<正>南通大学生命科学学院“作物分子育种团队”由3名教授、3名讲师组成，科研依托包括农业部南方平原玉米科学观测实验站、南通市作物重要基因资源发掘与分子育种重点实验室、江苏省（南通）特色蔬菜科技小院等多个平台，主要研究方向为玉米、棉花、水稻、高粱等作物的遗传学及分子育种。
大豆斑疹病是一种频发的大豆病害，由大豆斑疹病菌（Xanthomonas citri pv. glycines,Xcg）引起，致使大豆产量和品质严重受损。在美国、韩国、泰国、中国和印度等主要大豆生产区，均有大豆斑疹病大范围发生的报道。文章综述了Xcg的主要防治方法及其效果：使用商业抗生素土霉素、细菌生物防治制剂伪弗尔氏假单胞菌（Pseudomonas parafulva）JBCS1880和库尔特芽菌（Curtobacterium sp.）M84，或天然代谢物鹰嘴豆芽素A和百里酚时，对大豆斑疹病的防效超过60%；猴头菇（Hericium erinaceus）和香菇（shiitake）提取物能够抑制Xcg的体外生长，但它们尚未被应用于植物中；此外，育种是控制大豆斑疹病的重要策略之一，在韩国和美国，通过培育抗病品种，可显著减少病害的发生，然而，目前中国缺乏抗大豆斑疹病的大豆品种信息。当下，中国大豆斑疹病的防治主要依靠使用抗生素，目前仅土霉素有市售，其他已报道的药物未见销售。
<正>南通市观赏植物遗传育种重点实验室由南通大学生命科学学院园林植物遗传育种与生态碳汇研究团队联合省内优势科研单位共同组建，2019年获得市科技局批准。现为中国林草局柳树工程技术研究中心共建单位，柳树国家创新联盟理事单位。
<正>农用微生物应用技术研究团队成立于2019年，依托南通大学生命科学学院，致力于植物病原菌防控技术的创新研究。自成立以来，团队从单一成员迅速发展为多学科融合的科研队伍，现由2名教授、4名副教授、2名讲师、7名硕士研究生及50余名本科生组成，形成“本-硕”联动的科研梯队。
为了提升沥青路面车辙预测的精度，通过整合图神经网络与因果推断方法，对多变量时间序列的长短时间模式以及变量之间的相互依赖进行建模，提出了端到端的多元时间序列预测模型。该模型由全局特征提取模块、局部特征提取模块、因果推断模块和双通图卷积模块4个模块组成。在全局特征提取模块，利用注意力机制及门控循环单元（gated recurrent unit,GRU）模型去捕获变量内部长时间模式特征；在局部特征提取模块，使用扩张卷积的方式，用不同大小的卷积神经网络（convolutional neural networks,CNN）卷积核去捕获变量内部不同维度的短时间模式特征；在因果推断模块，采用基于信息理论的因果分析来获取相关性，在使用传递熵来表述变量间因果关系的基础上，整合关系系数矩阵，通过权重配比的方式呈现变量之间的相关性揭示变量间的复杂关系；在双通图卷积模块，将高通滤波器引入传统低通图卷积神经网络，构建双通图卷积预测模块，从低通和高通双通道去同时捕获节点信号或特征的低频分量与高频分量，以提升模型的预测精度。最后，采用交通运输部公路科学研究院轨道数据集RIOHTrack，将提出的模型与经典统计学模型VARIMA、浅层学习模型SVR、深度学习模型GRU、结合注意力机制的GRU和TE-GCN等基准模型进行比较。结果表明，该模型在所有沥青路面结构类别上都取得了最佳的预测性能，且与传统统计学模型相比，基于深度学习的模型更加有效稳定，添加注意力机制的GRU模块可以捕获长期依赖性，从而使模型获得更好的预测性能。该模型为沥青路面的车辙预测提供了一种高效的方法，有望用于未来路面结构和养护方案设计，以提升路面使用寿命。
针对一类由偏微分方程建模的多智能体系统一致性控制问题，提出了一类空间边界耦合方法。边界耦合方法与传统的状态耦合方法相比具有更为灵活和有效的特性。首先，研究了2种不同的Neumann边界耦合形式：同位边界耦合和异位边界耦合，这2种耦合形式为多智能体系统提供了更为多样化的协作机制。然后，在控制设计中引入状态观测器来对系统状态进行预估，状态观测器能有效地捕捉系统动态，并在一定程度上减少由于信息传递延迟而带来的负面影响。同时采用Lyapunov理论和积分不等式方法来保证系统的观测误差和一致性误差以指数形式收敛，得出在2种边界耦合下系统一致性的2个充分条件。最后，通过2个具体的例子验证了所提出的空间边界耦合方法的有效性。实验结果表明：在不同的边界耦合形式下，多智能体系统均能实现较好的一致性控制，进一步证明了边界耦合在多智能体系统中的潜在应用价值。
