本 项 目 是 我 国 唯 一 拥 有 自 主 知 识 产 权 的 膀 胱 腔 内 灌 注 专 用 型 重 组hIFN-α-2b-BCG，是针对浅表性膀胱癌的预防肿瘤复发、治疗残留肿瘤和原位癌的免疫治疗专用，高效、低副作用的 I 类生物新药。应用范围:可应用于治疗膀胱原位癌和预防膀胱癌术后复发的新型生物制剂。效益分析:基于相关专利开发的在线高速分选矿用设备，具有分选速度快、系统集成度高、运行成本低等优点，其主要技术优势和性能指标如下： 一、主要技术优势 （1）一种重组干扰素卡介苗菌株，其特征在于该菌株利用基因工程技术构建 的 phIFN-α-2B 穿 梭 质 粒 ， 转 导 到 丹 麦 I 型 BCG 菌 株 内 ， 构 建 出rBCG-hIFN-α-2B 菌株，该卡介苗菌株可以分泌 hIFN-α-2B。 （2）既发挥 IFN-α-2b 的直接作用又可增强 BCG 介导的抗肿瘤效应，增强与放大了野生 BCG 预防与治疗高危浅表膀胱癌的临床效果，降低了 BCG 的灌注剂量和局部与全身严重并发症发生率，同时也节省了大剂量干扰素腔内灌注的昂贵费用。 （3）将重组人干扰素-α-2b-BCG 使用生物反应发生器进行大规模深层发酵培养，原位连接切向流中空过滤柱，离散洗涤菌体；经真空冷冻干燥成干粉剂。这样获得的菌苗活性率高，降低了生产过程中污染的可能性。 二、主要性能指标 （1）纯度：100%； （2）活菌量：≥60%； （3）体外和小鼠体内抗肿瘤活性优于 BCG 。

已有样品/n目前在临床上，两种PD-1单抗的使用剂量为2-3mg/kg，每2-3周静脉输入，历时30-60分钟。使用剂量大且频繁。同时，单克隆抗体的制备、纯化过程繁琐，要求严格，导致单抗的价格昂贵，使受益于该单抗的病人在接受治疗时受到极大限制。由于腺病毒制备、纯化简单、产量高、安全性好、外源表达时间长等特点，因此我们研发的腺病毒表达PD-1单抗制备简单、成本低、疗效好、使用方便，可充分满足临床病人的需求。我们研发的重组腺病毒载体表达PD-1单抗为临床相关肿瘤的治疗与研究提供了一种有效的新手段，并具有

近日，东南大学智能材料研究院院长、首席科学家、化学化工学院李全团队在细胞焦亡介导的光动力和光热协同免疫肿瘤治疗方面取得重要突破。

一、项目分类 重大科学前沿创新 二、成果简介 间质性肺疾病（ILD）是常见的呼吸系统疾病，特发性肺纤维化（IPF）是ILD中最常见也最为严重的疾病类型。IPF是一种进行性发展、致死性、病因及发病机制未明的间质性肺疾病。该疾病多发于老年人，患者从诊断建立到死亡的中位生存时间仅为2～3年，5年病死率为70%～80%。随着老龄化社会的进展与环境的持续恶化，IPF患病人群呈不断上升趋势。保守估计目前全球患病人数约5000万，我国患病人数约60万，年死亡病例达40000例。截止到2017年，国内外批准上市用于治疗IPF的药物仅有吡非尼酮和尼达尼布。这两种药物可以延缓肺功能下降速度，但是无法逆转病情进展、有效提高患者生存期，而且对一部分患者具有相当大的副作用，晚期常需要肺移植，医疗花费巨大。因此目前迫切需要开发更加安全可靠、疗效确切、价格合理的治疗特发性肺纤维化的新药。 项目研究基础 研发平台：依托南开大学药物化学生物学国家重点实验室-天津市首个肺纤维化药物研发平台，该平台拥有全套的药物研发所需的各种大型仪器和检测设备，标准的细胞间和动物房，硬件设施完善。 批件申报经验：项目组在国家重大专项十二五平台和肺纤维化药物研发平台支持下申报获批南开大学首个肺纤维化临床批件：多西环素治疗继发性肺纤维的临床批件（化药原1.6类），批件号为2017L01323。 IPF药物研发梯队级候选化合物：项目组已建立完善的肺纤维化药物细胞筛选体系和动物药效评估体系，拥有具有自主知识产权的多个天然产物衍生物化合物库，目前已筛选多达500个化合物，有一系列化合物显示出良好药效，且已申报相关专利。 项目优势 项目组发现TGF-β1信号通路在肺纤维化发病过程中起着重要的中心调控作用，因此有针对性地以TGF-β1／Smad信号通路为靶点建立了细胞水平的高通量药物筛选体系，及体外细胞模型和体内动物模型的IPF药物评价体系，并通过半合成的手段获得了具有自主知识产权的天然倍半萜衍生物库，随后利用动物药效学模型进行验证，一共得到15个活性化合物（Hits）。对TGF-β1的活性化合物CP0105结构进行优化，得到先导化合物CP0116。已申请相关专利2项。 药物动力学预实验研究：候选药物分子CP0116经口服吸收迅速，生物利用度为76.9%，与血浆蛋白结合率低（小于1%），血浆半衰期约为2小时，药物分子12小时清除干净。主要经肝，肾代谢。 毒理学预实验研究：急毒预试验结果显示，一次性对小鼠（n=10）灌胃给药CP0116（2000mg/kg），48小时内无一死亡，与对照组相比，无异常。长毒预试验结果显示，对小鼠（n=10）连续灌胃给药CP0116（100mg/Kg）55天，给药组老鼠无一死亡，与对照组相比，未观察到任何毒性作用。 药效学研究：吡非尼酮（100mg/kg）给药组小鼠肺胶原含量较模型组降低18%，纤维化面积减少25%；同剂量CP0116给药组小鼠肺胶原含量较模型组降低26%，纤维化面积减少48%，药效结果优于吡非尼酮组。 药学研究：CP0116结构稳定、收率稳定、纯度可达98%以上，小试工艺已经开发完成。

