向药与患者活检样本的结合情况进行原位显色并相对定量，其荧光的分布及强度直接提示患者对该靶向药的敏感程度，目前国内尚无其他技术能够实现。该技术能够弥补基因检测只能从基因水平间接预测药物敏感度的不足，给出的结果更为准确和个性化。目前我们已合成并检测了包括 3 种肺癌靶向药探针在内的 6种探针，项目一期预计合成国内已上市的 6 种肺癌化学靶向药的全部探针。 市场应用前景： 近年来精准医疗行业的发展愈发蓬勃，2016 年其国内市场估值已达百亿。精准医疗大致分为精准诊断和精准治疗两大板块，目前精准诊断一般依靠间接法或直接法。间接法主要通过基因及表观遗传学检测和大数据分析，对同一亚型的患者给出相同的诊疗方案，其准确性强烈依赖于基因检测的准确性及大数据库的完善程度。一代 Sanger测序虽成本较低易于普及，但只能检测单基因突变，且灵敏度较低、检测耗时长、工作量大，无法满足庞大的测序需求；二代测序 NGS 具有通量高、敏感度强、能够获得未知突变信息等优势，但其仪器和试剂要求极高价格昂贵，且能够准确解读数据的科研人员十分稀缺。同时，基因检测不能检出基因表达过程中旁路对于待测基因表达的影响，将直接导致给药建议有误差。直接法主要是肿瘤药敏技术，如 MTT比色法、ATP 荧光检测法等，需要依托原代肿瘤细胞培养技术，该技术由于巨大的个体化差异，成功率很不稳定，使得该类技术普及困难。 基于以上情况，开发一种更加精准敏锐且操作便捷、易于推广的肿瘤精准给药筛查技术，是十分有必要的。该技术能够与现有的精准诊断技术形成强有力的互补，能够帮助临床医生更好地为患者制定治疗方案，为患者争取更大的生存机会，为国内精准医疗行业的发展提供一个全新的思路。 合作方式： 融资共同开发，优先与第三方检测机构进行合作。鉴于技术保密性，暂未申请专利。

本项目核心技术是耐高压分子筛膜，利用天然气自身高压优势，以天然气采出压力和管道输送压力之差作为膜分离推动力，在极少能耗下完成天然气纯化目的。已完成中试制备，主要分离性能指标和能耗指标都明显优于现有的分离技术。 专利情况：在申请13项；已授权10项， 成熟度：研制 创新要点：1）对称大孔单管支撑体：膜管长50 cm，分子筛膜应用于4 Mpa高压下、CO2/CH4（50/50 mol%）混合气体的CO2渗透速率>0.6x10-7 mol/(m2sPa)和CO2/CH4分离选择性>50。 2）非对称单管支撑体：膜管长50 cm，分子筛膜应用于4 Mpa高压下、CO2/CH4（50/50 mol%）混合气体的CO2渗透速率>1.8x10-7 mol/(m2sPa)和CO2/CH4分离选择性>50。

我国淡水鱼资源丰富。鱼蛋白酶解液是一种高蛋白、低脂肪的蛋白水解制品， 但是不易贮存和加工，将酶解之后酶解液进行喷雾干燥得到水解蛋白粉，不仅利于贮存和运输，而且为酶解液的后续利用提供了便利，既可以作为一种安全的食品配料，也可以直接冲调饮用。氨基酸分析也显示鱼水解蛋白粉的氨基酸组成与人体肌肉成分极为接近，易于被人体摄入吸收且利用率很高，是良好的蛋白质强 化剂。 蛋白粉的溶解度对蛋白粉的应用范围影响很大，而国内关于低分子量高溶解度蛋白粉的制备尚处于空白状态。 本发明制得的鱼水解蛋白粉的分子量低；溶解度达到 95%以上；利用淡水鱼生产，来源丰富；本发明为淡水鱼的高值化利用提供了一条新的途径；利用生物酶解技术，效率高，无污染；产品安全有效、无毒副作用；低分子量的鱼水解蛋白粉比鱼蛋白更易消化吸收，可以作为食品原料或辅料应用于婴幼儿营养配方食品、方便食品、速溶饮品和调味品等，市场前景广阔。

南京农业大学园艺学院氮素连续流动分析仪及样品制备系统等采购项目招标

本成果围绕光伏并网系统电能质量展开。基于深度学习算法，研究谐波等电能质量指标变化规律，运用特征提取技术处理时序数据，实现电能质量预测。研发基于态势感知的电能质量调控装置，总谐波补偿率不小于 90%，补偿次数 2 - 50 次。成果形式包括研究报告、调控装置示范应用，申请发明专利 3 项，发表论文 3 篇。应用场景涵盖光伏电站、配电网等，可提升电网可靠性与经济性，减少设备损耗、优化调控策略、降低弃光率，为新能源消纳提供支撑。

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。