XM-842 DNA双螺旋结构模型   XM-842DNA双螺旋结构模型组件用于演示DNA的组成，包括四种碱基、五碳糖和磷酸，并且可以演示DNA双螺旋的模式结构，即两条互相平行的多核苷酸链形成左右手螺旋，磷酸位于圆柱面上，碱基两两配对位于圆柱体的中间，碱基对平面垂直于圆柱体。 尺寸：放大，20×20×60cm 材质：PVC材料

XM-852脾脏结构模型   XM-852脾脏结构模型新鲜的脾脏状态，显示了较厚的被膜，结缔组织伸入实质形成小梁，切面大部分呈暗红色为红髓，由淋巴鞘及脾小结（淡兰色）组成，红髓由脾窦（灰兰色）及脾索(黄色)组成，还显示了脾脏的血液循环。 尺寸：放大，33×25×18cm 材质：PVC材料

XM-842 DNA双螺旋结构模型   XM-842DNA双螺旋结构模型组件用于演示DNA的组成，包括四种碱基、五碳糖和磷酸，并且可以演示DNA双螺旋的模式结构，即两条互相平行的多核苷酸链形成左右手螺旋，磷酸位于圆柱面上，碱基两两配对位于圆柱体的中间，碱基对平面垂直于圆柱体。 尺寸：放大，20×20×60cm 材质：PVC材料

产品详细介绍根据ASTM B311、B328，MPIF Standard 42、57，JIS Z2505、Z2506，GB÷T5163等海内规范，采用阿基米得原理浮力法原理，直读所测粉末冶金生胚件、烧结件和含油轴承的密度、有效孔隙率、体积和含油率。 　　QL－120P 粉末冶金生胚密度计，高精准度粉末冶金密度计，台湾玛芝哈克（matsuhaku） 粉末冶金生胚密度计厂家推荐，专业测试各种粉末冶金生胚件、烧结制品和含油轴承的密度、孔隙率、吸水率和含油率。 粉末冶金结构件体积密度测试仪 QL－120P的规格参数：1、型号：QL－120P（另有QL－300P、QL－600P两种型号的机型可选）2、称重范围：0。001g～120g（另有称重范围为0。01g～300g、0。01g～600g可选）3、密度解析精度：0。0001 g÷cm34、测量时间：约10秒5、测试种类：粉末冶金生胚件、烧结件和含油轴承，及各种固体、颗粒体、薄膜、浮体QL－120P 高精准度粉末冶金密度计，密度测试精度为万分之一（0。0001g÷cm3），秉承测量值高精准度、操作方便、设计简单吝啬、故障率低、经久耐用；等理念，专门为粉末冶金行业设计！ 　　 QL－300Q轴承含油率检测仪、轴承含油率测试仪采用阿基米德原理浮力法。只有三个步骤，自动显示含油率，改变传统人工计算的方式，勤俭时间、更快速、更方便。可直接测量含油轴承的含油率，测量精度高达0。001，非常相宜转动部件的铜基、铁基、铁铜基等含油轴承含油率、孔隙率等方面的检测。测量快速、专业、精准、方便！ 含油轴承含油率测试仪QL－300Q的技术参数：1：测量范围：0。01g～300g2：油率解析：0。1％3：度精度：0。001 g÷cm34：试时间：约5秒5：试种类：粉末冶金含油轴承，粉末冶金生胚、毛坯件、烧结成品等6：粉末冶金含油轴承、压铸件、铜套，可直接读取其含油率；7：对粉末冶金烧结成品等，可直接读取产品的视密度和体积；8：针对粉末冶金生胚、毛坯件等，可应用煮沸法、真空抽取饱和法，准确快速读取产品的体密度、湿密度、比重、有效孔隙率和体积； QL－300Q轴承含油率检测仪免掀盖精致一体成型铝合金测量平台，透明水槽。精度更高、操作更简便、更快速、更人性化，更符合新材料实验室作业规范。可显示混淆物主要材质含量百分比，相宜新材料研究与开发。能自动判定待测样品合格与否，具有报警提示功能。可应用于：铜基、铁基、铁铜基含油轴承；铜基、铁基、铁铜基结构轴套；不锈钢合金基轴承、打印机齿轮、压缩机齿轮、缝纫机零件、抽风机、电扇之轴承相关零组件；等材料的含油率密度，比重检测。 

1、成果简介： 本发明属于材料领域，具体涉及一种具有交联网络结构的无皂含氟聚丙烯酸酯核壳乳液的制备方法。具体说，是在没有游离的乳化剂存在的条件下，采用种子（核壳）乳液聚合的方法，使含氟丙烯酸酯单体与交联剂在无皂交联聚丙烯酸酯乳胶粒子表面聚合并交联，形成具有交联网络结构的无皂含氟核壳聚丙烯酸酯乳液。本专利制备的具有交联网络结构的无皂含氟核壳聚丙烯酸酯乳液在建筑涂料加工或汽车电泳漆加工中具有广泛的应用。由于在壳部分引入了含氟丙烯酸酯单体，提高了聚丙烯酸酯乳胶膜的耐水性和自洁性。具有制作工艺

