南京邮电大学理学院曾红丽副教授与合作者在新型冠状病毒SARS-CoV-2基因序列分析方面取得重要进展，预测了该病毒在自然选择过程中的适应性，指出并分析了该病毒在演化过程中存在的弱点，分析了相应综合医药开发应注意的关键基因位点。该成果以南京邮电大学为第一完成单位，于2020年11月17日在线发表于国际权威期刊美国国家科学院院刊（PNAS）上。 COVID-19疫情是由β-冠状病毒SARS-CoV-2引起的全球性公共卫生突发事件。各类数据库搜集了大量的且不断增加的高质量全基因组序列。本工作利用这些序列，研究其是否显示出病毒演化过程中上位性对适应性的影响。在具有高重组率的种群演化中，本工作创新性地发展和应用了统计物理学中的反Potts模型，来检测自然选择过程中的上位性影响。该工作为利用大量基因组序列来获取具有高重组率的病原体在演化过程中的弱点开辟了广阔前景。 该研究工作最终将新型冠状病毒的大约3万个基因位点浓缩为存在显著相互影响的8对基因位点（ORF3a和nsp2，nsp12和nsp6，ORF8和nsp4，以及基因nsp2，nsp13和nsp14），为寻找病毒病原体结合和重组过程中存在的弱点带来了希望，对开发临床治疗的综合靶向药物、研究病毒进入宿主后的发病机制有着很强的生物医学指导意义。 和其他许多疾病一样，针对COVID-19的潜在药物靶标的组合数量非常多。本研究工作不仅提供了哪些基因位点之间存在相互影响，并可以对其进行排名，从而进行更进一步详细研究。结合随机性检验，该研究工作最终预测了存在显著上位性的8对基因位点中，有3对涉及到与新冠肺炎的重症密切相关的病毒基因ORF3a。遗憾的是，目前关于针对ORF3a基因的临床靶向药物的报道还较为罕见，值得医药学研究人员在该方面加强研究。另外，本研究工作中预测的8对基因位点可作为实验生物学的原假设，以供生物学研究人员在此基础上设置相关微生物实验，研究新冠病毒进入人体后引起发病的机理。 此项研究工作由南京邮电大学与意大利的里雅斯特大学、古巴哈瓦那大学、瑞典哥德堡大学及瑞典皇家理工大学合作完成。曾红丽副教授的研究工作受到国家自然科学基金委（基金号11705097）、江苏省科学技术厅（基金号BK20170895）以及江苏省政府留学奖学金的大力支持。

研发阶段/n该发明涉及人工构建的伪狂犬病毒（pseudorabiesvirus，PrV）和猪细小病毒（porcineparvovirus，PPV）的主要结构基因VP2。在缺失了主要毒力基因（TK）和病毒增殖非必需基因（gG）的伪狂犬病毒基因组中，定位插入猪细小病毒的VP2基因，使其位于伪狂犬病毒的强晚期启动子下游，插入的外源基因编码的蛋白具有良好的免疫原性，可以刺激猪产生抵抗猪细小病毒和猪伪狂犬病毒两种强毒攻击的保护性免疫反应。该发明还包括重组的伪狂犬病毒Pseudorabiesvirus，Hzau

利用四通道连续喷墨打印机，结合钙钛矿成膜特性和原理，开发了一种适用于混合钙钛矿薄膜制备的高通量连续喷墨打印技术。四种前驱体对应四通道喷头，每种喷头可以打印一种成分，在同一玻璃基底上依次打印，通过控制每个喷头的打印点进而形成不同组分钙钛矿薄膜。整个打印过程可以通过系统软件控制，实现全自动混合打印。打印的薄膜成品质量高，能够进行物相、光学吸收和荧光强度

