胃癌是常见的消化道恶性肿瘤。据2020年全球癌症统计，胃癌的发病率和死亡率已分别居恶性肿瘤的第5位和第4位，给社会造成了巨大的经济负担。目前胃癌的治疗包括外科手术结合放疗、化疗或靶向药物治疗。虽然患者的预后在逐渐改善，但结果仍不尽如人意。因此，深入探讨影响胃癌治疗和预后的因素，制定新的临床治疗策略是改善胃癌患者预后的首要任务。近年来，研究人员对肿瘤与TME之间的关系有了更深入的了解。研究发现，肿瘤细胞可以通过过度表达PD-L1蛋白和分泌白细胞介素抑制剂来诱导免疫逃逸。此外，肿瘤相关的成纤维细胞包围肿瘤细胞，抑制免疫细胞浸润和药物渗透，导致治疗失败。研究发现，TME细胞的富集水平可以用来评估胃癌的预后。因此，分析TME的异质性，对于确定TME的定量指标，指导胃癌的治疗策略和预后评估，可能是提高疗效和预后的关键。 组蛋白脱乙酰酶(HDACs)是一类共18种类型(HDCA1-11、SIRT1-7)的蛋白酶，研究表明，HDAC通过可逆地调节组蛋白和非组蛋白的乙酰化状态，在TME的发展中起着关键作用。此外，研究发现，HDAC6参与了免疫系统中几个关键因子的上调。然而，不同类型的HDAC在调节TME细胞浸润水平方面存在异质性，单个分子或一类分子靶向抑制剂很难精确控制TME的变化。因此，迫切需要系统分析HDACs的表达谱和相应的TME特征，为胃癌的临床治疗策略和预后评估提供理论依据。 本发明提供了利用多组学方法研究HDACs在胃癌中的作用。分析了胃癌细胞系/患者的RNA-SEQ数据，并研究了HDAC表达与TME中免疫细胞浸润的关系。通过本发明的研究确定了胃癌准确预后的新靶点，有助于开发有效的治疗策略。本发明筛选获得与胃癌预后相关的103个基因，基于PCA方法构建了HDS评分，分析结果证明：高HDS组比低HDS组胃癌患者有更长的生存时间；高HDS的胃癌患者更适合使用免疫治疗；II期低HDS胃癌患者比高HDS胃癌患者从术后化疗中获益更多。 本发明的HDS评价体系为预测胃癌预后、选择术后辅助化疗方案和免疫治疗方案提供了一种新的方法，在临床上具有良好的应用前景。

本成果围绕光伏并网系统电能质量展开。基于深度学习算法，研究谐波等电能质量指标变化规律，运用特征提取技术处理时序数据，实现电能质量预测。研发基于态势感知的电能质量调控装置，总谐波补偿率不小于 90%，补偿次数 2 - 50 次。成果形式包括研究报告、调控装置示范应用，申请发明专利 3 项，发表论文 3 篇。应用场景涵盖光伏电站、配电网等，可提升电网可靠性与经济性，减少设备损耗、优化调控策略、降低弃光率，为新能源消纳提供支撑。

  在该研究的训练组和验证组人群中，CRC诊断模型和预后预测模型均表现出了令人满意的效果。在训练组和验证组的人群中，该诊断模型准确率均达到96%，并且在验证组中该模型诊断敏感性达87.9%，特异性达89.6%，相对于目前临床常用的结直肠癌血清标志物癌胚抗原CEA的准确率为67%，诊断准确度大幅度提高。在对患者预后预测的准确性方面，根据ctDNA甲基化标志物预后预测模型计算得到联合预后评分指数（cp-score）对患者的预后预测的准确性要明显高于临床常用的预后指标，如肿瘤原发部位、TMN分期、CEA等。而将cp-score与这些常规预后指标结合以后，对患者预后预测的准确性还能够得到进一步的提高，在训练组患者中对预后预测的准确性达到82%，在验证组患者中对预后预测的准确性达到87%。对预后的准确预测，可很好的指导医生对不同的患者进行更为个体化的精准治疗，例如对预后不佳者避免给予过度的治疗，而对复发高危患者则给予更为积极的辅助治疗等。 研究团队还在前瞻性队列中验证了单个ctDNA甲基化标志物在结直肠癌筛查中的价值。通过对1493例结直肠癌高危人群同时进行的肠镜筛查和血浆ctDNA甲基化检测结果进行比较，显示ctDNA甲基化标志物可检测出26例早期肠癌患者，26例进展期腺瘤（癌前病变），对肿瘤的检出敏感性达89.7%，特异性达86.8%，对进展期腺瘤的检出率敏感性达33.3%，敏感性和特异性均较现有的无创筛查方法有所提高。这一研究结果对于优化结直肠癌筛查，具有重要的意义，有非常广阔的应用前景。       徐瑞华教授团队的这项成果是我国科学家在肿瘤液体活检领域又一项具有国际领先水平的重大突破，不仅为CRC的筛查提供了新的方法，也为CRC的精准诊治提供了重要的参考。目前该团队仍在积极开展ctDNA分子标志物在其他肿瘤筛查、诊断、预后预测、靶向药物筛选等方面的基础和转化研究，为发现更多的早期肿瘤患者，进一步改善患者的疗效和预后，提供更多、更有力的工具和手段。

