眼角膜作为视觉成像系统中一个至关重要的组织，是眼睛最前面的凸形高度透明物质，可以保护眼内的微结构及组织，并为眼睛提供大部分屈光力。但是角膜损伤、感染及一些先天性因素导致角膜疾病成为全球第二大致盲疾病。同种异体角膜、人工角膜及人的羊膜移植是三类临床上应用最广泛的角膜疾病治疗方法，但是这些方法都会存在一定的问题或缺陷。因此，利用先进的生物制造工程的方法（Biofabrication）开发出一种治疗性的角膜支架，用于替代受疾病影响的角膜组织或诱导角膜组织自身再生，是至关重要的。目前，角膜组织诱导再生的难点在于角膜基质层，该层组织是角膜的主要组成部分，具有多层正交定向的纳米纤维板层组成的复杂结构，利用传统的生物工程的方法很难真实地模拟基质层的结构。纤维板层之间分布着角膜基质细胞，这种细胞在体外培养及角膜组织损伤时很容易转化为角膜成纤维细胞及肌成纤维细胞，导致角膜出现瘢痕。因此，制备能够模拟天然角膜基质结构的支架，同时保持角膜基质细胞的表型，诱导角膜基质的再生，是一个重大的挑战。针对这一难题，弥胜利和孙伟课题组提出了使用近场静电纺丝技术制备网格状的亚微米纤维支架，并和水凝胶技术结合，制备了纤维水凝胶复合支架，用于模拟正交定向的角膜基质板层结构和板层之间起连接作用的糖蛋白。课题组提出了一种最优的拓扑结构及化学因子的组合，可以抑制角膜基质细胞的成纤维分化，保持其表型，并最终实现角膜基质的诱导再生。图1：（a）近场静电纺丝技术制备的具有不同纤维间距的PECL网格状亚微米纤维支架在不同放大倍数下的SEM图片；（b）接种在100um网格状纤维支架上的角膜缘基质干细胞进行细胞骨架及细胞核染色，细胞可以在支架上沿着纤维方向生长；（c）5% GelMA水凝胶内封装的角膜缘基质干细胞进行活死染色图片；（d）5% GelMA水凝胶内封装的角膜缘基质干细胞进行细胞骨架及细胞核染色图片；（e）纤维水凝胶复合支架的SEM图片。目前近场静电纺丝技术应用最广泛的材料是PCL，但是由于PCL是疏水材料，不利于细胞的粘附，因此该研究利用PEG作为引发剂，合成了PEG和PCL的共聚物PECL，显著提高了PCL的亲水性。课题组首次利用近场静电纺丝技术成功制备了正交定向的PECL亚微米纤维支架 (图1a)，角膜缘基质干细胞可以在支架表面黏附并沿着纤维方向铺展及生长 (图1b)。研究通过将MA修饰到明胶大分子链上合成了GelMA，探究出最优的MA修饰度及GelMA浓度，可以使封装在GelMA水凝胶内的角膜缘基质干细胞保持高的细胞活性(图1c)并能铺展开(图1d)。课题组采用模具灌注的方式制备了纤维水凝胶复合支架 (图1e)，通过研究不同纤维间距的网格状支架对纤维水凝胶复合支架理化性能的影响，找出了最优的拓扑结构可以使纤维水凝胶在力学性能、透光度和溶胀性方面最接近于天然的角膜组织。研究将角膜缘基质干细胞接种在2D的细胞培养皿、3D的GelMA水凝胶及最优的纤维水凝胶复合支架内，并研究角膜缘基质干细胞在含血清及不含血清的培养基中的分化及角膜基质细胞表型的维持。研究表明，这种最优的纤维水凝胶的拓扑结构及无血清培养基可以抑制角膜基质细胞向成纤维细胞分化。图2 大鼠角膜基质内板层移植实验及评估：（a）5种支架移植后裂隙灯观察图片；（b）支架移植后OCT观察图片，标尺是1000um；（c）术后不同时间段中央角膜的厚度；（d）术后1个月和3个月免疫荧光染色图片观察组织诱导再生情况，标尺是100um；（e）术后1个月和3个月HE染色图片观察组织诱导再生情况，标尺是100um。最后，研究使用大鼠进行角膜内的板层移植实验，分别进行了3D GelMA水凝胶、含化学因子3D GelMA、最优纤维水凝胶支架及含化学因子最优纤维水凝胶支架的移植，对照组为自体角膜移植（图2a）。术后通过OCT、免疫荧光染色及HE染色进行3个月的研究观察（图2b-e）发现相比于其他的支架，含化学因子的最优纤维水凝胶支架的移植可以最好地实现角膜基质的诱导再生。论文链接：https://doi.org/10.1038/s41467-020-14887-9

克唑替尼是首个被批准的ALK抑制剂，其疗效显著优于化疗。遗憾的是，约一半的患者在使用克唑替尼1年左右会出现耐药。耐药原因包括ALK基因的二次突变，脑部转移瘤的进展等。二代ALK抑制剂即是针对上述问题进行开发，其能够克服某些ALK二次突变导致的耐药，同时具有更强的脑转移瘤控制能力。目前，色瑞替尼（ceritinib）、阿来替尼（alectinib）、布加替尼（brigatinib）这三种二代ALK抑制剂已经获批，用于治疗克唑替尼耐药后的ALK阳性肺癌。遗憾的是，此前我国尚缺乏自行研发的二代ALK抑制剂，而恩沙替尼是我国第一个ALK领域的国产创新药，具有类似“歼-20”的重大意义。

