本发明公开了一种１，１?二吡唑甲烷双核锰聚合物，还提供了该化合物的制备方法及催化应用。本发明具有工艺简单、成本低廉、化学组分易于控制、重复性好并且产量高，催化效果优良等优点。

本发明公开了一种靶向降解p300/CBP蛋白的化合物及其合成方法和应用，涉及药物化学技术领域。本发明首次提供了一种利用SuFEx反应构建蛋白水解靶向嵌合体以及其它双功能分子的方法；本发明采用化合物CPI644的氟代磺酸酯和磺酰氟类似物作为p300/CBP蛋白配体，并通过SuFEx反应与预先引入以不同长度的烷烃作为连接臂的E3泛素连接酶配体5‑OH和4‑OH沙利度胺进行连接，制备了两个系列12个PROTACs分子；本发明设计的PROTACs分子具有降解p300/CBP蛋白的能力，并且PROTACs分子可以在人乳腺癌细胞中浓度依赖性地降解p300/CBP蛋白；这些PROTACs分子表现出了较好的抗肿瘤效果，在肿瘤的诊断及治疗方面有广阔的应用前景。

b0,+AT-rBAT是人体内的一种氨基酸转运蛋白复合物，属于异源多聚体氨基酸转运蛋白（HAT）家族。异源多聚体氨基酸转运蛋白，由轻链蛋白和重链蛋白构成。b0,+AT是其中的轻链蛋白，负责转运底物。而rBAT是其中的重链蛋白，具有负责轻链蛋白细胞膜定位（即将轻链蛋白“护送”到细胞膜上）和维持轻链蛋白的稳定性的作用。 b0,+AT主要分布于小肠和肾脏中。b0,+AT或者rBAT的突变，会诱发胱氨酸尿症，一种先天性遗传疾病。患者尿路中常有胱氨酸结石形成，造成肾绞痛，可引起尿路感染和肾功能衰竭。该病作为一种隐性遗传疾病在人群中的发病率约为1/7000，属于罕见病的一种。研究b0,+AT-rBAT的最新研究成果，揭开了胱氨酸尿症发病的分子机理。复合物的结构和功能，将能帮助我们认识胱氨酸尿症，为可能的治疗方案提供线索。 本项研究工作在全世界首次解析了b0,+AT-rBAT的高分辨率电镜结构。结构显示，b0,+AT蛋白与rBAT蛋白首先形成异源二聚体分子，然后两个异源二聚体分子通过rBAT蛋白的相互作用再进一步形成一个二聚体。体外转运实验表明rBAT蛋白对b0,+AT蛋白的转运活性是必需的；也就是说，b0,+AT要正常发挥转运功能，需要有rBAT蛋白的存在。这与周强实验室2019年解析的LAT1-4F2hc复合物相似。LAT1-4F2hc复合物同属HAT家族，其中的4F2hc蛋白是LAT1蛋白发挥转运活性所必需的。 同时，该研究也首次解析了b0,+AT-rBAT和它的天然底物精氨酸的复合物的冷冻电镜结构，解释了它的底物识别机制。如果把b0,+AT-rBAT复合物比做生物膜上的一艘船，那么被转运的精氨酸，可以被理解为“货物”。研究人员通过解析b0,+AT-rBAT与底物的复合物的结构，可以了解该“货物”如何加载到船上的——这个过程，即为“识别机制”。 在底物结合点附近，科研团队还鉴定出了底物结合位点附近的一个转运调控区域。通过点突变和同位素转运实验，他们证明了该转运调控区域对于b0,+AT-rBAT的转运功能至关重要。西湖大学黄晶实验室采用了分子模拟的方式，亦验证了该区域的重要性。 对于b0,+AT-rBAT复合物突变而导致的胱氨酸尿症，基于上述研究，研究团队进一步揭开了该疾病发生的机理。通过分析已解析出的b0,+AT-rBAT的高分辨率结构，研究人员对突变的位点进行了准确定位，并对这些位点进行了体外生化实验的验证。结果显示，b0,+AT-rBAT的关键位点的突变影响了氨基酸转运的活性，造成了胱氨酸尿症。

本发明属于催化方法及催化剂技术领域，具体涉及一种光催化制备2‑呋喃乙酸甲酯类化合物的催化方法，是基于光催化体系的CO2参与1,3‑烯炔的1,4‑碳酰化/环异构化反应，以CO2作为羧基来源；无光敏剂；具有较高的产率和良好的化学选择性，本发明反应底物范围广泛，多种官能团如甲基、甲氧基、苯基、卤素都可兼容于该反应，苯基上不同位置取代的1,4‑二氢吡啶化合物也可以在体系中兼容并转化为目标产物。反应条件温和，并且从简单易得的底物原料出发，采用三组分偶联的方式，避免复杂底物的使用。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

基于膜分离技术的食品加工废水处理及综合利用技术，是通过将食品加工废水或食品原料 生产过程废水进行分类回收处理，将废水中有用的成分进行回收利用，而将水进行净化使其达 标排放或循环利用，从而达到资源综合利用并彻底解决上述工业中的环境保护成本问题，并通 过有用成分的回用来取得相应的经济效益。 主要针对强酸、强碱、高蛋白、功能糖类等有高COD和BOD并有回收利用价值的食品加 工废水的处理。如大豆蛋白加工废水、甲壳素加工废水、味精生产废水、淀粉糖离交废水，等 等。

成果简介：凡是噪声环境恶劣、且需要通话的场合，都适用抗噪声通话系统。达到国外抗噪声通话产品的性能指标。随着我国汽车工业的发展，近年来我国的车用涡轮增压器市场也取得了快速的发展，形成了较大的生产规模。但是与涡轮增压器市场迅猛发展不协调的是，目前国内增压器设计的核心技术还是掌握在国际知名企业手中，国内的增压器制造企业，新产品的开发主要还是依靠仿制，产品的设计还是停留在经验设计阶段，没有形成自己的设计方法和核心技术，这对于提高企业核心竞争力和企业的可持续发展极为不利。针对国内车用涡轮增压器设计能力的不足

成果简介：大尺寸碟形金刚石砂轮是指用于齿轮专用磨床的直径300mm～500mm之间的碟形金刚石砂轮，本项目对碟形金刚石砂轮的修整原理和技术基础进行了深入研究，研究结果显著地提高了硬质合金插齿刀制造的齿形精度和表面质量，解决了高精度、高速、高承载硬齿面传动齿轮加工的关键技术难题。研制出一种利用杯形砂轮和对磨修整法的大尺寸碟形金刚石砂轮修整器，已获得实用新型专利。修整器具有独立的动力系统和双向修整进给装置，修整器刚性和工作稳定性好，可分别使用D/GC杯形砂轮作为修整工具，修整器的综合性能良好，能很好地

成果简介：本项研究的应用领域为板带热轧，重点是热轧中厚板领域。板厚 控制、板形控制、轧制节奏控制、轧制温度控制及轧制规程自动生成与自动 修正等是热轧板带特别是热轧中厚板轧制过程中的关键技术和重要科学问 题。本研究运用的重要理论基础和技术包括现代控制理论、最优控制理论、 系统辨识理论和计算机控制与优化技术等。将上述理论与热轧液压自动厚度 控制(HAGC)系统研究与应用，轧制过程建模、仿真与优化控制研究，热轧规 程动态设定与自学习研究紧密结合