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。

针对我国蛋白饲料和多糖产品的巨大市场空间，团队借助专有的合成生物学技术平台自主研发了甲烷气体高值化生物转化技术，拥有我国行业内首个专利授权。利用该技术可以实现将页岩气、沼气等甲烷气体通过微生物高效转化为细胞蛋白和多糖。 所产甲烷基细胞蛋白富含包括全部必需氨基酸的 18 种氨基酸，菌体粗蛋白含量大于 60%，其中 9 种必需氨基酸在总氨基酸中占比达 30%，其在总氨基酸含量、限制性氨基酸含量等参数水平上明显优于豆粕蛋白，并与鱼粉蛋白相似。 所产多糖经权威机构鉴定，其结构与保湿霜类护肤品添加剂海藻多糖结构相似度达97%，具有保湿、修复等功能，目前主要应用于医美产品添加剂与化妆品添加剂。 本项目具有生产成本低、制备工艺简洁高效和制备过程环保无污染的优势。通过前期建立甲烷生物制造的全链条研发平台，该技术已完成从实验室向产业化的推进。

XM-818A人胚受精、卵裂和胚泡形成过程模型   XM-818A人胚受精、卵裂和胚泡形成过程模型由14部件组成，显示受精卵、卵裂球、受精后3天的桑椹胚、受精后5天的胚泡、受精后7天的胚泡、受精后12天的两胚层期胚、受精后18天的三胚层期胚、三胚层期胚放大并附有体蒂和绒毛膜、受精后23天的体节时期人胚、受精后25天的胚及胎膜全部、胎膜与胚胎以及胚内部构造、受精卵植入子宫内膜过程。 尺寸：放大 材质：玻璃钢材料

本实用新型公开了一种具有三维表面微结构的细胞培养装置。包括载片、壳体、微结构和微流道系统；壳体置于载片上，壳体底面开口并在开口周围与载片相封接形成作为细胞培养室的内腔，细胞培养室内设有微结构和微流道系统，微结构贴附在载片上，微流道系统包括进口、出口和微流道，微流道设置在微结构周围的壳体内底面或者载片上表面，进口和出口设置在微结构两侧的壳体上，进口和出口分别经各自的微流道连通细胞培养室中的微结构。本实用新型装置能模拟细胞分布规律的培养环境，减少细胞接触抑制，具有操作简单，细胞植入便捷等特点，能实现快速、高效的细胞培养。

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。

项目成果/简介: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 An