利用全基因组芯片对52对驱动基因阴性肺腺癌肿瘤组织和相邻正常组织进行候选基因的筛选，通过KEGG信号通路富集分析发现Wnt/β-catenin信号通路在驱动基因阴性肺腺癌中高度激活，并得到41个Wnt/β-catenin信号通路相关的差异表达基因。在实验阶段，课题组运用组织芯片技术(TMAs)和LASSO Cox回归分析进一步对41个候选基因进行筛选，最终构建了一个由CTNNB1、SOX9、DVL3和Wnt2b组成的预后相关classifier（CSDW）。依据CSDW classifier,驱动基因阴性肺腺癌患者可被分为高风险组和低风险组，并且高风险患者的总生存率显著差于低风险患者（[HR]10.42,6.46-16.79;p<0.001）。在验证阶段，课题组收集了内部验证组样本和两个独立的外部验证组样本。经过验证分析，CSDW classifier被证实可作为预测驱动基因阴性肺腺癌患者预后的可靠工具，同时为驱动基因阴性肺腺癌的治疗提供新的靶点。

材料科学与工程系副教授刘玮书课题组在Mg2Sb1.5Bi0.5:Mn0.01刚性室温热电材料和离子液体调制的PEDOT:PSS/IL 柔性热电材料方面取得研究新进展，相关成果分别发表在Research和Journal of Materiomics上。 在刚性Mg基新型室温热电材料方面，刘玮书课题组与南科大物理系张文清教授和黄丽副教授合作，揭示了基于电子输运通道保护思想的功率因子增益策略，提升了Mg热电材料的室温性能。相关成果以“The Electronic Transport Channel Protection and Tuning in Real Space to Boost the Thermoelectric Performance of Mg3+δSb2-yBiy near Room Temperature”为题发表在由中国科协与《Science》杂志合办的高水平综合性期刊Research上。 在柔性PEDOT基新型室温热电材料方面，刘玮书课题组在离子液体改性PEDOT/IL有机柔性热电薄膜材料研究的基础上，加入了还原剂调控导电聚合物链氧化态优化策略，使材料在保持良好的力学性能的同时，提高薄膜的塞贝克系数从而达到优化薄膜性能的目的。相关成果以“Enhanced thermoelectric performances of flexible PEDOT:PSS film by synergistically tuning the ordering structure and oxidation state”为题发表在中国硅酸盐学会主办的高水平期刊Journal of Materiomics上。

本发明公开了一种炼铁生产过程伴生能源的整体梯级回收系统,包括:包含燃气轮机的高炉煤气燃机发电系统和包含双压余热锅炉的余热回收发电系统;还包括烧结烟气回收系统和冷却热废气回收系统。所述的烧结烟气回收系统将来自烧结机的烧结烟气经除尘器除尘后,在第一引风机的抽吸作用下送入双压余热锅炉;所述的冷却热废气回收系统将冷却热烧结矿后产生的热废气在第二引风机的抽吸作用下也送入双压余热锅炉。本发明系统将烧结工艺显热和炼铁过程伴生的低热值高炉煤气进行整体回收,并且梯级利用,形成完整的、能稳定运行的中低温余热、低热值高炉煤气高效综合利用系统。

本发明公开了一种能源回收自清洁的垃圾输送系统，包括：用于输送垃圾桶升降循环的升降机构，所述升降机构具有环形输送件，环形输送件上间隔布置有多个连接座，每个连接座上转接有所述的垃圾桶；安装在所述升降输送机构两侧并用于保持垃圾桶升降运动姿态的限位轨道，靠近所述升降机构的底部设有无限位轨道作用的垃圾倾倒位；置于各楼层并用于控制垃圾桶在垃圾投放口停止的即停机构；位于所述升降机构下方的垃圾储存箱，用于储存各垃圾桶翻转倒出的垃圾。本发明适用于高层建筑各楼层垃圾的升降输送；节省电梯运输垃圾的功耗，节能减排；减少垃圾处理的人力消耗，降低管理成本。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。

高校科技成果尽在科转云

研发阶段/n华中农业大学生物质与生物能源研究中心自成立以来，在彭良才博士的带领下正大力开展新型能源作物的培育和秸秆酒精产业化相关技术的攻关。通过与国内多家科研院所合作，己筛选和鉴定出一批适应于我国边际土地种植的生物质产量大和木质纤维素降解转化效率高的能源植物（甜高梁和芒草）。采用现代生物技术，对我国三大粮食作物（水稻、小麦和玉米）其秸秆细胞壁结构与组成展开遗传改良，已筛选出一批理想能源作物的新材料，不仅粮食产量稳定，其秸秆降解转化酒精的效率明显提高，同时还可提高秸秆的综合利用（如饲料、造纸、化工产品