一、成果简介 众所周知，皮肤的状态与人的外表紧密相连。良好的皮肤状态让人看起来更年轻、漂亮。人们在护肤养颜产品上的消费占日常消费很大的比重。在美容养颜上，近年来胶原蛋白类产品备受争议，公众对胶原蛋白美容 养颜功效产生质疑。有营养专家甚至表示：胶原蛋白根本没有美容功效，其营养价值还不如牛奶鸡蛋。口服胶原蛋白产品是否可以美容？哪些因素影响胶原蛋白产品的美容效果？据报道，国外的相关产品采用动物实验和

项目成果/简介:重点集中在功能蛋白与多肽关键技术突破及其应用开发。在原料预处理方面，突破了绿色预处理提取技术，酶促溶提取、高压辅助提取、超声辅助提取等技术瓶颈，形成了水产源蛋白与功能多肽的绿色提取技术，蛋白回收率>90%，具有提取率高、绿色环保、产品质量高的显著优势；组合酶酶解技术，水解效率提高20%，活性肽得率提高15%。获得了具有不同生物活性的目标肽。梯级肽的膜分离技术，获得高纯度的特定分子量段的功能肽。国内外首次发现并应用的生物传感器与人工神经网络定向制备技术、计算机辅助控制可控制备活性肽技术。建立了一整套规模化食品级、化妆品级的功能蛋白与多肽中试及规模化制备技术，并进一步研究开发出功能蛋白与多肽的固体饮料、液体饮料、面膜、调味基料、食品澄清剂、医用可吸收止血敷料等产品，产品质量高，竞争优势明显，可预期产生巨大经济效益。项目阶段:工业化生产阶段效益分析:我国加工副产物资源量大，仅鱼皮、鱼骨、鱼鳞等每年1000~1500万吨，根据国际国内市场的行情，制成活性肽产品后，可增值几十倍到上百倍，预计每年可新增百亿元产值，该成果可为提高水产品加工废弃物的附加值开辟了新的途径，降低加工废弃物的排放量，生态环境效益显著，具有良好的示范效应。该成果用于美泰科技（青岛）股份有限公司、青岛东易科技发展有限公司、青岛益和兴食品有限公司等其他功能蛋白、功能肽生产企业、保健与营养食品生产企业、医用材料生产企业的生产与研发。知识产权类型:发明专利 、 软件著作权知识产权编号:ZL201510603619.6 ZL201410515456.1 ZL201510784871.1 ZL201510772518.1 ZL201510662318.0 ZL201210003787.8技术成熟度:通过中试技术先进程度:达到国内领先水平成果获得方式:独立研究获得政府支持情况:无

重点集中在功能蛋白与多肽关键技术突破及其应用开发。在原料预处理方面，突破了绿色预处理提取技术，酶促溶提取、高压辅助提取、超声辅助提取等技术瓶颈，形成了水产源蛋白与功能多肽的绿色提取技术，蛋白回收率>90%，具有提取率高、绿色环保、产品质量高的显著优势；组合酶酶解技术，水解效率提高20%，活性肽得率提高15%。 获得了具有不同生物活性的目标肽。 梯级肽的膜分离技术，获得高纯度的特定分子量段的功能肽。 国内外首次发现并应用的生物传感器与人工神经网络定向制备技术、计算机辅助控制可控制备活性肽技术。建立了一整套规模化食品级、化妆品级的功能蛋白与多肽中试及规模化制备技术，并进一步研究开发出功能蛋白与多肽的固体饮料、液体饮料、面膜、调味基料、食品澄清剂、医用可吸收止血敷料等产品，产品质量高，竞争优势明显，可预期产生巨大经济效益。

在崇尚自然、保护环境的当今社会, “绿色”型健康舒适纤维制品越来越受到人们的青睐。其中,蛋白纤维以其在生物降解性,人体皮肤亲合性等方面特有的优异性能倍受关注。胶原蛋白/PVA复合纤维不仅秉承了蛋白纤维的优点，还克服了一般蛋白纤维力学性能、耐热水性能不佳的缺点，且具有良好的吸湿透气性能及染色性能。 按一定配方制备胶原蛋白/PVA复合纺丝溶液，通过湿法纺丝得到初生纤维,再经后处理

南方科技大学生物系兼职教授、美国科学院院士邓兴旺联合北京大学生命科学学院副研究员朱丹萌课题组，揭示了HY5(ELONGATED HYPOCOTYL 5)在光下可通过蛋白-蛋白直接互作增强BIN2 （BRASSINOSTEROID-INSENSITIVE 2）的激酶活性，抑制幼苗下胚轴伸长。相关论文以“Modulation of BIN2 kinase activity by HY5 controls hypocotyl elongation in the light”为题发表在《自然-通讯》（Nature Communications）上。这项研究发现了HY5调控下胚轴伸长的新方式，揭示了其介导的BR信号抑制机理，为GSK3β激酶活性调控研究提供了新视角，或可为今后HY5蛋白的定向改造提供氨基酸位点信息。这项研究是研究团队继发现光形态建成抑制因子COP1抑制BIN2活性来促进暗形态建成的非经典功能 (Ling et al., 2017, PNAS)之后的又一新发现，并再次揭示光信号途径重要因子“技多不愁”的有趣现象。

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。

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。

随着视频与图像技术的快速发展，在监控视频中识别特定人物身份有着重要的实用价值。本项目   针对现实场景下，普遍存在的面部遮挡以及拍摄机位和镜头距离变化，而导致传统基于正面人脸的识 别方法的准确率将大大降低，甚至识别错误的问题，提出了一种基于局部分割与融合的算法，应用于 视频分析平台下的特定人物识别，融合多部位识别特征，提高了部分遮挡、多场景和镜头变化下的人 物识别鲁棒性，经充分验证，达到了先进的识别精度，可以满足实际应用的需求。该技术是优化并提 高复杂背景下人物识别精准度的一项核心技术，已申请国家发明专利 1 项。