|
搜索
搜 索
高等教育领域数字化综合服务平台
新型冠状病毒精准核酸检测试剂盒
基于双方产学研深度合作所开发的新型冠状病毒（2019-nCoV）核酸检测试剂盒，已经进入疾控部门和医院开启测试。结果显示，检测27例确诊新冠病毒感染的样本中，该试剂盒全部检出；在50例疑似感染的咽拭子或鼻咽拭子样本中，已上市试剂盒检测出14例，海力特新冠病毒核酸精准试剂盒检测出21例（包含上述14例），最终这21例全部确诊，检出率提高33.3%。该工作表明，假阴性或“漏检”问题有望通过特异性提高试剂盒的灵敏度大大改善。并且，该产品也有望为新冠肺炎患者的疗效评估提供新的监控手段。
暨南大学与海力特共同在暨南大学东莞暨南大学研究院孵化的“东莞微量精准检测研究院”，已于2019年1月获得第三方检测许可证，现有新冠病毒检验能力每天300人份。
暨南大学
2021-04-10
新型冠状病毒核酸快速检测试剂盒
陕西师范大学生命科学学院副院长、教育部药用资源与天然药物化学重点实验室主任闫亚平教授团队，联合陕西脉元生物科技有限公司，基于中国疾病预防控制中心公布的病毒参考基因序列，针对现有市场上新型冠状病毒2019-nCoV核酸检测试剂盒的现状，研发并测试成功新型冠状病毒2019-nCoV核酸快速检测试剂盒（恒温扩增法）。目前，已向省市部门报备，助力患病人群的筛查和诊断。据悉，该产品基于环介导的等温循环扩增的技术研发，不需要荧光定量PCR仪等特殊的仪器设备，用水浴锅等简易设备65℃恒温，仅需15分钟即可完成扩增反应，快速、简易，检测结果肉眼可见，检测限可低至每反应体系3个拷贝的核酸模板，为基层医院提供了一种快速检测新型冠状病毒（2019-nCoV）的方法。同时，闫亚平教授团队将其拥有的核酸扩增类产品一管式冻干的专利技术应用其中，可实现检测试剂盒的常温储存和运输，反应体系中只需添加模板即可，简化了操作步骤，适于基层医院开展快速筛查和疫情监控。该产品目前已经完成注册检验，可向有资质的临床机构提供试用。
陕西师范大学
2021-04-10
免核酸提取便携式检测试剂盒
华南理工大学生物科学与工程学院张雷教授团队联合广东省人民医院、广州天宝颂原生物科技开发有限公司等单位组成联合攻关团队，选取2019新型冠状病毒表面糖蛋白基因作为扩增靶基因区域设计特异性引物，采用环介导等温扩增技术成功研发出免核酸提取便携式检测试剂盒，检测时限低至45分钟，具有便携式、快速、特异性高等优点，目前已经完成质量体系评估和试生产。
华南理工大学
2021-04-10
核酸水凝胶在干细胞诱导分化中的用途
本发明提供核酸水凝胶在干细胞诱导分化中的用途。所述核酸水凝胶包括：支架单元，该支架单元具备至少三个支架粘性末端，交联单元，该交联单元具备至少两个交联粘性末端，以及水性介质；所述支架单元和所述交联单元均由核酸以碱基互补配对的方式形成，所述支架单元与所述交联单元通过所述支架粘性末端与所述交联粘性末端以碱基互补配对的方式交联，从而形成三维空间网络结构；所述水凝胶用于使干细胞在所述三维空间网络结构中生长并进行诱导分化。
清华大学
2021-04-10
免核酸提取便携式检测试剂盒
华南理工大学生物科学与工程学院张雷教授团队联合广东省人民医院、广州天宝颂原生物科技开发有限公司等单位组成联合攻关团队，选取2019新型冠状病毒表面糖蛋白基因作为扩增靶基因区域设计特异性引物，采用环介导等温扩增技术成功研发出免核酸提取便携式检测试剂盒，检测时限低至45分钟，具有便携式、快速、特异性高等优点，目前已经完成质量体系评估和试生产。
华南理工大学
2021-04-10
核酸G-四链体新识别蛋白的发现
首先选取了序列特征各异的12条富含RGG的多肽片段，利用SPR技术评价多肽片段对G-四链体的结合能力。再结合filter-binding、NMR等研究手段，发现并证实了含有7个RGG重复单元的多肽12能选择性识别G-四链体结构，其识别位点为G-四链体的四分体平面。利用序列突变和序列重排等方式，作者证实多肽12对G-四链体的特异识别存在明显的序列特异性，这种特异性同时表现在氨基酸的类型以及其特定的排布顺序上。基于上述结果，作者对含有该RGG多肽序列的蛋白进行数据库搜索，发现了cold-inducible RNA-binding protein（CIRBP），并通过一系列实验证实该蛋白能在细胞内外有效识别G-四链体。值得注意的是，该RGG肽段在CIRBP识别G-四链体的过程中起关键作用，突变或缺失都会导致蛋白识别G-四链体的能力显著下降。该研究首次通过RGG多肽序列与G-四链体相互作用的系统研究，发现了全新的G-四链体结合蛋白，并为将来发现更多的G-四链体结合蛋白提供了一种新途径。
中山大学
2021-04-13
迅裂细菌裂解酶与核酸提取试剂盒
