本发明涉及一种以制革含铬废皮渣为原料的、耐储存的蛋白基木材胶粘剂及其制备方法和应用，属于胶粘剂技术领域。本发明针对目前制革含铬废皮渣的资源化利用及环保问题，提供了一种环保且耐储存的木材胶粘剂及其制备方法。该方法以制革含铬废皮渣为原料，主要步骤是：水解制革含铬废皮渣中的胶原蛋白，使铬与胶原蛋白大部分分离，再将浓缩得到含铬蛋白液与单体接枝改性，并经交联得到耐储存的蛋白基木材胶粘剂，也可添加防腐剂再次延长其储存期以便长期备用。

本发明设计吸附剂技术领域，涉及一种对当归粗多糖中蛋白质去除的吸附剂的制备和应用。在植物多糖的提取过程中，需要对粗多糖中的蛋白质进行去除，本发明为一种对蛋白质具有选择性吸附作用的吸附剂。可以实现对植物粗多糖中蛋白质的选择性去除。 成果亮点 技术特点：本发明合成了一种多孔的蛋白质吸附剂，能够选择性的吸附去除植物粗多糖中的蛋白质，而对多糖无任何吸附作用。该吸附剂对当归粗多糖中蛋白的去除率可以达到81%，当归多糖的损失率小于5.0%，具有比商业采用的sevag法、三氯乙酸法、澄清剂法及反复冻融法等技术手段更高的蛋白去除效率及更小的多糖损失率。且该吸附剂可以重复使用10次以上。

本成果开发了一种鸡蛋综合深加工的方法，通过合理的工艺方法，获得高附加值的溶菌酶、卵磷脂、卵黄抗体、胆固醇和蛋黄油，以及副产物蛋清粉、蛋黄粉和蛋壳粉。该成果的实施能够大大提升鸡蛋养殖业的行业竞争力，为养殖企业提供显著的附加效益。 创新要点： 本成果技术工艺步骤简便，工艺路线合理，在生产成本最小化的同时达到产品的收率和质量最大化。 

通常，减少固-液接触是增强表面超疏水性的常用手段，根据Cassie-Baxter方程，固-液接触面积的减小，有利于提高表观接触角和降低滚动角。但由于接触面积的降低，必然导致微/纳结构承受更高的局部压强，从而更易磨损，这就意味着超疏水性和机械稳定性在提高一种性能时必然导致另一种性能下降。该论文基于全新思路，首次通过去耦合机制将超疏水性和机械稳定性拆分至两种不同的结构尺度，并提出微结构“铠甲”保护超疏水纳米材料免遭摩擦磨损的概念。结合浸润性理论和机械力学原理分析得出微结构设计原则，利用光刻、冷/热压等微细加工技术将装甲结构制备于硅片、陶瓷、金属、玻璃等普适性基材表面，与超疏水纳米材料复合构建出具有优良机械稳定性的铠甲化超疏水表面。该工作在集成高强度机械稳定性、耐化学腐蚀和热降解、抗高速射流冲击和抗冷凝失效等综合性能的同时，还实现了玻璃铠甲化表面的高透光率，为该表面应用于自清洁车用玻璃、太阳能电池盖板、建筑玻璃幕墙创造了必要条件。研究人员将该表面应用于太阳能电池盖板，实现了表面依靠冷凝液滴清除尘埃颗粒的自清洁方式，为少雨地区提供自清洁太阳能电池的解决方案。基于玻璃装甲化表面的自清洁技术可巧妙地利用雨或雾滴消除粉尘、鸟类粪便等污染，长期维持太阳能电池高效的能量转换，并节省传统清洁过程中必需的淡水资源和劳动力成本。该论文创新的设计思路和通用的制造策略展示了铠甲化超疏表面非凡的应用潜力，必将进一步推动超疏水表面进入广泛的实际应用。

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

该项研究成果深刻揭示了Caffarelli–Kohn–Nirenberg不等式的基本特征并极大地发展了泛函不等式稳定性的研究方法，对推动泛函不等式稳定性的研究发挥了重要作用。

1、 一种具有高度可见光透过率与隔热特性的陶瓷基玻璃涂层或玻璃贴膜。 玻璃改造后可见光透过率高于 70%，屏蔽 99%以上的致癌性紫外线，且有 效阻止通过玻璃的热能交换过程，可用于建筑或汽车玻璃的节能改造， 提升建筑的适居度与节能效果。 2、 该项目各技术环节环保无毒，产品成本远低于市面现有技术，性能优于 现有技术，设备投入与实施成本低。

电镀作为金属材料的表面改性技术已经取得了很广泛的应用，近年来电镀也开始在非金属导电材料的表面改性领域取得相当规模的工业应用。但高电阻率氧化物材料表面金属镀覆一直以来不能采用电镀工艺，这是因为这类材料的电子电导小，电镀液中被镀金属离子不能从材料表面得到电子，所以不能沉积下来。传统的绝缘氧化物材料表面镀覆金属的方法有化学镀、真空蒸镀、溅射镀、涂覆金属浆料后再烧结等方法，各方法都有各自的优缺点。如含有氨水的化学镀银溶液不稳定，甚至有可能生成有爆炸危险的叠氮化合物。真空蒸镀和溅射镀有设备投资大、维护费用较高等缺点，涂覆金属浆料后再烧结的方法有金属层厚度不均匀等缺点。 我们发明了一种高电阻率金属氧化物材料表面电镀的技术，解决了多种高电阻率金属氧化物材料表面不能电镀的问题。高电阻率金属氧化物材料电镀的基本过程是首先对氧化物材料表面进行原子氢致电导改性处理，提高其表面电子电导，使材料表面出现半导化甚至金属化，然后在氧化物材料表面直接电镀金属层。我们在这个方向上已经进行了近十年的研究，发表了十几篇学术论文，申请了两项发明专利。      本技术适用于由氧化物功能材料制造的电子元器件表面电镀，也适用于氧化物材料颗粒或块体的电镀等，所得金属镀层厚度均匀，与氧化物材料表面具有良好的结合力。

项目以高异形度喷丝板和异形纤维的加工技术，在多家企业开发了高导湿涤纶短纤维及长丝；系统研究了纤维集合体的毛细效应机理，指导高导湿织物的织造工艺和后整理工艺；并建立了高导湿纤维导湿性能的专用评价体系。成果获2007年度国家科技进步二等奖。课题组还进行高品质熔体直纺超细旦涤纶长丝工业化生产技术集成开发，成果获2009年度纺织工业协会一等奖。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。