北京康比特体育科技股份有限公司成立于2001年，是一家集运动营养、健康营养食品研发与制造、数字化体育科技服务为一体的创新型体育科技公司，致力于为竞技运动人群、大众健身健康人群、军需人群提供运动营养、健康营养食品及科学化、智能化运动健身解决方案。2022年12月，北京康比特体育科技股份有限公司在北京证券交易所挂牌上市，成为北交所运动营养第一股（证券代码 833429）。 康比特于2005年组建数字科技技术团队，启动数字体育科技研究，经过十多年发展，目前已形成科学训练管理平台、智慧营养管理平台、运动健康管理平台三大系列产品，致力于通过信息化物联网智能技术的研究与成果应用，赋能体育科技的数字化发展。数字体育科技是将康比特运动营养应用技术与互联网、云计算、大数据、人工智能等新一代信息技术相结合的一种数字化手段，旨在解决运动人群科学训练和精准营养的问题。 2020年，康比特成为教育部全国首批授权的“1+X证书”体育运动领域企业，《运动营养咨询与指导职业技能等级证书》作为首批体育运动领域职业技能等级证书，开创了我国运动营养行业复合型专业人才培养的新模式。历经近5年的发展，运动营养咨询与指导认证体系日臻成熟，现已形成集考试、培训、职业技能竞赛、数字化实训室建设等“岗、课、赛、证、产”五位一体的运动营养教育生态体系。

针对载流子表界面复合的问题，研究团队通过在氮化钽薄膜上下界面分别修饰p型的Mg:GaN层和n型的In:GaN层，一方面钝化氮化钽薄膜的界面缺陷，另一方面通过构建异质结提升界面载流子分离能力，实现了最高为3.46%的ABPE，这是目前基于氮化钽光阳极的最高效率值（图）。将体相和界面载流子管理策略相结合，有望进一步提升氮化钽光阳极的效率。

日前，由清华大学机械工程系与精准医研院、北京清华长庚医院联合研发的体外膜肺氧合器，成功小批量试制样机，并顺利完成动物预实验。

不论肿瘤的来源、位置和种类，对其进行特异选择性成像与给药而不影响正常组织是癌症诊疗面临的重大挑战。北京师范大学范楼珍教授课题组研发了一种结构类似大的氨基酸的碳量子点（LAAM CQDs)有望解决这一问题。 这项研究发现，LAAM TC-CQDs的边缘具有多个游离的α-氨基酸基团，通过大中性氨基酸转运体1（LAT1）介导内吞高选择性地进入肿瘤细胞。由于LAT1 在大多数肿瘤细胞中过表达而只在少数组织 (血脑屏障、胎盘、脾脏、睾丸和结肠等)表达，因此，LAAM TC-CQDs对癌细胞具有广谱的精准靶向性。LAAM TC-CQDs在700 nm处发射荧光，成功用于多种肿瘤细胞的成像以及荷瘤鼠体内荧光和光声双模态成像。通过共聚焦荧光显微镜图像可以观察到LAAM TC-CQDs被HeLa 和A549等多种癌细胞摄取，但是在同样的条件下却几乎不被正常体细胞摄取，细胞流式实验结果同样印证了这一发现。活体成像可以发现，LAAM TC-CQDs可以高效在肿瘤富集而几乎不在正常器官富集。LAAM TC-CQDs作为化疗药物拓扑替康（TPTC）的载体，仍然能够精准靶向肿瘤，成功将药物选择性地递送至肿瘤组织。作为TPTC的载体，LAAM TC-CQDs的化疗效率远远超过了游离的TPTC以及已经商业化脂质体载体。更有意义的是，由于血脑屏障是为数不多的过表达LAT1的正常组织之一， LAAM TC-CQDs可以成功穿过血脑屏障，实现了脑肿瘤成像并成功将抗癌药物靶向递送至脑肿瘤。

