利用合成gRNA-靶序列的高通量文库允许直接在细胞环境中便捷和高通量地收集gRNA活性数据，由此建立的计算模型来预测gRNA的活性比较可靠。

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

本发明是一种具有内增塑功能的肠溶型药用包衣聚丙烯酸树脂乳液，它由以下配比 的原料(质量比)经反应而成：甲基丙烯酸∶甲基丙烯酸甲酯∶甲基丙烯酸丁酯∶复合乳化 剂∶过硫酸钾∶分子量调节剂＝1∶(1.20-1.32)∶(1.451.58)∶(0.060-0.080)∶ (0.013-0.025)∶(0.020-0.030)。本发明还公开了种子聚合法制备上述聚丙烯酸树脂乳液的 方法。本发明聚丙烯酸树脂乳胶液属于肠溶型水分散体包衣，具有使用安全、环保、不需加 入增塑剂即可实现高效、高质量包衣的特点。

疼痛是一种令人不快的感觉和情绪上的感受，伴随有现存的和潜 在的组织损害，可导致整体生活质量下降（Pain1986,3:S1-226）。目 前，包括吗啡、杜冷丁和芬太尼等在内的阿片类镇痛药物是临床应用 最广泛的镇痛药物。并且，经过长期的临床实践和应用，阿片类镇痛 药物已被证实在多种急性和慢性疼痛治疗中均具有高效的镇痛活性， 已成为临床中、重度疼痛治疗的一线药物。阿片类镇痛药物主要是通 过 μ-阿片受体来介导其镇痛作用的

日前，2023年度第70届IEEE国际固态电路会议 (International Solid-State Circuits Conference，ISSCC)在美国举行。东南大学电子科学与工程学院国家ASIC工程中心杨军教授、司鑫副研究员和蔡浩副教授的三项存内计算研究成果在本届会议上发表并作了大会报告。东南大学是本届ISSCC在存储器、存内计算领域报道最多的单位。

  在该研究的训练组和验证组人群中，CRC诊断模型和预后预测模型均表现出了令人满意的效果。在训练组和验证组的人群中，该诊断模型准确率均达到96%，并且在验证组中该模型诊断敏感性达87.9%，特异性达89.6%，相对于目前临床常用的结直肠癌血清标志物癌胚抗原CEA的准确率为67%，诊断准确度大幅度提高。在对患者预后预测的准确性方面，根据ctDNA甲基化标志物预后预测模型计算得到联合预后评分指数（cp-score）对患者的预后预测的准确性要明显高于临床常用的预后指标，如肿瘤原发部位、TMN分期、CEA等。而将cp-score与这些常规预后指标结合以后，对患者预后预测的准确性还能够得到进一步的提高，在训练组患者中对预后预测的准确性达到82%，在验证组患者中对预后预测的准确性达到87%。对预后的准确预测，可很好的指导医生对不同的患者进行更为个体化的精准治疗，例如对预后不佳者避免给予过度的治疗，而对复发高危患者则给予更为积极的辅助治疗等。 研究团队还在前瞻性队列中验证了单个ctDNA甲基化标志物在结直肠癌筛查中的价值。通过对1493例结直肠癌高危人群同时进行的肠镜筛查和血浆ctDNA甲基化检测结果进行比较，显示ctDNA甲基化标志物可检测出26例早期肠癌患者，26例进展期腺瘤（癌前病变），对肿瘤的检出敏感性达89.7%，特异性达86.8%，对进展期腺瘤的检出率敏感性达33.3%，敏感性和特异性均较现有的无创筛查方法有所提高。这一研究结果对于优化结直肠癌筛查，具有重要的意义，有非常广阔的应用前景。       徐瑞华教授团队的这项成果是我国科学家在肿瘤液体活检领域又一项具有国际领先水平的重大突破，不仅为CRC的筛查提供了新的方法，也为CRC的精准诊治提供了重要的参考。目前该团队仍在积极开展ctDNA分子标志物在其他肿瘤筛查、诊断、预后预测、靶向药物筛选等方面的基础和转化研究，为发现更多的早期肿瘤患者，进一步改善患者的疗效和预后，提供更多、更有力的工具和手段。

