肠道菌群致病的“肠脑轴心”理论已经在肥胖、糖尿病、肿瘤等疾病中得到了越来越多的证实。我们的研究初步证实，肠道菌群在病原微生物感染、酒精成瘾等过程中，菌群种类、丰度会发生显著性变化，细菌自身以及代谢物可能在疾病的发生过程中具有关键性作用

相册与网盘服务（简称PDS）是为开发者提供的面向企业与个人数据管理的开放平台，方便企业或组织快速高效的构建可支撑海量用户的网盘、相册、内容协作类服务或应用，提供一站式数据存储、分析和AI的能力。

产品详细介绍

高级氧化水处理综合实验装置在本科教学实验中的应用

产品详细介绍济南欧凯净化设备公司生产各类空气洁净净化设备、风淋室、超净工作台、臭氧发生器、空气净化器、传递窗、层流罩（FFU）、高效空气洁净设备、初、中、高效空气过滤器。同时承接各种净化厂房、无尘无菌室、净化实验室、GMP车间等的设计、安装、维修等。可满足电子、医药、食品、航空航天、光学光电、半导体塑料、化工、包装、喷涂、化妆品、保健品、科研等行业，客户不同的净化需求。 主要服务项目： 1、 承建各种净化级别、工艺要求、平面布局的空调净化厂房、洁净无尘实验室； 2、 设计、建造食品厂净化厂房，协助通过QS认证； 3、 承建相对负压、高温、防火防爆、隔音消声、高效灭菌、排毒排臭、抗静电等特殊要求的净化厂房； 4、承建净化房相配套的照明、电器设施、动力、电器控制系统及空调自动控制系统； 5、承建恒温恒湿净化厂房系统、空调机房、冷冻机房； 6、承接净化厂房配套的给排水、水处理及空气处理系统； 7、承接净化空调系统工程咨询、调试、协助检测。 网址：www.jnokjh.com联系人：张经理 电话：0531-82631375

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。