本研究通过融合现代监测技术、人工智能算法和抗震性态评估理论，建立基于多元数据的建筑结构地震破坏监测技术和性态评估方法。本课题在2018和2019年度完成了以下研究工作:(1)依托语义分割等计算机视觉技术，提出了基于深度卷积神经网络的RC构件可视损伤识别模型，建立了适用于复杂裂缝场的裂缝识别与量化算法;(2)在传统卡尔曼滤波基础上引入强跟踪滤波算法，形成了强跟踪拓展卡尔曼滤波方法，实现了基于强震监测数据的建筑结构体系时变物理参数的有效追踪识别;(3)改进传统基于时域信号灵敏度方法，形成了基于信号优质成分的非线性系统反演和有限元模型修正方法，建立了基于显示Newmark方法的非线性恢复力反演方法;(4)基于我国建筑构件易损性数据库，建立了“建筑功能—时间—费用”三维的建筑抗震韧性评价体系，发展了韧性评价指标的计算方法和抗震韧性等级评价标准。已开展工作分别针对构件层次的可视损伤识别和结构层次的参数识别，下一阶段研究将集中两个层次的损伤监测信息，构建可修正更新的动态分析模型，实现基于多元数据的建筑结构震损监测和性态评估，并完成Benchmark模型分析和大尺寸振动台试验验证。

本研究以动物流感病毒为研究对象，利用酵母双杂交、串联亲和纯化(TAP)、iTRAQ 等技术进行与病毒互作宿主蛋白的筛选；并进一步通过免疫共沉淀、激光共聚焦、RNA 干扰、反向遗传学等技术对流感病毒感染过程中与其发生相互作用的宿主蛋白开展了深入研究。揭示了影响动物流感病毒感染、复制、致病及跨种传播的关键分子标记及宿主因子27个，并阐明了其作用的分子机制。