|
搜索
搜 索
高等教育领域数字化综合服务平台
验证基因自由组合规律玉米标本
宁波华茂文教股份有限公司
2021-08-23
新冠肺炎疫情地理信息系统
同济大学上海自主智能无人系统科学中心新冠肺炎疫情防控科研攻关NCP-GIS团队研发的新冠肺炎疫情地理信息系统（Tongji NCP-GIS）。
同济大学
2021-04-10
新型新冠肺炎快速检测试剂盒
天津大学生命科学学院黄金海教授和叶升教授团队瞄准临床实践所需，制定了病毒、抗体快速诊断以及生物防治制剂的研发方案。团队迅速制备获得新型冠状病毒高纯度蛋白，并与北京华科泰生物技术股份有限公司联合完成免疫荧光层析试纸条检测病毒抗原灵敏性、交叉性等实验，成功研发出新型冠状病毒抗原荧光免疫层析快速检测试剂盒。与目前临床使用的检测试剂盒相比，新型试剂盒最大的优势是“快”，可在15分钟内检测出是否为新型冠状病毒，极大地缩短了检测时间；同时该试剂盒具有高灵敏度，病毒蛋白检测达到pg级，为病毒感染的早期筛查提供了简便灵敏的手段。实验结果显示，新型试剂盒检测限、灵敏度、线性系数等性能指标均满足对病毒抗原检测的有效性要求。新型试剂盒正在加紧临床验证，在获得相关部门检验审批后有望用于疫情的快速检测和早期诊断，缩短疑似病例的筛查时间，助力新冠病毒疫情的防控。天津大学生命科学学院科研团队正在加紧进行新型冠状病毒早期感染抗体检测、新型生物防治制剂的研发工作，目前进展顺利，有望近期取得可用性成果。
天津大学
2021-04-10
新冠病毒在体内的改变模式的研究
2020年2月19日，中山大学团队与广东疾病预防控制中心联手在国际顶级医学期刊新英格兰医学杂志NEJM 在线发表题为"SARS-CoV-2 Viral Load in Upper Respiratory Specimens of Infected Patients"的研究。 该研究分析了从17例有症状患者获得的鼻拭子和咽拭子中的病毒载量与任何症状发作日的关系。症状发作后不久就检测到较高的病毒载量（与Ct值成反比），鼻子中的病毒载量高于喉咙。研究分析表明，感染SARS-CoV-2的患者的病毒核酸改变模式与流感的患者相似，并且看起来与感染SARS-CoV的患者不同。在无症状患者中能检测到病毒载量，与有症状患者相似，表明无症状或症状轻微患者的传播潜力。 这些发现与有关传播可能在感染过程中早期发生的报道相一致，这表明病例的发现和隔离可能需要与控制SARS-CoV所需要的策略不同的策略。对口咽中症状很少或没有症状且可检测病毒RNA水平适中的患者至少持续5天的鉴定表明，需要更好的数据来确定传播动态并为我们的筛查实践提供信息。 2020年2月19日，中山大学团队与广东疾病预防控制中心联手在国际顶级医学期刊新英格兰医学杂志NEJM 在线发表题为"SARS-CoV-2 Viral Load in Upper Respiratory Specimens of Infected Patients"的研究。 该研究分析了从17例有症状患者获得的鼻拭子和咽拭子中的病毒载量与任何症状发作日的关系。症状发作后不久就检测到较高的病毒载量（与Ct值成反比），鼻子中的病毒载量高于喉咙。研究分析表明，感染SARS-CoV-2的患者的病毒核酸改变模式与流感的患者相似，并且看起来与感染SARS-CoV的患者不同。在无症状患者中能检测到病毒载量，与有症状患者相似，表明无症状或症状轻微患者的传播潜力。
中山大学
2021-04-10
沐舒坦或可治疗新冠肺炎的研究
该研究通过生物学分析发现武汉新型冠状病毒的刺突（S）蛋白与SARS冠状病毒的S蛋白结构相似，也可通过S蛋白与宿主细胞表面的 血管紧张素转化酶（ACE）2蛋白分子相互作用，从而感染宿主的上皮细胞。因此， ACE2分子是武汉新型冠状病毒感染的关键分子，通过结合ACE2分子有可能影响武汉新型冠状病毒感染人体细胞的过程。ACE2是肾素-血管紧张素-醛固酮系统（RAS）的关键分子，也是包括肺泡上皮细胞在内的多种人体细胞表面表达的重要分子之一。2003年，ACE2被鉴定为SARS冠状病毒的功能性受体。2020年1月25日， 北京大学基础医学院的 王月丹和初明团队，采用自主研发的人工智能药靶筛选系统，重点针对2674种已上市的药物以及1500种中药提取物进行了药物筛选， 发现了多种潜在的ACE2结合剂，有望用于武汉新型冠状病毒感染的治疗，其中包含了氨溴索（CAS号：18683-91-5）等。氨溴索，又称沐舒坦，是一种呼吸道润滑祛痰药，能促使呼吸道表面活性物质的形成，调节浆液性与黏液性物质的分泌，促进代谢，还可改善纤毛运动，增强呼吸道分泌物的消除作用。
北京大学
2021-04-10
新冠肺炎动态感染过程建模与预测分析
