铁电陶瓷粉体及其集成器件的研究与开发是目前最为活跃的领域。大部分铁电陶瓷是钙钛矿型复氧化物，其中最为重要的是BaTiO3基氧化物陶瓷。BaTiO3是在第二次世界大战的1942年到1945年间，由美国、苏联、日本各自发现的高介电常数、强介电体的材料。由于其具有优越的介电、压电、铁电性能，被广泛应用于制备各种陶瓷电容器、微波器件、铁电存储器、温度传感器、非线性变阻器、热敏电阻、超声波振子、蜂窝状发热体等电子器件。随着现代科学技术的飞速发展和电子元件的小型化、高度集成化，需要制备与合成符合发展要求的高质量的钛酸钡基陶瓷粉体。纳米BaTiO3基电子陶瓷具有独特的绝缘性、压电性、介电性、热释电性和半导体性为元器件的小型化、集成化带来可能，大大提高了产品的附加值和市场竞争力。如采用纳米BaTiO3粉末制多层电容器，可以显著减薄每层厚度增加层数，从而大大提高电容量和减小体积。因此，低成本合成钛酸钡基纳米陶瓷粉体对我国信息产业、电子工业等的发展具有重要的意义。 溶胶-凝胶自燃合成(Sol-gel Autoignition Synthesis，SAS)是九十年代伴随着高温燃烧合成的深入研究和超纯、超细氧化物陶瓷的制备而出现的一种低成本制备与合成单一氧化物和复杂氧化物的技术。它是指有机盐凝胶或有机盐与金属硝酸盐在加热过程中发生氧化还原反应，燃烧产生大量气体，可自我维持并合成所需燃烧产物的材料合成工艺。它的主要的特点有以下几点：(1)：燃烧体系的点火温度低(150℃-200℃)，一般为有机物的分解温度；(2)：燃烧火焰温度较低(1000℃-1400℃)，燃烧时产生大量气体，可获得具有高比表面积的陶瓷粉体。高温燃烧合成燃烧温度一般高于1800℃，合成的粉体粒度较粗，而SLCS则可制得纳米粉末；(3)各组分达到分子或原子水平的复合；(4)：反应迅速：燃烧合成一般在几分钟内完成；(5)所合成的粉体疏松多孔，分散性良好；(6)：耗能低；(7)：所用设备和工艺简单、投资小；(8)：自净化：由于原料中的有害杂质在燃烧合成过程中能挥发逸出，所以产品纯度易于提高。 本项目申请者采用SAS技术已经成功地合成了粒度达70nm左右的BaTiO3陶瓷粉体。 广泛应用于制备各种陶瓷电容器、微波器件、铁电存储器、温度传感器、非线性变阻器、热敏电阻、超声波振子、蜂窝状发热体等电子器件。

一种在玻璃表面制备纳米厚度光交联型高分子凝胶薄膜的方法，其步骤是：选取表面光滑的玻璃，在暗室中，将反应物溶液涂敷在玻璃的一面；在光源与玻璃之间加透可见光和/或紫外光的滤波片，光源的位置为能满足光在玻璃上产生全反射的位置，开启光源2～30分钟，光从没有涂敷有反应物溶液的表面入射到涂敷有溶液的一面，在反应物溶液与玻璃交界面上产生衰减波；衰减波触发反应物溶液反应生成纳米厚度的凝胶薄膜；将B步处理后的玻璃用水清除未反应完得溶液，即得。它能在玻璃上制备出纳米厚度的高分子凝胶薄膜，制得的材料能用于细胞培养中筛选特定直径范围的细胞、筛选无极纳米颗粒、以及调节光学显微镜头焦距等技术领域。

适合学员需要指导升学路径及目标，针对性规划升学方案的学员

本发明提供了一种单链片段抗体-多肽融合蛋白及其应用,该蛋白是一种具有结合 Her2受体和携带抗癌siRNA药物双向功能的融合蛋白,可以作为抗癌siRNA的药物 载体。其中,单链片段抗体为Her2-ScFv,多肽为鱼精蛋白片段多肽。该单链片段抗 体-多肽融合蛋白的序列如SEQ ID NO.1所示的序列。本发明构建的Her2单链片段抗 体与鱼精多肽的融合蛋白具有结合Her2受体和携带抗癌siRNA药物的双向功能。本 发明的融合蛋白能把抗癌siRNA药物定向导入目标癌细胞中,开发了非病毒载体工 具,加速RNAi技术应用于临床。

项目成果/简介:本发明提供了一种单链片段抗体-多肽融合蛋白及其应用,该蛋白是一种具有结合 Her2受体和携带抗癌siRNA药物双向功能的融合蛋白,可以作为抗癌siRNA的药物 载体。其中,单链片段抗体为Her2-ScFv,多肽为鱼精蛋白片段多肽。该单链片段抗 体-多肽融合蛋白的序列如SEQ ID NO.1所示的序列。本发明构建的Her2单链片段抗 体与鱼精多肽的融合蛋白具有结合Her2受体和携带抗癌siRNA药物的双向功能。本 发明的融合蛋白能把抗癌siRNA药物定向导入目标癌细胞中,开发了非病毒载体工 具,加速RNAi技术应用于临床。项目阶段:成果已转化

本发明公开了一种可扩展的套管型微流控芯片的制备方法，包括以下步骤：S1：将与通道尺寸匹配的预置物放入PDMS预聚物中，加热聚合PDMS，裁成PDMS块；S2：将预置物移除，留出放置通道的管槽，管槽具有两个管口；S3：使用倒角打磨后的点胶针筒，在PDMS块垂直于管槽的方向上开通孔；S4：将PDMS块开孔的两面分别与基底和顶层键合，其中顶层预置有加样孔；S5：从管槽的一个管口插入内径均匀的毛细玻璃管，从管槽的另一个管口插入预拉尖的毛细玻璃管，完成单级套管型微流控芯片的制作；S6：复用所述毛细玻璃管，重复步骤S5，形成多级套管结构。本发明有效降低了套管型微流控芯片制作的操作难度和经济成本。

传统的电灯泡和日光灯管或节能灯管由玻璃制造，且没有保护层，所以属于易碎物。其破碎的后果是伤人或汞蒸汽吸入人体或破坏环境。 此技术通过在电灯泡或灯管外面涂一薄层可屏蔽电磁波的透明弹性材料，不但可有效屏蔽电磁波，还可以防止电灯泡或灯管破碎。而且，即使产生了破碎，也不会破坏高强度的塑料涂层，故灯管中的汞也不会外泄到环境大气中，从而对环境和人体起到了有效的保护。

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。

南开大学药学院与天津大学国际生物医药联合研究院组建新药开发联合攻关团队，针对新型冠状病毒的生物学特点、传播特征和公共卫生风险防控的潜在需求，开展了病毒防治相关药物的研发，从药食同源分子中发现了可预防冠状病毒感染作用的候选分子。 南开大学药学院与研究院联合攻关团队，利用人工智能辅助的虚拟药物筛选系统，从中药单体库、药食同源天然分子库和成药化合物库中筛选潜在的互作界面抑制剂，尤其关注药食同源类物质所含的活性分子。通过筛选和既往药理信息的综合分析，观察到多种药食同源的中药中含有抑制病毒与受体结合的潜在活性分子，为中医药方剂的配伍和新型冠状病毒感染的肺炎的防治提供了一定的信息。

研究背景：  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。