项目简介： 梢确的双原子分子势能函数是深入研究分子结构、总结分子规律的重要因素， 也是研究各种原子分子微观反应和散射碰撞间题的必要条件。获得双原子分子电子激发态的 

通过代谢组学手段发现线粒体能量代谢和脂肪酸氧化的一个关键酶：肉毒碱棕榈酰基转移酶1C（CPT1C）在老化肿瘤细胞中有极显著下降；进而在细胞老化模型及动物模型上通过多种分子生物学手段，证明CPT1C在肿瘤细胞增殖性老化过程中发挥重要的调控作用，阐明CPT1C是调控肿瘤细胞老化的新调控因子。并进一步阐明CPT1C沉默后通过影响线粒体功能与相关代谢重编程过程，导致线粒体功能异常、细胞增殖能力显著下降，最终导致肿瘤细胞老化、致瘤能力显著下降。该研究系统证明CPT1C是肿瘤细胞老化关键的新调控因子，为基于线粒体能量代谢和细胞老化的抗肿瘤研究提供新靶点和新视角。

本发明属于用于竖直面动力学研究的装置领域，尤其是研究圆周运动所涉及到的动力学装置。一个细线拴着一个重物在竖直平面做圆周运动，出现了实验现象和理论不符的情况，为了解释该现象并且证明理论的正确，本发明提出一种装置：用于竖直面动力学研究的装置，包括竖直面板，其特征是：竖直面板固定连接一个用于吸附永磁体的吸附板，还包括一个磁柱，磁柱一端吸附于吸附板，磁柱另一端栓接一根细线，细线的上端栓接于磁柱，细线的下端悬挂一个重物，竖直面板设有一个贯穿竖直面板正、反面的孔，孔内设有用于喷火以便在细线偏离平衡位置之后尽早烧断细线的第一喷嘴，且第一喷嘴的喷火方向为：既垂直于竖直面板，又垂直于细线。

上海科技大学免疫化学研究所和中国科学院上海药物研究所组成的抗2019-nCoV病毒感染联合应急攻关团队，由蒋华良院士和饶子和院士领衔、20余个课题组参与，团队利用前期抗SARS药物研究积累的经验，开展抗2019-nCoV药物研究。 饶子和/杨海涛团队快速表达了2019-nCoV水解酶（Mpro）并获得了高分辨率晶体结构，在此基础上，联合小组综合利用虚拟筛选和酶学测试相结合的策略，重点针对已上市药物以及自建的“高成药性化合物数据库”和“药用植物来源化合物成分数据库”进行了药物筛选，迅速发现了30种可能对2019-nCoV有治疗作用的药物、活性天然产物和中药，建议在2019-nCoV感染肺炎患者临床治疗中予以考虑和关注。 研究团队后续将继续深入开展针对性的抗2019-nCoV活性测试，为临床研究和治疗提供更加直接的指导。 应急攻关团队已经完成了肉桂硫胺等公斤级合成工艺，制剂工作正在进行；环孢菌素A的胶囊制剂制备工艺也已经完成；其它部分药物的合成工艺探索也已完成。联合团队表示欢迎相关企业和研究机构与他们合作，共同抗击2019-nCoV。

