登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《Science发表西湖大学周强实验室关于“新冠”的最新研究成果》

  • 来源专题：新药创制
  • 编译者： 杜慧
  • 发布时间：2020-03-09

  • 美国东部时间2020年3月4日上午10点左右，Science杂志在线发表了题为Structural basis for the recognition of the SARS-CoV-2 by full-length human ACE2 的研究论文，报道了西湖大学周强实验室首次成功解析新型冠状病毒细胞表面受体ACE2的全长三维结构，以及新型冠状病毒表面S蛋白受体结合结构域与细胞表面受体ACE2全长蛋白复合物的三维结构。https://science.sciencemag.org/content/early/2020/03/03/science.abb2762

    此前，这两项成果已分别于北京时间2月19日、2月21日在预印版平台bioRxiv发布，并第一时间向全社会公开。

    美国得克萨斯大学西南医学中心生物物理系主任、霍华德休斯医学研究所研究员Michael K. Rosen称，周强团队的这一生物物理学研究，在理解新冠病毒如何侵染人体细胞方面取得了重要进展，相关研究成果最终将对研发精准的新冠肺炎诊断、治疗手段起到关键作用。

    来源于西湖大学

160浏览量
原文链接
相关报告

  • 《《科学》发表上海科技大学重大研究成果》
    • 来源专题：科技大数据监测服务平台
    • 编译者：dingxq
    • 发布时间：2018-07-31
    • 上海科技大学物质科学与技术学院左智伟团队，在光促进甲烷转化这一重要能源化工领域取得突破性进展：成功发展了一种廉价、高效的铈基催化剂和醇催化剂的协同催化体系。 这一基础研究领域的突破，解决了利用光能在室温下把甲烷一步转化为液态产品的科学难题，为甲烷转化成高附加值的化工产品（例如火箭推进剂燃料）提供了崭新和更加经济、环保的解决方案。同时，对这一高效、可持续的光促进铈催化模式的深入研究和进一步推广应用，将为我国高效利用特有的稀土金属资源提供新的思路和前景。 7月27日凌晨，这一重大科研成果在线发表于《科学》（Science）。据悉，该课题由左智伟课题组独立完成，四位作者全部来自上科大物质学院，平均年龄不到30岁。 天然气中的主要化合物是甲烷。由于甲烷分子中碳氢键的高度稳定性和弱极性，它的转化极具挑战性，通常需要高温高压等苛刻的反应条件，因此如何在温和条件下实现甲烷分子碳氢键的官能团化，被认为是化学中的‘圣杯’。 铈是我国特有的稀土资源，具有低廉的价格和独特的光物理特性，因此研究人员选择了配体到金属电子跃迁途径，一个之前未受广泛关注的简称为 LMCT的光促跃迁过程，作为研究新型光催化剂的突破点。 左智伟团队经过2年多的艰苦攻关，2202次尝试和优化，终于寻找到了一个非常廉价、高效的催化剂组合。在极其普通的三氯乙醇的协同作用下，并成功地使用商品化LED 光源作为反应能量来源，廉价稀土金属铈能发挥出与稀有的贵金属相媲美的甲烷催化效果，在室温条件下，顺利实现了高选择性的甲烷到高附加值产物的转化。 该论文第一作者胡安华告诉《中国科学报》记者，这一体系的特色在于，突破均相催化中依左智伟赖贵金属的碳氢键插入实现甲烷活化的范式，高效利用铈催化剂将光能转化为化学能，采用氢转移模式来直接将甲烷活化为高反应性的甲基自由基，结合自由基偶联策略，从而能够实现一系列光促进的官能团化反应，给甲烷活化提供了条件温和、多样性转化的新平台。 中国科学院院士、中国科学院上海有机化学研究所所长、上海科技大学副校长丁奎岭认为，“左智伟团队的工作代表了甲烷转化研究中的一个新的重大突破，通过精妙的催化反应设计，利用光的促进作用，在室温下实现了甲烷分子的转化，为甲烷的资源化和高值化利用开辟了一条新的途径。” 美国国家科学院院士，普林斯顿大学教授David MacMillan 评价说：“左智伟团队取得了一个惊人的突破。这一新的研究成果又开创了一个甲烷活化的新方向，他们发展的LMCT 催化方法将在医药、农业化学品和精细化工等行业中有着毋庸置疑的应用潜力。这是一个来自中国的年轻研究小组所完成的一项将在世界范围内产生广泛影响的工作，我十分期待他们的下一个突破。” 荷兰壳牌石油公司的新能源技术资深首席科学家Alexander van der Made和甲烷转化项目经理Sander Van Bavel一致认为：“在烷烃活化领域，这一工作是优异和精巧化学设计的体现。更重要的是，这一发现标志着，我们已经在温和条件下烷烃的绿色转化道路上迈出了关键一步。最终，这一方向的发展将能为化学工业充分利用甲烷这一丰富的自然资源提供解决方案。” 值得一提的是，左智伟课题组开发出的这一独特的铈催化体系，催化剂的廉价实用性已经引起了工业界的关注。2017年底，已经与相关药业公司签订了铈催化氧化反应的合作转让协议。 相关论文信息：DOI: 10.1126/science.aat9750
    66浏览量
    原文链接

