生命组学大数据安全管理实践

生命组学大数据是国家重要基础性、战略性资源,对支撑生命科学基础研究和应用创新、推动生物经济创新发展、维护国家安全具有重要意义。随着数据规模的不断增长,生命组学大数据的安全管理问题逐渐凸显。国家基因组科学数据中心(National Genomics Data Center,NGDC)面向我国人口健康和社会可持续发展的重大战略需求,建立了生命与健康大数据汇交存储、安全管理、开放共享与整合挖掘研究体系,形成了一系列数据安全管理的制度和措施。本文聚焦于生命组学大数据全生命周期的安全管理问题,探讨生命组学大数据安全管理框架,全面分析在数据汇交、存储、管理、共享全生命周期中涉及的安全管理内容,并总结了NGDC在生命组学大数据安全管理方面的成效。最后,本文展望了生命组学大数据安全管理的发展方向,包括完善数据分级分类制度、提升数据分级安全管理技术和加强数据异地灾备建设,以期实现生命组学大数据的安全管理与可持续发展。

最大化广义瑞利熵在列车空调制冷剂充注量诊断中应用

[目的]利用机器学习方法对列车空调制冷剂充注量的诊断中,经常出现许多特征,如何选择特征成为诊断中两难的抉择。特征选择过多,算法资源开销巨大;特征选择过少,则不能很好地学习故障信息,导致诊断模型的效果不好。目前,在特征选择中,有一个比较常用的方法,即PCA(主成分分析),还有一个引用次数比较少的为最大化瑞利熵,2个皆存在特征过多导致的算法资源开销过大问题。为减少资源开销及比较二者优劣,特开展本研究。[方法]选用比较经典的支持向量机和均值聚类模型作比较,同时利用小样本历史数据构造降维算法而不是利用全体样本构造最大化瑞利熵的降维算法,同样是为了减少资源开销,属于对算法的改进。比较基于小样本历史数据的最大化广义瑞利熵降维和常用的PCA降维方式在均值聚类和支持向量机模型的f1得分、准确率和时间开销上的优劣。[结果及结论]结果表明,最大化广义瑞利熵的支持向量机的故障诊断和探测时间资源开销只有原始数据训练支持向量机模型的3%,无论是均值聚类还是支持向量机在使用最大化瑞利熵的投影后的数据,测试数据准确率比其他模型更接近100%。

基于区块链技术的高校附属医院债务风险监管研究

高校附属医院为了加快自身发展,在财政投入不足的情况下,通过举债建设,形成了庞大的债务负担,债务风险较高。传统的医院债务风险评估与监督管理,通过对高校附属医院自身提供的财务报表等资料进行分析,存在局限性和预警滞后性问题。文章通过建立全面反映医院经营能力、发展潜力的债务风险监管指标体系,运用区块链技术智能合约的特性,实现对高校附属医院债务风险的智能监控,为加强高校附属医院债务风险监督与管理提供了新的思路。

自拟消疣汤治疗扁平疣的临床疗效及对相关免疫因子水平的影响

目的:观察自拟消疣汤治疗扁平疣的临床疗效及对相关免疫因子水平的影响。方法:将66例扁平疣患者随机分为对照组和观察组,每组33例。对照组给予维A酸乳膏外涂治疗,观察组给予消疣汤治疗,治疗14d后评定疗效,比较两组患者治疗前后皮损数量、大小、颜色、瘙痒程度积分和血清免疫球蛋白G(IgG)、免疫球蛋白M(IgM)及白细胞介素-4(IL-4)水平,以及随访1、3、6个月复发情况。结果:观察组总有效率为96.97%(32/33),高于对照组的72.73%(24/33),差异具有统计学意义(P<0.05)。治疗后,两组患者皮损数量、大小、颜色、瘙痒程度积分均较治疗前降低,且观察组均低于对照组,差异均有统计学意义(P<0.05)。治疗后,两组患者IgG、IgM水平均较治疗前升高,IL-4水平较治疗前降低,差异均有统计学意义(P<0.05);两组患者IgG、IgM、IL-4水平组间比较,差异均有统计学意义(P<0.05)。治疗后随访1、3、6个月,观察组复发率均低于对照组,差异均有统计学意义(P<0.05)。结论:自拟消疣汤治疗扁平疣对皮损具有显著效果,可改善炎症因子水平,降低复发率。

