研究开发了 “ 荧光团辅助的 RNA 邻近标记和测序技术 ” ，简称 “CAP-seq” 。   该方法通过可见光激发遗传靶向的光敏蛋白 miniSOG 产生活性氧， 介 导邻近 RNA 分子上的鸟嘌呤与具有生物正交功能把手的氨基探针进行共价交联，既而通过富集纯化与高通量测序检测，实现 miniSOG 定位的亚细胞区域内 转录 组的空间特异性标记与鉴定。 利用 CAP-seq ，他们系统研究了几个亚细胞区域的转录组，包括线粒体基质转录组 、 内质网表面 转录组 以及 线粒体外膜附近转录组。这些研究结果表明 CAP-seq 对 活细胞中开放区域的 RNA 标记具有良好的空间特异性和覆盖度 。 他们在线粒体外膜附近检测到 30 个编码氧化磷酸化途径相关蛋白的 RNA 和多达 55 个编码核糖体蛋白的 mRNA ，这一结果不仅支持了线粒体蛋白在线粒体外膜被翻译后直接转运进线粒体的模型，还暗示着线粒体功能可能与蛋白质的翻译调节有关。 CAP-seq 具有操作简单、空间选择性高、生物相容性好的特点，将成为一项适合于在多种生物系统中研究亚细胞 转录组 的新技术。

本实用新型公开了一种细胞囊泡快速标记装置，该装置包括荧光显微镜、显微镜专用活细胞培养系统、玻璃微电极、压力控制器、电刺激器和气瓶，该方法是采用一种用于膜片钳实验的玻璃微电极，通过一定频率和压力的气体，将微电极中的囊泡标记染料均匀地释放到细胞周围，形成稳定的染料浓度，从而实现对特定的囊泡进行标记。完成标记后，停止给气，染料浓度会因扩散作用迅速降低，无需洗脱过程，可以直接进行囊泡动态变化的后续观察。该方法可快速有效地实现标记并实时记录，从而极大地提高实验效率。

本发明属于生物工程技术领域。具体涉及对三种猪肠道冠状病毒均易感的猪回肠上皮细胞株。通过对IPI‑2I细胞的克隆筛选，获得了一株对猪流行性腹泻病毒(PEDV)、猪δ冠状病毒(PDCoV)和猪传染性胃肠炎病毒(TGEV)均敏感的细胞株IPI‑FX，该细胞株保藏在中国典型培养物保藏中心，其保藏编号为：CCTCC NO：C2019115。PEDV、PDCoV和TGEV均能在IPI‑FX细胞上有效增殖，增殖滴度均高于106.0TCID50/mL。为深入开展猪肠道冠状病毒的免疫与致病机制及混合感染等的研究提供了有用的细胞，在IPI‑FX细胞上开展相关研究能更好地反映猪体感染时的真实情况。

本发明公开了一种智能汽车倒车辅助系统及辅助方法，其功能为显示汽车后方障碍物并测量其到车身的距离，直观的标示汽车倒车所需宽度。系统包括结构光投射器、两个摄像头、倾角传感器、中央视频处理模块以及液晶显示屏。结构光投射器用于投射结构光到汽车后方区域；两个摄像头用于采集汽车后方的两幅图像；倾角传感器用于获取汽车实时的姿态信息；嵌入式中央视频处理模块用于对两个摄像头采集的图像处理，并结合倾角传感器获取的汽车姿态信息计算出汽车后方物体的距离。液晶显示屏用于显示倒车视频和倒车路径。本发明很大程度上提高了倒车的便捷性，利于避免不必要的相撞，具有使用灵活、反应迅速、测量精确、适用面广、功能易扩充的优点。