  • 《《机器学习》领域研究成果在人工智能领域发表系列研究成果》
    • 来源专题：人工智能
    • 编译者：高楠
    • 发布时间：2023-10-08
    •  近日，计算机科学与工程学院（网络空间安全学院）杨国武教授团队先后 在人工智能领域顶级期刊TPAMI、TIP和CCF A类会议KDD、ICCV发表一系列高水平研究成果。   论文《Noisy Label Learning With Provable Consistency for a Wider Family of Losses》被CCF人工智能领域A类期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（TPAMI）接收。博士生刘德富为第一作者，杨国武教授为通讯作者。 该论文研究了机器学习中的标签噪声学习问题。标签噪声学习是机器学习领域的热点问题之一，为了解决深度模型过度拟合训练集的错误标签，受量子叠加特性的启发，该论文设计了一个动态标签学习算法来训练深度模型，可以利用大量为传统深度学习设计的损失函数进行标签噪声学习，甚至是交叉熵损失函数（交叉熵损失函数被证明在传统深度学习算法下不具备标签噪声鲁棒性）。论文从理论上证明提出的动态标签算法具有良好的噪声鲁棒性，能在有噪声的训练集中有效地收敛到最优模型，并且该算法不依赖于损失函数和标签分布。实验结果不仅验证了本文对该方法的理论分析的正确性，还表明了本文设计的动态标签学习算法明显优于当前标签噪声学习的其他先进算法，也表明该算法具有良好的鲁棒性、扩展性和通用性。    TPAMI是计算机视觉和人工智能领域公认的顶级国际期刊，是中国计算机学会（CCF）推荐的A类期刊，在2023年的影响因子是23.6。主要收录人工智能、模式识别、计算机视觉及机器学习领域的原创性科研成果。在TPAMI上发表的文章对于人工智能领域的研究人员和从业者来说都具有很高的参考价值。   论文《Semantic Consistent Embedding for Domain Adaptive Zero-Shot Learning》被CCF计算机图形学与多媒体领域A类期刊IEEE Transactions on Image Processing（TIP）接收。博士生张见阳为第一作者，杨国武教授为第二作者。该论文主要通过提取语义一致嵌入，研究了领域适应零样本学习问题，在图像分类领域有重要应用。该论文提出将语义空间、源域与目标域映射到一个共享空间中，从而实现了一种崭新的端到端三重语义一致嵌入方法，有效解决了领域适应零样本学习问题的主要挑战，即如何同时实现跨类别与跨域知识迁移。此外，该文提出的提取语义一致嵌入的方法相比于现有领域适应零样本学习方法在实验数据集上有显著优势。   TIP是计算机图形学与多媒体领域A类期刊，具有很高的学术声誉。TIP涵盖的主题包括：图像处理、成像系统、图像扫描、显示和打印的信号处理等。在TIP上发表的文章对于图像处理领域的研究人员和从业者来说都具有很高的参考价值。   论文《Partial-label Learning with Mixed Closed-set and Open-set Out-of-candidate Examples》被数据挖掘研究领域的顶级学术会议ACM SIGKDD 2023接收、论文《Candidate-aware Selective Disambiguation Based On Normalized Entropy for Instance-dependent Partial-label Learning》被计算机视觉研究领域的顶级学术会议International Conference on Computer Vision（ICCV 2023）接收。博士生贺硕为两篇论文的第一作者，杨国武教授为通讯作者。   第一篇论文针对混合的闭集与开集噪声偏标记（CS-OOC、OS-OOC）数据提出一个统一的训练框架。具体来说，利用提出的wooden交叉熵损失（WCE），分别计算每个训练样本的候选标签和非候选标签上的对应WCE，并基于此提出样本选择准则来区分正常样本、CS-OOC样本和OS-OOC样本；然后，对于CS-OOC样本采用反向标签消歧方法在非候选标签集中识别真实标签；对于OS-OOC样本提出随机候选生成来动态地分配随机的候选标签集合，并通过学习这些难以识别的样本来消耗额外的模型容量，缓解对噪声样本的过拟合。该方法有效地缓解了混合OOC数据对于模型训练的负面影响，显著提高了模型的泛化性能。   ACM SIGKDD国际会议是由ACM的数据挖掘及知识发现专委会主办的数据挖掘研究领域顶级会议，属于CCF A类会议。由于该会议的交叉学科性和广泛应用性，其影响力也越来越大，吸引了来自统计、机器学习、数据库、万维网、生物信息学、多媒体、自然语言处理、社会网络计算、高性能计算及大数据挖掘等众多领域的从业者和研究学者。   第二篇论文发现传统偏标记学习（PLL）方法在instance-dependent（ID）偏标记数据上的性能下降是因为在训练过程中存在的部分不完全消歧（UD）样本的不准确监督信息，影响了模型的训练与收敛。为了解决这个问题，该论文提出一种新的两阶段训练框架，包括选择性消歧和自适应阈值化。具体来说，前者首先选择部分完全消歧（WD）样本和剩余样本的补充监督信息进行联合训练；后者分别维持两种动态自适应的WD和UD阈值来选择额外的完成消歧的样本加入训练中。该方法有效地缓解了UD样本对于模型训练过程的影响，提高了模型的泛化能力。   IEEE International Conference on Computer Vision（ICCV）由IEEE主办，在世界范围内每两年召开一次，是计算机视觉方向的三大顶级会议之一，在业内具有很高的评价，其论文集代表了计算机视觉领域最新的发展方向和水平。   杨国武，教授，博士生导师，主要研究方向为形式化验证，逻辑综合，量子计算和机器学习，主持了5项国家自然科学基金面上项目；近几年在TCAD、IEEE Transactions on Computers、TPAMI和KDD等CCF A类期刊和会议发表论文10余篇。   论文链接：   1.Noisy Label Learning With Provable Consistency for a Wider Family of Losses    https://ieeexplore.ieee.org/document/10185026   2.Semantic Consistent Embedding for Domain Adaptive Zero-Shot Learning   https://ieeexplore.ieee.org/document/10183844   3.Partial-label Learning with Mixed Closed-set and Open-set Out-of-candidate Examples    https://dl.acm.org/doi/10.1145/3580305.3599460
    404浏览量
    原文链接