该发明公开了一个海岛棉纤维特异表达的缺少第二个结构域的α-expansin基因GbEXPATR，从海岛棉纤维不同发育时期的cDNA文库中获得。它与植物中α-expansin基因的同源性较高，生物信息学分析表明，该基因只包含α-expansin的第一个结构域，将其命名为GbEXPATR。它特异的在海岛棉纤维伸长期、转换期及次生壁合成初期高效表达。将获得的全长ORF构建到植物超量表达载体pCAMBIA 2301m上，用农杆菌介导的遗传转化方法转化陆地棉，对转基因后代的纤维品质进行分析发现它能够有效促进纤维的伸长；马克隆值的降低，使纤维从C2级升到B2级；断裂比强度的升高。利用该发明可以有效改良棉花纤维品质。 可用于陆地棉品种的品质改良，育成具有又长又细又强纤维的棉花品种。 转化条件：课题经费支持。 成果完成时间：2016 年

产品介绍： Nano-600超微量核酸蛋白测定仪（超微量分光光度计）作为一款高再现性的全波长分光光度计，采用基座和比色皿上样双检测模式，适用于更宽浓度范围的样品检测，操作简便，不仅可用于测量DNA，RNA纯度、浓度，测量蛋白质浓度，也可用于一般物质分析中的吸光度检测。 产品特点： 7寸电容触摸屏,优化设计的安卓系统软件 无需预热，5秒即可完成检测，结果直接输出为样品浓度。 5分钟内无操作，将自动关闭光源，以延长使用寿命。 软件图形界面简单易用，操作更为直观，结果可直接导出。 仅需0.5~2ul的微量样品即可进行纯度与浓度测量，样品可回收。 外置打印机（选配）直接打印报告。 技术参数： 型号： Nano-600 Nano-800 软件操作平台：   7寸电容触摸屏，安卓系统 7寸电容触摸屏，安卓系统 波长范围： 185-910nm； 185-910nm； 比色皿模式(OD600)： 600±8nm 600±8nm 样本体积要求： 0.5-2.0ul 0.5-2.0ul 光程： 0.2mm、1.0mm 自动切换 0.05mm、0.2mm、1.0mm 自动切换 光源： 氙闪光灯（寿命可达10年) 氙闪光灯（寿命可达10年) 检测器：  3648像素线性CCD阵列 3648像素线性CCD阵列 波长精度： 1nm 1nm 波长分辨率 ≤3nm(FWHM at Hg 546nm) ≤3nm(FWHM at Hg 546nm) 吸光度精准度： 0.003Abs 0.003Abs 吸光度准确度： 1%（7.332 Abs at 260nm) 1%（7.332 Abs at 260nm) 吸光度范围 (等效于10mm)： 0.02-300A; 0.02-300A; 比色皿模式 (OD600测量)：  0~4A 0~4A 测试时间：  ≤5S ≤5S 核酸检测范围： 2-4500ng/ul(dsDNA) 2-17500ng/ul(dsDNA) 数据输出方式： USB、SD-RAM卡 USB、SD-RAM卡 样品基座材质： 石英光纤和高硬质铝 石英光纤和高硬质铝 锂电池 无 6800mmA 外观尺寸（mm） 270x210x196 270x210x196

产品介绍： Nano-600、Nano-800超微量核酸蛋白测定仪（超微量分光光度计）作为一款高再现性的全波长分光光度计，采用基座和比色皿上样双检测模式，适用于更宽浓度范围的样品检测，操作简便，不仅可用于测量DNA，RNA纯度、浓度，测量蛋白质浓度，也可用于一般物质分析中的吸光度检测。 产品特点： 7寸电容触摸屏,优化设计的安卓系统软件 无需预热，5秒即可完成检测，结果直接输出为样品浓度。 5分钟内无操作，将自动关闭光源，以延长使用寿命。 软件图形界面简单易用，操作更为直观，结果可直接导出。 仅需0.5~2ul的微量样品即可进行纯度与浓度测量，样品可回收。 外置打印机（选配）直接打印报告。 技术参数： 型号： Nano-600 Nano-800 软件操作平台：   7寸电容触摸屏，安卓系统 7寸电容触摸屏，安卓系统 波长范围： 185-910nm； 185-910nm； 比色皿模式(OD600)： 600±8nm 600±8nm 样本体积要求： 0.5-2.0ul 0.5-2.0ul 光程： 0.2mm、1.0mm 自动切换 0.05mm、0.2mm、1.0mm 自动切换 光源： 氙闪光灯（寿命可达10年) 氙闪光灯（寿命可达10年) 检测器：  3648像素线性CCD阵列 3648像素线性CCD阵列 波长精度： 1nm 1nm 波长分辨率 ≤3nm(FWHM at Hg 546nm) ≤3nm(FWHM at Hg 546nm) 吸光度精准度： 0.003Abs 0.003Abs 吸光度准确度： 1%（7.332 Abs at 260nm) 1%（7.332 Abs at 260nm) 吸光度范围 (等效于10mm)： 0.02-300A; 0.02-300A; 比色皿模式 (OD600测量)：  0~4A 0~4A 测试时间：  ≤5S ≤5S 核酸检测范围： 2-4500ng/ul(dsDNA) 2-17500ng/ul(dsDNA) 数据输出方式： USB、SD-RAM卡 USB、SD-RAM卡 样品基座材质： 石英光纤和高硬质铝 石英光纤和高硬质铝 锂电池 无 6800mmA 外观尺寸（mm） 270x210x196 270x210x196

