首次系统性地研究了流感病毒聚合酶与不同RNA启动子的相互作用机制，阐明了RNA启动子结合构象在合成不同RNA时所发挥的作用。团队还提出了聚合酶合成RNA起始阶段的工作模型，推动了人们对流感病毒聚合酶调控不同RNA合成机制的理解，为抗病毒药物开发提供了新靶点。 为了深入研究流感病毒聚合酶合成RNA的分子机制，研究人员利用冷冻电镜三维重构技术，解析了D型流感病毒聚合酶与不同RNA启动子结合

研究团队基于cGAMP设计制备了一种肺部仿生纳米颗粒（PS-GAMP）来模拟流感病毒肺部感染，发现其能够在不破坏肺部表面活性剂（PS）和肺泡上皮屏障（AEC）的情况下，激活AMs和AECs，促进疫苗产生高效的体液和CD8+ T细胞保护性免疫反应，以抵抗多种异型流感病毒的攻击。研究结果提示AECs在产生广泛的交叉保护以抵御各种流感病毒方面具有十分重要的作用，表明PS-GAMP可能是一种“通用”流感疫苗的潜在粘膜佐剂。

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。

本发明涉及一种结合胰岛素样生长因子C结构域多肽(IGF-1C)的壳聚糖水凝胶，其具有良好的细胞相容性和生物活性。这类活性水凝胶具有可注射性，能够作为载体材料，促进干细胞对组织损伤的治疗效果。其为移植干细胞提供适宜的组织再生微环境，从而提高移植干细胞的存活率。增加干细胞在损伤区内的存活及驻留，促进移植细胞存活、增殖，减少凋亡，促进损伤部位血管新生以及功能恢复，进而提高干细胞移植治疗组织损伤的治疗效果。此外，移植后水凝胶并没有促进干细胞发生不良分化。

南开大学药学院与天津大学国际生物医药联合研究院组建新药开发联合攻关团队，针对新型冠状病毒的生物学特点、传播特征和公共卫生风险防控的潜在需求，开展了病毒防治相关药物的研发，从药食同源分子中发现了可预防冠状病毒感染作用的候选分子。 南开大学药学院与研究院联合攻关团队，利用人工智能辅助的虚拟药物筛选系统，从中药单体库、药食同源天然分子库和成药化合物库中筛选潜在的互作界面抑制剂，尤其关注药食同源类物质所含的活性分子。通过筛选和既往药理信息的综合分析，观察到多种药食同源的中药中含有抑制病毒与受体结合的潜在活性分子，为中医药方剂的配伍和新型冠状病毒感染的肺炎的防治提供了一定的信息。

本发明公开了可同时测定梨的多个指标参数的装置，包括：暗箱；位于所述暗箱内，用于测量梨的重量的电子称重旋转平台；位于所述暗箱内，用于测量梨的高度的高度测量装置；用于向梨发射检测光的光照模块；用于接收梨的反射光的光谱采集模块；用于接收所述电子称重旋转平台和高度测量装置的信号计算样品体积，以及用于接收所述光谱采集单元信号计算样品pH值的控制单元。本发明还公开了一种利用所述的可同时测定梨的多个指标参数的装置测定梨的多指标参数的方法。本发明实现了梨的重量、高度、体积以及pH值的多项物理参数的快速检测，检测快速准确，检测成本低，环境污染小。

研究背景：  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。

本发明公开了一种可寻址测量局域波前的成像探测芯片，包括可寻址加电液晶微光学结构、面阵可见光探测器和驱控预处理模块

本发明涉及一种动压软岩巷道用可伸缩恒力让压锚杆，由锚杆体、托盘、拉杆、预紧调节螺栓、主弹簧、销轴、刀形凸轮、辅弹簧、锚固头框架、滚轮、滚轮架和螺母组成。锚杆体与拉杆通过螺纹相连接；托盘可在外力作用下沿着拉杆移动，且在移动过程中主弹簧和辅弹簧对托盘产生的合成预紧力基本保持不变，即保持恒力。当动压软岩巷道的围岩发生变形时，托盘通过带负荷移动让压，释放应力。围岩卸压后，托盘回移补强，实现对围岩的二次加固。当围岩因应力扰动反复发生变形时，锚杆可形成对围岩的“让-支-让”循环支护和柔性支护，避免巷道被毁坏。本发明设计巧妙，结构紧凑，托盘移动行程大，除锚杆体外均可拆卸后循环使用，节约成本。

本实用新型涉及电机产品技术领域，尤其为一种自带可拆装盖板的多功能电机底座，包括底座、电动伸缩杆和盖板，两个L型固定块之间活动插设有T型连接块，所述T型连接块远离底座的一端固定连接于电机上，底座中对称开设有安装孔，所述安装孔中固定插设有电动伸缩杆，电动伸缩杆远离安装孔一端固定有连接头，所述盖板槽中设置有盖板，盖板的一端连接有拉环，底座中心处开设有配重块槽，盖板一侧铺设有防腐层。本实用新型通过开关来控制电动伸缩杆，将盖板安装在电动伸缩杆上方的连接头内，这个可拆装的盖板能够起到保护的作用，底座内部开设的配