应用深度学习和网格搜索的变频冷水机组节能优化策略研究

为了解决变频冷水机组优化控制中的变量耦合问题,本文利用深度神经网络建立了多层解耦能耗模型。文章收集了宁波某厂的冷水机组实时运行数据,作为模型的训练集和测试集,模型的第一层通过室外环境变量和相关控制变量,分别实现了冷却水泵频率预测、冷冻水回水温度预测和冷冻水泵频率预测。模型的第二层在此基础上,进一步建立了冷水机组功耗预测模型。最后,通过网格搜索法确定了优化控制参数。经测试,所建立的能耗预测模型的误差为4.61%;此外,在典型日,优化策略运行下的冷水机组能耗下降了9.96%。

螺杆式水蒸气压缩机性能分析及优化技术发展

相比其他类型水蒸气压缩机,螺杆式水蒸气压缩机具有动力平衡性好、适应性强、可实现较高压比等优势,但是这对其安全稳定性、密封性能等提出了更高的要求。本文从螺杆式水蒸气压缩机的应用场合、性能分析、优化技术3个方面对现有相关研究进行总结,并在此基础上分析螺杆式水蒸气压缩机的优化改进方向。

冷链物流园区的能量互补协同蓄能系统运行优化

冷链物流行业的快速发展促进了冷链物流园区的建设,园区可对冷、热、电等多形式能源进行生产、储存和分配,在“双碳”背景下,为了进一步优化冷链物流园区供能系统,采用多能协同运行优化与能量梯级利用来提高园区用能的可靠性。文章针对某冷链物流园区,提出一种涉及多能互补和能量梯级利用的综合能源系统优化调度方案,根据园区实际的设备需求,以日运行费用最低和冷、电负荷稳定度等优化目标,建立相应的供能模型,通过混合整数数学线性规划法,对模型进行求解。结果表明,该方法可实现园区以冷量为核心的能量协同互补,与原园区相比,运行费用可减少5.2%,系统冷负荷稳定度可增大约10%。

制冷、大数据、元宇宙漫谈

“元宇宙”概念自提出以来,迅速成为国内外各级政府和企业发展规划、专家学者和相关研究人员个人研究计划中炙手可热的字眼。制冷行业在元宇宙这一新赛道中面临着更多的发展机遇和挑战,亟需为前路的发展方向铺垫相关理论知识和进行技术更新。本文回顾了大数据时代这一背景,从大数据时代对制冷领域的影响和制冷技术对大数据时代的影响两方面阐述了大数据与制冷的关系。大数据是制冷领域发展机遇的创造者,本文以制冷空调行业为例,介绍了大数据相关技术在空调系统优化和空调企业数字化运营中的应用。制冷技术是大数据迅猛发展的保卫者,本文分别介绍了制冷技术在产业上游数据中心的冷却系统建设和解决下游终端产品的散热问题中发挥的重要作用。上述分析为元宇宙时代与制冷领域关系的思考提供了参考。然后,本文梳理了元宇宙时代兴起背后的蓄力,包括助推力量、国内外布局以及美好愿景。并客观地直视了元宇宙发展过程中的风险,包括算力风险、沉迷风险、伦理问题、知识产权问题、经济风险、产业霸权等最为突出的几大风险。机遇与挑战并存是元宇宙时代鲜明的发展背景。最后,本文重点讨论了元宇宙与制冷的关系。一方面是元宇宙给制冷领域带来了新发展思路,包括庞大的元宇宙生态所带来的对制冷设备和专业人才大幅上升的需求量;元宇宙世界能够提供沉浸式教学和职业培训;借鉴于“互联网+”,“元宇宙+”意味着现实行业向“虚实交互”转型升级。另一方面是制冷技术对元宇宙时代的影响,包括作为保卫者满足元宇宙中基础设备、设施的散热技术需求;更为沉浸式的体感,如冷热和湿度的肤感体验,需要制冷技术提供。不止于此,元宇宙与制冷的融合仍有无限可能。

