Potential Anti-Cancer Activities and Mechanisms of Costunolide and Dehydrocostuslactone

Costunolide (CE) and dehydrocostuslactone (DE) are derived from many species of medicinal plants, such as Saussurea lappa Decne and Laurus nobilis L. They have been reported for their wide spectrum of biological effects, including anti-inflammatory, anticancer, antiviral, antimicrobial, antifungal, antioxidant, antidiabetic, antiulcer, and anthelmintic activities. In recent years, they have caused extensive interest in researchers due to their potential anti-cancer activities for various types of cancer, and their anti-cancer mechanisms, including causing cell cycle arrest, inducing apoptosis and differentiation, promoting the aggregation of microtubule protein, inhibiting the activity of telomerase, inhibiting metastasis and invasion, reversing multidrug resistance, restraining angiogenesis has been studied. This review will summarize anti-cancer activities and associated molecular mechanisms of these two compounds for the purpose of promoting their research and application.     

Multimodal Pre-training Method for Vision-language Understanding and Generation

Most existing vision-language pre-training methods focus on understanding tasks and use BERT-like loss functions (masked language modeling and image-text matching) during pre-training. Despite their good performance in the understanding of downstream tasks, such as visual question answering, image-text retrieval, and visual entailment, these methods cannot generate information. To tackle this problem, this study proposes Unified multimodal pre-training for Vision-Language understanding and generation (UniVL). The proposed UniVL is capable of handling both understanding tasks and generation tasks. It expands existing pre-training paradigms and uses random masks and causal masks simultaneously, where causal masks are triangular masks that mask future tokens, and such pre-trained models can have autoregressive generation abilities. Moreover, several vision-language understanding tasks are turned into text generation tasks according to specifications, and the prompt-based method is employed for fine-tuning of different downstream tasks. The experiments show that there is a trade-off between understanding tasks and generation tasks when the same model is used, and a feasible way to improve both tasks is to use more data. The proposed UniVL framework attains comparable performance to recent vision-language pre-training methods in both understanding tasks and generation tasks. Moreover, the prompt-based generation method is more effective and even outperforms discriminative methods in few-shot scenarios.     

基于视景仿真的3D购物系统

目前大多数的购物网站均呈现千篇一律的方式,无法像现实超市那样给消费者提供一种购物环境,实现文化、心理上的满足和享受．为了弥补以上缺陷,我们考虑将目前最先进的视景仿真技术和信息管理技术融合在一起。基于OSG技术构建3D商业环境及视景漫游、完成基于3D图形界面的购物操作流程．     

携带Herceptin与MICA胞外结构域融合基因的重组腺病毒的构建及鉴定

通过构建能表达抗体Herceptin与MICA胞外结构域的融合蛋白的重组腺病毒,为进一步联合NK细胞的治疗研究奠定基础.采用Overlap-PCR的方法获得Herceptin与MICA胞外结构域的融合基因,并将融合基因连接到载体pDC339上.接着再利用酶切及PCR方法鉴定载体及重组病毒基因的正确性,并通过ELISA和Westem Blot检测融合蛋白的表达情况,最后经间接免疫荧光分析(IFA)检测融合蛋白的结合特性.构建的载体酶切后经电泳鉴定证实构建成功,重组病毒DNA的PCR显示病毒携带了Herceptin的轻链基因、重链基因及MICA胞外结构域的基因;ELISA和Western Blot证实重组腺病毒成功地表达出了目的融合蛋白;IFA实验表明融合蛋白能与SK-OV-3细胞表面的Her-2受体特异性地结合.最后成功地构建了能表达具有正常结合特性的抗体Herceptin与MICA胞外结构域的融合蛋白的重组腺病毒,为之后与NK细胞的联合治疗研究奠定基础.     

基于梯度的重叠式层次社区检测

社区检测(community detection)任务一直是数据挖掘领域的一个研究热点,近年来,深度学习和图链接数据呈现出多样化和复杂化的发展趋势,层次(Hierarchical)社区检测逐渐成为研究的焦点.层次社区检测任务的目标是,在将同质图中相似的节点聚集到社区中的同时,学习社区之间的层次结构关系,以更好的理解图数据结构.社区间层次关系的引入给社区检测算法带来了更复杂的建模挑战.针对该任务,已经有一些有效的启发式的方法被提出,但是受限于社区分布形态的简单假设和离散的优化学习方式,它们无法描述更复杂的图链路数据,也无法和其它有效的连续优化算法组合获得更好的结果.为了解决这个问题,本文首次尝试建模复杂的重叠式(overlapping)层次社区结构,提出简洁的节点嵌入和社区检测双任务优化模型,通过梯度更新的方式来灵活地探索节点和重叠式层次社区的隶属关系.在学习过程中,我们可以分别获得节点和社区的嵌入表示,以应用于丰富的下游任务.     