本研究通过化学合成得到兼备杀菌、消炎抗感染、促进伤口愈合特点的新化合物苯妥英银。大鼠及广西巴马小香猪体外实验证实，苯妥英银的促伤口愈合效果优于市售壳聚糖成膜喷剂，且治疗过程中伤口未出现化脓、红肿、隆起及深度感染（疖痈）现象，对皮肤无明显刺激性。体外抗菌实验证实，苯妥英银对金黄色葡萄球菌、大肠杆菌、铜绿假单胞菌均具有抗性。急毒及药代动力学实验已证实，苯妥英银入血浓度低，对机体的毒性小。 技术创新点： 本项目的创新点在于将具有促伤口愈合作用的苯妥英和具有抗菌作用的 Ag 巧妙地结合在一起，得到既能抗菌又能促愈合作用的苯妥英银。该化合物溶解性较低，涂于伤口上，可使其在伤口结构面不断地向外缓慢释放苯妥英和银，然后形成一个屏障，保护伤口的同时，加快愈合。 市场应用前景： 临床上传统用于治疗伤口的药物只能抑制伤口感染或只能促进伤口愈合。但促伤口愈合效果较好的药物常表现出一些毒副作用，所以对于促进伤口愈合的整体效果并不理想。对于一些大的伤口，由于创面愈合时间长，很容易造成感染，将严重影响患者的工作及生活。 因此开发一种既能抗感染，又能快速地促进伤口愈合且毒副作用较小的药物尤为重要。本研究目的在于合成一种新的化合物，既能杀菌消炎抗感染，又能促进伤口愈合且具低毒副作用。 这一药物研发成功，将会填补兼具杀菌促愈合外用药物的市场空白，具有广阔的市场前景。据预测，全球高级伤口护理市场在 2023 年将达到 163 亿美元。 合作方式及条件： 本项目可采取多种方式进行合作，既可与企业联合研发后续工作，也可通过技术转让方式进行合作，还可通过其他形式进行合作。 已获得的知识产权 苯妥英衍生物及其制备方法和用途（专利号：CN 104016923B ）

本项目以三氯苯丙酮为起始原料，经还原、缩合、卤代、化、手性拆分、成盐得到粗品，将重结晶技术引入本项目，结晶得到高纯度的盐酸达泊西汀产品。

 实时生产信息集成系统是“生产控制”与“生产管理”信息系统之间的桥梁，主要实现如下内容：  1、对流程工业中各套生产控制系统（DCS/PLC）的数据全面采集，集中存贮、统一管理，并生产历史数据提供长时间、高速的在线查询。  2、系统实时性极高、数据应用功能丰富，支持企业生产调度、远程监控、公司/车间生产优化与管理等多方面的数据应用。  3、对 MES、ERP、MIS 等企业信息系统，提供“生产数据”支持，生产数据自动获取，不再需要 烦琐低效的人工录入。

差别化纤维研究室近年来关注高性能纤维的发展趋势并对聚酰亚胺纤维的制备、改性及其应用进行研究，针对聚酰亚胺的隔热保暖、防辐射、高强高模、天然抑菌、电绝缘等特性进行产品开发，现已开发出保暖被子、防护手套、电绝缘纸等产品。针对聚酰亚胺难以染色的缺点进行专项突破，联合企业研发人员进行研究，通过化学改性和纤维原材料功能接枝改性等方法成功解决了染色难的问题，拓展了聚酰亚胺纤维及面料在民用和产业用纺织品中的应用范围。 关键技术 （1）通过化学改性和纤维原材料功能接枝改性等方法成功解决了聚酰亚胺染色难的问题； （2）对聚酰亚胺面料的染色色牢度最高能达到 4； 知识产权及项目获奖情况 发表学术论文 1 篇；申请发明专利 1 项 项目成熟度 实现产业化生产，并已成功应用制备民用产品。 投资期望及应用情况 项目研究成果已经申请发明专利一项，并在企业建立了防护手套和保暖系列产品的生产线。

江南大学教育部针织技术工程研究中心致力于经编绒类织物的研究与开发，经过长期的研发，开发成果显著。以产业化、市场化为主导方向，研发了具有新颖时尚外观及功能性的高档经编绒类面料，实现了高品质、高效率、高科技及低成本的绒类面料的生产。 关键技术 （1）通过特种原料的选配结合特殊的染整手段，使绒类织物具有仿毛、仿棉及仿麻的外观和风格； （2）通过新型纤维应用、织物组织结构的研究与创新。 知识产权及项目获奖情况 论文 2 篇 项目成熟度 批量生产阶段 投资期望及应用情况 已在常熟市启弘纺织实业有限公司，大津编物（无锡）有限公司等企业应用，取得了良好成绩。

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。