区块链技术下高校财政科研经费绩效评价管理研究

近年来,高校财政科研经费快速增长,科研绩效评价广受关注。文章提出利用区块链技术特性,解决高校财政科研经费绩效管理中数据真实与可信性、数据重复上报和科研资金跟踪监督等问题,落实“放管服”政策,使科研人员专注于科研主业;参考平衡计分卡理论,综合考虑经济效益、科研效益、社会效益、生态效益及科研资金管理规范性、组织实施有效性等方面,构建高校财政科研经费绩效评价三级指标体系及绩效评价模型,运用模糊综合评价法开展绩效评价,并进行实证研究、分析,以期为探索区块链技术下加强高校财政经费绩效管理提供理论支撑。

周围神经感觉束和运动束在神经损伤修复过程中蛋白变化的比较蛋白质组学研究

目的:探寻周围神经感觉和运动束损伤后不同时间点的蛋白变化,为周围神经再生研究提供标志蛋白。方法:制备SD大鼠股神经运动束和隐神经(感觉束)在正常状态、Sunderland V损伤8 h和8 d时间点模型;神经断端远侧5 mm样本取材,6种样本共18组;分离、提取、纯化及定量蛋白后,应用差异凝胶电泳技术荧光标记蛋白质,凝胶图像扫描,选择差异表达>1.5倍的蛋白点定义为高差异表达蛋白;用图像分析软件BVA分析显示9块凝胶平均分离1586个蛋白点,胶上切割、酶切、点靶,质谱仪进行肽质量指纹谱(PMF)分析鉴定,识别各组间的高差异表达蛋白质图谱。应用逆转录PCR(RT-PCR)技术分析验证蛋白质组学研究的结果。结果:共有12个高差异表达蛋白点被确切鉴定:TPM1、Serpina10、NF-L、DRP-2、CaBP1、Serpina3n、Peroxiredoxin-2、Gng7、HSP70、LDHB、Enolase2、PDIA3。其中,Serpina10、TPM1、NF-L、DRP-2、CaBP1是隐神经正常状态、损伤8 h和8 d时间点时比较蛋白质组学高差异蛋白;Serpina10、Serpina3n、Peroxiredoxin-2、Gng7、HSP70、LDHB、Enolase2、CaBP1、PDIA3是股神经运动束正常状态、损伤8 h和8 d时间点时比较蛋白质组学的高差异蛋白。Serpina10和CaBP1是隐神经和股神经运动束损伤后多时间点比较蛋白质组学均出现的高差异表达的蛋白。蛋白质组学的结果与RT-PCR检测的mRNA转录水平相一致。结论:周围神经感觉束、运动束损伤后不同时间的比较蛋白质组学表达存在明显差异,Serpina10和CaBP1作为高差异表达蛋白,可能为周围神经再生研究提供新的方法。

桂附利水方加减辅治心源性胸腔积液临床观察

目的:观察桂附利水方加减辅治心源性胸腔积液的效果。方法:68例用随机数字表法分为常规组和观察组各34例。两组均用常规西药治疗,观察组加用桂附利水方加减治疗。结果:总有效率观察组高于常规组(P<0.05),治疗后观察组呼吸困难、胸闷心悸、口干乏力、小便短小评分均低于常规组(P<0.05),治疗后观察组LVMI低于常规组而CI、LVEF、CO高于常规组(P<0.05),治疗后观察组mLHFQ评分低于常规组而6min步行距离长于常规组(P<0.05),治疗后观察组BNP、CA125、Hcy水平降低幅度大于常规组(P<0.05)。结论:桂附利水方加减辅治心源性胸腔积液疗效较好。