随着临床抗生素的过度使用，耐药菌的种类和耐药的类型不断增多。细菌菌株及时、准确的鉴定对抗生素的合理使用至关重要。用于细菌关键酶类代谢物检测的荧光探针作为一种新型的检测工具，克服了传统检测方法的局限性，在耐药菌检测中展现出极大的潜力和优势。文章以临床常见耐药菌关键酶类代谢物检测荧光探针为主题，总结了近年来酶响应型荧光探针技术在耐药菌检测中的应用及其原理。综述了细菌耐药机制与酶代谢物之间的关系，突出了耐药菌与敏感菌在酶代谢上的差异。随后，根据对各种耐药菌特征酶类代谢物的分析，阐明了耐药菌检测荧光探针的工作原理。此外，文章还进一步探讨了荧光探针可能的优化方向，为更快速、更精准的耐药菌诊治提供新的思路。
抗癌药物组合的协同性筛选对于临床治疗具有重要意义，但随着药物组合数量的爆炸式增长，传统检测方法存在耗时长、成本高等问题，难以有效发现新的协同药物组合。针对上述问题，提出一种基于图注意力网络的抗癌药物组合协同性预测模型（multi-scale feature fusion model based on graph attention network for anticancer synergistic drug combination prediction,MFGSynergy）来辅助抗癌药物组合筛选。首先，该模型将药物简化分子线性输入规范（simplified molecular input line entry system,SMILES）编码为分子图及分子指纹数据，并对癌细胞系数据进行预处理；然后，通过图注意力网络（graph attention network,GAT）和多层感知机（multilayer perceptron,MLP）对药物数据及癌细胞系数据进行特征提取，并将提取到的多种药物特征和癌细胞系特征进行特征融合用于预测抗癌药物组合的协同性；最后，基于公开数据集将MFGSynergy与Deep DDS、DeepSynergy及6种机器学习方法进行对比实验，实验结果表明，MFGSynergy在五折交叉验证上的ROC曲线下的面积（receiver operating characteristic area under the curve,ROC AUC）、PR曲线下的面积（area under the precision-recall curve,AUPR）、准确性（accuracy,ACC）、精准度（precision,PREC）、真阳性率（true positive rate,TPR）和F1分别达到了0.94、0.94、0.86、0.87、0.86、0.86，均高于其他对比模型，这说明MFGSynergy的预测性能优于其他对比模型。此外，独立测试实验表明，对于未知的药物组合，MFGSynergy仍具有良好的预测性能，这证明模型具有良好的泛化性。
针对阶数位于1～2之间的一类具有扇形死区的分数阶神经网络系统同步问题进行研究。通过变量替换法，将阶数在（1,2）上的分数阶神经网络系统同步问题转化为阶数在（0,1）上的同步问题。由于分数阶神经网络中含有未知非线性函数项，因此，使用Lipschitz连续条件进行逼近，将未知函数转化为已知函数，但存在一定误差。为了使从神经网络跟踪主神经网络，设计了合适的同步控制器。基于Lipschitz稳定性准则，分析了同步误差系统的收敛性。最后，给出相关仿真实例，并通过该实例中主-从神经网络系统及误差系统的图像，验证了所提方法的有效性。
明确交通业碳强度的差异性和空间关联性，对于实现交通业节能减排和“双碳”目标具有重要意义。借助空间计量分析和复杂网络理论，对2009—2021年我国交通碳强度进行量化，采用基尼系数和核密度估计对时空特征进行分析，利用改进的引力模型和网络特性指标研究了交通业碳强度空间关联网络的结构演变。结果表明：1）我国交通业碳强度逐年降低，降速呈波动态势；2）各省份间交通业碳强度的不均匀程度逐渐降低，各地区内部的碳强度差异区别明显，华北地区之间的差异最大；3）碳强度空间关联关系表现为复杂的网络结构，网络的中心逐渐由天津变成上海；4）东部沿海地区靠近关联网络的中心，关联关系复杂，信息资源较多。研究结果可为相关部门提供一些参考借鉴，且可为评估各省份的减排强度和制订具有针对性的协同减排方案提供一定的理论参考。