南开大学课题组研究了控制科学与工程领域中的热点问题，成果能够用于提升我国传统制造业自动化技术水平。将自适应控制、预测控制、智能控制、非线性控制等多种控制理论进行有机结合形成新型的智能预测自适应控制理论，具有创新性；获得了关于先进控制的系列化、系统性成果；将新的理论方法应用于工程实践，理论分析、方法设计、数值仿真、工程应用等多个研究环节紧密结合。 智能广义预测自适应控制器：用于环形钢坯加热炉上，年增经济效益90多万元，达到国际先进水平；用于工业锅炉上，每台锅炉节煤节电年增经济效益40多

技术成熟度：技术突破 本成套设备，以电供暖的各个电暖气为控制对象，以建筑内不同房间不同区域的取暖温度为控制参数，自下而上，组成了由单片机现场控制器（控制室单独使用PLC控制器）、PLC中间层算法控制器、工控机为上位机构成监控界面的DCS控制系统，从而实现分散控制集中管理的控制系统。此系统的目的在于替换传统水暖系统，利用合理科学的软件算法，实现节能、环保、减排的效果。设备兼具教学、实验、科研及实用的功能。 成果技术特点：本套装置由四个单片机组成现场控制器，一个PLC组成的控制室控制器，与中间层面的S7-300PLC控制系统，以及顶层监控层的工控机装置，统一安装到了一个整体的平台上。此平台便于实地集中实验、研究，也有利于集中编程与项目演示。 图1 设备实物图 图2 为智能控制系统电脑操作界面

利用十年百余万次的近视眼医学验光大数据，揭示出真实世界青少年近视眼发生、进展与稳定的规律。在此基础上，运用随机森林算法进行机器学习，建立人工智能预测系统，可对近视进展趋势进行个体化预测，3年内准确率达90%，10年内准确率达80%以上，也可提前8年有效预测高度近视，为近视眼的精准干预提供了科学依据。开发出一套人工智能云平台，提供高效的近视预测服务。通过访问智能平台，输入前后两次检查的年龄和度数（间隔至少一年），即可预知10年内的近视度数变化与高度近视风险。       中山眼科中心近年来对近视眼进行了系统性的研究，不断取得突破，产生了重大的社会影响和意义。

成果简介焦炉炼焦过程中所产生的荒煤气经集气管、 初冷器和鼓风机等环节处理后传输给化产及煤气用户。 传输过程中， 集气管压力系统和鼓风机调速系统的稳定优化控制对于炼焦生产有着十分重要的作用。 当集气管压力过高时， 一方面造成跑烟冒火，污染环境； 另一方面降低了荒煤气的回收率， 造成能源的浪费。 当集气管压力出现负压时， 空气就会从炉门、 炉盖等处进人炉体， 导致焦炭质量下降、 缩短炉体使用寿命及煤气中氧含量增加。 为此我们针对非对称分布多焦炉多集气管共用一套鼓冷装置的系统设

首个大规模鼻咽癌患者生存相关的遗传学研究，涉及来自中国南方和新加坡等地多个队列的5553例患者，发现RPA1基因变异与鼻咽癌患者总体生存期长短相关，进一步研究RPA1生物学功能，说明其可作为鼻咽癌预后分子标志物和放射治疗增敏的潜在靶标。 该研究充分利用我校肿瘤防治中心在国内外鼻咽癌诊治方面的优势基础，总共纳入了自2003年至2015年就诊于我校肿瘤防治中心的5008例鼻咽癌患者，并联合自2008年至2018年就诊于新加坡国立癌症中心的545例鼻咽癌患者，具有研究队列规模大、时间跨度长等优势特点。2012年起，利用芯片技术获得全外显子范围的遗传学信息，通过关联分析和两阶段多个独立人群样本相互验证，发现位于17号染色体上RPA1基因3′-UTR区域的单核苷酸多态性（SNP）位点rs1131636与鼻咽癌患者总生存时长呈显著关联，携带风险等位基因的患者其死亡风险增加了33%功能学研究发现，位于RPA1基因3′-UTR区域的rs1131636位点对RPA1基因的表达起重要的调控作用。体外细胞模型实验结果表明，RPA1表达上调能够促进鼻咽癌细胞的增殖、侵袭和转移并且提高其对放疗的抵抗性；动物实验结果也证实了RPA1表达上调能够提高鼻咽癌细胞在小鼠体内的成瘤能力；在复发患者肿瘤中，RPA1表达水平显著增加，提示RPA1在鼻咽癌的进展过程中发挥着重要的作用。进一步研究发现，该rs1131636位点等位基因C提高与miR-1253结合能力，抑制其上游基因RPA1的正常翻译，降低RPA1蛋白水平。这些结果提示，相比于rs1131636-CT和-TT基因型，携带-CC基因型患者肿瘤在miR-1253作用下，RPA1表达水平下降，放射射线敏感性提高，肿瘤恶性程度降低，预后情况良好。       该项研究成果首次发现RPA1基因可作为新的鼻咽癌预后预测分子标记物，同时RPA1是潜在的放疗增敏剂和靶向药物作用靶点，为后续开展疾病的精准治疗和药物研发提供了坚实的理论基础，有望最终提高鼻咽癌患者的治疗效果和远期生存率。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：