|
搜索
搜 索
高等教育領域數字化綜合服務平臺
冠狀病毒深紫外LED消毒設備
北京工業大學
2021-04-14
豬圓環病毒2型合成肽疫苗
通過研究PCV2免疫保護抗原和抗原表位，設計并篩選出兩個50-51個氨基酸組成的多肽序列，建立了多肽固相載體合成法和純化工藝，制定了疫苗制造規程和質量標準，創制成功合成肽疫苗。
一、項目分類
顯著效益成果轉化
二、技術分析
國際首創，引領了國際該病疫苗的研發。通過研究PCV2免疫保護抗原和抗原表位，設計并篩選出兩個50-51個氨基酸組成的多肽序列，建立了多肽固相載體合成法和純化工藝，制定了疫苗制造規程和質量標準，創制成功合成肽疫苗。
豬圓環病毒2型（PCV2）是危害世界養豬業的重要病原，給我國養豬業帶來巨大經濟損失。疫苗接種是預防和控制該病的最重要手段。針對該病毒培養和疫苗抗原制備工藝技術難題，我校姜平教授團隊深入研究挖掘該病毒與細胞相互作用、致病和免疫機制，成功創制成功合成肽疫苗，獲得5項國家發明專利。疫苗安全有效，免疫保護效力100%，免疫持續期4個月，疫苗技術達國際領先水平，于2021年獲得一類新獸藥注冊證書。
南京農業大學
2022-07-25
病毒疫苗快速工藝研發技術平臺以及高質蜀病毒疫苗規模化生產裝置裝備相關技術
本研究團隊研發了具有自主知識產權（專利號：ZL 201610601410.0；ZL 201610601445.4）的新型固定床生物反應器——Xcell反應器（圖1）。Xcell反應器采用新型的“瀑布式”傳氧方式，實現真正意義上的無泡通氣，可提供良好的氧傳質性能以及混合性能；采用“懸浮接種”技術使得反應器的種子細胞捕獲能力良好且細胞在反應器中分布均勻；采用“Push-pause”混合技術，可有效避免固定床模塊出現死區，進一步提高液體混合效率，同時對氧傳遞有一定的促進作用。Xcell反應器為貼壁動物細胞的培養與應用提供了一種新的固定床生物反應器與技術。
為了實現基于固定床生物反應器細胞培養過程的高效研發與規模放大，本研究團隊建立了具有自主知識產權（專利申請號201910893202.6）的固定床生物反應器縮小模型——TFB反應器（圖2）。基于TFB反應器與Xcell反應建立了固定床生物反應器scale-down/scale-up平臺（圖3）以及QbD導向的病毒疫苗過程工程的快速開發策略，實現了細胞培養及病毒擴增工藝從20 mL到0.5 L與2.5 L的規模逐級放大。
江南大學
2021-05-11
新冠肺炎疫情地理信息系統
同濟大學上海自主智能無人系統科學中心新冠肺炎疫情防控科研攻關NCP-GIS團隊研發的新冠肺炎疫情地理信息系統（Tongji NCP-GIS）。
同濟大學
2021-04-10
新型新冠肺炎快速檢測試劑盒
天津大學生命科學學院黃金海教授和葉升教授團隊瞄準臨床實踐所需，制定了病毒、抗體快速診斷以及生物防治制劑的研發方案。團隊迅速制備獲得新型冠狀病毒高純度蛋白，并與北京華科泰生物技術股份有限公司聯合完成免疫熒光層析試紙條檢測病毒抗原靈敏性、交叉性等實驗，成功研發出新型冠狀病毒抗原熒光免疫層析快速檢測試劑盒。與目前臨床使用的檢測試劑盒相比，新型試劑盒最大的優勢是“快”，可在15分鐘內檢測出是否為新型冠狀病毒，極大地縮短了檢測時間；同時該試劑盒具有高靈敏度，病毒蛋白檢測達到pg級，為病毒感染的早期篩查提供了簡便靈敏的手段。實驗結果顯示，新型試劑盒檢測限、靈敏度、線性系數等性能指標均滿足對病毒抗原檢測的有效性要求。新型試劑盒正在加緊臨床驗證，在獲得相關部門檢驗審批后有望用于疫情的快速檢測和早期診斷，縮短疑似病例的篩查時間，助力新冠病毒疫情的防控。天津大學生命科學學院科研團隊正在加緊進行新型冠狀病毒早期感染抗體檢測、新型生物防治制劑的研發工作，目前進展順利，有望近期取得可用性成果。