不论肿瘤的来源、位置和种类，对其进行特异选择性成像与给药而不影响正常组织是癌症诊疗面临的重大挑战。北京师范大学范楼珍教授课题组研发了一种结构类似大的氨基酸的碳量子点（LAAM CQDs)有望解决这一问题。 这项研究发现，LAAM TC-CQDs的边缘具有多个游离的α-氨基酸基团，通过大中性氨基酸转运体1（LAT1）介导内吞高选择性地进入肿瘤细胞。由于LAT1 在大多数肿瘤细胞中过表达而只在少数组织 (血脑屏障、胎盘、脾脏、睾丸和结肠等)表达，因此，LAAM TC-CQDs对癌细胞具有广谱的精准靶向性。LAAM TC-CQDs在700 nm处发射荧光，成功用于多种肿瘤细胞的成像以及荷瘤鼠体内荧光和光声双模态成像。通过共聚焦荧光显微镜图像可以观察到LAAM TC-CQDs被HeLa 和A549等多种癌细胞摄取，但是在同样的条件下却几乎不被正常体细胞摄取，细胞流式实验结果同样印证了这一发现。活体成像可以发现，LAAM TC-CQDs可以高效在肿瘤富集而几乎不在正常器官富集。LAAM TC-CQDs作为化疗药物拓扑替康（TPTC）的载体，仍然能够精准靶向肿瘤，成功将药物选择性地递送至肿瘤组织。作为TPTC的载体，LAAM TC-CQDs的化疗效率远远超过了游离的TPTC以及已经商业化脂质体载体。更有意义的是，由于血脑屏障是为数不多的过表达LAT1的正常组织之一， LAAM TC-CQDs可以成功穿过血脑屏障，实现了脑肿瘤成像并成功将抗癌药物靶向递送至脑肿瘤。

国际微生物学权威期刊PLOS Pathogens在线发表了我校杀菌剂生物学团队周明国和张峰教授为通讯作者、周俞辛博士研究生为第一作者的最新研究成果《Structural basis of Fusariummyosin I inhibition byphenamacril》。这是南京农业大学杀菌剂生物学团队在获得2018年国家科学技术进步二等奖成果的基础上取得的又一新进展。 我校杀菌剂生物学团队参与江苏省农药研究所自主创制的镰刀菌专化性杀菌剂氰烯菌酯，代表了人类追求安全、高效的选择性杀菌剂发展方向，并采用现代生物学技术，团队发现了氰烯菌酯的作用靶标肌球蛋白-5（I型），这也是杀菌剂发展史上继发现酶蛋白和骨架蛋白后，国际上发现的第三类马达蛋白首个杀菌剂新靶标，并指出肌球蛋白的遗传分化是其抑制剂的选择性基础，同时研发了小麦赤霉病和水稻恶苗病高效、安全防控及抗药性治理系列新技术。 揭示杀菌剂作用靶标蛋白结构及其与小分子化合物亲和互作的精细结构特征，是发展颠覆性靶向杀菌剂的重要前提。杀菌剂生物学团队张峰教授利用先进的结构生物学方法，在解析了茉莉酸诱导植物抗病性的受体蛋白JAZ通过结构转换控制植物免疫与脱敏反应的机制基础上（Nature, 2015; PNAS, 2017），参与并指导研究生开展了氰烯菌酯与其作用靶标肌球蛋白-5的复合物三维结构研究，首次获得小麦赤霉病菌肌球蛋白分辨率为2.65 Å的晶体结构（PDBID：6UI4），揭示了植物病原丝状真菌肌球蛋白与其抑制剂的互作特征。研究发现氰烯菌酯结合在肌球蛋白马达结构域一个新的变构腔中，该位点与哺乳动物肌球蛋白抑制剂Blebbistatin结合在II型肌球蛋白马达结构域疏水口袋的位置非常接近，表明氰烯菌酯与Blebbistatin可能存在相同的氨基酸结合位点。 研究揭示了氰烯菌酯抑制肌球蛋白ATP酶活性的分子机制。氰烯菌酯结合的变构腔顶部也是与肌动蛋白（F-actin）结合的裂隙，在肌球蛋白的ATP酶循环中，该裂隙会特征性地闭合和开启以介导与肌动蛋白的结合，释放Pi和ADP，完成ATP酶循环。晶体结构清楚的显示了小分子氰烯菌酯占据了该裂隙关闭的空间位置，与Switch II 的Y409位点互作阻止了Switch II loop结构从开放裂隙向关闭裂隙的转变，阻断了Pi的释放和肌动蛋白的动力冲程，从而干扰了肌球蛋白ATP酶的循环过程，抑制了蛋白的马达作用。基于三维结构，研究还发现了新的与氰烯菌酯结合的氨基酸位点，并证明其中重要的氨基酸位点M375在不同真菌中的遗传分化决定了肌球蛋白对氰烯菌酯的敏感性，氰烯菌酯对禾谷镰刀菌M375K突变体肌球蛋白-5 的ATP酶活性抑制作用大幅降低，而将对氰烯菌酯不敏感的稻瘟菌肌球蛋白-5突变为K375M后，氰烯菌酯则能强烈抑制该稻瘟菌突变体的肌球蛋白ATP酶活性，同时稻瘟菌K375M突变体对氰烯菌酯变为高度敏感。提出了针对肌球蛋白K375设计对稻瘟病菌等具有高活性的新型广谱肌球蛋白抑制剂的可能性。 团队的以上创新性研究为肌球蛋白抑制剂的创制发展奠定了重要的科学基础。该研究解析的杀菌剂与靶标复合物晶体三维结构是首个直接针对病原物研究的科学探索成功案例，对于推动农业有害生物的农药受体结构生物学研究和靶向农药创制具有引领性作用。

