葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

本發(fā)明提供了N 乙酰葡萄糖胺在制備用于誘導(dǎo)非小細胞肺癌細胞凋亡的制劑中的用途，本發(fā)明從動物水平、細胞水平和分子水平的實驗明確了N 乙酰葡萄糖胺能夠與腫瘤壞死因子相關(guān)凋亡誘導(dǎo)配體協(xié)同作用，從而增強TRAIL對非小細胞肺癌的抑瘤作用，本發(fā)明從分子水平揭示二者協(xié)同作用后死亡受體的活性及蛋白量改變，闡釋了N 乙酰葡萄糖胺促進TRAIL誘導(dǎo)非小細胞肺癌凋亡的作用機制。本發(fā)明首次將N 乙酰葡萄糖胺與腫瘤壞死因子相關(guān)凋亡誘導(dǎo)配體協(xié)同作用應(yīng)用于抗非小細胞肺癌的研究中，這對于提高腫瘤細胞對TRAIL的敏感性，擴大其應(yīng)用范圍意義重大。

微流場技術(shù)作為化工行業(yè)綠色升級轉(zhuǎn)型過程中有效的過程強化技術(shù)，能夠大幅提升化工過程的三傳一反效率、提升化工體系的個性化和智能化、降低污染排放和生產(chǎn)風(fēng)險。項目團隊進行了基于尺度效應(yīng)優(yōu)化的工程應(yīng)用研究；開發(fā)了高匹配性的微流場裝備；并對微流場中反應(yīng)-反應(yīng)及反應(yīng)-分離耦合的系統(tǒng)集成研究及應(yīng)用拓展。主要成果如下： ①實現(xiàn)了環(huán)氧植物油等產(chǎn)品的新工藝的產(chǎn)業(yè)轉(zhuǎn)化； ②該技術(shù)通量是美國Corning、德國IMM、英國VapourTec等國外設(shè)備10倍以上，成本不足其5%，填補高效微流場工程裝備領(lǐng)域空白； ③實現(xiàn)微流場技術(shù)在工藝單元集成、反應(yīng)-反應(yīng)耦合中的推廣應(yīng)用，突破了微流場技術(shù)在復(fù)雜有機化工體系中的規(guī)模化工程應(yīng)用難題，實現(xiàn)了多化工產(chǎn)品的合成新工藝。

本發(fā)明涉及一種苯甲醛類化合物的制備方法及其用催化劑，催化劑由金屬粒子0.01wt％～90wt％和介孔碳載體10wt％～99.99wt％組成，金屬粒子為選自Pd、Au、Ag、Pt、Ru、Rh、Ni、Cu、Fe、Co、Cr、W、Mo、Ti以及Ta中的任意二種，且二種金屬的重量比為1∶0.01～100，金屬粒子的平均粒徑為1～100nm；介孔碳載體由雜原子摻雜的介孔碳材料制成。該介孔碳材料中雜原子的含量為0.01wt％～80wt％。本發(fā)明催化劑對水、空氣及熱穩(wěn)定，且具有優(yōu)異的催化活性，特別是用于催化醇氧化反應(yīng)制備醛或酮時具有高選擇性。本發(fā)明苯甲醛類化合物的制備方法，其原料轉(zhuǎn)化率高，目標產(chǎn)品選擇性好。

本發(fā)明公開了一種萘磺酰胺類化合物及其制備方法與在調(diào)節(jié)植物生長活性中的應(yīng)用。本發(fā)明提供的萘磺酰胺類化合物，其結(jié)構(gòu)通式如式Ⅰ所示。本發(fā)明提供的式I所示萘磺酰胺類化合物，結(jié)構(gòu)簡單，具有優(yōu)良的植物生長調(diào)節(jié)活性，制備方法簡單可行，利于大規(guī)模生產(chǎn)。

腫瘤細胞異質(zhì)性是腫瘤異質(zhì)性的重要成因之一，可導(dǎo)致腫瘤在增殖能力、侵襲能力和藥物敏感性等方面產(chǎn)生重要差異，影響腫瘤的診斷與治療，最終影響患者身體健康與生命安全。因此，腫瘤細胞異質(zhì)性研究對于腫瘤的診斷和個體化治療具有重要意義。而進行腫瘤細胞亞群分離分析是研究腫瘤細胞異質(zhì)性的重要基礎(chǔ)。現(xiàn)有的基于電泳、場流或熒光激活式分離原理的進行腫瘤細胞分離分析的策略存在著特異性差、操作繁瑣或需樣本量大等弊端。基于課題組在磁性梯度分離細菌、腫瘤標志物、蛋白分析等方面前期工作（Analytical Chemistry 2018, 90, 9621-9628；Analytical Chemistry 2014, 86, 9434-9442；Chemistry-A European Journal 2014, 20,14642-14649），該研究以細胞表面標志物Her2表達量差異化的三種乳腺癌細胞(BT474、MDA-MB-453和MDA-MB-231)為研究模型，通過熒光-磁性靶向仿生探針與其識別后形成不同磁性梯度，在恒定外磁場作用下，可分別在90 s、120 s和180 s時間內(nèi)快速逐一梯度分離出三種不同乳腺癌細胞亞型，并基于探針的熒光信號對腫瘤細胞亞群進行了初步鑒定。該研究報道的基于磁性梯度響應(yīng)的腫瘤細胞亞群分離分析策略具有簡單、快速、準確等特點，為血液樣本中異質(zhì)性腫瘤細胞亞群的近同時分離與分析提供新思路，在腫瘤早期診斷、評估和預(yù)后方面具有重要的潛在應(yīng)用前景。

