轴承智能制造生产示范线以滚动轴承装配为应用场景，基于云平台和工业互联网技术，研制出滚动轴承机器人自动装配作业生产线；运用数据化设计技术，建立滚动轴承机器人自动装配生产线三维数字化模型，结合深度学习等技术，实现滚动轴承装配作业流程优化和仿真；借助无线网和传感器，实时采集滚动轴承装配生产的过程数据，并上传云端，应用数据统计和机器学习技术，自动生成滚动轴承装配生产过程的数据报表；采用云端软件架构，开发集滚动轴承装配生产过程管理、实践教学管理、在线课程和远程教学指导等功能于一体的管理软件，为工科学生或企业员工学习云制造技术，提供一款忠于工业生产场景，云制造技术要素齐备，工艺流程短小精悍，便于实验实训组织和开展的典型生产线。 滚动轴承装配柔性生产组成：由原料货架、AGV、滚动轴承自动装配单元、工业相机、货架等硬件设备构成。工业互联网组建：机器人、PLC、AGV、工业相机等节点及现场传感器，通过工业互联网相连接。生产线数字化模型建立：利用虚拟仿真软件创建设备三维数字化模型。生产工艺流程重组、优化和仿真：基于效率、能耗或设备利用率等，运用智能调度算法，实现过程模拟仿真、流程规划。生产过程精细化管理和智能决策：建立生产过程数据采集和分析系统，利用工业大数据分析技术，自动调整生产工艺参数。

监测实训室本着“统筹规划、分步实施、标准统一、先进实用、安全可靠、软硬并重、重点突破、以用促建”的建设原则，科学决策，有计划、有步骤地逐步将学院建设成为一个智慧、网络化、智能化的虚拟大学，通过建造基坑监测实训室、高支模监测实训室、隧道监测实训室、大坝监测实训室、桥梁监测实训室等实训基地，形成“教、学、练、考、交互、体验、协作”的综合培训模式，学习工程安全监测技术，提升安全素质，增强安全意识，提高安全技能。

优化人工智能学科布局，加快人工智能领域一级学科建设。 密切关注人工智能领域前沿技术，将技术及资源引入到人才培养。 部署完整的人工智能实验环境、实验资源、课程体系和教学全流程平台。 搭建完整的专业框架，全面支撑高校人工智能方向的教学与科研。 培养具备深度学习算法设计开发的人工智能应用型人才。

微卫星不稳定性（Microsatellite Instability, 简称MSI）是目前肿瘤临床检测中一种非常重要的分子表型，多发生于结直肠癌、胃癌、和子宫内膜癌。微卫星不稳定性与肿瘤的发生、发展，治疗方案制定及治疗效果预测相关，更是肿瘤免疫治疗疗效预测的重要分子标记物。当前，临床上使用的两种微卫星不稳定性检测的金标准方法：MSI-PCR和MSI-IHC，都需要专业技术人员通过实验操作来完成，均费时费力且成本较高。近年来，随着高通量测序（Next Generation Sequencing）的发展，基于高通量测序的微卫星不稳定性检测方法开始显露头角，在检测结果与两种临床金标准保持高度一致的情况下，极大的缩减了检测时间并减少了检测成本，大幅提高了推广微卫星不稳定性检测的可行性。2014年，西安交大叶凯教授团队率先开发了基于高通量测序的微卫星不稳定性检测方案——MSIsensor。2017年该检测方案作为全世界首个泛肿瘤检测方案MSK-IMPACT中的微卫星不稳定性计算方法，通过了美国食品药品监督管理局的严格测试并获得批准。美国纪念斯隆凯特琳癌症中心测试表明，基于高通量测序的微卫星不稳定性检测与金标准的一致性可达99.4%。然而，微卫星不稳定性检测方案大都要求提供病人的癌症组织样本及一份取自血液或者癌症组织附近的正常样本。一方面，这一份正常对照样本限制了微卫星不稳定性的应用场景，尤其难以应用于血癌样本、福尔马林包埋样本、PDX/PDO等不易获得正常对照样本的情况；另一方面，额外的对照样本增加了微卫星不稳定性的检测成本。基于上述原因，在叶凯指导下，叶凯青年科学家工作室科研人员经过两年的探索，从微卫星不稳定性发生机理出发，通过数学模型抽象，从单个肿瘤样本中提取特征，开发了MSIsensor-pro。MSIsensor-pro实现不依赖正常对照样本的微卫星不稳定性检测，只需50个微卫星位点的测序数据即可实现微卫星不稳定性的精准检测。MSIsensor-pro的开发扩大了微卫星不稳定性的应用范围，减低了微卫星不稳定性检测的成本。同时MSIsensor-pro在低肿瘤纯度和低测序深度这类低信噪比数据中也显示出来很大的潜力。 该研究成果近期发表在国际组学和生物信息学领域权威期刊《基因组蛋白质组与生物信息学报》（影响因子6.597）上。叶凯的博士生贾鹏为该论文的第一作者，叶凯为通讯作者，西安交通大学为本文唯一通讯作者单位。这是叶凯教授课题组在基因组暗物质解析方面的又一重要突破。论文链接为：https://www.sciencedirect.com/science/article/pii/S1672022920300218

