是新华医疗强大X线机研发团队专门为高校医学影像专业教学设计的又一力作，本实验台综合了单个实验箱的实验功能，综合性强，可使学生在比较中进行实验，进而提高学生综合运用知识的实验效果，让学生亲身体验，学以致用。主要实验模块包括：整流电路实验、高频X线机逆变频率电路实验、旋转阳极启动与保护电路实验、磁饱合稳压电路实验、曝光限时电路实验、管电压管电流测量实验、接地电阻测量实验、X线机发生器基本工作原理及控制实验等。

阐明LNMAT1通过诱导CCL2募集TAMs促进膀胱癌淋巴转移的关键分子机制，对于在膀胱癌淋巴转移中潜在治疗靶点的临床干预具有重要意义。 鉴定了调控膀胱癌肿瘤微环境相关的长链非编码RNA LNMAT1。LNMAT1能够促进肿瘤细胞分泌趋化因子CCL2，进而募集TAMs到膀胱癌肿瘤微环境中。被“引诱”而来的TAMs能够分泌参与膀胱癌淋巴管生成过程的VEGF-C，帮助肿瘤细胞发生淋巴转移。由此可见，如果能介导到肿瘤微环境这片“土壤”，干预膀胱癌“帮凶”LNMAT1的表达，将能改变“种子”的生存情况，对抑制膀胱癌的进展、改善患者的生存预后发挥重要价值。林天歆教授团队首次阐明LNMAT1介导肿瘤微环境的重要作用及通过与趋化因子CCL2协同调控TAMs的分子机理，对认识膀胱癌淋巴转移的发生发展的机制有重要意义。

成果简介针对折弯模具关键尺寸无法直接用卡尺或千分尺测量的现状， 采用一个三自由度串联机械臂， 其中， 两个移动自由度的位移由直线光栅检测， 测头转动自由度的位移由码盘检测。 直线位移光栅和码盘所检测的信号经数据处理可得到数控折弯模具关键尺寸。 该装置结构简单， 克服了三坐标测量机的缺陷， 容易操作，可被广泛使用。成熟程度和所需建设条件本课题获批为安徽省教育厅重点研究项目， 已研制出原理样机并顺利通过验收。技术指标可同时检测折弯模具

燃料电池技术应用的关键在与新材料的开发，基于材料的优化得到更好的燃料电池产电输出性能。项目团队基于固态离子理论，设计了一系列燃料电池电极新材料及新结构，以提高电池输出性能为目的，开发了一系列高性能的阳极功能材料，阴极层材料与新结构。项目取得完整知识产权，申请发明专利15件，授权发明专利8件。

日前，清华大学生命学院葛亮课题组在《细胞》（Cell）期刊上在线发表题为“蛋白跨膜转运调节非经典蛋白分泌”（A translocation pathway for vesicle-mediated unconventional protein secretion）的研究论文，首次报道了非经典分泌过程中的蛋白跨膜转位机制。 蛋白质的分泌是细胞间信息传递的重要方式。分泌蛋白通常具有N端信号肽序列以指导新生多肽链进入内质网（endoplasmic reticulum，ER）被加工、修饰，之后被运输到高尔基体(Golgi apparatus)经过进一步的加工，最终抵达细胞质膜并被释放到细胞外，这一过程被称为经典分泌途径。近年来的研究发现，许多分泌蛋白不具有典型的信号肽序列，其分泌不依赖于ER-Golgi途径，这类分泌途径被称为非经典分泌（unconventional protein secretion, UPS）途径。直接跨质膜转位（I型）与细胞内囊泡结构介导的分泌（III型）是最主要的两种UPS途径。III型UPS中，蛋白首先进入一个囊泡载体（例如autophagosome, endosome等），然后通过膜泡运输系统被运送到细胞外。由于这类蛋白缺少信号肽，一个需要解决的关键问题就是这类UPS蛋白是如何进入囊泡载体中的。  图1. TMED10介导的蛋白质非经典分泌途径工作模型 在这项研究中，研究人员鉴定出一个膜蛋白TMED10可能形成一个蛋白通道介导UPS蛋白进入囊泡结构。细胞实验发现，TMED10能够调控大量非经典分泌蛋白的分泌，包括炎症因子IL-1家族成员，galectin1和galectin3，以及小分子伴侣蛋白HSP5B。CLP诱导的败血性休克（Cecal Ligation and Puncture (CLP)-induced septic shock）小鼠模型中，TMED10髓系敲除的小鼠分泌更少的IL-1β, 进而导致更低的炎症反应与更高的存活率。进一步的研究发现，TMED10的C末端区域与分泌蛋白的一个motif的相互作用对蛋白的选择性转运与分泌非常重要。体外脂质体实验证明，TMED10直接介导UPS蛋白进入脂质体，并且这一过程依赖于蛋白质的去折叠。在细胞中，TMED10定位于ERGIC（ER-Golgi intermediate compartment）并且能够指导分泌蛋白进入这一膜性细胞器中。此外，研究还发现货物蛋白与TMED10的结合会诱导TMED10寡聚化形成蛋白通道从而介导蛋白的转位。基于这些实验数据与之前的研究成果(Zhang et al., 2015)，作者提出如图所示的TMED10介导的蛋白质非经典分泌途径（TMED10-channeled UPS , THU)工作模型（图1）。UPS蛋白在胞质分子伴侣HSP90A的帮助下去折叠并被运送到ERGIC，结合TMED10诱导其发生寡聚化形成蛋白通道，在腔内分子伴侣HSP90B1的帮助下转位进入ERGIC，之后可能通过ERGIC形成运输小泡，直接运送到细胞质膜，或进入分泌型自噬体或分泌型自噬溶酶体/MVB，分泌型自噬体又可以直接和质膜融合或首先与溶酶体融合，最终将蛋白释放到细胞外。 生命学院研究员葛亮为本文的通讯作者，实验室张敏老师与生命学院博士生刘磊为本文共同第一作者。本研究受到基金委和科技部的经费资助。 文章链接： https://doi.org/10.1016/j.cell.2020.03.031