天津大學
2021-04-10
沐舒坦或可治療新冠肺炎的研究
該研究通過生物學分析發現武漢新型冠狀病毒的刺突（S）蛋白與SARS冠狀病毒的S蛋白結構相似，也可通過S蛋白與宿主細胞表面的 血管緊張素轉化酶（ACE）2蛋白分子相互作用，從而感染宿主的上皮細胞。因此， ACE2分子是武漢新型冠狀病毒感染的關鍵分子，通過結合ACE2分子有可能影響武漢新型冠狀病毒感染人體細胞的過程。ACE2是腎素-血管緊張素-醛固酮系統（RAS）的關鍵分子，也是包括肺泡上皮細胞在內的多種人體細胞表面表達的重要分子之一。2003年，ACE2被鑒定為SARS冠狀病毒的功能性受體。2020年1月25日， 北京大學基礎醫學院的 王月丹和初明團隊，采用自主研發的人工智能藥靶篩選系統，重點針對2674種已上市的藥物以及1500種中藥提取物進行了藥物篩選， 發現了多種潛在的ACE2結合劑，有望用于武漢新型冠狀病毒感染的治療，其中包含了氨溴索（CAS號：18683-91-5）等。氨溴索，又稱沐舒坦，是一種呼吸道潤滑祛痰藥，能促使呼吸道表面活性物質的形成，調節漿液性與黏液性物質的分泌，促進代謝，還可改善纖毛運動，增強呼吸道分泌物的消除作用。
北京大學
2021-04-10
新冠肺炎動態感染過程建模與預測分析
面對疫情，北京航空航天大學機械工程及自動化學院先進數控和智能制造團隊劉強教授、肖文磊副教授等一批教師和研究生自發組成“大數據建模分析工作群”，開始收集疫情數據，交流和討論建模方法。劉強、肖文磊又與工作群中的孫鵬鵬、王柳權、臧辰鑫、朱三穎、高連生等人，組成了“2019-nCoV疫情建模分析應急響應研究小組”核心攻關組，全力以赴開展本次疫情建模仿真和預測分析研究工作。疫情建模分析應急響應小組的研究工作是在2003年郇極教授提出的“一種基于自動控制理論的SARS傳染預測模型”的基礎之上，結合此次新冠疫情原發地高度集中、恰逢春節期間人口流動的特點，采用控制論原理和大數據分析方法建立功能更全面的2019-nCoV動態感染過程模型。劉強教授團隊對北京、上海、重慶、溫州、長沙、鄭州、成都、杭州、深圳等40余個城市的疫情數據發展趨勢進行了動態仿真分析。基于分析結果，應急響應小組直接向上級部門提交疫情關鍵數據預測報告2份，直接向中國疾控中心提供預測分析數據及報告2份，向上級提出北京延期恢復正常上班的緊急建議1份，為高層疫情防控決策提供了及時有效的技術數據支持。
北京航空航天大學
2021-04-10
新冠肺炎的疫情評估與預測報告
面對國家在疫情防控決策方面的重大戰略需求，北京航空航天大學計算機學院王靜遠副教授，聯合經濟管理學院吳俊杰教授、部慧副教授，計算機學院軟件開發環境國家重點實驗室孫磊磊老師等，快速反應，在1月22日開始陸續組織了一支包括20余名師生在內、跨學科、跨專業的疫情應急研究團隊，開展基于大數據的疫情預測與大數據分析科研攻關工作。