本发明公开了一种用于等温扩增检测结核分枝杆菌的引物及包含该引物的检测试剂和方法，所述引物包括上游序列和下游序列，其序列分别如SEQ ID NO:1和SEQ ID NO:2所示；包含该引物的检测试剂包括上游引物85BPF1、下游引物85BPR1和探针85BPB1(SEQ ID NO:3)；利用所述检测试剂等温扩增检测结核分枝杆菌的方法，包括以下步骤：将待检测基因样本与所述检测试剂混合，放置在可收集FAM荧光的仪器中，在35?45℃条件下孵育，检测荧光值，根据有无阳性扩增反应，判断待检测基因样本是否属于结核分枝杆菌的基因。相对于现有技术，本发明通过检测结核杆菌中的基因组，可以特异地检测结核杆菌基因，能够有效区分结核分枝杆菌和非结核分支杆菌，特异性高，反应时间短，温度过程简单。

主要研究APT 网络攻击全链条的通用表征和威胁模型， 实现攻击的全链条威胁分析；研究跨平台内核数据实时可信 采集方法，探索基于去噪和去冗技术的高效数据解析、基于 语义恢复技术的关键字段填充；研究多源异构内核数据的重 构方法；研究保持全局依赖的数据压缩方法，实现实时、高 效、普适的数据压缩；研究面向APT网络攻击全链条的智能 检测框架，实现对攻击的全链条高效检测；研究APT网络攻 击的演化模式，实现APT网络攻击的可解释溯源分析。

天津大学生命科学学院黄金海教授和叶升教授团队瞄准临床实践所需，制定了病毒、抗体快速诊断以及生物防治制剂的研发方案。团队迅速制备获得新型冠状病毒高纯度蛋白，并与北京华科泰生物技术股份有限公司联合完成免疫荧光层析试纸条检测病毒抗原灵敏性、交叉性等实验，成功研发出新型冠状病毒抗原荧光免疫层析快速检测试剂盒。与目前临床使用的检测试剂盒相比，新型试剂盒最大的优势是“快”，可在15分钟内检测出是否为新型冠状病毒，极大地缩短了检测时间；同时该试剂盒具有高灵敏度，病毒蛋白检测达到pg级，为病毒感染的早期筛查提供了简便灵敏的手段。实验结果显示，新型试剂盒检测限、灵敏度、线性系数等性能指标均满足对病毒抗原检测的有效性要求。新型试剂盒正在加紧临床验证，在获得相关部门检验审批后有望用于疫情的快速检测和早期诊断，缩短疑似病例的筛查时间，助力新冠病毒疫情的防控。天津大学生命科学学院科研团队正在加紧进行新型冠状病毒早期感染抗体检测、新型生物防治制剂的研发工作，目前进展顺利，有望近期取得可用性成果。

沈阳化工大学特聘教授尹秀山团队成功研制出“新型冠状病毒核酸检测试剂盒”，已投入科研使用。本次研发为沈阳市科技局会同辽宁省科技厅联合启动的首批冠状病毒感染的肺炎疫情应急科研攻关项目，包括新型冠状病毒的快速检测试剂盒、家用试剂盒及配套产品等，用于疑似病例早期初步筛查。

由重庆交通大学牵头，交通运输部公路科学研究所、北京航空航天大学等七家单位共同完成的“公路桥梁检测新技术研发与应用”，项目围绕公路桥梁内在病害感知难题，首创了基于自发磁场变异特性的桥梁钢筋锈蚀和拉吊索腐蚀断丝无损量化检测技术与装置，研发了桥梁钢绞线钢束和精轧螺纹钢筋有效预应力现场检测新技术与装置，研制了桥梁索塔裂缝自动巡检与精准感知量测技术与装置，实现了我国桥梁内在病害精准、量化、无损检测的技术引领，带动了科技革新和行业进步，成果总体达到国际领先水平。