本课题从能源互联网自下而上构建开放互联、对等分享的新型能源电力基础设施的需求出发，提出能源路由器是能源互联网实现的关键装备。借鉴互联网的理念、技术、方法和架 构，能源路由器效仿信息网络路由器，以实现能量交换能像信息分享一样便捷。借助电力电 子、储能以及信息通信技术的发展，本课题结合能源互联网用户需求侧能量交换与互联的需 求，研制低压小容量能源路由器。清华大学在国内较早开始开展能源互联网方面的研究工作，提出了能源互联网基本架构、 关键技术，并开展能源路由器以及相关信息通信技术等方面的研发工作，并于 2014 年获得 国家自然科学基金委首个能源互联网方面的立项——“能源互联网建模、分析与优化理论研 究”，目前参与承担国家电网公司科技项目“能源互联网技术架构研究”“能源互联网信息通 信体系架构研究”和“全球视角下能源互联网的系统构建理论及情景分析”等直接能源互联 网相关研究。能源路由器是能源互联网的核心重大装备，未来电网发展趋势会以大量电力电子装置呈现，电能路由器以电力电子技术为基础，电能路由器未来能替代电力变压器、电力电子装备 等，加上随着新能源和分布式新能源的发展，新能源的接入成为能源路由器的最大推手，市 场规模达到百亿以上。

本课题从能源互联网自下而上构建开放互联、对等分享的新型能源电力基础设施的需求出发，提出能源路由器是能源互联网实现的关键装备。借鉴互联网的理念、技术、方法和架 构，能源路由器效仿信息网络路由器，以实现能量交换能像信息分享一样便捷。借助电力电 子、储能以及信息通信技术的发展，本课题结合能源互联网用户需求侧能量交换与互联的需求，研制低压小容量能源路由器。 清华大学在国内较早开始开展能源互联网方面的研究工作，提出了能源互联网基本架构、 关键技术，并开展能源路由器以及相关信息通信技术等方面的研发工作，并于 2014 年获得 国家自然科学基金委首个能源互联网方面的立项——“能源互联网建模、分析与优化理论研究”，目前参与承担国家电网公司科技项目“能源互联网技术架构研究”“能源互联网信息通 信体系架构研究”和“全球视角下能源互联网的系统构建理论及情景分析”等直接能源互联 网相关研究。装置的主要创新点如下： l 能源路由器实现开放式即插即用的能量交换与路由； l 能源路由器支持多路可扩展的新能源和动态负荷接入； l 能源路由器解决瞬时平衡的能源互联网能量管理； l 能源路由器实现信息—能量融合的基础设施一体化； l 能源路由器在海淀北区能源互联网项目示范应用； 性能参数： l 研制自治微网能源路由器和小批量实现，传输电压等级为低压 380V，系统容量达 到百 kVA 级，响应时间小于 10ms，接入电源类型不少于 2 种，负荷类型不少于 3 类。 l 能源路由器可实现基本的能量路由功能，还可提供可扩展的工作模式：潮流调节模 式（增加有功、无功统一调节；功率因数达到 95%以上）和电能质量调节模式（增加电能质 量暂态、稳态指标的统一调节；暂态电压补偿能力超过 30%，电流谐波含量小于 5%）。

项目成果/简介:本课题从能源互联网自下而上构建开放互联、对等分享的新型能源电力基础设施的需求出发，提出能源路由器是能源互联网实现的关键装备。借鉴互联网的理念、技术、方法和架 构，能源路由器效仿信息网络路由器，以实现能量交换能像信息分享一样便捷。借助电力电 子、储能以及信息通信技术的发展，本课题结合能源互联网用户需求侧能量交换与互联的需求，研制低压小容量能源路由器。

成果描述：本发明申请要解决的问题是，在偏僻的野外或者野生动物保护区，对珍稀物种检出，从而追踪它们的生活轨迹，或者在某些仓库农场对破坏储存物的害虫或者家养动物的天敌的检出是非常重要的。本专利建立一种实时的基于生物声音的只能检测方法，分析提取了动物声音的时域特征，频域特征，通过对特征的分析、分类，及时有效的检测出生物的运动痕迹。市场前景分析：生物活动轨迹的追踪有着重大的现实意义，在粮食以及动物保护方面有着非常广泛的作用。本发明着重从声音的频域、时域进行特征提取，然后选取特征组合，对特征进行有效的分类。研究实验表明，本算法的平均准确率达到89.9%。与同类成果相比的优势分析：本篇专利提出的识别系统的流程在原有的基础上增加了两个环节，即流程成为：预处理->声音提取->特征提取->特征选择->模型训练；并且还提出了新的算法，采用了许多最近提出的特征，比如MFCC[6-9]。经实验验证，本文提出的方法相比之前的方法正确率提高了20%左右，达到了89.9%。