團隊經過連續不眠不休的集中攻關，于1月25日完成了第一個針對新冠肺炎疫情預測的模型，并最早具備了對外提供疫情預測服務的能力。該模型具備優秀的預測精度和疫情解釋能力，為上級部門的疫情防控決策提供了重要的支撐。尤其是在疫情拐點尚未出現、全國發病走勢尚不明朗的疫情早期階段，為防疫決策提供精準的數據參考。預測模型基于王靜遠老師在2014年深圳H7N9流感爆發和季節性流感流行期間使用市民活動大數據與Meta-Population動力學模型相結合的方式設計的面向城市的呼吸道類疾病傳播分析與預測模型，曾應用于深圳流感防控。
北京航空航天大學
2021-04-10
發現可能用于治療新冠肺炎的藥物
華中科技大學同濟藥學院李華教授、沈陽藥科大學無涯學院陳麗霞教授、軍事醫學研究院國家應急防控藥物工程技術研究中心李行舟研究員等組成聯合攻關小組，就新型冠狀病毒肺炎疫情，開展了抗新冠病毒潛在藥物的篩選研究工作。利用藥物重定位策略，在已有藥物中尋找對抗新冠病毒的治療藥物是對抗疫情的有效手段和當務之急。研究表明，冠狀病毒nsp3編碼的木瓜樣蛋白酶(papain-like protease，PLP)在病毒基因組復制及逃避宿主抗病毒天然免疫中發揮重要作用，是藥物開發的良好靶點。PLP不僅具有蛋白水解酶活性，同樣具有去泛素化酶（DUB）活性，PLP利用其蛋白水解酶活性及DUB活性通過一系列的分子機制逃避宿主抗病毒免疫反應，抑制干擾素表達；它是除了冠狀病毒3CL水解酶之外，另一個冠狀病毒感染人類所必需的重要蛋白。攻關小組目前正在尋找更多可能抑制新冠病毒的藥物靶點，也將繼續進行深入的抗新冠病毒活性測試，為后續抗新冠病毒肺炎藥物的基礎和臨床研究提供更多指導信息。
華中科技大學
2021-04-10
新冠肺炎影像學AI智能輔助診斷研究
“現階段醫生需要在大量影像數據中快速診斷出新冠肺炎的病例，此外還需要診斷出病灶分布的位置、大小等來評估嚴重程度。”薛向陽介紹，針對臨床的現實需求，團隊將設計目標定位于“肺炎分類鑒別”和“關鍵病灶檢測”兩大功能，前者是為區別健康狀態、新冠肺炎、其他病毒性肺炎、細菌性肺炎，后者則為找到并分隔出磨玻璃影等病灶區域。針對這些需求，團隊設計診斷算法模型，讓機器利用模型進行訓練，學習不同類型肺炎在CT影像表現上的不同特征，最終具備智能輔助診斷的能力。而這需要突破小樣本學習、小目標檢測等多個技術難題。“小樣本學習”即在較少訓練數據樣本的條件下進行機器學習。在疫情發生前期，能夠獲取的新冠肺炎影像數據相對較少，且由于一線影像醫生任務繁重，無法獲得大量專家標注，因此需要算法在少量樣本的條件下“自學成才”。為此，團隊采用基于自遷移學習的半監督學習等技巧，使算法具備一定的“小樣本學習”能力，在不增加醫生標注工作量的情況下較好地提高了算法模型的普適性。由于CT影像切片中的病灶區域有大有小，且往往大中小病灶區域面積懸殊，如何使算法能同時檢測大、中、小各個目標是另一大難題。團隊利用神經網絡的層次性特點與病灶區域的大小進行對應，“網絡的底層關注細節，即小病灶區域，而網絡中層到高層所關注的病灶區域則越來越大，因此模型通過不同層次的加權和融合，最終便能達到同時檢測大小病灶區域的目標。”薛向陽解釋道。“不過，即便有診斷‘神器’，影像科醫生也是不可替代的。”薛向陽說，人是復雜的機體，病毒在不同人體內感染的反映也不一定相同。”他表示，當遇到機器未曾學習過的微小病變或疑難病例時，仍需要影像醫生的經驗和智慧。以解決實際問題為目標，該項目在研究過程中始終與臨床應用緊密結合。無論是機器學習數據，還是測試評估數據，都來源于臨床真實病例。在算法模型定型過程中，為了檢驗模型的準確率和泛化性，團隊也利用現實疑似病例進行了測試。
復旦大學
2021-04-10