可以量产/n华杂棉4号是以陆地棉B0011品系为母本，转Bt抗虫基因陆地棉118-1品系为父本，进行人工去雄杂交配制的杂种一代优势组合。2009年通过江西省审定，同时获得农业转基因生物生产应用安全证书。产量表现：2006-2007年参加江西省棉花区域试验，平均亩产122.3kg/666.7m2。纤维品质（HVICC标准）：平均长度29.2mm，整齐度84.8%，比强度30.5cN/tex，伸长率为6.8%，马克隆值为5.0，反射率为73.1%，黄度为8.6，纺纱均匀性指数为140.3。枯萎病相对抗指

虾蟹类基因组是公认的高复杂基因组，要获得高质量的基因组有着很多困难。近日，由盐城师范学院江苏省盐土生物资源研究重点实验室教授唐伯平课题组牵头的中外合作团队，第一次获得了我国重要淡水和海水经济蟹类中华绒螯蟹和三疣梭子蟹的高质量基因组图谱，并分别在线发表于GigaScience和《遗传学前沿》。 三疣梭子蟹（Portunus trituberculatus）是我国沿海大型的海洋经济蟹类，我国每年捕捞量在55万吨左右。唐伯平团队获得的三疣梭子蟹基因组大小为1.00Gb，片段重叠群N50的长度为 4.12Mb，被注释到16796个蛋白编码基因，其基因组的完整性为94.7%，整个基因组的重复序列是54.52%。科研人员鉴定出三疣梭子蟹染色体为50对，装配率为97.80%，Hi-C的N50为21.79Mb。这是一个高质量、相当完整的染色体水平基因组，也是蟹类研究中第一次通过分子生物学的方法精确地对蟹类染色体数目进行鉴定。 中华绒螯蟹（Eriocheir japonica sinensis）俗称河蟹，是世界上最重要的淡水经济蟹类，目前我国每年河蟹产量为80万吨左右。研究人员获得的中华绒螯蟹基因组大小为1.27Gb，Contig序列N50为3.19Mb，且其GC含量为43%，高于其他节肢动物。BUSCO评估其完整性为94.00%，重复序列在基因组中占61.42%，被功能注释蛋白编码基因22619个。 唐伯平团队对甲壳动物中华绒螯蟹、三疣梭子蟹、凡纳滨对虾，昆虫埃及伊蚊、黑腹果蝇、偏瞳蔽眼蝶、蜘蛛等7种节肢动物基因家系展开进一步研究发现，它们共有15503个基因家系，其中8832个基因家系为共有家系，328个和544个基因家系分别唯一存在于三疣梭子蟹和中华绒螯蟹中。 在这7种节肢动物中，虾蟹相对进化速率最小，其中对虾进化速度最慢，其次是绒螯蟹和梭子蟹。“相对于昆虫，虾蟹类进化较慢，可能是它们生活的环境相对于昆虫更加稳定。”唐伯平说。 另一个有趣的发现是，虾蟹与昆虫的分化以及螃蟹和对虾的分化几乎是同时发生在4.3亿年左右的志留纪。同属于短尾类的中华绒螯蟹和三疣梭子蟹的分化时间则相对较晚，大约是在1.8亿年前的侏罗纪。 我国同时获得1种海洋和1种淡水重要经济蟹类高质量的基因组图谱，将为蟹类和甲壳动物的研究提供重要的理论基础和数据支撑，同时也为经济蟹类育种、养殖和疾病防控工作提供重要的基础平台。

