《北科大《Nature》子刊:一种降低铁合金热膨胀同时获得高力学性能的策略》

  • 编译者: 欧冬智
  • 发布时间:2025-01-26
  • 在材料科学研究中,铁合金因其在基础设施和制造业中的广泛应用而备受关注,但其高热膨胀系数限制了其在高精度领域的使用。近期,北京科技大学的研究团队提出了一种新策略,通过在铁基体中原位生成纳米级负热膨胀相,显著降低铁基合金的热膨胀系数。例如,Fe-Zr10-Nb6合金的热膨胀系数降低至铁基体的约一半,同时展现出1.5 GPa的抗压强度和17.5%的极限应变,综合性能优于其他低膨胀金属基材料。相关研究成果已在《Nature Communications》期刊上发表。此项研究得到了国家重点研发计划等项目的资助。
相关报告
  • 《三种RNA测序技术怎么选?Nature子刊综述讲明白了!》

    • 来源专题:转基因生物新品种培育
    • 编译者:zhangyi8606
    • 发布时间:2020-10-11
    • 在过去的十年中,RNA测序(RNA-seq)成为差异基因表达、mRNA差异剪接等研究场景不可或缺的重要手段。随着高通量测序技术的不断发展,RNA-seq的研究技术、分析方法也在不断发展。现在RNA-seq用于研究RNA相关的各方面生物学问题,包括单细胞基因表达、RNA翻译、RNA结构、空间转录学、全转录组、RNA-蛋白互作等。早前 Nature Reviews Genetics 发表了一篇综述,全面介绍了RNA-seq的发展。 转录本是非常多样和复杂的,绝大多数基因不符合“一基因一转录本”的模式,这些基因往往存在多种剪切形式。而基于短读长测序平台的转录组测序,首先把RNA打断成小片段进行测序,然后再通过生物信息的方法进行拼接。因此由于读长的限制,基于短读长测序平台的转录组在组装的过程中存在较多的嵌合体,并且不能准确地得到完整转录本的信息,从而对后面的表达量分析、可变剪接、基因融合等分析造成了较大的影响。因此,科研人员开发出不同的转录组测序技术,以期在不同的场景应用不同的技术来针对性地解决问题。 综述中通过比较RNA的短读长测序、长读长测序和直接测序这三种技术发现:短读长测序适合做基因定量,研究基因差异表达;长读长(cDNA)测序适合于研究转录本结构信息,如异构体、可变剪切、基因融合等;RNA直接测序可以研究转录本结构信息和修饰信息,但是对RNA样本要求会更高。 通过多项对比,文中指出,测序错误率高是长读长测序平台的一大劣势。PacBio测序平台错误类型属于随机错误,这种错误通常可以通过使用CCS(circular consensus sequence)增加测序深度来解决。在一个CCS读长中,cDNA和接头进行环化后,每个cDNA就可以被多次测序,这个cDNA在长读长序列中为subreads。这些subreads被组合后就可以产生一致的序列。分子测序的次数越多,最终的错误率就越低。CCS已经被证明可以将错误率降低到与短读长相当的水平,甚至更低。但是,更多的测序数据量读取了相同的分子,使得读取的唯一转录本变得更少,这又加剧了测序通量的问题。 现在PacBio平台测序长度不断增长,但是如果采用上述的CCS模式测序全长转录组,无法实现数据量增长得到的insert reads也增长,检测的转录本数量同时增长的效果。基于此,我们开发了多倍通量全长转录组,相较于常规全长转录组测序,相同的数据,可以获得5倍的有效数据,转录本检测数量翻倍! 多倍通量全长转录组在建库过程中将多条序列随机首尾相连,通过CCS测序,一条CCS read可得到多条转录本,充分利用PacBio平台的长读长并大幅提升Sequel测序全长reads的获得率。而且,多倍通量全长转录组包含了UMI技术,因此在享受高效数据利用的情况下还能进行基因的绝对定量。 RNA直接测序可以获得poly(A)的全长序列,我们的poly(A)全长转录组在获得全长转录组信息的同时,仍可以获得poly(A)的长度信息,并进行poly(A)的长度相关的信息分析。
  • 《Nature | 针对肥料管理或可降低氨排放》

    • 来源专题:战略生物资源
    • 编译者:李康音
    • 发布时间:2024-02-03
    • 2024年2月1日,南方科技大学郑一教授、香港科技大学冯志雄教授等在 Nature 期刊发表了题为Fertilizer management for global ammonia emission reduction 的研究论文。 大气中的氨是一种重要环境污染物,影响全球生态系统和人类健康。大约有51-60%的人为氨排放可追溯至作物栽种,其中一半与3种主要作物有关:水稻、小麦和玉米。但以高分辨率量化与具体耕地有关的氨排放的潜在减少很困难,且取决于如氮输入和本地排放等因素的细节情况。 该研究报告了在机器学习帮助下生成的对水稻、小麦和玉米作物氨排放的详细评估。这一数据集使人们能对具体耕地评估减排潜力,在这些作物的生长中有效管理肥料,能让大气中耕作带来的氨排放至多降低38%。 该研究基于包括气候、土壤特征、作物类型、灌溉、耕作和施肥操作等变量,使用机器学习建模了全球水稻、小麦和玉米农业的氮排放。为丰富模型信息,研究团队从对发表文献系统性回顾所得的2700项观察中开发出了一个氨排放数据集。研究团队用这一模型估计全球氨排放在2018年达到43亿公斤。研究团队计算出,根据模型指导在空间上优化肥料管理,可以让这三种作物的氨排放减少38%。优化策略包括在生长季节采用常规的耕作法,将增效肥料施放在更深的土壤中。 该研究发现,在施肥管理场景下,水稻作物能带来47%的总体减排潜力,玉米和小麦分别是27%和26%。在没有任何管理策略的场景下,研究团队计算出到2100年氨排放将升高4.6%-15.8%,最终数字取决于未来温室气体排放水平。