通过实验测量和从理论上分析三原子重组在543.3 高斯附近的6Li-6Li的窄波磁Feshbach共振，表明在有限的温度下，三体重组主要由间接过程支配并在阈值以上的kBT内存在窄共振峰。实验数据强有力的显示连续的成对过程遵循一个普适行为并由范德华力决定。论文给出了三体重组速率常数描述的解析公式和对温度的依赖性，其中三体重组通过连续的成对相互作用进行。基础物理图像不仅适用于窄s波共振，还适用于非零分波的共振，不仅适用于超低温，而且适用于更高的温度。       这个实验结果验证了量子三体在范德华势作用下普遍的行为，发现该普遍行为远远超出零温度范围，从而揭示出双体的量子缺陷理论可以通过多尺度方法进一步扩展到非零温度范围。这种广义的三体作用的范德瓦尔普遍行与通用状态方程的定义瓦尔斯长度尺度有密切联系。通过将量子普遍行为区域扩展到零以外温度和s波共振，纯理论模型通过超冷原子物理实验与真实的少体系统和真实化学反应建立了紧密联系，迈出了量子三体物理研究的关键一步。

东南大学生命科学与技术学院“发育与疾病相关基因”教育部重点实验室林承棋和罗卓娟课题组在国际顶级期刊《Science Advances》杂志发表了题为ENL initiates multivalent phase separation of the Super Elongation Complex (SEC) in controlling rapid transcriptional activation的文章，阐明了有关基因转录延伸复合体形成及作用机制的研究工作成果。 东南大学研究团队的研究揭示了SEC介导的多价相分离在RNA聚合酶II转录暂停释放中起着关键作用，并从全新的角度为基因快速协调性转录激活程序的机制探索提供了新的认识。 此外，作者还发现在混合谱系白血病（MLL）中，SEC与MLL基因的转位融合，可以极大促进SEC相分离，从而促进癌基因快速转录并维持高表达状态。论文第一作者为东南大学生命科学与技术学院林承棋课题组博士生郭澄豪，东南大学为第一通讯单位。

白钢教授领导的“复方药物与系统生物学实验室”主要从事中药及复方制剂的化学物质基础及作用机制等方面的研究。以中药复方的系统生物学和化学生物学为研究主线，在基于靶点的药效成分的筛选、活性指导的分离鉴定、天然产物的蛋白靶点确证、以及方剂配伍关系和中药质量控制研究等方面开展工作。实验室的研究成果服务于多家药品企业，为新产品的开发和上市产品的二次开发提供技术支持，同时多项授权专利成功转让，开发的多项生物医药制品实现了产业化。 已开展的服务项目： 1. 复方中药的网络药理学及作用机制研究：已服务的品种有：速效救心丸、清肺消炎丸、治咳川贝枇杷滴丸、舒脑欣滴丸等； 2. 中药复方的物质基础及活性成分研究：已服务的品种有：益气复脉注射液粉末、血必净注射液、速效救心丸、清肺消炎丸、舒脑欣 滴丸等； 3. 药材品质分析：已建立了贝母、金银花、菊花、莲子心等多种常用中药材的分析鉴别系统，特别是建立了近红外的快速分析方法，为药材的选购和生产过程中的实时监控提供技术支持； 4. 药材与复方制剂的指标成分筛选和指纹图谱的制定，为药物质量标准的制订提供理论参考。

本发明公开了一种船舶双向曲率板一体作用自动成型方法,包括下列步骤：a)构建一体作用成型加载系统；b)针对待成型的板材，根据成型工艺要求，建立成型的基础数据与加工数据之间的对应关系；c)根据建立的基础数据与加工数据的对应关系，编制成型软件并在控制装置上安装成型软件，启动成型软件对板材执行加载，以使板材产生双向曲率塑性变形；d)对已塑性变形的板材的成型效果进行监测，并比较和反馈已成型形状、曲率与目标形状、曲率之间的差异。本发明便于操控，同时具有智能化、高精度、应用范围广的优点，因而尤其适用于鞍形板、帆形板和扭曲板之类及其组合形状的大曲率板的自动化成型。

近日，清华大学材料学院朱宏伟教授团队在《先进材料》（Advanced Materials）上在线发表了题为“石墨烯体系中的阳离子-π相互作用”（Cation-π Interactions in Graphene Containing Systems for Water Treatment and Beyond）的长篇综述论文，系统总结了石墨烯体系中的阳离子-π相互作用在水处理（膜分离、吸附）、新材料合成、纳米发电、能量存储及溶液/复合材料分散等应用中所发挥的关键作用，分析了阳离子-π相互作用的影响机理，综述了现阶段相关理论工作进展，讨论了石墨烯体系中的阳离子-π相互作用研究中存在的问题，展望了未来潜在的研究方向。 阳离子-π相互作用是一种非共价相互作用，在自然界，尤其是生命体中普遍存在，在诸多生命反应进程中必不可少。近年来，阳离子-π相互作用在生物学、化学、物理学中的重要性被广泛关注。石墨烯是碳原子以sp2杂化轨道组成六角型呈蜂巢晶格的二维碳纳米材料，可被视为一种独特的芳香族大分子。阳离子和石墨烯中离域π电子之间的相互作用会引起阳离子在石墨烯表面的富集、溶液中离子及石墨烯结构中电子的重新分布，进而影响石墨烯材料的本征性质及基于石墨烯的器件的性能。深入理解石墨烯体系中的阳离子-π相互作用，对于石墨烯特性的调控、器件的优化设计具有重要意义。 石墨烯体系中的阳离子-π相互作用及其应用 近年来，朱宏伟教授团队在石墨烯等新型二维材料的可控制备、结构设计及其在能源（太阳能电池、光电探测、光电催化）、环境（水处理、空气净化、土壤治理）、柔性传感器件等领域开展了大量研究工作，取得了一系列重要进展。该综述论文以石墨烯体系中的阳离子-π相互作用为切入点，对相关研究报道进行了梳理和讨论，并对其发展趋势和前景进行了展望。 本文通讯作者为朱宏伟教授，第一作者为清华大学材料学院2016级博士生赵国珂。本研究得到国家自然科学基金委基础科学中心项目和面上项目资助。 论文链接： https://onlinelibrary.wiley.com/doi/full/10.1002/adma.201905756

本项目针对人工速生林木材密度小、强度低的特点，研究开发出木材化学改性与干燥一体化工艺技术及装备。本技术能够大幅度提高速生材性能，同时解决了常规木材改性技术中改性剂浸透困难、环保性差，改性材功能单一、尺寸小，无法满足工业生产要求等问题；解决了传统木材改性技术工艺“先干燥-再浸渍处理-再二次干燥”的能耗高的问题。本项目技术获国家发明专利授权2项，已在多家企业应用。

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

动物捕食植物种子（下称种子捕食）是动植物协同进化的重要方面。动物捕食植物种子可影响植物种群更新和繁衍；植物通过调节各种性状，如种子大小、蛋白质含量，调节动物捕食行为。植物性状对种子捕食调节能力的评估对理解动植物协同进化具有重要意义。 因此，建立一种用于种子捕食追踪的人工种子系统，对于种子捕食追踪及相关研究，理解动植物协同进化，促进野生植物尤其是珍稀濒危植物保护具有重要的作用。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：