 在本研究工作中，该团队利用信息论和统计物理两个领域中熵的相关理论，对网络结构预测极限进行了研究。直观地说，一个可以仅用几个词描述的网络结构意味着它很简单，其边也很容易预测。例如二维晶格或一维链状结构。相反，如果一个网络需要很长的语言才能描述清楚，那么它应该具有非常复杂的结构，其结构很难预测。在计算机领域，任何网络的结构都可以被编码成二进制字符串。这启发了团队探寻最短二进制编码字符串长度，也就是熵，和可预测性之间的关系。       通过研究，该团队发现来自不同领域，很多大小不一的网络，其结构的最短压缩长度和可预测性之间存在一个普遍的线性关系。基于香农信源编码定理，该团队在随机网络上证明了这种线性关系。       进一步，利用这一线性关系，该团队推导出网络结构预测算法的性能上界，揭示出包括机器学习在内的预测算法性能尚存在多大的提升空间。因此，该性能界可用于指导未来在线商业推荐系统、蛋白质相互作用探测等场景中的算法设计。另外，该理论的一个有趣的用途是，可以实现在无需任何预测算法的情况下，通过网络结构压缩数据大小来估计一个网络数据集的商业价值。 

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：

成果通过大数据基础性共性关键技术研究，提升重庆大数据应用指导理 论和应用系统水平，形成国内领先的大数据应用研究成果和示范应用，研制具 有自主知识产权的若干大数据软硬件产品和工具，达到国内领先水平，以点带面, 引领重庆大数据产业创新发展。成果研究与设计大数据产业新型研发机构示范， 设计成立市场化运营、独立法人的新型研发机构，创新管理、科研和成果转化、 产业化的模式和机制，面向社会和重点产业开展大数据应用关键共性技术研究和 成果转化服务，吸引国内外大数据技术企业、海外大数据人才和社会资本，构建 产学研用协同创新，具有产业联动效应、连接向上下游的重庆大数据产业创新机 构。完善重庆大数据产业基础性技术支撑系统建设，具备创业与孵化等功能，组织策划实施重庆大数据产业重点专项，促进重庆大数据产业科技成果转化，推进 重庆大数据产业创新发展。成果包含以下方面的行动方案调研与研究：高速大数 据挖掘关键技术研究及应用示范；实时动态大数据处理关键技术研究及应用示范; 大数据分析预测模型与智能决策系统研究及应用示范；多维叠加式大数据可视化 系统平台研究及应用示范。 成果为政府和行业提供决策咨询、产品规划、方案设计等服务，帮助其梳理 业务数据、挖掘数据价值、重构业务流程。成果为政府和行业提供决策咨询、产 品规划、方案设计等服务，帮助其梳理业务数据、挖掘数据价值、重构业务流程。 成果为政府和行业提供包括大数据解决方案及系统集成和数据资产运营的全方 位的大数据解决方案服务；参与数据资产运营，获得数据增值部分的分成。

目前，多媒体视频领域存在多个编码标准，包括 mpeg1/mpeg2/mpeg4/h.264，以及我们国家拥有自主知识产权的 AVS 标准。mpeg4 标准之中又包括 xvid、divx 等，而 h.264 可能 93 合作方式 商谈。4 所属行业领域 电子信息领域。也将存在多种编码标准。其中新的编码标准，如 h.264、VC-1 等，由于其需要较高的处理能 力，仅仅依靠嵌入式 CPU 或 DSP 的多媒体解决方案是无法获得满意的性能指标的，因此必 须采用专用集成电路(ASIC)方法来实现硬件加速功能。但这种 ASIC 设计方法——即通过硬件实现直接提供某种(些)编码格式的支持缺乏灵 活性，一旦有种新的编码标准推出，就需要重新设计开发芯片。面对众多的媒体编码标准， 这种方式增加了设计以及应用成本。而就目前市场发展来看，多种视频编解码技术将长期共 存，迫使芯片业界必须迅速攻克灵活性、兼容性等难题。为解决这一问题，清华大学设计了 一种软硬件混合的多媒体处理器解决方案，支持 mpeg1/mpeg2/mpeg4 /h.264/AVS 视频标准 以及相关的音频编码标准。其核心是设计一种多媒体处理芯片，该芯片对于通用的多媒体编 码中的计算密集型的数据处理，如运动补偿算法(Motion Compensation)、反离散余弦变化 (iDCT)、色彩空间转换等，采用 ASIC 实现。在此硬件平台之上，设计一套与具体标准无 关的多媒体处理通用软件开发接口，实现软硬件混合的媒体处理。这样就能够增加媒体处理 的灵活性——可以通过修改软件来支持新的编码标准或者新的应用。