|
搜索
搜 索
高等教育领域数字化综合服务平台
石油产品凝点测定仪
产品详细介绍 SBSS-51A2石油产品凝点测定仪用途：本仪器适用于按GB/T510石油产品凝点测定法标准,测定石油产品的凝点。技术性能：冷浴最低温度：SBSS-51A2 0～-51℃（双孔）SBSS-51A1 0～-68℃（单孔）控温精度：±0.1℃60S计时，数显控温 电源：220V 50Hz
菏泽圣邦仪器仪表开发有限公司
2021-08-23
深圳点扬科技有限公司
深圳点扬科技有限公司
2022-07-19
深圳点猫科技有限公司
编程猫专注于4-16岁中国孩子在线编程教育，是深圳点猫科技有限公司自主研发的一款图形化编程工具平台。通过学习编程猫自主研发的图形化编程课，学员可在平台上创作出游戏、软件、动画、故事等，以有趣的方式玩转STEAM学科。
深圳点猫科技有限公司
2021-02-01
思科 Catalyst 9100 无线接入点
使用 Catalyst 无线接入点开启您的 Wi-Fi 6 网络之旅 无线数据流量正以惊人的速度增长。随着生成的数据日益增多以及连接网络的设备不断增加，无线接入点在提供出色的用户体验方面发挥着至关重要的作用。 思科 Catalyst 9100 无线接入点专为满足这一需求而设计。Catalyst 9100 支持 Wi-Fi 6 标准（也称为 802.11ax），可满足当前和未来的网络需求。
思科(中国)有限公司
2021-02-01
中国高等教育学会召开2025年重点工作研讨会
1月6日，中国高等教育学会召开2025年重点工作研讨会，深入贯彻落实全国教育大会精神和教育强国建设规划纲要战略部署，聚焦“围绕中心，服务大局，解放思想，创新发展，为加快建设教育强国贡献更多智慧和力量”主题，理清发展思路，谋划重点工作，统一思想，凝聚力量。
中国高等教育学会
2025-01-08
一种回旋加速器剥离靶驱动装置
本发明公开了一种回旋加速器剥离靶驱动装置，其特征在于， 包括：双通道碳膜结构和弧形导轨；所述弧形导轨设置在回旋加速器 的磁极的周围，用于使双通道碳膜结构在其上进行滑动；所述双通道 碳膜结构包括剥离薄膜单元，所述剥离薄膜单元用于对所述回旋加速 器的粒子源产生的负氢离子剥离电子形成质子。本发明实施例可以避 免对磁极的破坏，降低了对剥离薄膜更换的频率，降低破坏真空的频 率，节约成本和时间。
华中科技大学
2021-04-14
用于预测多元拼合靶材制备的薄膜成分的预测方法
一种用于预测多元拼合靶材制备的薄膜成分的预测方法
一、项目分类
显著效益成果转化
二、成果简介
现有物理气相沉积（PVD）制备多元薄膜材料采用合金靶材作为靶源，生产过程中，薄膜成分的调控范围受安装的合金靶材的成分比例的限制。如果预期获得纳微复杂结构的复合薄膜，按照常规技术路线需要上百块成分连续变化的合金靶材，这显然是无法实现的。同时，采用合金靶材制备某些多元薄膜时，需要特高纯度的或极端成分比例的靶材作为靶源，这类特殊靶材以现有技术难以制造。
为此，本发明研发出一种用于预测多元拼合靶材制备的薄膜成分的预测方法，利用本发明技术有助于新材料的研发和促进半导体器件、切削刀具涂层等高新技术的发展。
武汉理工大学
2022-08-12
进展 | 清华大学医学院林欣教授团队联合研发的双靶点STAR-T细胞免疫治疗产品完成I期临床试验首例患者入组
近日，由清华大学医学院林欣教授科研团队与华夏英泰公司联合研发的双靶点CD19/CD20 STAR-T候选产品HXYT-001细胞注射液的中国I期临床试验在北京大学肿瘤医院完成了首例受试者知情同意签署。
清华大学
2022-12-12
中山大学药学院（深圳）陈红波、程芳研究团队在免疫抑制新靶点 发现和新型免疫抑制剂研发领域取得系列成果
LAG-3和PD-1是两个潜在的器官移植免疫排斥治疗靶点，成功制备了间充质干细胞来源的FGL1/PD-L1双靶点外泌体，发现其能够在小鼠异体心脏移植模型中有效减轻移植排斥，展现了良好的治疗效果。
中山大学
2022-05-31
抗体药物设计平台算法
简介：
抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。
我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。
优势：
1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍
2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率
3、计算方法已经得到了实验从正、反两方面的验证。
图1：深度学习算法预测蛋白质相互作用时界面氨基酸配对:成功率72.1%
图2：计算相互作用得到了实验从正、反两方面的验证
中国人民大学
2021-05-15