在此项研究中，采用智能多代理机制进行所有应用系统的监控，每一个应用系统都植入动态安全策略调整技术中的子代理，子代理具有监视器，嗅探器，加密通道，身份认证等功能，可以监控应用系统的行为，检查应用系统是否进行越权操作等、业务欺骗等攻击行为，根据对各个应用系统攻击行为的分析评测结果，动态调整安全策略并且形成整个系统的安全评估。不仅利于将传统的集中方式的GIS转化为网络化、分布式的GIS，而且有助于在网络环境下，确保铁路地理数据、信息的安全。

高级驾驶辅助系统AEB（Autonomous Emergency Braking System）是一种主动安全技术。通过传感器检测可能发生的碰撞危险，提前警示驾驶员制动，并在必要时自动制动，防止碰撞的发生或最大限度的降低碰撞的伤害。

腹泻是导致仔猪死亡的头号疾病，每年给我国生猪生产带来巨大经济损失。目前，导致仔猪高发病率和高死亡率的主要致病原是变异株猪流行性腹泻病毒（vPEDV）和新现猪丁型冠状病毒（Porcine deltacoronavirus, PDCoV）。然而，目前国内外尚无防控vPEDV和PDCoV感染致病的疫苗。 本科技成果是我校动科院预防兽医学以唐玉新教授为首的科研团队聚焦于猪肠道腹泻病原研究，成功分离出稳定、高滴度的vPEDV和PDCoV为基础成功研制而成。PDCoV是导致仔猪腹泻的新现猪丁型冠状病毒，该团队在我国大陆本土首先发现并进行了系统研究，成果率先在国际SCI源刊物报道，该论文已成为ESI热点论文（2015）和高被引论文（2016），实现了江西农业大学高被引论文零的突破（引自：基于ESI的江西农业大学优势学科评估分析报告（第1期），图书馆信息简报，2017年6月）。vPEDV+PDCoV疫苗创制工作，获得“十三五”国家重点研发专项资助（2017YFD0500600），目前已经完成实验室阶段等工作，即将进入临床试验阶段；成果目前已经转让给国内一家疫苗上市公司，转让金额1500万元。本项目研究产品有望成为我国一类新兽药，上市后，将产生巨大的经济效益和社会效益，据估算，每年可减少仔猪死亡约1000万头，创造直接经济效益>100亿元，对提高生猪生产效益，降低动物病原对人类的威胁，保障人类健康和动物源食品安全，维持CPI稳定均可起到十分的重要作用。

中试阶段/n本项目技术的来源于湖北省"十五"重点科技攻关项目（2001-2003）和国家自然科学基金项目（2002-2005）。猪传染性胸膜肺炎是全球养猪业常见的呼吸系统疾病，严重危害养猪业的健康发展，造成较大的直接和间接经济损失，由于该病血清型多，疾病表现形式多样化，而且与其它类症疾病不易区分，控制难度大。主要内容是根据疾病的流行状况，利用本实验室的条件和技术，分离并鉴定优势菌株，研制出适合该地区的疫苗，结合养殖场的特点，制定合理的免疫控制程序，准确评估免疫效果。该项技术中的疫苗制备部分已经完成了

本实用新型公开了一种猪用保定装置，包括猪舍地面和保定架，猪舍地面上设有两条平行的滑道，所述保定架设置在所述滑道上方，所述保定架和所述滑道通过设置在所述保定架地面的滑轮进行滑动连接，所述保定架设有颈枷，所述保定架内设有保定板，所述保定板通过升降装置与所述猪舍地面固定连接，所述保定板的中部设有嵌入凹槽，所述凹槽内设有按摩装置，所述保定板的四个边角处各设有一个缺口。本实用新型的有益效果是：通过本装置，可以为猪只的诊疗过程提供一个安全方便的操作环境，有效解决诊疗过程中猪只的挣扎问题，一人即可进行猪只的操作，同时，猪只“前进后出”，依次进行，避免了重复诊疗，实现流水线式的保定操作。

