本项目提出并突破了超净（低）排放用节能型水刺滤料产业化生产一系列关键技术问题，建立了完整的产业化工艺技术，技术水平达国际先进。项目产品与传统针刺滤料相比，由于可有效降低滤料的克重 18%左右，产品综合成本与传统针刺滤料产品接近，但项目产品的整体性能却得到了大幅度提升，不仅解决 PM2.5 微细粉尘的排放问题，而且属于节能型产品，具有显著的竞争优势。 关键技术 基于水刺开纤技术构建滤料表面超细纤维致密层；高密度低损伤复合加固工艺技术；滤料表面精细化工艺技术；针孔自动封闭技术。产品：节能型超净水刺滤料。 知识产权及项目获奖情况 授权发明专利 7 项、实用新型专利 1 项。获中国纺织联合会科技进步奖一等奖 (2017)；获江苏省科学技术奖三等奖（2018）。 投资期望及应用情况 本项目自 2012 年开始研究，期间进行了中试和试生产，2014 年底开始全面推广应用。2014 年-2016 年三年累计新增销售额 31198.24 万元、新增利润3971.77 万元、新增税收 1789.66 万元。本项目产品已在中国石油化工股份有限公司齐鲁分公司、唐山三友化工股份有限公司热电分公司、南京中联水泥有限公司、大连市热电集团东海热电厂等一大批国内大型热电厂和水泥厂的推广应用，粉尘排放浓度一直保持在 10mg/Nm3 以内，实现了超净（低）排放。

1 .掌握大鲵子二代亲鲵生殖生理特点和生殖调控机理，创建大鲵子 二代生殖调控技术和大鲵子三代全人工繁殖和苗种规模化培育技术；2 .选育和培育出体质健壮子二代亲 鲵400多组（1尾雄亲鲵+3尾雌亲鲵为一组），诱导性腺发育与雄雌同步成熟，使用高活性催产剂进行人 工催产，催产率达72%，受精率90%，孵化率33%，苗种存活率90 .5%，三年（2007-2009年）共繁育大 鲵子三代苗种44800尾；3 .实现大鲵子三代苗种规模化生产，能提供大批量子三代苗种供养殖部门发展 大鲵养殖产业，并在自然保护区放养，还进行子三代健康养殖示范，具有显著的经济效益、社会效益和 生态效益

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。

近期，西湖大学人工光合作用与太阳能燃料中心孙立成实验室在探索这一未解之谜的过程中取得进展。

近日，我校含氟新材料研究所肖强研究员与国际著名膜科学家、美国工程院院士M. Tsapatsis教授团队合作，在国际顶级刊物《Nature Materials》上以全文（Article）形式发表了题为“One-dimensional intergrowths in two-dimensional zeolite nanosheets and their effect on ultraselective transport”的研究论文，并同刊得到了国际顶尖科学家J. Caro教授和J. Kärger教授的推荐点评。  工业中混合物的分离约占到整个世界总能耗的10~15%，发展低能耗的工业分离过程始终是科技界的重要使命。沸石分子筛膜以其多孔性、耐溶胀、分子筛分等特性，在溶剂除水和气体分离方面展现了很好的分离效率，取得了重要应用。采用沸石分子筛膜对沸点相近的烃类（如二甲苯）异构体进行分离，有望在大幅降低能耗的基础上实现高效分离，一直是科学界和产业界的研究热点。MFI型沸石分子筛是一种广泛应用的催化剂和吸附剂，其孔径介于对二甲苯（PX）和邻二甲苯（OX）之间，非常适合二甲苯异构体的分离。  对二甲苯（PX）是聚酯工业的重要原料，广泛应用于纤维、胶片、薄膜、树脂和饮料等食用品包装的生产，是芳烃产业链的基础化工原料。高性能MFI沸石膜的成功研发有望大幅降低二甲苯异构体混合物的分离能耗，对PX行业持续健康发展具有重要意义。  团队前期研究结果表明，通过剥离多层MFI沸石（ML-MFI）可以制得开孔、可分散的二维（2D）MFI纳米片，将其沉积在载体上直接制备了具有异构体分离性能的MFI沸石膜。研究团队对2D MFI纳米片做了进一步电子显微学研究，首次在2D MFI纳米片上发现了共生的一维（1D）MEL沸石，通过计算模拟表明2D MFI中的1D MEL具有更刚性的孔结构，能产生更高的选择性。以此为指导，实验上制备了MFI沸石膜，对非稀释等摩尔的对/邻二甲苯混合物分离显示了前所未有的分离性能，在300℃下，PX通量达到0.5×10-3 mol m-2 s-1，分离因子为60，创造了新的世界记录，极大地推动了MFI沸石膜的产业化进程。

具有6.3T矫顽力的钴‑萘环氮氧自由基分子磁体材料及其制备方法，所述分子磁体化学式为[Co(hfac)2(EtONapNIT)]n，式中n为1到正无穷的自然数。其制备方法是将六氟乙酰丙酮钴的正己烷悬浮液回流超过两小时，降温并加入EtONapNIT的二氯甲烷溶液反应，室温挥发几天后得到目标产物。所述分子磁体材料的制备方法简单，反应条件温和，产率高，具有很好的空气稳定性。配合物在零场下展现出慢磁驰豫行为，2K时具有非常大的磁滞回环，矫顽场接近6.3T。这种具有大的矫顽场的分子磁体材料，可有效减少信息存储器件在环境微扰下产生的信息丢失情况，因此在高密度信息存储领域具有非常高的潜在应用价值。