面对疫情，北京航空航天大学机械工程及自动化学院先进数控和智能制造团队刘强教授、肖文磊副教授等一批教师和研究生自发组成“大数据建模分析工作群”，开始收集疫情数据，交流和讨论建模方法。刘强、肖文磊又与工作群中的孙鹏鹏、王柳权、臧辰鑫、朱三颖、高连生等人，组成了“2019-nCoV疫情建模分析应急响应研究小组”核心攻关组，全力以赴开展本次疫情建模仿真和预测分析研究工作。疫情建模分析应急响应小组的研究工作是在2003年郇极教授提出的“一种基于自动控制理论的SARS传染预测模型”的基础之上，结合此次新冠疫情原发地高度集中、恰逢春节期间人口流动的特点，采用控制论原理和大数据分析方法建立功能更全面的2019-nCoV动态感染过程模型。刘强教授团队对北京、上海、重庆、温州、长沙、郑州、成都、杭州、深圳等40余个城市的疫情数据发展趋势进行了动态仿真分析。基于分析结果，应急响应小组直接向上级部门提交疫情关键数据预测报告2份，直接向中国疾控中心提供预测分析数据及报告2份，向上级提出北京延期恢复正常上班的紧急建议1份，为高层疫情防控决策提供了及时有效的技术数据支持。
北京航空航天大学
2021-04-10
新冠肺炎的疫情评估与预测报告
面对国家在疫情防控决策方面的重大战略需求，北京航空航天大学计算机学院王静远副教授，联合经济管理学院吴俊杰教授、部慧副教授，计算机学院软件开发环境国家重点实验室孙磊磊老师等，快速反应，在1月22日开始陆续组织了一支包括20余名师生在内、跨学科、跨专业的疫情应急研究团队，开展基于大数据的疫情预测与大数据分析科研攻关工作。
团队经过连续不眠不休的集中攻关，于1月25日完成了第一个针对新冠肺炎疫情预测的模型，并最早具备了对外提供疫情预测服务的能力。该模型具备优秀的预测精度和疫情解释能力，为上级部门的疫情防控决策提供了重要的支撑。尤其是在疫情拐点尚未出现、全国发病走势尚不明朗的疫情早期阶段，为防疫决策提供精准的数据参考。预测模型基于王静远老师在2014年深圳H7N9流感爆发和季节性流感流行期间使用市民活动大数据与Meta-Population动力学模型相结合的方式设计的面向城市的呼吸道类疾病传播分析与预测模型，曾应用于深圳流感防控。
北京航空航天大学
2021-04-10
发现可能用于治疗新冠肺炎的药物
华中科技大学同济药学院李华教授、沈阳药科大学无涯学院陈丽霞教授、军事医学研究院国家应急防控药物工程技术研究中心李行舟研究员等组成联合攻关小组，就新型冠状病毒肺炎疫情，开展了抗新冠病毒潜在药物的筛选研究工作。利用药物重定位策略，在已有药物中寻找对抗新冠病毒的治疗药物是对抗疫情的有效手段和当务之急。研究表明，冠状病毒nsp3编码的木瓜样蛋白酶(papain-like protease，PLP)在病毒基因组复制及逃避宿主抗病毒天然免疫中发挥重要作用，是药物开发的良好靶点。PLP不仅具有蛋白水解酶活性，同样具有去泛素化酶（DUB）活性，PLP利用其蛋白水解酶活性及DUB活性通过一系列的分子机制逃避宿主抗病毒免疫反应，抑制干扰素表达；它是除了冠状病毒3CL水解酶之外，另一个冠状病毒感染人类所必需的重要蛋白。攻关小组目前正在寻找更多可能抑制新冠病毒的药物靶点，也将继续进行深入的抗新冠病毒活性测试，为后续抗新冠病毒肺炎药物的基础和临床研究提供更多指导信息。
华中科技大学
2021-04-10
新冠病毒检测试纸和试剂盒
病毒的快速、灵敏检测可以缩短疑似病例数量和病人隔离期，更短时间内筛查更多疑似病例，具有重要临床和公共卫生价值。核酸检测试剂盒检测耗时长、病毒RNA容易降解、难以检测小于100bp病毒片段，导致目前新冠病毒检测假阴性案例很多。深圳国际研究生院助理教授秦培武团队将通过CRISPR反应、高灵敏光谱、单分子成像解决当前新冠检测面临的难题。 在以往工作的基础上，秦培武与罗彻斯特理工杜可教授合作开发基于Cas12a反应的DNA病毒检测方法，不扩增的条件下可以检测皮摩尔浓度非洲猪瘟病毒，成果已经被Biosensors and Bioelectronics接收。 针对新型冠状病毒检测，灵敏度、速度、高通量将是检测装置的主要设计指标。为此将整合光学灵敏度最高的单分子成像与信号放大最好的CRISPR酶反应，达到高灵敏、高通量、高特异新冠病毒检测，将CRISPR反应体系封装到载玻片作为检测试剂盒使用，加入病毒后产生的荧光信号可通过单分子显微镜采集。多个检测位点可以累计提高信噪比，crRNA阵列覆盖新冠病毒所有保守区将最大限度检测病毒提供的天然检测靶点。 本项目还将开发病毒检测试纸，将CRISPR反应系统溶解风干到试纸上。新冠病人咽拭子样品经核酸提取后先用试剂检测，信号可以目测或者利用高灵敏光谱检测，如果是阴性再进行试剂盒单分子检测，实现二级精准新冠病毒核酸检测。
清华大学
2021-04-10
新冠肺炎影像学AI智能辅助诊断研究
“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。
复旦大学
2021-04-10