模拟人体外皮模块，采用高分子生物仿真材料，真实还原人体表皮、真皮、皮下组织等，设计可替换耗材模块，操作手感真实。适用于消毒、切开、缝合、打结等外科手术学基本操作训练。

东南大学医学院实验室纯水/超纯水一体化系统采购招标项目的潜在投标人应在东南大学采购中心网（https://dnzb.seu.edu.cn/）获取招标文件，并于2022年06月14日09点30分（北京时间）前递交投标文件。

授权发明专利。本发明属法医学领域，具体涉及一种基于20个三等位基因SNP遗传标记的法医学复合检测试剂盒。本发明试剂盒由分离包装的复合扩增引物混合物、多重单碱基延伸反应引物混合物、等位基因分型标准物混合物、复合扩增反应混合液、以及单碱基延伸反应混合液构成。所述试剂盒通过单管内的复合扩增反应和多重单碱基延伸反应，利用法医遗传实验室通用的毛细管电泳平台，可一次性快速、准确地获得生物检材的20个三等位基因SNP遗传标记的分型，确定检材的个体来源，为法医个人识别提供一种新的技术手段。该试剂盒在法医学领域具有良好的应用前景。

2025年2月10日，复旦大学基础医学院代谢分子医学教育部重点实验室潘东宁团队在《自然-通讯》（Nature Communications）期刊发表了题为“Non-catalytic mechanisms of KMT5C regulating hepatic gluconeogenesis”的研究论文。该研究揭示组蛋白甲基转移酶KMT5C通过非催化机制调控肝糖异生的全新作用模式。

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。

北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授和龚旗煌院士等在非厄密拓扑光子学研究中取得重要进展：发展出一种研究新型增益-损耗畴壁拓扑光学体系的有效哈密顿量新方法，揭示了由增益-损耗畴壁诱导的拓扑态的产生机制。

该技术通过分子设计和环境友好的水解反应，利用顶角-戴帽法和官能团剪裁等手段制备带有多种可反应性基团的中空笼型纳米材料。材料具有质轻、透气、超低介电常数、耐热、易加工、可溶解性、生物相容性等特性，体现了不同于传统纳米材料的优点，与聚合物有非常好的相容性和分散性。这类有机－无机杂化材料实现了将有机材料的耐热性能和高强度与有机高分子材料的加工工艺简单完美结合的目的。 笼型倍半硅氧烷与高分子聚合物的相容性良好，基本可以达到分子级均匀分散，这是普通无机填料无法达到的，得益于笼型倍半硅氧烷分子具有有机部分，既使在惰性基团取代笼型倍半硅氧烷中也可以与有机基体实现良好的相容行为。同时，材料的耐热性能指标（如玻璃化转变温度，5%质量损失热降解温度）均有大幅度提高，这是因为笼型倍半硅氧烷的Si－O骨架部分提供了优异的抵抗热冲击性能，此外，还可以利用多官能化笼型倍半硅氧烷进行交联反应实现三维交联结构，以进一步提高耐温性能。另外，笼型倍半硅氧烷可以作为各种催化剂和其他功能性材料的载体，在拓宽这些功能材料使用温度的同时提高其某些性能，如提高电致发光材料的发光效率和发光纯度，提高催化剂的催化效率和选择性。 可以预见，随着各个交叉学科领域的不断扩展，笼型倍半硅氧烷作为典型的有机-无机杂化材料的优异性能将会引起人们越来越浓厚的研究兴趣。 粒子尺寸：1.5～3nm；溶解性：根据官能团不同，可溶解于有机溶剂或水；颜色：白色；耐热性：热分解温度在250℃以上。可用于耐高温材料、航空航天材料、复合材料、超低介电材料、塑料及纤维改性、功能高分子材料、特种涂料、生物材料等制备。在高附加值材料领域，应用前景广阔。项目投资300～400万。

本发明涉及细胞色素C分子自组装纳米有序复合结构组装体及制法,以羟基磷灰石纳米粒子为基本单元,在三维空间组装成纳米γ-氧化铝模板/羟基磷灰石纳米有序复合结构组装体(组装体1),然后与细胞色素C组装,得到细胞色素C/γ-氧化铝模板/羟基磷灰石纳米有序复合结构组装体,其细胞色素C平均表面含量为4.5×10