我校生命科学学院钟伯坚教授研究组联合自然资源部第一海洋研究所等科研单位，对南极海冰生态系统特有的南极衣藻进行了基因组适应性进化研究，为理解南极植物适应极端环境的分子机制提供崭新的思路。 该研究利用三代PacBio测序、二代Illumina测序、10× Genomics和高通量染色体构象捕获技术（Hi-C）获得了南极衣藻高质量的全基因组序列，其基因组总长度为541.86Mb（Scaffold N50达到19.23Mb）。南极衣藻基因组是目前已知最大的绿藻基因组，其基因数目也是绿藻基因组中最多的，共编码19870个基因。基因组结构分析发现重复序列占其基因组序列的63.78%，重复序列含量为已发表绿藻基因组中最高。转座元件（TE）是基因组重复序列的主要组成部分，占整个基因组序列的40.67%。分析表明南极衣藻的反转录转座子发生了明显的扩张，是造成其基因组增大的主要原因。 本研究估算了南极衣藻的分化时间大约为34个百万年，与德雷克海峡开放导致南极极端低温形成的时期一致，推测南极衣藻的起源与南极极端低温的形成有关。研究发现南极衣藻通过水平基因转移的方式获得了冰结合蛋白，该蛋白可以与小的冰晶结合，具有抑制冰结晶和生长的功能。通过进一步的功能实验证实了南极衣藻中的冰结合蛋白具有提高生物抗冻能力的作用。因此，推测冰结合蛋白的获得对南极衣藻避免冰冻损伤和适应海冰中极端低温的环境十分重要。

  在该研究的训练组和验证组人群中，CRC诊断模型和预后预测模型均表现出了令人满意的效果。在训练组和验证组的人群中，该诊断模型准确率均达到96%，并且在验证组中该模型诊断敏感性达87.9%，特异性达89.6%，相对于目前临床常用的结直肠癌血清标志物癌胚抗原CEA的准确率为67%，诊断准确度大幅度提高。在对患者预后预测的准确性方面，根据ctDNA甲基化标志物预后预测模型计算得到联合预后评分指数（cp-score）对患者的预后预测的准确性要明显高于临床常用的预后指标，如肿瘤原发部位、TMN分期、CEA等。而将cp-score与这些常规预后指标结合以后，对患者预后预测的准确性还能够得到进一步的提高，在训练组患者中对预后预测的准确性达到82%，在验证组患者中对预后预测的准确性达到87%。对预后的准确预测，可很好的指导医生对不同的患者进行更为个体化的精准治疗，例如对预后不佳者避免给予过度的治疗，而对复发高危患者则给予更为积极的辅助治疗等。 研究团队还在前瞻性队列中验证了单个ctDNA甲基化标志物在结直肠癌筛查中的价值。通过对1493例结直肠癌高危人群同时进行的肠镜筛查和血浆ctDNA甲基化检测结果进行比较，显示ctDNA甲基化标志物可检测出26例早期肠癌患者，26例进展期腺瘤（癌前病变），对肿瘤的检出敏感性达89.7%，特异性达86.8%，对进展期腺瘤的检出率敏感性达33.3%，敏感性和特异性均较现有的无创筛查方法有所提高。这一研究结果对于优化结直肠癌筛查，具有重要的意义，有非常广阔的应用前景。       徐瑞华教授团队的这项成果是我国科学家在肿瘤液体活检领域又一项具有国际领先水平的重大突破，不仅为CRC的筛查提供了新的方法，也为CRC的精准诊治提供了重要的参考。目前该团队仍在积极开展ctDNA分子标志物在其他肿瘤筛查、诊断、预后预测、靶向药物筛选等方面的基础和转化研究，为发现更多的早期肿瘤患者，进一步改善患者的疗效和预后，提供更多、更有力的工具和手段。

基于血浆ctDNA靶向深度测序的HER2基因拷贝数变异（SCNA）检测结果与FISH检测结果高度一致，且HER2 SCNA动态监测相比CEA能更好地预测肿瘤退缩或进展，表明基于靶向深度测序的液体活检能够预测曲妥珠单抗的治疗疗效。进一步的研究还发现大多数对曲妥珠单抗原发耐药的患者在疾病进展后展现出更高的HER2 SCNA，而获得性耐药患者HER2 SCNA相对基线明显下降。PIK3CA基因突变在曲妥珠单抗原发耐药患者中显著富集，在部分曲妥珠单抗耐药患者的基线和进展后的血浆ctDNA中可检测到ERBB2/4基因突变。基线血浆中PIK3CA/R1/C3和ERBB2/4基因的突变与更差的PFS显著相关。此外，本研究通过体外和体内的细胞与动物实验研究证实了NF1基因突变可导致曲妥珠单抗耐药，且HER2和MEK/ERK双重阻断可克服NF1突变导致的曲妥珠单抗耐药。       本研究的一系列研究成果表明持续的ctDNA检测可动态监测曲妥珠单抗耐药的发生，揭示潜在的耐药机制，并为下一步治疗方案的调整提供有用的线索。