观测活细胞内生物大分子的动力学过程和信号小分子对生物大分子的调控作用对于探索生理病理新机制及疾病治疗新方法具有重要的科学意义。 我校物质科学与信息技术研究院张忠平课题组（张瑞龙、田肖和、韩光梅、刘正杰），针对上述关键科学问题，通过设计一系列多响应、多重定位的新型光学探针，实现了活细胞内信号分子对蛋白/酶活性的调控以及遗传物质动力学的分子影像分析，在理解细胞内生物分子动力学领域取得了重要科学发现。代表性进展主要包含：（1）气体信号分子对细胞内酶活性的调控； (2）膜穿透性碳点对活体内DNA和RNA结构及动力学的超分辨影像分析；（3）超分辨成像揭示活性氧调控线粒体核蛋白动力学；（4）超分辨STED和电镜关联成像对细胞微管蛋白超精细结构的分析。 上述进展解决了生物探针对细胞内多种组分和细胞器的特异性识别问题，不仅有效避免了荧光光谱的重叠，还同步结合电镜对生物大分子精细结构的进行研究，为我校双一流学科生物医学探针和成像方向再添新成果。

面向高密度储能体系的需求，金属锂负极由于具有最高的理论容量和最低的标准电极电势的优点而广受关注。但同时它也存在易产生枝晶和库伦效率低等问题，极大的阻碍了锂金属电池的商业化。针对这一问题，赖老师课题组首次明确提出了“疏锂排斥”的金属锂负极保护机制。该工作被JACS的审稿人评价为“a very interesting and impressive technique”和“commercially available, environmentally benign andjust needs small amount”，在锂金属电池中展现了较高的应用价值。该论文第一作者为我校2015级硕士研究生戴宏柳。 　　此外，赖老师课题组与南开大学梁嘉杰和陈永胜老师课题组合作，设计了一种三维多层次三维孔结构骨架，即连续的银纳米线被组装到互相连接的3D石墨烯骨架上，形成双网络结构。在这种独特的双网络结构中，可有效约束锂的沉积过程，并极大的缓解金属锂负极长循环过程中体积膨胀问题。该项研究工作发表于Advanced Materials后, 引起了广泛的关注，被科技日报以《锂电池“长寿密码”找到》头版、人民网和新华网等媒体广泛报道。该论文第一作者为我校2016级硕士研究生薛攀。

原子核裂变数据的精确测量是很多核物理应用的先决条件，比如核能、国防、辐射防护、核废料处理、产生稀有同位素等。核裂变物理在超重元素合成、反应堆中微子、中子星融合中的r-process等研究中也不可缺少。特别是走向新一代核能-快中子反应堆，急需锕系核区精确的不同能量中子诱发裂变数据。但是目前实验和理论都无法提供可靠及完整的能量相关裂变数据。 由于涉及中子的实验难度较大，国际上主要的核数据库只有几个能量点的裂变数据。理论上基于微观模型去描述裂变过程非常复杂，是一个涉及多维位能面的大幅度、非绝热的量子动力学过程。目前微观理论对裂变可观测量的描述还有较大误差。 此外基于唯象裂变模型对未知核区和未知能区的外推往往不可靠。 北京大学物理学院裴俊琛研究员课题组首次采用贝叶斯神经网络（Bayesian Neural Network）来评估不完整的裂变产物分布。此前贝叶斯神经网络对原子核质量外推有一些成功的应用，并可以得出推断的误差，但是仍有量子壳效应的疑虑。核裂变过程涉及复杂的位能面，裂变产物分布具有统计特征，比较适合神经网络。 贝叶斯神经网络对不完整核裂变产物的评估 目前核裂变产物的实验测量很难给出完整的产物分布，只能结合模型评估给出完整的裂变产物分布。人们通常基于唯象模型、通过调参数来拟合出产物分布。该工作通过对已有裂变数据库的学习，当实验测量给出不完整的裂变数据时能够推断出完整的裂变产物分布。结果表明，随着中子能量增加，裂变模式逐渐从不对称裂变演化成对称裂变。这说明神经网络能成功抓住部分物理图像。当实验数点很少时，唯象评估模型失效，神经网络仍然可以给出有效的评估和合理的置信区间。贝叶斯神经网络对核裂变产物的评估开辟了一个新的方向，展现了机器学习的一个实际应用范例，将对核数据的定量评估产生重要影响，有望更好地提供应用级的精确核数据。 不同能量的裂变模式演化