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

為了進一步驗證紅樹植物在全球氣候變化下是否足夠強健，研究人員對現存紅樹物種的歷史群體大小動態變化分析，發現大多數紅樹物種在海平面快速變化時期發生了種群規模急劇減少和破碎分化。

4月22日，清華大學藥學院饒燏課題組與武漢大學宋保亮課題組合作在《藥物化學雜志》（Journal of Medicinal Chemistry）發表題為“降解對比抑制：開發靶向3-羥基-3-甲基-戊二酰輔酶A還原酶的降解小分子”（Degradation Versus Inhibition: Development of Proteolysis-Targeting Chimeras for Overcoming Statin-Induced Compensatory Upregulation of 3-Hydroxy-3-methylglutaryl Coenzyme A Reductase）的研究論文。HMGCR（3-Hydroxy-3-methylglutaryl Coenzyme A Reductase）是膽固醇（cholesterol）合成途徑中的限速酶，并且是經典的治療血脂異常的藥物靶點。它的抑制劑（statin,他汀類化合物）如阿伐他汀（atorvastatin,立普妥®，輝瑞）在臨床被用于預防和治療心血管疾病，并取得了極大的成功。但是有相當一部分人對他汀類藥物不耐受，比如會發生骨骼肌損傷等較為嚴重的副作用，這有可能與服用他汀類藥物后體內通過負反饋調節導致HMGCR補償性表達升高有關。因而在該工作中，研究人員利用蛋白靶向降解嵌合體（Proteolysis-Targeting Chimera, PROTAC）的技術，對HMGCR在進行降解而起到抑制膽固醇合成作用的同時可以避免HMGCR的高表達，從而有望降低副作用。 圖1.抑制劑與PROTAC對HMGCR的影響 在該工作中，研究人員首先篩選出SRD15細胞系作為細胞測試的基礎，然后基于HMGCR的配體阿伐他汀和E3鏈接酶CRBN的配體泊馬渡胺進行了一系列的構效關系研究，發現化合物P22A作為PROTAC具有較好地降解活性（DC50~100 nM）。相比之下，抑制劑阿伐他汀對HMGCR引起了明顯的上調作用（圖1）。 圖2.抑制劑和PROTAC對LDLR和膽固醇的影響 接下來，研究人員通過一系列的生化和細胞生物學實驗證實了PROTAC通過泛素-蛋白酶體系統發揮作用的機制；通過蛋白組學的研究發現抑制劑和PROTAC引起的組學應答也有很大不同。抑制劑和PROTAC對膽固醇合成抑制和通過SREBP通路引起的低密度脂蛋白受體（LDLR）表達水平上調的能力相當（圖2）。 HMGCR是位于內質網上的八次跨膜蛋白, PROTAC對此類蛋白的降解能力往往有限，該工作首次證明利用PROTAC技術對內質網蛋白進行降解的可行性。另外，靶蛋白上調的現象還出現在很多其它的抑制劑中，該工作展示了面對此種情況時是PROTAC一個很好的應用場景。 宋保亮課題組博士生李美欣和饒燏組博士后楊毅慶為本工作共同第一作者，饒燏和宋保亮課題組羅婕為共同通訊作者。本研究得到了國家自然科學基金、清華-北大生命聯合中心以及中國博士后基金的大力支持。 原文鏈接： https://pubs.acs.org/doi/10.1021/acs.jmedchem.0c00339

我校理學院大數據研究團隊在人工智能與大數據處理技術研究方面取得系列進展，研究成果分別發表在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。神經網絡是人工智能領域中目前最為火熱的研究方向——深度學習的架構基礎。雖然深度學習在近幾年發展迅速，但是關于如何設計最優神經網絡架構的問題仍處于探索階段。該團隊分別針對人工智能中神經網絡結構復雜、高維大規模數據存在無效和冗余特征、難以獲取長時序信息等問題與缺陷，設計出了一系列網絡結構優化、大數據特征選擇和時序循環神經網絡模型，有效改善了上述不足，提高了人工智能模型的學習性能。 題目為《帶Group Lasso懲罰與控制冗余的神經網絡特征選擇》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究論文發表在人工智能領域權威國際期刊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（印度統計研究所）參與指導，中國石油大學（華東）為第一署名單位。該項工作得到國家自然科學基金、國家科技重大專項、山東自然科學基金、中央高校基本科研業務費、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新科技支撐計劃的資助。 特征選擇技術也稱屬性選擇，是指從原始特征或屬性中選擇出最有效的特征或屬性以降低數據維度的過程，它是人工智能數據預處理環節的重要步驟，也是大數據處理技術的重要環節。該項工作在神經網絡中嵌入Group Lasso懲罰項并實現特征冗余控制，在選出對解決問題最有幫助、蘊含信息量最大的特征或屬性的同時，控制所選特征子集的冗余程度，以達到降維的最優效果，從而使模型的泛化能力更強，降低神經網絡模型產生過擬合的風險。 題目為《基于L1正則化的神經網絡結構優化模型設計與分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究論文發表在國際人工智能領域權威期刊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（印度統計研究所）參與指導，中國石油大學（華東）為第一署名單位。該項研究成果得到了國家自然科學基金、山東省自然科學基金和中央高校基本科研業務費的資助。 該項工作借助L1正則子具有的稀疏表達能力，提出兩種神經網絡結構優化學習模型；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，同時保證了模型設計的合理性。實驗結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，適用處理高維大數據。該研究成果在人工智能與深度學習構造最簡網絡結構方面具有很強的指導作用和應用推廣價值。

近日，傅正義院士團隊平航副研究員在材料過程仿生制備新技術研究方面取得創新性進展，成果以“Mineralization Generates Megapascal Contractile Stresses in Collagen Fibrils”為題，發表在國際頂級期刊《Science》（科學）上。

自修復材料是近年來發展迅速的一類新型功能材料,它能夠通過物理或化學作用自動修復損傷并恢復其功能，為主動預防材料的潛在危害并延長其使用壽命提供了一種新的智能方法。