动作捕捉技术（motion capture）在影视、体育、安防等领域具有广泛应用。传统的动作捕捉分为两大类，光学动捕系统通过在采集环境部署多个红外摄像头，再在人员的动捕服上放置光学标记球来求解出采集者的姿态信息，从而实现对人体运动的捕捉与动画映射；惯性动捕系统通过惯性测量单元（IMU）来采集肢体的运动信息，采集设备相对更轻便，但采集精度不如光学动捕系统。光学动捕系统包括Motion Analysis，Vicon，Optitrack等，惯性动捕系统有Xsens，诺亦腾等。 然而，无论是光学动捕还是惯性动捕都需要动作人穿上特定的设备，不可避免地会影响到人体运动的真实性和动捕的使用范围。同时，相应的专业动捕设备往往价格不菲，很多有需求的小型工作室也会望而却步。因此，学术界和工业界都在极力研究“无标记运动捕捉”技术，即不需要任何穿戴设备，仅由相机观测和算法分析，就实现对多人体运动的实时准确捕捉。这种技术有着更加广泛的应用场景，例如无人售货超市、VR/AR游戏、远程全息通讯、数字人创建、虚拟主播、人机交互、全天候医疗监护等。 近几年，随着深度学习技术的广泛普及，无标记动捕领域也诞生了许多革命性技术，例如实时2D多人体关键点检测技术OpenPose等。然而，多目标实时3D运动捕捉仍然是一个极具挑战性的问题，主要挑战因素包括：如何实现实时计算，如何进行高效的多视角关联，如何解决紧密交互带来的观测失真等。举个例子，当两个人拥抱在一起的时候，当前大多数检测或重建算法都会失效。而理论上，多视角的观测信号能够在一定算法设计下互相补充，尽可能解决单视角运动重建的歧义性。如何充分利用多视角的视频信号，实现复杂、紧密交互场景下的多人体运动捕捉是当前无标记运动捕捉领域的核心问题之一。 该项目研究工作提出的多视角人体运动捕捉系统包括相机采集模块，2D姿态检测模块，4D关联图求解模块，三维骨架求解模块及渲染模块。其主要算法贡献在于提出并实现了4D Association算法。 当前的多视角运动捕捉系统大多采用的是序贯地匹配策略，首先对每个视角进行独立的人体检测和连接（例如，OpenPose检测关键点和关键点相互连接的概率，从而对人体进行连接；Mask-RCNN、AlphaPose和HRNet都需要先检测每个人的BoundingBox，然后对每个人进行独立的人体检测），然后对人体进行多视角关联和姿态求解，最后进行时域跟踪。这种常规方法的缺陷在于，当单个视角检测失败以后，后续的算法难以对失败的检测结果进行修正，从而将错误的检测传递到下一个步骤，影响跟踪效果，对于紧密交互（例如前文提到的两人拥抱）的情形，单视角的往往很难给出令人满意的检测结果，因此基于序贯式的算法一般会失效。 相较而言，该研究工作的创新性在于充分利用单图连接(2D)、多视角连接(1D)、和时域连接(1D)之间的相互约束从而进行全局优化，用多视角信息和时域信息来避免单视角连接的歧义性，同时也通过单视角连接结果来优化多视角的匹配，从而使得关联结果更趋向于全局最优。具体地，该研究工作提出了一种4D Graph的图结构，将上一帧的三维人体关键点（在初始帧或者人进入动捕范围的时候可以缺失，不影响算法的运行）和当前每一视角的2D关键点建模在同一个图结构中，用单图连接、多视角连接、时域连接的概率作为边的权值，将人体多视角关联的问题看成提取有效边的过程。为了快速地求解这个问题，进一步提出了一种基于完全子图的近似求解算法，高效地完成了从4D图结构中提出正确的人体连接。 最终，该研究工作实现了紧密交互下人体的三维姿态重建，并展示了实时系统效果。其算法在多个数据集上均表现出了良好的视觉效果，在Shelf数据集上也取得了当前最好的数值结果。