通用深度学习语言模型的隐私风险评估

近年来,自然语言处理领域涌现出多种基于Transformer网络结构的通用深度学习语言模型,简称“通用语言模型(general-purpose language models,GPLMs)”,包括Google提出的BERT(bidirectional encoder representation from transformers)模型等,已在多个标准数据集和多项重要自然语言处理任务上刷新了最优基线指标,并已逐渐在商业场景中得到应用.尽管其具有很好的泛用性和性能表现,在实际部署场景中,通用语言模型的安全性却鲜为研究者所重视.近年有研究工作指出,如果攻击者利用中间人攻击或作为半诚实(honest-but-curious)服务提供方截获用户输入文本经由通用语言模型计算产生的文本特征,它将以较高的准确度推测原始文本中是否包含特定敏感词.然而,该工作仅采用了特定敏感词存在与否这一单一敏感信息窃取任务,依赖一些较为严格的攻击假设,且未涉及除英语外其他语种的使用场景.为解决上述问题,提出1条针对通用文本特征的隐私窃取链,从更多维度评估通用语言模型使用中潜在的隐私风险.实验结果表明:仅根据通用语言模型提取出的文本表征,攻击者能以近100%的准确度推断其模型来源,以超70%的准确度推断其原始文本长度,最终推断出最有可能出现的敏感词列表,以重建原始文本的敏感语义.此外,额外针对3种典型的中文预训练通用语言模型开展了相应的隐私窃取风险评估,评估结果表明中文通用语言模型同样存在着不可忽视的隐私风险.     

高效安全向量计算及其推广

安全多方计算是密码学的一个重要研究方向,也是目前国际密码学界的研究热点.因为许多实际问题都可以用向量来描述,研究向量的保密计算具有重要的理论与实际意义.目前,关于向量保密计算问题大多是在整数集上进行研究,关于有理数向量问题的研究很少.在此主要研究有理数域上向量的安全多方计算问题,包括向量点积、向量相等、向量优势等问题,设计了安全高效的计算协议,扩大了向量保密计算的应用范围.对这些协议的安全性分析和效率分析表明,它们在安全性和效率方面与现有协议相比具有明显优势.并且利用所设计的协议解决了一些新的向量问题和计算几何问题.     

突变型P53特异性活化T细胞的诱导与扩增

采用多种细胞因子诱导外周血单核细胞分化为成熟的树突状细胞（DC,Dentritic Cell）,将成熟DC与初始T细胞共培养,并连续加入DC刺激从而避免活化的T细胞凋亡。将活化的T细胞转入包被有CD3和CD28抗体的板中,使活化T细胞进一步大量扩增。流式检测多因子诱导后DC表型发现,高表达CD83、CD11c、CD11b、CD80、CD86、CCR7、CD54,低表达CD14、CD3、CD33,说明因子成功诱导单核细胞为成熟DC。流式检测扩增的活化T细胞发现高表达CD3、CD8,含有很低量的调节性T细胞（Treg）,分泌大量的IFN-γ,表明扩增出的细胞中活化T的含量很高,为临床研究提供参考。     

地铁车厢灯光自适应控制研究

解决地铁节电问题一直是国内外大力研究的课题。而行驶在高架以及地面段的地铁列车具有天然的采光资源——自然光。根据这一现状,提出一种自适应调节车厢内灯具照度的方法,来达到节约地铁车厢内照明用电的目的。针对自然光随机性高,变化频率快,以及地铁运行时外界环境干扰大的问题,提出采用数字滤波器结合模糊控制的方法,将经巴特沃斯低通滤波器滤除高频干扰的车厢内照度信号传输给模糊控制器,通过模糊控制器的逻辑推理判断处理,实现了地铁车厢灯光自适应地调节车厢内灯具的照度,节约了地铁车厢照明用电。     

VPN技术在校园网络的研究和应用

VPN是一种虚拟的专有网络的技术,它利用公共网络的资源完成专线的功能。如果在校园网中使用VPN,就能极大地扩大有限地校园局域网络的功能和应用。通过分析比较几种不同的VPN的实现技术,找出适合校园网络的VPN的实现方式。