基于SHERRY方法的转录组测序建库流程如图1所示，样本可以来自裂解的单细胞或bulk RNA；RNA分子经过oligo-dT 引物的反转录后，RNA/DNA杂合链可直接被Tn5转座酶打断（图中灰色的波浪线及直线分别代表RNA及DNA分子）；在Tagmentation之后，转座酶会在杂合链两端加上adaptor接头，进行之后的建库PCR扩增。　基于100pg的RNA起始量，SHERRY表现出了高的read匹配率，同时可检测出近9000个基因，其中72%的基因可在三个重复样本中检测出，可重复性较好。与目前普遍应用于单细胞转录组测序的Smart-seq2技术相比，SHERRY与其建库质量不相上下，并且具较低的GC bias。此外，SHERRY整个流程仅需要5个步骤，且可在一个管子中完成，整个时间仅约4小时，其中手工操作时间不到半小时。相比之下，Smart-seq2整个耗时约为SHERRY二倍的时间，且需要一些前处理等操作；此外，包含十个步骤的NEBNext方法则需要更加多的实验室操作和时间成本。值得一提的是，在成本方面，SHERRY方法仅为其他两种方法的五分之一，将大大节省实验成本。

XM-YK医学多媒体素材库及教学平台   医学多媒体素材库及教学平台将现代的人工智能、计算机网络技术、计算机模拟技术、多媒体技术与新时代的医学教育特点相结合，为医学院校提供了多媒体的大量素材，供医学教育和医学科研参考。   功能特点： ■ 内容丰富，素材库储存了大量的医学图片、医学动画、文字、flash制作的素材2D、3D动画及多种医学音频、视频等。其中包括各种临床实际病例和手术演示，生动形象、效果逼真。 ■ 医学素材内容200G，包括医学教育的三十个学科，其中有系统解剖学、局部解剖学、组织胚胎学、医学生物学、生物化学、医学微生物学、免疫学、寄生虫学、人体生理学、病理解剖学、病理生理学、药理学、基础护理学、诊断学、内科学、神经病学、精神病学、外科学、妇产科学、儿科学、眼科学、耳鼻喉科、口腔科学、皮肤性病学、医学影像学、中医学、中药学、流行病学、传染病学、骨伤科学、急救医学等。 ■ 医学多媒体课件制作和管理平台：通过素材库可快速查找到教学所需素材，修改素材、编辑课件、发布课件。管理员在服务器端可根据教学的需要，将文本、声音、图形、图像、动画等多媒体素材有机地融为一体，从而制作开发出多媒体应用课件；可以用文字、图片、图像等多媒体文件及其他病理体征做为题干；组编单选、多选、判断正误、匹配、排序、填空和论述题等多种题型。

AR探究实验资源库，按照国家课程标准实验要求，将中学难懂的抽象的复杂的实验运用3D建模及AR技术营造虚实合一的实验场景。老师无需佩戴任何体感设备即可进行手势操作，通过手势可以实现抓取、移动、添加、减少、旋转、拆除、组合等动作，从而进行探究实验操作。 AR探究实验资源库包含： 资源优势： 1、覆盖初中物理/化学/生物所有重点难点实验内容，按照章节排列 2、将几近真实地虚拟实验环境呈现并嫁接到现实课堂中 3、显示虚拟辅助线，弥补真实实验中无法观察的信息 4、智能记录实验数据，以便进行实验数据验证

云幻科教初中化学虚拟学科资源库是根据国家课程标准实验要求，依据人教版初中化学实验课程设置，综合应用3D影像、虚拟仿真技术构建高度仿真的虚拟实验环境，供学生进行模拟化学实验。资源库包含一氧化碳还原氧化铁、浓硫酸的腐蚀性与稀释、粉尘爆炸实验、甲烷燃烧等化学实验内容。 初中化学虚拟实验资源库特点 1.    交互式操作，培养实践动手能力 学生通过动手操作完成实验，让学生在实践过程中发现问题，解决问题，鼓励学生“手脑并用”，提高学生实际操作能力。 2.    虚拟实验器材，节省资源损耗 虚拟的实验器材与实验材料可节省实验成本，即使多次操作也无需担心实验资源浪费和消耗问题。 3.    与教材重点实验100%匹配，实验素材丰富全面 化学虚拟实验资源均为人教版初中化学教材中的重点实验内容，根据国家课程标准的教学要求研发，分章节、分知识点制作，针对性强。 4.    正确操作指引，规避实验风险 明确的实验步骤提示，实验操作注意事项提示以及实验知识点总结指引学生正确操作实验，虚拟的实验环境可确保实验安全，不存在实验风险。 5.    打破时间与空间限制，方便学生多次尝试操作 为化学实验教学高效提供便捷安全的平台，耗时长、难演示的实验也能在课堂上展示，并且能无限次练习操作。 6.    虚拟实验环境逼真，提高学生求知欲 通过3D影像、虚拟仿真技术构建的虚拟实验环境调动学生多感官参与，真实感强，给学生身临其境的感受，从而达到体验式教学效果，提高学生的学习兴趣。   初中化学虚拟实验资源库的应用     初中化学虚拟资源库适用于各类3D智能展示硬件设备，结合3D投影机、交互一体机使用效果尤佳。在实验教学中可以进行如下应用。 1.    实验教学活动 教师可运用资源库向学生演示实验操作过程，结合课本知识讲解，总结实验要点，与学生进行互动，活跃课堂气氛。 2.    虚拟实验操作 学生可随时练习化学实验操作，知识点提示可加强学生学习记忆，让学生对实验原理更容易理解，提高学生对化学学科的学习兴趣。 3.    实验知识检测 教师可通过对学生虚拟实验操作的检测，了解学生对化学实验知识点的掌握程度与实验操作的熟练程度。 4、其他应用     与老师一起在教学实践中探讨更多应用方式。