一、产品介绍： JP-3000型核酸蛋白检测仪（紫外检测仪）系采用采用液相色谱分离技术，检测蛋白、核酸、酶和多肽，适用于制药、天然产物和生物大分子的分离纯化，广泛用于生化研究, 生物工程, 医疗检验, 测定, 农业科研, 化工食品等科学领域。   二、产品特点：  双光束分光系统设计，一束光通过参比系统，另一束光通过样品系统。 无需预热，开机基线即可平衡。 内置JP-blupad层析工作站，自动绘制层析图谱。可一键另存JPG图谱，方便图谱的保存打印。与GE层析柱接口兼容，可在AKTA等设备系统进行预分离。 三、技术参数： 检测波长:： 260nm、280nm(标配） 波长选择： 步进电机程序控制。 光源： LED冷光源，寿命>50000小时。 调零： 双光束一键调零。 灵敏度： 2、1、0.5、0.2、0.1、0.05 ABS 噪声： <0.0001A 漂移： ≤0.002A/S 光程： 3mm 样品池容积： 30ul~120ul 吸光度显示： 122*44蓝膜高清LCD液晶显示 功率消耗： ≤25W 电源电压： 220V±10% 50Hz

目前市场上缺乏能够成套交付新要求的毫米波天线、集成度高的滤波器等无源器件、以及其相应的检测设备的综合性企业，特别是具有从设计，加工，调试到性能检测认证的全产业链能力。基于我们朗普达创始团队的核心技术，我们不但能够提供业界最领先的毫米波天线模组，高性能的滤波器和其他无源器件产品，还可以交付针对这些器件的测试检测设备。这两方面的产品能力互相补充，互相促进，互相拓展，使得朗普达的产品具有客户群体广泛，客户类型多样，能够快速适应市场变化等特点。 我们的毫米波的人工电磁材料技术可以让5G基站天线具有比4G基站天线更小面积和更多的天线数及接口，极大地提高系统容量和频谱效率；天线阵列宽角扫描技术，可以在不增加天线数目的基础上将手机的覆盖能力提高70%以上；是满足新一代无线通信产业对多天线系统小体积、高容量、广覆盖的需求的重要保障，显得尤为迫切和重要。我们基于矢量拟合法的滤波器特性提取和诊断算法，能够更精准的设计高良率的无源器件；同时结合神经网络和人工智能算法，可以适用于我司的滤波器自动检测设备和产线，实现滤波器的无人调试和高效检验交付。

青白散对慢性软组织损伤大鼠骨骼肌Ⅱb型肌球蛋白重链及Ⅰ、Ⅲ型胶原蛋白表达的影响

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。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

非线性失真是5G通信系统和其他新兴多载波通信系统的主要失真来源，而数字预失真代表着线性化方法发展趋势。目前，数字预失真方法均采用了对非线性器件输出信号的包络特性进行直接线性化的简单思路。由于有源非线性器件（如射频功放）存在最大输出功率的限制，故此种原理的线性化算法在高能信号区会造成输出有效增益的明显下降，也就是难以同时满足低功率损失和高线性化效果的要求。这不但造成了低下的电源利用效率，并且造成我国对进口大功率射频器件的依赖。 针对5G通信非线性失真研究的理论空白，申请人率先完成了非线性失真信号微观分析法，首次揭示了亿万个随机交调项间的定量关系，推导出了系统参数和非线性频谱间简洁的多项式表达关系，并将仿真速度提高1100倍。针对目前射频电路预失真方法的原理性缺陷，申请人建立的多级精细化数字信号预失真方法实现了在低功率损耗的条件下取得高度线性化效果，此方法可提高功放的功率利用率，降低我国对大功率射频功放的进口依赖。

项目成果/简介:数据采集技术可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。多模态传输技术LPWAN (Low-Power Wide-Area Network，低功率广域网络)在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。       LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。最具前景的LPWAN技术——NB-IoT和LoRa：物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。LoRa （Long Range）:   一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。数据分析技术人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。应用范围:家居智慧控制，提高舒适度：家庭生活状态统计和日常需求预测与推荐；多模态行为分析和数据采集和传输系统；多模态行为数据采集和分析平台；基于LoRaWAN/5G的工厂环境、农业大棚等环境监测系统。技术成熟度:通过中试