本发明涉及基因工程，具体公开了一种抗大肠杆菌k88ac的单链抗体及其编码基因。本发明将抗k88ac抗原的抗体可变区基因，与猪的抗体恒定区通过linker序列连接，形成scFv‑Fc结构。构建CMV启动子调控scFv‑Fc基因表达的重组载体k88‑p CMV5，使其在细胞水平高效表达。通过western和ELISA检测抗体可正常表达；且具有与k88ac抗原的结合能力。本发明成功获得了针对k88ac大肠杆菌的抗体基因，为得到抗腹泻转基因猪群提供了新方法，对于农业发展具有很大的经济效益。

本发明公开了一种来源于象耳豆根结线虫的Mesp1蛋白及其编码基因和应用。本发明提供了Mesp1蛋白，是由序列表中序列1或序列3所示的氨基酸序列组成的蛋白质。编码Mesp1蛋白的Mesp1基因也属于本发明的保护范围。本发明还保护Mesp1蛋白的应用，为如下(c1)至(c3)中的至少一种：(c1)调控根结线虫的寄生能力；(c2)调控根结线虫的致病能力；(c3)调控根结线虫的发育。本发明还保护一种培育转基因植物的方法，包括如下步骤：将所述干扰Mesp1基因表达的物质导入出发植物，得到转基因植物；所述转基因植物对根结线虫的抗性高于所述出发植物。本发明对于象耳豆根结线虫致病机理研究以及抗线虫植物制备具有重大价值。

发展了国际领先的完整的单细胞高通量测序技术体系，将其创造性地应用于人类发育生物学和生殖生物学的前沿研究，并进一步在深入的基础研究基础上推广到临床应用上，使我国胚胎植入前遗传诊断技术处于世界领先水平。

本发明涉及分子生物学领域，具体的说是一种许氏平鮋免疫增强蛋白(HMGB1)编码基因及其重组蛋白制备和应用。HMGB?1为序列表SEQ?ID?No.1中的氨基酸序列所示，该蛋白的编码基因为序列表SEQ?ID?No.2中的碱基序列所示。其制备方法：以鳗弧菌刺激的许氏平鮋头肾cDNA为模板，PCR扩增HMGB1编码基因，构建质粒pHMGB1；将pHMGB1转化大肠杆菌BL21Transetta(DE3)，对转化子进行诱导表达后，提取和纯化蛋白，即得重组HMGB1蛋白。所述重组HMGB1蛋白可结合双链DNA，并可显著提高许氏平鮋头肾巨噬细胞的免疫活性，提高其对鳗弧菌的杀菌功能和许氏平鮋对鳗弧菌的抵抗能力。该重组HMGB1蛋白可作为免疫增强剂应用于鱼类鳗弧菌病害的防治。

本发明公开了一种蛇孢假壳素类化合物母核合成基因 AuOS 及其应用，属于基因工程领域。该蛇孢 假壳素类化合物母核合成基因 AuOS 来源于焦曲霉 094102，其基因序列、cDNA 序列和编码的 AuOS 蛋 白的氨基酸序列分别如 SEQ?ID?NO.1-3 所示。AuOS 蛋白具有催化底物链长延伸和结构环化的功能，该 蛋白能以 DMAPP、GPP、FPP 和 

本发明公开了一种水稻孕穗期耐冷性相关蛋白CTB4a及编码基因与应用。本发明提供了一种蛋白，是如下1)或2)： 1)序列表中序列2所示的蛋白质； 2)将序列表中序列2所示的氨基酸序列经过一个或几个氨基酸残基的取代和/或缺失和/或添加且具有相同功能由序列2衍生的蛋白质。 本发明的实验证明，本发明克隆了一个新的正向调控水稻孕穗期耐冷基因CTB4a，将其转入野生型水稻中，表现出孕穗期耐冷，为水稻的耐冷品种选育提供基因资源。

复杂非线性滞后动力系统分析与综合问题是控制领域研究的热点和难点。本项目主要取得如下创新成果： 1、非线性滞后动力系统的鲁棒控制。主要研究状态信息延迟下非线性系统的鲁棒控制问题。通过构造李雅普诺夫函数和泛函，很好地解决了一直以来困扰控制领域的严格反馈结构非线性滞后控制难题。对于一般结构的非线性系统，提出了反馈控制设计框架，克服了现有文献关于滞后项的强假设条件。  2、非线性关联滞后大系统的分散协调控制。提出了强非线性关联环节下大系统的分散自适应反馈控制器设计方法，解决了非匹配模型跟随控制难题，为强耦合滞后大系统的分散控制问题提供了完整的解决方案。 3、滞后系统智能控制和网络化系统控制设计。提出了非线性滞后系统的无记忆智能控制设计理论与方法。给出了非对称网络环境下遥操作系统的控制器设计方法，建立了网络环境参数、控制器参数和系统性能的显性表达式。 4、应用基础研究：提出了化合反应系统的控制器设计方法，同时构建了工业无线网络控制平台。 研究成果在大型高炉建模与节能减排优化控制、恶劣工业环境下无线网络化控制、物联网、网络化机器人远程控制等领域得到了初步应用。

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。

三维颅颌面部成像仪及诊断分析系统，解决传统口腔临床面临的基于二维图像颅面测量丢失深度信息的问题。 系统基于立体视觉原理，开发高效、准确（精度<=0.1毫米）的三维面部成像仪，获取真实的面部软组织立体表面数据，结合高精度CBCT（Cone Beam Computed Tomography，锥体束计算机断层）图像，融合包含颅颌面部和口腔等软硬组织模型，重建出真实感三维颅颌面部数字模型。 同时，系统完成基于三维成像设备的临床三维颅颌面部测量诊断分析系统，提高颅颌面畸形、性别分析、颅面生长等临床诊断水平。 本研究结果为正畸科、正颌外科临床定量化手术设计、术后疗效评价提供新的技术方法，为正畸和正颌外科教学培训、多学科会诊及远程会诊提供新的工具，并为进一步的口腔虚拟手术及整形美容业的手术计划研究提供测量和规划工具。 三维颅颌面部成像仪及诊断分析系统，是牙颌数字化诊疗修复的基础系统。据不完全统计，我国口腔医疗机构总数超过 12 万，其中民营超过 4 万家。按照以上数字计算，我国口腔医疗数字化仅三维颅颌面部成像仪及诊断分析系统或同类产品就存在巨大的市场空间，若以目前市场产品价格估计，市场需求至少在 2000 亿以上。三维颅颌面部成像仪及诊断分析系统的应用和推广是推动口腔正畸修复的重要保障，具有巨大的市场空间，但鉴于国内在这方面的研究还不成熟，依然没有国产的能够投入临床的成熟产品，所以该系统的推广具有重要的经济意义和现实意义。

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。