已有样品/n迅裂细菌裂解酶与核酸提取试剂盒采用专利的噬菌体裂解酶，具有常温 5-10 分钟内裂解、无毒无害等特点，并结合特有的技术能实现在取样拭子上的原位裂解，大大简化从取样拭子上获得靶标物如细菌等的核酸提取过程，具有提取效率高、操作简便等优点，是临床PCR检测，如产道中B簇链球菌和鼻拭子中耐甲氧西林金黄色葡萄球菌（MRSA）,的 理想样本前处理试剂。同时还研发了通用的真菌和细菌核酸提取试剂盒，与简单的涡旋仪联用，可以裂解和提取任何真菌和细菌的核酸。市场前景:可广泛应用于细菌裂解提取，应用前景广阔。
中国科学院大学
2021-01-12
含磷催化剂在手性碳酸丙烯酯生产中的应用
本技术是含磷催化剂在二氧化碳与环氧丙烷加成生产碳酸丙烯酯路线中的首次应用，该类催化剂具有自身稳定性好、催化活性高、反应选择性高等优点；在拆分后的手性丙二醇和碳酸二乙酯反应中，使用含磷催化剂制备手性碳酸丙烯酯，手性原料的转化率高，产品光学纯度高。
扬州大学
2021-04-14
基于核酸适配体的抗生素快速检测试纸
抗生素能有效防治动物疾病并促进生长，在畜牧业、养蜂业等领域被大量使用。而超过规定的滥用会造成抗生素在动物源性食品及环境中积累，对人体健康和环境安全产生危害。抗生素传统检测方法比如微生物检测、HPLC 等理化分析不仅灵敏度低，而且不能满足对食品和水源等抗生素含量的现场检测。目前市场上有一些基于抗体的抗生素检测试剂，但抗体种类有限，质量良莠不齐。核酸适配体本质上以单链 DNA 为主，不仅能特异性识别抗生素，而且具有亲和力高、温度稳定性好、成本低、质量高度稳定等特性，有望取代抗体在抗生素快检试剂中充当靶分子识别元件。 本实验室长期以来致力于抗生素特异性适配体的筛选和优化，已获得一批能高特异性高亲和力结合抗生素的适配体序列。利用这些适配体研制了抗生素快速检测试纸。以卡那霉素为例，利用卡那霉素特异性适配体修饰的金纳米粒子(AuNPs-apt)作为探针，与适配体互补的寡核苷酸 DNA1 修饰的银纳米粒子(AgNPs-DNA1)作为信号放大元件，设计制备的试纸能够在 10 min 之内完成检测，利用肉眼辨别的检测限可达到 35 nmol/L，远低于欧盟规定乳制品中卡那霉素含量不得超过 150 μg/kg (约 265 nmol/L)。若采用胶体金读数仪，不仅可实现定量测定，检测限更可达到 80 pmol/L。对于蜂蜜等成分相对简单的样品，可直接用试纸进行测定。对于牛奶、奶粉、肉类等成分较复杂或非液态样品，须经简单样品处理后测定。样品处理过程可采用标准化流程，时间小于 30 min。
江南大学
2021-04-11
利用自学习系统实现逼近理论极限的光学手性材料设计
随着纳米光子学的发展，具有超颖性质的人工微结构吸引了众多研究。针对日益增长的研究和设计需求，北京大学物理学院方哲宇及其研究团队实现了一种自洽的框架——BoNet，其结合了贝叶斯优化（Bayesian optimization）和卷积神经网络（convolutional neural network），实现了纳米结构对于超强光学手性的自学习。基于此框架，他们将纳米结构设计表示为图形，并输入卷积神经网络进行电场分布和反射光谱的学习，此过程不需要将纳米结构参数化为向量，因此最大化的保留了其几何信息和边界条件。同时，利用贝叶斯优化以实现对纳米结构远场光学手性的优化，并运用其采样样本反复训练神经网络实现自学习。利用BoNet，他们针对远场反射光谱的圆二色性进行优化并逼近了其理论极限(CD = 1)，同时利用神经网络匹配预测的近场电场分布，对获得的强光学手性进行分析解释。 此框架能够被直接推广用于其他光学性质的自学习优化，例如实现反常透射，偏振态调制和相位调制。更进一步的，此方法论能够帮助设计更多的，具有良好光学性质和运用价值的纳米光子学器件，比如消色差超透镜，超灵敏的微传感器以及智能超表面等。此研究同时能够启发更多数据驱动的研究，通过利用人工神经网络和其他机器学习的方法，实现对传统科学研究的新探索，在制药，引物设计，固体结构分析上启发新突破。 该工作于2019年11月19日在线发表于学术期刊《PHYSICAL REVIEW LETTERS》上，题为“Self-Learning Perfect Optical Chirality via a Deep Neural Network”(DOI: 10.1103/PhysRevLett.123.213902)。北京大学物理学院方哲宇研究员是本文的通讯作者，李瑜，徐优俊，姜美玲为该文的共同第一作者，北京大学定量生物学中心来鲁华教授为合作者，北京大学为唯一通讯作者单位。该工作得到得到了科技部、教育部、国家自然科学基金委、北京大学人工微结构和介观物理国家重点实验室、北京大学纳光电子前沿科学中心、量子物质科学协同创新中心、北京大学高性能校级计算平台、北京大学生命科学中心高性能计算平台等单位的支持。用于近远场计算的神经网络结构表征实现了逼近理论极限的高手性，并利用神经网络对近场分布进行分析
北京大学
2021-04-11