XM-YK医学多媒体素材库及教学平台   医学多媒体素材库及教学平台将现代的人工智能、计算机网络技术、计算机模拟技术、多媒体技术与新时代的医学教育特点相结合，为医学院校提供了多媒体的大量素材，供医学教育和医学科研参考。   功能特点： ■ 内容丰富，素材库储存了大量的医学图片、医学动画、文字、flash制作的素材2D、3D动画及多种医学音频、视频等。其中包括各种临床实际病例和手术演示，生动形象、效果逼真。 ■ 医学素材内容200G，包括医学教育的三十个学科，其中有系统解剖学、局部解剖学、组织胚胎学、医学生物学、生物化学、医学微生物学、免疫学、寄生虫学、人体生理学、病理解剖学、病理生理学、药理学、基础护理学、诊断学、内科学、神经病学、精神病学、外科学、妇产科学、儿科学、眼科学、耳鼻喉科、口腔科学、皮肤性病学、医学影像学、中医学、中药学、流行病学、传染病学、骨伤科学、急救医学等。 ■ 医学多媒体课件制作和管理平台：通过素材库可快速查找到教学所需素材，修改素材、编辑课件、发布课件。管理员在服务器端可根据教学的需要，将文本、声音、图形、图像、动画等多媒体素材有机地融为一体，从而制作开发出多媒体应用课件；可以用文字、图片、图像等多媒体文件及其他病理体征做为题干；组编单选、多选、判断正误、匹配、排序、填空和论述题等多种题型。

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

已有样品/n我国慢病患者群体超过2.6 亿，慢病的早期预防、诊断、筛查变得尤为重要。该系统包含体检业务服务系统、家庭健康监测管理服务系统、第三方家庭健康服务支撑平台三类产品：客户群体是健康大数据数据采集、分析、服务的基础。本项目通过三类服务凝聚客户：1）以三甲医院体检中心为基地，通过智能体检服务、基于三甲医院权威的体检诊疗、康复方法指导，建立稳定的体检群体。2）通过移动互联网将服务群体拓展到慢病/老年病群体。基于体检

一种支持对地观测数据元数据注册的映射方法及系统，首先构建存储观测数据元数据信息的注册信 息模型，包括构建观测数据元数据注册信息模型的注册包;依据观测数据元数据注册对象，构建注册信 息模型的外部对象类;依据观测数据元数据对象之间的相互关系，构建注册信息模型的关系类;依据观 测数据元数据的分类信息，构建注册信息模型的分类架构;依据观测数据元数据的相关属性，构建注册 信息模型的扩展属性类。然后构建观测数据元数据信息模型到注册信息模型的映射关系，包括构建观测 数据元数据信息模型到注册信息模型的映射流程;构建观测数据元数据类型和注册对象的类型映射;构 建观测数据元数据属性到注册对象的属性映射。

本发明公开了一种多数据类型的群集运动数据采集系统，包括：实验图像采集单元、运动数据采集单元和上位机处理单元。实验图像采集单元包括摄像机、支撑架、可控光源、稳压源；运动数据采集单元包括惯性传感器和主控机，惯性传感器包括三轴磁力计、三轴陀螺仪、三轴加速度计；主控机通过蓝牙与上位机处理单元连接通信；上位机处理单元包括图像处理模块和传感器数据存储模块；图像处理模块对采集的群集运动目标视频图像进行处理，获取运动目标的轨迹信