项目简介目前，随着肿瘤免疫治疗的快速发展，恶性肿瘤的治疗已经逐渐由传统外科手术、化疗、放疗等破坏性治疗转向微创介入及无创性免疫治疗时代。肿瘤免疫治疗的模式旨在不伤害正常组织细胞，对肿瘤细胞实现精准杀伤，其中包括利用治疗性抗体及免疫细胞（如CART及TCRT细胞）靶向肿瘤特异性抗原，实现特异性杀伤，即过继免疫疗法；以及利用肿瘤疫苗激活体内免疫细胞的杀伤效应或阻断肿瘤患者免疫细胞上特有的免疫抑制信号转导（如PD-1/PD-L1），以解除肿瘤患者免疫细胞的免疫无能状态，即主动免疫疗法。可见无论是过继免疫还是主动免疫治疗都严格依赖特异性的肿瘤靶点分子及特异性免疫调控分子。然而，目前肿瘤免疫治疗领域的最大挑战之一是缺乏新的肿瘤靶点及免疫调控分子。北京大学基础医学院免疫学邱晓彦课题组，从30年前的偶然发现开始，追踪至今，已经证明原本作为重要免疫分子的免疫球蛋白（Immunoglobulin,Ig）在多种恶性肿瘤细胞中大量表达，促进肿瘤的发生及转移。近期的研究发现上皮谱系来源的肿瘤（90%肿瘤属于上皮性肿瘤）普遍表达一种异常唾液酸化IgG, 其唾液酸修饰发生在IgG Fab上一个新的N-糖基化位点, 而在正常组织细胞及B细胞来源的IgG很少或没有这种修饰。重要的是，异常唾液酸化IgG主要表达在上皮来源的肿瘤干/祖细胞上，其表达水平直接涉及肿瘤发生、转移、肿瘤的化疗耐药及不良预后。用特异性识别该唾液酸相关表位的中和抗体，可明显抑制肿瘤生长（包括PDX模型）。提示异常唾液酸化IgG是上皮性肿瘤细胞潜在的共同靶点，尤其是其高表达在肿瘤干/祖细胞上，可能是更理想的肿瘤治疗靶点。目前，该靶点已经获得国家知识产权专利保护（201510776518.9），国际专利正在审批中。

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。

哈尔滨工程大学振子自动定位系统采购项目竞争性磋商

浙江大学小动物活体实时成像仪竞争性磋商

申请人自2002年8月开始在医学低剂量CT图像成像、处理等方向开展学习和研究工作，从理论探索和应用拓展两个方面同时开展科学研究，先后提出了“基于区别性稀疏表示的低剂量CT成像”，“基于大尺度平均的低剂量CT图像后处理”，“基于深度学习的低剂量CT成像”等一系列创新算法，其中“基于区别性稀疏表示的低剂量CT成像”算法已通过专利形式转让到国内龙头大型医疗设备商上海联影医疗设备有限公司，目前已经在其即将推出的最新的U780 CT机上得到了应用。

射治疗是肿瘤患者主要的治疗手段之一，口腔黏膜炎是接受放疗的头颈部肿瘤患者最常见的急性不良 反应之一。该不良反应往往容易造成患者饮食困难、体重下降、易疲劳、疼痛、睡眠质量下降，甚至严重 的口腔黏膜炎会导致放疗的中断，从而影响癌症患者治疗的进程。