2020年4月27日，我校华西医院胸部肿瘤科卢铀教授团队在Nature Medicine在线发表了题为“Safety and feasibility of CRISPR-edited T cells in patients with refractory non-small-cell lung cancer”的研究结果，报道了利用CRISPR-Cas9基因编辑技术在体外T细胞中编辑PD-1基因，经体外T细胞培养扩增，再输回非小细胞肺癌（NSCLC）受试者，首次证明了该疗法在NSCLC中的安全性和可行性。第一作者兼通讯作者为华西医院胸部肿瘤科卢铀教授，其他并列第一作者为胸部肿瘤科薛建新研究员、周晓娟主治医师，四川大学华西医院为第一作者单位。 2016年7月，《Nature》杂志率先报道卢铀教授团队计划开展首个CRISPR–Cas9基因编辑人体临床试验，并于2016年10月进行了首例受试者治疗。项目组严格按照临床研究方案计划，随访2年，截止时间为2020年1月31日。该临床试验完成12例三线及以上治疗失败的晚期肺癌患者的基因编辑细胞治疗，入组受试者安全性和耐受性良好，无3级及以上细胞治疗相关毒性发生和治疗相关性死亡。在入组的12例受试者中，中位无进展生存时间（PFS）为7.7周，中位生存时间(OS) 为42.6周。临床评价为疾病稳定（SD）2例中，一例受试者稳定时间近18个月。 该临床试验还重点研究CRISPR基因编辑对T细胞制品的脱靶效应，该团队分别利用二代测序技术（NGS）和全基因组测序技术（WGS）对细胞制品进行脱靶检测。结果显示这种CRISPR基因编辑导致的脱靶效应是低突变频率或不常见的。该临床研究是一项转化性I期临床试验，其成果的发表，为CRISPR基因编辑技术进一步向临床研究转化提供了重要依据。

 AMF能与超过80%的陆生植物结合，是一类对植物生长有促进作用的有益真菌。大多数外来植物不仅能迅速地与入侵地AMF结合，而且能破坏本地植物与AMF共生关系。因此，AMF一直被认为是促进外来植物入侵的一个重要生物因子。然而，以往的研究表明AMF与植物的相互作用具有磷元素依赖性。低磷浓度时，AMF促进植物生长；而高磷浓度时，AMF抑制植物生长。因此，磷浓度很可能是影响AMF对外来植物入侵促进作用的重要因子。该研究通过对两种华南入侵植物假臭草(Eupatorium catarium)和三叶鬼针草(Bidens pilosa)及其伴生的本地种进行室内控制实验，发现：随着磷浓度增加，AMF对入侵植物和本地植物生长作用都由促进转向抑制（图a）。混种时，入侵植物抑制了本地植物与AMF结合，导致在低磷浓度时削弱了AMF对本地植物生长的促进作用；而在高磷浓度时削弱了AMF对本地植物生长的抑制作用（图b）。因此，AMF对外来植物入侵促进的作用随着磷浓度升高而减弱。       该研究首次提出并用实验证明AMF对外来植物入侵的促进作用具有土壤磷浓度依赖性，完善了外来植物成功入侵的机制，提出了通过改变土壤微生物与外来植物共生关系来控制外来植物入侵的新思路。由于在全球氮沉降加剧的背景下会造成磷元素更为缺乏，该研究还预测未来AMF对外来植物入侵的促进作用将会进一步提升。

本发明公开了一种基于相变磁性材料的非易失性逻辑器件及逻 辑操作方法，非易失性逻辑器件包括磁头以及依次附着于衬底上的底 电极、绝缘层，相变磁性薄膜和顶电极；其中相变磁性材料由一种相 变材料基质中掺杂铁磁性元素构成，材料的磁性能够通过非晶态-晶态 相变来可逆调控。本发明基于材料的相变控磁特性实现“实质蕴涵” 逻辑运算以及“与”、“或”、“与非”和“或非”四种布尔逻辑运 算，其运算结果以材料的剩余磁化存储在器件中，从而实现

本发明公开了一种基于子空间融合和一致性约束的准稠密匹配扩展方法。首先获取可靠的种子匹配，在种子匹配周围选定待扩展区域。然后对区域内的所有待扩展像素点进行稠密 SIFT 特征提取，并通过子空间学习将待扩展点的特征信息和位置信息进行融合。在寻找匹配时，利用一致性约束学习一个局部非刚体变换，该变换与仿射变换·748·等模型相比可以更好地描述非平面复杂场景。每一次扩展完成之后，对扩展结果进行优化，剔除不好的匹配

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。