多级热电制冷器的制冷性能及主要影响因素分析

目前对多级热电制冷器的研究较少,且对制冷性能的报导尚不统一。为研究多级热电制冷器的确切性能,本文利用商用热电材料的物性参数,建立了一级至六级热电制冷器的多物理场耦合仿真模型,并通过实验验证了模型的准确性。然后从多级热电制冷器的设计角度出发,研究了外部驱动电路及内部结构参数对其制冷性能的影响。结果表明:在热端为27℃时,六级热电制冷器在电串联、电并联和独立电源驱动电路下可分别获得113.32、71.84和129.78℃的最大制冷温差。进一步探究了不同驱动电路的最佳应用场合,分析了不同驱动电路下多级热电制冷器的制冷性能出现差距的原因。并以六级热电制冷器为例,研究了各层级热电臂的高度的影响,结果表明最高层级的臂高是最主要的影响因素。

大数据在冷链物流领域的应用

随着我国经济的快速发展及居民生活水平的提升,冷链物流行业进入高质量发展阶段。冷链物流的全过程存在大量的数据,利用大数据技术从中获取信息和知识,解决目前存在的问题,可以为冷链物流的运营决策、资源统筹、设备及系统的运行优化等提供有力支撑。本文基于大数据发展及数据挖掘技术及算法,总结概括了大数据在冷链物流领域的应用,大数据技术将有助于实现冷链物流系统的智能决策,实现冷链设施及系统的优化控制及设施设备在线故障检测与诊断,进一步助力完善冷链物流体系,提升冷链产品品质,促进冷链物流行业的发展。

地铁列车空调系统的BPNN故障诊断模型研究

地铁列车空调系统对调节车厢温湿度极为重要,其发生故障会降低车厢舒适度并增大能耗。构建制冷剂欠充、新风脏堵与冷凝器脏堵的单故障及并发故障模拟试验,并基于随机森林对采集数据进行特征选择,有效降低数据集的维度,最后基于BPNN构建单故障诊断模型和并发故障诊断模型。结果表明,构建的单故障诊断模型和并发故障诊断模型能够有效识别故障类型及故障等级,精度分别达到99.92%和98.63%。

NOSES对腹腔镜直肠癌根治术后腹腔冲洗液肿瘤细胞学及细菌培养结果的影响

【目的】探讨经肛门自然腔道取标本(NOSES)对腹腔镜直肠癌根治术后腹腔冲洗液肿瘤细胞学及细菌培养结果的影响。【方法】前瞻性选择2020年5月至2022年1月本院收治的38例直肠癌患者,均行腹腔镜直肠癌根治术。根据随机数字表法并结合患者意愿分组,将其分为NOSES组(16例)和非NOSES组(22例)。比较两组患者术后腹腔冲洗液脱落肿瘤细胞、细菌培养结果。【结果】两组患者术中腹腔冲洗液可见间皮细胞、淋巴细胞,均未见脱落肿瘤细胞,阳性率均为零,两组比较差异无统计学意义(P>0.05)。NOSES组16例术中腹腔冲洗液细菌培养4例为阳性,阳性率为25.0%,其中大肠埃希菌3例,屎肠球菌1例,阳性病例中1例患者术后反复高热,CT提示盆腔脓肿,经抗感染、引流后痊愈。非NOSES组22例术中腹腔冲洗液细菌培养有5例为阳性,阳性率为22.7%,其中大肠埃希菌4例,肺炎克雷伯菌1例,未发生腹腔感染等。两组阳性率比较,差异无统计学意义(χ^(2)=0.026,P>0.05)。【结论】与传统腹腔镜直肠癌根治术相比,经肛门NOSES腹腔镜直肠癌根治术未明显增加手术肿瘤细胞种植播散及腹腔感染相关风险,符合无菌、无瘤原则。