我校理學(xué)院大數(shù)據(jù)研究團隊在人工智能與大數(shù)據(jù)處理技術(shù)研究方面取得系列進展，研究成果分別發(fā)表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能頂級期刊。神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域中目前最為火熱的研究方向——深度學(xué)習(xí)的架構(gòu)基礎(chǔ)。雖然深度學(xué)習(xí)在近幾年發(fā)展迅速，但是關(guān)于如何設(shè)計最優(yōu)神經(jīng)網(wǎng)絡(luò)架構(gòu)的問題仍處于探索階段。該團隊分別針對人工智能中神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、高維大規(guī)模數(shù)據(jù)存在無效和冗余特征、難以獲取長時序信息等問題與缺陷，設(shè)計出了一系列網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化、大數(shù)據(jù)特征選擇和時序循環(huán)神經(jīng)網(wǎng)絡(luò)模型，有效改善了上述不足，提高了人工智能模型的學(xué)習(xí)性能。 題目為《帶Group Lasso懲罰與控制冗余的神經(jīng)網(wǎng)絡(luò)特征選擇》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究論文發(fā)表在人工智能領(lǐng)域權(quán)威國際期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生張華清為該論文共同第一作者， 我校榮譽教授Nikhil R. Pal院士（印度統(tǒng)計研究所）參與指導(dǎo)，中國石油大學(xué)（華東）為第一署名單位。該項工作得到國家自然科學(xué)基金、國家科技重大專項、山東自然科學(xué)基金、中央高?；究蒲袠I(yè)務(wù)費、中國石油天然氣集團公司重大科技項目以及山東省高校青年創(chuàng)新科技支撐計劃的資助。 特征選擇技術(shù)也稱屬性選擇，是指從原始特征或?qū)傩灾羞x擇出最有效的特征或?qū)傩砸越档蛿?shù)據(jù)維度的過程，它是人工智能數(shù)據(jù)預(yù)處理環(huán)節(jié)的重要步驟，也是大數(shù)據(jù)處理技術(shù)的重要環(huán)節(jié)。該項工作在神經(jīng)網(wǎng)絡(luò)中嵌入Group Lasso懲罰項并實現(xiàn)特征冗余控制，在選出對解決問題最有幫助、蘊含信息量最大的特征或?qū)傩缘耐瑫r，控制所選特征子集的冗余程度，以達到降維的最優(yōu)效果，從而使模型的泛化能力更強，降低神經(jīng)網(wǎng)絡(luò)模型產(chǎn)生過擬合的風(fēng)險。 題目為《基于L1正則化的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化模型設(shè)計與分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究論文發(fā)表在國際人工智能領(lǐng)域權(quán)威期刊IEEE Transactions on Cybernetics。碩士生謝雪濤和博士生張華清為論文共同第一作者，王健副教授為通訊作者，我校榮譽教授Nikhil R. Pal院士（印度統(tǒng)計研究所）參與指導(dǎo)，中國石油大學(xué)（華東）為第一署名單位。該項研究成果得到了國家自然科學(xué)基金、山東省自然科學(xué)基金和中央高?；究蒲袠I(yè)務(wù)費的資助。 該項工作借助L1正則子具有的稀疏表達能力，提出兩種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化學(xué)習(xí)模型；本項工作另外一個突出貢獻就是提出了一種簡單且具有通用性的收斂性證明方法，同時保證了模型設(shè)計的合理性。實驗結(jié)果表明所提出模型具有強大的魯棒性、廣泛的適用性、理想的剪枝能力和良好的泛化能力，適用處理高維大數(shù)據(jù)。該研究成果在人工智能與深度學(xué)習(xí)構(gòu)造最簡網(wǎng)絡(luò)結(jié)構(gòu)方面具有很強的指導(dǎo)作用和應(yīng)用推廣價值。