传统荧光指示剂以有机染料和量子点晶体等下转换发光材料为主，而本项目申报的上转换荧光纳米材料是一 种全新的荧光材料。现有基于荧光的成像、检测技术所使用的都是下转换发光材料，与其相比，上转换荧光材料和技术有显著优势：光学性能独特、背景噪音低、灵敏度高、 光学稳定性好。目前对此新型材料的关注越来越多，可在很多领域取代传统发光材料设计新的产品，具有很大的市场发展空间。 

1、痛点问题 区块链技术目前仍然面临许多关键性问题。首先是双重支付（Double spending）问题。一笔交易的数字凭证被广播到所有区块链网络节点，由于网络通信存在延迟，代表一笔交易的新区块从生成到被大多数网络节点认可需要一个时间段。因此，在新区块被确认合法性之前，支付方可以任意使用手中的区块作为数字凭证支付给多个接收方。 其次，对于数字凭证的交易者来说，系统架构中并没有提供足够的合法身份验证和防止账户盗用的交易止损机制。一旦用户密钥丢失，则将永久性丧失个人的数字资产。 第三 ，缺乏合法身份认证机制的区块链技术还面临严重信息安全问题，急需建立一种保证个人用户交易和数字资产安全的保障机制。 2、解决方案 （1）区块链账户的生物特征加密集成技术。 （2）安全交易数字凭证生成技术。 （3）区块链系统对区块合法性认证技术。 3、合作需求 1）寻找实现核心算法软件系统开发的精干团队。 2）寻找合作开发应用场景系统平台的投资方。特别是基于数字图书市场应用场景的区块链安全交易系统开发。

本发明公开了一种船舶双曲率外板空间定位标记方法及其标记装置，其方法包括以下步骤：1)在计算机上建立船舶的坐标原点信息；2)将爬行智能车的理论爬行路径以及船舶双曲率外板上需要标记的点的空间坐标输入给爬行智能车；3)爬行智能车吸附在船舶双曲率外板上并在船舶双曲率外板上爬行并做出修正；4)爬行智能车在船舶双曲率外板上做出标记。其装置包括计算机、空间定位装置、爬行智能车、安装在爬行智能车上的吸附机构、标记机构。本发明实现了爬行智能车在复杂双曲率外板上的吸附、爬行、标记功能，依托空间定位技术，实时监控爬行智能

在利用叠氮非天然糖 Ac4ManNAz 对细胞进行唾液酸化标记时，质谱数据中出现了胞质蛋白。而正常情况下，胞质蛋白是不具有唾液酸修饰的。为了解释这一现象，利用基于位点的化学蛋白质学技术手段鉴定到这些蛋白中的半胱氨酸残基被非天然糖所修饰，并且产生了带有不同乙酰基数目的修饰情况。为了进一步排除这些修饰是通过代谢途径产生的可能性，将全乙酰化的非天然糖直接与细胞裂解液或纯蛋白孵育，也都能发现蛋白质上的半胱氨酸可以被修饰。

真核细胞具有复杂而高度有序的空间结构，研究生物大分子的亚细胞定位，对于阐明其生物学功能有着重要意义。核酸分子在细胞中的特异性分布直接影响基因表达的效率，在蛋白质翻译调控、学习与记忆形成等一系列生物学过程中扮演了重要角色。针对亚细胞区域中RNA组份的研究，传统手段依赖于化学交联、免疫沉淀、离心分离等技术，不但需要预先破坏细胞的天然结构，而且还局限于少数能够被机械分离的亚细胞区域，缺乏普适性。 本研究提出“邻近核酸标记”的策略。该策略的核心是在活细胞中利用酶促反应形成大量高活性的自由基，与酶邻近的核酸分子发生共价加成反应，从而实现空间特异性标记。从工程改造的过氧化物酶APEX2出发，邹鹏课题组首先设计并合成了十余种与生物素偶联的酶底物，并从中发现生物素-苯胺探针的核酸标记活性最高。他们进一步以线粒体、核纤层和核仁等亚细胞结构为例，建立了在活细胞中开展邻近核酸标记的方法，并通过定量PCR与高通量测序分析证实了标记方法具有良好的空间特异性。邻近核酸标记技术操作简单、具有普适性，为日后研究核酸的亚细胞定位与功能关系提供了必要的工具。

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。

临床肿瘤的诊断和分期依赖于影像学，核医学2-氟-2-脱氧-D-葡萄糖（18F-FDG）正电子发射计算机断层扫描/计算机体层扫描(Positron Emission Computed Tomography / Computed Tomography, PET/CT)技术在肿瘤的诊断及分期（寻找恶性肿瘤原发灶及同步探测转移灶），探测未知原发肿瘤的原发灶，探测肿瘤复发、鉴别肿瘤残留与治疗后瘢痕或坏死组织，监测治疗，帮助制定放疗计划等方面较传统的影像学方法如：CT、MIR、超声等均已显示出独特的优越性。然而，18F-FDG不具有肿瘤特异性。炎症、感染性疾病如活动性肺结核、隐球菌性肉芽肿、肺脓肿、结节病等也可出现18F-FDG高摄取，导致假阳性结果；同时，许多分化良好的低级别肿瘤，包括大多数前列腺癌、肾细胞癌、肝癌、肺类癌、支气管肺泡细胞癌、消化道和结肠粘液性肿瘤、低度恶性淋巴瘤、高分化腺癌等，葡萄糖代谢水平相对较低，更接近正常组织，18F-FDG摄取低或不摄取，可出现假阴性结果。上述18F-FDG PET/CT肿瘤显像的假阳性和假阴性结果无疑会给临床肿瘤的诊断及鉴别诊断带来巨大的挑战。因此，开发新型非18F-FDG肿瘤靶向显像诊断药物势在必行！ 研究发现，黄连素——一种从小檗科植物家族中提取的苄基四异喹啉类生物碱，通过选择性作用于肿瘤细胞的线粒体，包括抑制线粒体复合物I和与腺嘌呤核苷酸转运蛋白相互作用等，诱导线粒体功能障碍，从而抑制肿瘤细胞的生长。肿瘤细胞的线粒体已成为一种优良的抗肿瘤治疗靶标。黄连素似乎可以抑制多种肿瘤细胞，包括结肠癌、前列腺癌、胶质母细胞瘤、胃癌、表皮样癌、肝癌、胰腺癌、乳腺癌、口腔癌、舌癌、白血病和黑色素瘤等多种肿瘤细胞的生长。利用黄连素对肿瘤细胞线粒体的高度靶向性特性，用放射性释放γ射线的放射性核素标记黄连素衍生物可完成活体肿瘤的靶向分子显像；用释放α离子或β等射线的治疗用放射性核素标记该黄连素衍生物，利用黄连素衍生物自身的抗癌活性和放射性核素释放射线的辐射损伤生物学效应，可实现对肿瘤的化学-放射双重治疗。 首次成功合成新的黄连素衍生物并完成18F标记，形成一种新分子——18F标记黄连素衍生物；运用PET/CT技术,初步实现了18F标记黄连素衍生物（新分子）的新用途——活体荷VX2瘤兔的肿瘤靶向分子显像，具有创新性。 查新报告显示：国内外均无相关专利及文献报道。

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。

研发阶段/n可用于猪生长速度的遗传改良，在猪的遗传改良中生长速度性状一直是改良的重点，提高生长速度可缩短生长周期，节省饲养成本，但这个性状的测定也必须等到猪长到上市体重，因此测定工作需要花费成本，用专利6，7和8可以进行早期选择，节约测定成本，缩短世代间隔，提高生长速度。