基于分类器链的多联机软故障水平辨识研究

多联机空调系统在建筑中已得到广泛应用,在多联机的运行中,软故障较为常见,且难以识别,使系统效率下降。本文以一维卷积神经网络作为基分类器,提出一种基于分类器链的多联机软故障水平辨识模型,使用室外机脏污故障的实验数据,以故障诊断模型为基础设置了基分类器的结构及参数,提出两种新的对数据标签的编码方式。在初步建立软故障水平辨识模型之后,对基分类器中的卷积核数量进行了进一步调整,并提出放大系数以改进标签的编码方式。结果表明:改进后的分类器链模型对室外机脏污故障的诊断准确率可达96%以上,提高2%~3%,且本文提出的编码方式不会将故障工况诊断为正常工况,适合在分类器链模型中使用。

大数据在空调领域的应用

本文阐述了传统空调数据的主要来源,从空调研发等几个方面分析了传统空调数据的用途;围绕空调产品和空调企业,梳理了空调领域大数据的产生原因及来源;空调大数据的多度量性、多维度性、地域性等特点对数据挖掘提出了挑战;探讨了大数据在空调领域的应用,重点分析了大数据在空调系统优化、故障诊断、建筑能耗与维护预测、企业人力资源和资金分配、企业提供个性化定制服务等方面的用途;通过挖掘海量空调数据可以预测用户行为,表明空调领域大数据安全防护应当得到重视。

非常规条件下热电制冷器的性能分析

本文建立了热电制冷器的仿真模型,研究了其在非常规条件下的性能变化规律及原因,分析了随温度变化的物性参数的影响。结果表明:随着热端温度(t_(h))的升高,热电制冷器的最大制冷温差(Δt_(max))和最大制冷量(Q_(c,max))先增大后减小。与t_(h)=27℃对比,t_(h)=-60℃时,Δt_(max)和Q_(c,max)分别衰减51.7%和40%;t_(h)=150℃时,Δt_(max)和Q_(c,max)分别增长48.6%和31.52%。在低温范围,物性参数的变化对Δt_(max)和Q_(c,max)影响较小;在高温范围,功率因子(PF)的衰减对Q_(c,max)影响较大,th>70℃优化PF可以有效提高Q_(c,max),而th>150℃时优化优值系数Z才可以显著提高Δt_(max)。在大热负荷条件下,随着热负荷的增加,最大有效性能系数逐渐降低。

空调列车室内三维紊流流动与传热的数值模拟

采用三维紊流模型 ,应用有限单元法计算了空调列车 (硬座车 )室内气固耦合传热问题 ,对空调列车室内气流组织 ,主要是速度场和温度场进行了数值模拟 .研究了送风方式和送风速度对空调列车室内流场的影响 ,以及送风温度对空调列车室内温度场的影响 。

我国不同气候区办公建筑多联机系统能效分析

本文选择夏热冬暖地区、夏热冬冷地区和寒冷地区作为研究对象,建立了典型的办公建筑模型,对3个气候区中9个不同城市的多联机系统负荷和能耗进行了仿真,并进行了能效分析。结果表明,多联机系统负荷、系统耗电功率、性能系数(COP)及部分负荷率(PLR)平均值在不同气候区差异显著。夏热冬暖地区制冷工况、制热工况性能系数、PLR均大于寒冷地区、夏热冬冷地区。从寒冷地区到夏热冬暖地区,系统冷负荷及制冷耗电功率增大、热负荷及制热耗电功率不断减小。全年平均COP在不同气候区间都有十分明显的差异。寒冷地区和夏热冬冷地区的全年平均COP相差0.27,而夏热冬冷地区和夏热冬暖地区间相差0.59,证明不同气候区城市的办公建筑多联机能效有显著区别。