牛传染性鼻气管炎俗称红鼻子病，是由牛疱疹病毒1型（BHV-1）引起的一种牛的急性、热性、接触性传染病，主要引起呼吸道和生殖道疾病。该病的发生极大地降低了奶牛的产奶量、公牛的繁殖力及役用牛的使役力，并产生呼吸道感染还容易继发牛的细菌性肺炎，疫苗是防制该病的关键。 该项目所用的材料是牛疱疹病毒1型BHV-1临床分离株，具有全部的毒力因子和其他免疫原性很好的抗原。因此，以该病毒为基础构建的牛传染性鼻气管炎ΔTK/ΔgE基因缺失标志菌株所制备的基因工程疫苗对牛免疫具有很强的针对性，具有广阔的市场应用前景。 α疱疹病毒成员的主要毒力基因TK基因和牛疱疹病毒1型的十个囊膜糖蛋白之一gE基因的缺失疫苗相较只缺失TK或gE基因的缺失的疫苗更安全可靠，更方便实际操作。 目前国内尚无商品化的IBR疫苗和试剂盒上市。该项目通过开展诊断方法研究与疫苗免疫效果评价，制定相对应的综合防控技术措施，其实用性和可操作性强，有望获得具有自主知识产权的基因缺失标记疫苗和快速诊断试剂盒，可以保障肉牛业和奶牛业的健康发展，增加农民收入，保障畜禽产业链的运行，稳定牛肉牛奶供应，产生较大的社会经济发展作用，具有在全国推广应用的价值，推广前景看好。 转化条件：具有GMP车间，实现规模化生产。 成果完成时间：2016年

1、 主要解决的技术问题 该研究通过定向基因缺失技术将牛传染性鼻气管炎病毒的毒力基因TK和必需基因gG缺失，得到了牛传染性鼻气管炎的gG和TK双基因缺失突变株。疫苗免疫是防制牛传染性鼻气管炎的根本措施，灭活疫苗不能区分野毒感染和疫苗免疫牛，弱毒疫苗有残余毒力和返强风险，本研究获得的牛传染性鼻气管炎的gG和TK双基因缺失突变株，可区分野毒感染牛和疫苗免疫牛，是血清学“标志”疫苗，为我国牛传染性鼻气管炎根除计划提供了技术支撑。 2、先进性及主要技术指标 （1）先进性该研究是由我国自主研发，具有完全知识产权的牛传染性鼻气管炎的gG和TK双基因缺失突变株。 （2）主要技术指标gG基因缺失，TK基因缺失，接种MDBK细胞24-48小时可产生细胞病变，4×105PFU/头份接种试验牛即可产生良好的免疫反应。 1、市场前景：目前我国尚无自主研发的、获批的牛传染性鼻气管炎基因标记疫苗用于牛传染性鼻气管炎的预防，牛传染性鼻气管炎每年给我国的养牛产业造成巨大的经济损失，市场上急需可以有效防控牛传染性鼻气管炎并区分野毒感染牛和疫苗免疫牛的的疫苗产品，牛鼻气管炎病毒gG和TK双基因缺失疫苗的市场前景广阔。 2、预期经济效益：销售成本：18/头份 销售价格：30元/头份 年产值：3000万元 年利税：600万元。 转化条件： 按年产100万头份计算，投资总额：1000万，所需厂房:800-1000平方米，所需人员：15人，主要设备：GMP车间、悬浮培养生产线、脉动真空高压灭菌锅、洗烘联动机、分装扎盖机、贴签机等。 成果完成时间：2012年7月

裸眼3D医学影像设备结构互动系统采用裸眼3D技术，无需任何外部眼镜，借助内置眼动追踪技术，加上其手持式触控笔设备（其功能类似于笔），与自然手势和动作配合使用，即可实现医学影像设备结构三维立体效果，提供沉浸式互动学习体验。

本发明公开了一种基于开槽结构的四分之一模基片集成波导滤波器，包括四分之一模基片集成波导弧形腔，四分之一模基片集成波导弧形腔通过基片集成波导圆形腔沿任意两条相互垂直的磁壁分割得到，四分之一模基片集成波导弧形腔包括介质基片，介质基片的上表面设有上金属层，介质基片的下表面设有下金属层，介质基片中沿四分之一模基片集成波导弧形腔的周向均匀分布有贯穿上金属层和下金属层的金属通孔。本发明相对于传统的基片集成波导圆形腔有效实现了小型化。并且，相对于传统的多层结构，本发明结构简单，加工方便。此外，相对于传统的微带结构，本发明的滤波器品质因数高，损耗小。

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN