本研究提出了一种新型高效的大规模制备α-Fe2O3纳米线异质外延ZnO@ZIF-8微孔纳米材料的合成路线，具体方案是首先通过工艺简单的热氧化法制备核层α-Fe2O3纳米线，然后借助ALD技术异质外延ZnO作为籽晶层，并通过溶剂热工艺进一步外延MOF材料ZIF-8，最终得到α-Fe2O3纳米线异质外延ZnO@ZIF-8的微孔纳米材料。

卢红亮教授领衔的智能微纳传感芯片及系统课题组正大力开展基于各种纳米复合材料的微纳智能气体传感器及集成系统的研究，2022年已有多项微纳智能气体传感器研究成果发表于Journal of Colloid and Interface Science,Sensors and Actuators B: Chemical,Applied Surface Science和ACS Applied Nano Materials等国际顶级期刊，另有一篇相关综述发表于Nano-Micro Letters。此外，本研究还开发了低功耗MEMS基H2S气体传感器系统，在将来智慧城市等领域具有巨大的应用潜力。

制备得到的MOF基异质微孔纳米线气敏材料具有孔隙率高、比表面积大、热稳定性较优等特点，能够对ppb级微量硫化氢气体实现超灵敏、高精度、高选择性的探测。微电子学院卢红亮教授为本文通讯作者，博士研究生朱立远为第一作者毛颖自豪地说，工作室里有青年长江学者、国家万人计划领军人才、上海医学杰出人才等，还在32个省市、200家医院培养了神经外科技术骨干，同时常年面向海外开设医生学习班，组织国际交流活动……工作室犹如星星之火，影响力在世界范围内不断扩大。这也促使团队不断加快对医疗器械和药物的研发，在产学研协同创新方面一路探索。毛颖感叹：时间久了，每天围绕相似的治疗方法，外科手术就像是机械操作，如何能不断激发创新火花？工作室创建之初，他就提出：我们有没有创新技术？这些技术是否对患者有益、值得发展？他将工作室定位泛功能神经外科——不仅要能治愈疾病，还要保全、改善患者大脑各功能区的功能，让他们更有尊严地活。

杨辉偏重纯科学，主要研究细胞和肿瘤发生机制……工作室如火种一般，带动科室、学科共同发展，为国家级神经科学中心建设注入动力。同时，毛颖倡导在神经外科每个亚专科以及医院各学科之间，建立多模态（MDT）融合诊疗模式，给大家提供一个示范的标杆。二是坚持自信自强，不断扩大中华文明国际传播力和影响力。

他指出，一方面，要牢牢把握党的二十大报告主题。另一方面，要深刻理解大会报告的结构，从中把握我们党对国家发展的战略布局，增强对历史进程的全面深入领悟，把握党的二十大报告的3个板块、15个部分。全面建设社会主义现代化国家、全面推进中华民族伟大复兴是目标任务。制图：实习编辑：责任编辑：李斯嘉。

高举中国特色社会主义伟大旗帜，全面贯彻习近平新时代中国特色社会主义思想是旗帜方向。12月2日上午，校党委常务副书记、学校党的二十大精神宣讲团成员裘新到复旦大学出版社，作党的二十大精神专题宣讲。

宣讲前，裘新检查督查了出版社的安全生产，对安全隐患重点领域、事故易发部位做了重点抽查。弘扬伟大精神建党精神是初心使命。要深刻把握从文化自信到文化自强的升级路径，深刻领会党的二十大对中国式现代化和教育、科技、人才三位一体部署，要深刻把握教育的基础、全局、先导作用，增强应对意识形态领域风险挑战的能力，推动习近平新时代中国特色社会主义思想进教材、进课堂、进头脑，将中华优秀传统文化培根铸魂的力量注入教材中随着越来越多空间组学数据的产生，SOTIP会对解析其中分子和空间机理提供助力。

主要从事生物信息学，特别是空间组学计算方法的研究与应用，主要涉及理论包括深度学习、统计建模及概率图模型，应用场景包括大规模脑时空图谱的构建、脑疾病及肿瘤微环境的时空建模。近年来，空间组学技术（Spatial Omics）的快速发展，使得实验人员可以在测量丰富的分子表达谱之外，额外获得空间位置信息，为解析组织微环境提供了条件。图1：SOTIP流程图在空间异质性定量方面，研究人员在4i技术产生的Hela细胞系数据中精确地定量了细胞核膜和内质网膜附近的空间异质性，在10X Visium产生的斑马鱼肿瘤模型数据中识别了明确的肿瘤边界，在独立的小鼠大脑皮层数据中得到空间异质性在皮层深度轴上呈现一致的相关性。细胞命运由细胞内分子调控网络和细胞外微环境共同决定。

该工作于2021年以《SEAM是一个单细胞核空间代谢组学方法》（SEAM is a spatial single nuclear metabolomics method for dissecting tissue microenvironment）为题在《自然·方法》（Nature Methods）杂志上发表，原致远为共同第一作者。该成果是该课题组基于前期空间组学相关工作的又一拓展。

单细胞组学技术可以测量细胞内的分子表达谱，但损失了空间位置信息。复旦大学类脑智能科学与技术研究院原致远与德州大学达拉斯分校张奇伟教授、腾讯人工智能实验室姚建华博士合作的最新研究成果给出了空间组学数据中组织微环境的建模方案。

在空间域识别方面，SOTIP在多种空间蛋白组和转录组数据中呈现出较高的准确性，精确识别不同脑区及肿瘤结构，并能适用于三维空间数据。SOTIP在多种空间转录组、蛋白组和代谢组数据的测试中展现出较好的准确性、稳定性和鲁棒性。综上，该工作开发了一种适用于多种空间组学数据的高扩展性多功能分析方法SOTIP。本课题共同通讯作者是复旦大学类脑智能科学与技术研究院原致远（兼第一作者）、腾讯AI Lab姚建华博士、德州大学达拉斯分校张奇伟教授，清华大学李逸思博士为本文共同第一作者，清华大学师明磊博士、高军涛博士、腾讯AI Lab杨帆博士为本课题作出巨大贡献。11月28日，相关研究成果以《SOTIP 是一种利用空间组学数据进行微环境建模的通用方法》（SOTIP is a Versatile Method for Microenvironment Modelling with Spatial Omics Data）为题在《自然·通讯》（Nature Communications）杂志上发表。该研究通过最优传输理论构建了微环境之间的相互关系网络，将细胞分子表达谱的低维流形与空间局部拓扑特征联系起来，达到多个重要计算任务的同时分析，包括微环境异质性定量、空间域识别及差异微环境分析（图1）。

在差异微环境分析方面，SOTIP识别出三阴性乳腺癌亚型中特有的一种肿瘤-免疫微环境，并证实该微环境在病人队列中的富集性与病人预后显著相关。2022年9月加入复旦大学类脑智能科学与技术研究院，担任青年副研究员。

近年来在Nature Methods、Nature Communications、Nucleic Acids Research发表多篇论文。前期工作提出了一个空间代谢组的计算分析方法，突破了现有方法的空间分辨率极限，实现单细胞级别的组织微环境分析。

原致远，2022年6月于清华大学获博士学位。本课题受到国家重点研发计划、国家自然科学基金等经费资助

论文呼应将无障碍理解为通过人类与环境的互动动态共同创造的观点，并扩展了强调关联的相互依赖框架，使用排齐的概念来强调实现无障碍的过程中和残障人士相互关联的各种因素(例如，工具、同伴、工作人员、陌生人等)，以及残障人士为实现外出活动时的移动性而将这些因素编织在一起的行为模式。模型判定内容公开性，同时细粒度识别非公开内容中的敏感信息，指导用户对内容进行修改，防范内容过度公开。大量的工作通过提供出行目的地的无障碍信息来支持残障人士规划出行，这些研究很大程度上将无障碍设施视为城市空间的一种属性，对于残障人士外出和移动的了解有限。同时，文章还探究了来自中国两个不同城市的14名轮椅使用者在日常生活中外出和管理行程的做法，并基于扎根理论对研究数据展开迭代编码和分析。

论文Alignment Work for Urban Accessibility: A Study of How Wheelchair Users Travel in Urban Spaces对残障人士对城市无障碍设施信息的使用情况进行了探索和分析。该文基于关系模型探索城市无障碍，不是将其作为外部属性，而是视为残障人士与城市环境相互作用而动态构建。

该论文从内容角度出发，对与用户生成内容公开性以及敏感信息相关的因素进行分析，基于Seq2Seq结构构建了个性化多任务的内容审查模型。然后基于预训练-微调思想，从该数据集学习不同用户的语言风格，生成个性化翻译结果。

该研究还以微博作为研究站点，设计实现了内容审查工具原型。ACM CSCW是人机交互领域的顶级学术会议，也是中国计算机学会推荐的A类国际学术会议论文Building User-oriented Personalized Machine Translator based on User-Generated Textual Content针对当前机器翻译难以满足用户意义构建的问题，提出了一个个性化的机器翻译模型，旨在从用户在社会媒体环境下生成的文本内容中学习用户个性化的语言风格，并利用Transformer等深度学习技术生成个性化翻译结果。

创新性地揭示了残障人士为了实现无障碍出行而进行的排齐工作（Alignment Work）。论文将微博个性化文本内容先翻译成目标语言，再回译为原始输入语言，得到个性化机器翻译配对数据集。近日，ACM CSCW 2022(The 25th ACM Conference on Computer-Supported Cooperative Work and Social Computing)在线开幕，复旦大学计算机科学技术学院协同信息与系统实验室团队张鹏青年副研究员、卢暾教授、顾宁教授等完成的3篇长文在该会议发表。实验结果表明，该文构建的模型在个性化指标上取得了优于普通机器翻译模型的结果，并且在BLEU、PPL等机器翻译指标上保持了较好水平，模型能够生成更自然和生动的翻译结果，同时提升翻译结果的可理解性。

制图：实习编辑：章一诺责任编辑：李斯嘉。定性和定量评估结果表明，该文提出的模型在ACC、Reall和F1等指标上优于基准方法，原型工具在帮助用户识别敏感信息方面发挥了重要作用。

论文Building a Personalized Model for Social Media Textual Content Censorship针对社会媒体用户生成内容的过度公开问题，提出了一个个性化多任务的用户生成内容审查模型，旨在对用户内容的公开性进行分类并检测非公开内容中的敏感信息该论文从内容角度出发，对与用户生成内容公开性以及敏感信息相关的因素进行分析，基于Seq2Seq结构构建了个性化多任务的内容审查模型。

ACM CSCW是人机交互领域的顶级学术会议，也是中国计算机学会推荐的A类国际学术会议论文Building User-oriented Personalized Machine Translator based on User-Generated Textual Content针对当前机器翻译难以满足用户意义构建的问题，提出了一个个性化的机器翻译模型，旨在从用户在社会媒体环境下生成的文本内容中学习用户个性化的语言风格，并利用Transformer等深度学习技术生成个性化翻译结果。论文呼应将无障碍理解为通过人类与环境的互动动态共同创造的观点，并扩展了强调关联的相互依赖框架，使用排齐的概念来强调实现无障碍的过程中和残障人士相互关联的各种因素(例如，工具、同伴、工作人员、陌生人等)，以及残障人士为实现外出活动时的移动性而将这些因素编织在一起的行为模式。