基于前期关于双齿导向基团辅助的C-H键活化策略，利用氨基酸作为母体结构，设计合成了一类含有8-氨基喹啉基团的新型手性配体（QAAligands），并制备了相应的手性Ir(III)催化剂。在该催化剂的作用下，可以精准调控二噁唑酮类化合物分子内的C(sp3)-H键胺化反应，以大于99%ee实现γ-内酰胺的高效不对称合成。该类新型催化剂具有一定的类酶特性，可以容忍大量水的存在，并且水的存在对于特定底物具有明显的促进效果。通过对催化剂的单晶结构进行分析，作者发现该类手性Ir(III)催化剂中的五甲基环戊二烯基(Cp*)，8-氨基喹啉（AQ）和邻苯二甲酰胺（NPhth）组成了一个规则的沟状手性空腔，金属中心处于手性空腔的内部，从而使其具有优异的立体控制能力。通过与韩国高等技术研究院的SukbokChang教授合作进行计算化学的研究发现手性控制的关键因素是底物中的C-H键与NPhth基团存在多个C-H/π弱相互作用。

 在本研究工作中，该团队利用信息论和统计物理两个领域中熵的相关理论，对网络结构预测极限进行了研究。直观地说，一个可以仅用几个词描述的网络结构意味着它很简单，其边也很容易预测。例如二维晶格或一维链状结构。相反，如果一个网络需要很长的语言才能描述清楚，那么它应该具有非常复杂的结构，其结构很难预测。在计算机领域，任何网络的结构都可以被编码成二进制字符串。这启发了团队探寻最短二进制编码字符串长度，也就是熵，和可预测性之间的关系。       通过研究，该团队发现来自不同领域，很多大小不一的网络，其结构的最短压缩长度和可预测性之间存在一个普遍的线性关系。基于香农信源编码定理，该团队在随机网络上证明了这种线性关系。       进一步，利用这一线性关系，该团队推导出网络结构预测算法的性能上界，揭示出包括机器学习在内的预测算法性能尚存在多大的提升空间。因此，该性能界可用于指导未来在线商业推荐系统、蛋白质相互作用探测等场景中的算法设计。另外，该理论的一个有趣的用途是，可以实现在无需任何预测算法的情况下，通过网络结构压缩数据大小来估计一个网络数据集的商业价值。 

miRNA是一类高度保守的内源性单链非编码核苷酸片段，近年来，越来越多的研究发现miRNA的异常表达与疾病的发生和发展存在着直接或间接的关系，因此，实现活体内多种miRNA的定量检测，对于疾病的早期诊断和监测具有重要意义。 我校食品学院匡华教授团队博士生瞿爱华采用构筑了“核-卫星”样纳米结构，实现了细胞及活体内两种肿瘤标志物miR-21和miR-200b的同时定量检测，检测限达到3.2 zmol/ngRNA和10.3 zmol/ngRNA。 基于核-卫星样组装结构的miR-21和miR-200b的同时检测思路；（B）组装结构在细胞内的随时间荧光动态变化；（C）细胞内miR-21和miR-200b的同时定量测定。 研究人员利用DNA可控自组装技术，构筑了金纳米棒(GNR)与上转换纳米粒子（UCNP）的“核-卫星”样组装结构。其中，端面的UCNP修饰TAMRA荧光分子，能够识别miR-21，侧面的UCNP修饰TAMRA荧光分子，识别miR-200b。形成核-卫星状组装结构后，由于UCNP的发射光被猝灭，当遇到目标物miR-21或miR-200b时，UCNP从GNR表面解离，上转换发光恢复，TAMRA和Cy5.5的荧光激发峰与UCNP的发射峰部分重叠，产生上转换发光共振能量转移，通过监测588nm和736nm处的荧光强度，可实现细胞内miR-21和miR-200b的同时定量检测以及活体荧光成像。

用于炎症性肠病患者的低脂低渗低渣型肠内营养粉剂，含有如下成分：蛋白质、脂肪、碳水化合物、复合维生素、矿物质、表没食子儿茶素没食子酸酯，且不含麸质，蛋白质由乳清蛋白质粉、L 谷氨酰胺提供；脂肪以长链脂肪酸和中链脂肪酸形式提供，ω 6/中链脂肪酸/ω 3/ω 9＝40％/40％/10％/10％；碳水化合物为麦芽糊精。本发明适合胃肠道功能较差、易发生腹泻者，或需要低脂低渣饮食的人群，如炎症性肠病患者、胰腺炎患者初经口饮食的过渡、心衰患者、禁食后初始使用肠内营养的患者、胆囊炎、胆结石、胆囊切除术、肥胖人群、肠道手术准备、胃肠手术后患者等，并提供均衡营养支持的粉剂制品，容易冲调和保存，方便剂量和渗透压的控制，提高患者生活质量。