PEDV N蛋白的原核表达纯化及B细胞抗原表位预测分析

本研究旨在对猪流行性腹泻病毒(porcine epidemic diarrhea virus,PEDV)N基因进行克隆构建、表达与其B细胞抗原表位性质的预测。将PEDV的N基因进行PCR扩增,克隆到原核表达载体pET-28a(+)中,经酶切验证获得阳性克隆,将阳性克隆在表达菌E. coli BL21(DE3)中表达。通过对表达条件及纯化条件的优化,获得高纯度表达蛋白。利用生物信息同源模型化软件Swiss-Pdb Viewer建立PEDV-N蛋白的3D结构,并根据生物信息学软件DNA-Star预测PEDV-N蛋白的二级结构、抗原性、亲水性和表面可及性分析,综合分析预测其B细胞抗原表位。经预测PEDV-N蛋白氨基酸序列中存在13个B细胞优势抗原表位区域。研究结果将进一步为PEDV-N蛋白体外表达产物的应用及研制基因工程疫苗提供理论基础。     

射流泵装置性能预测方法

提出了一种射流泵装置性能预测方法,并进行了试验验证.以射流泵试验所得射流泵的流量比与压力比曲线,以及离心泵的流量扬程曲线作为预测初始条件,通过射流泵装置2种吸上高度4.5和9.0 m的性能试验,比较各流量比时装置工况点试验值与预测值精度,发现数值解法整体误差较小,能更好地反映射流泵扬程随流量比变化的情况,但与试验值相比仍存在误差且个别工况点误差较大,需进一步修正.引入预测值与试验值的比值作为修正系数,通过Plackett-Burman试验设计,从吸上高度、面积比、喷嘴直径、流量比、喉嘴距、喉管长径比、泵转速等因子中筛选出对射流泵扬程影响效应显著的面积比及流量比作为修正公式的关键参数,利用遗传算法和公式自动搜索拟合,得到射流泵扬程的计算公式,且相关系数超过0.99.通过射流泵装置在吸上高度为3.5和8.0 m的试验结果比较,表明具有较高的可信度.     

基于灰色-BP神经网络模型的多情景交通用地需求预测——以长江中游城市群为例

为探索科学预测区域交通用地需求的合理途径,指导国土空间规划编制中交通用地规模的划定,拟通过灰色-BP神经网络模型识别主要社会经济影响因素,以长江中游城市群为例,在预测其远景交通用地需求规模的同时,基于城市群发展的阶段特征选取典型城市群样本设置3类情景,对不同情景下的交通用地需求分别进行预测。结果表明:1)城镇化水平、产业结构高度化程度和劳动力资源禀赋是当前影响长江中游城市群交通用地需求的主要社会经济因素。2)通过系统仿真试验对比不同方法的交通用地需求预测结果,可以发现基于灰色-BP神经网络模型的预测方法精度较高,误差较小,该预测方法对于区域交通用地规模的预测具有一定的适用性。预测得到的长江中游城市群2020和2030年交通用地需求分别为31.22万和49.07万hm2。3)不同情景下长江中游城市群交通用地需求预测结果存在明显差异,底线情景可作为划定交通用地规模的底限,一般情景可作为基准,极限情景可作为红线,长江中游城市群交通用地合理规模应以基准为参考,介于底线和红线之间。     

基于最大熵（MaxEnt）模型对西北地区2种红砂属植物潜在适宜区预测分析

基于黄花红砂与五柱红砂的现有分布数据,利用地理信息系统（ArcGIS）技术与最大熵（MaxEnt）模型软件,对2种红砂属植物在3个时期的潜在适宜分布区进行模拟。结果表明:1）五柱红砂的潜在适宜分布区主要在青海地区、新疆南疆地区以及甘肃部分地区;黄花红砂的潜在适宜分布区主要集中在宁夏地区、内蒙古地区、甘肃地区以及新疆与青海部分地区。2种红砂属植物在3个时期的潜在适宜分布区有所增加。黄花红砂的潜在适宜区朝着东北方向移动,五柱红砂的潜在适宜区出现收缩现象。2种红砂属的低适宜区相比较高适宜区与较适宜区变化较大。2）黄花红砂与五柱红砂通过MaxEnt模型运算出的AUC值均>0.9,表明MaxEnt模型预测精度很高。可以用于2种红砂属植物的潜在适宜分布区的预测。3）控制黄花红砂潜在分布的关键环境变量为最湿月降水量、最暖季度降水量和最湿季度降水量,影响五柱红砂潜在分布的关键环境变量为海拔、等温性和温度季节性变化。上述研究结果对2种红砂属植物资源保护利用与未来分布趋势提供了重要的指导意义。     

估算流域非点源污染负荷的降雨量差值法

结合我国非点源污染监测资料少的实际情况,利用我国现有的水文站降雨资料和水质资料,提出了一种简便易用的流域非点源污染负荷估算方法——降雨量差值法。与传统的径流分割法相比,降雨量差值法能利用现有水文水质资料而无需增加监测项目,即可对流域非点源污染负荷作出估算,计算过程简单,结果合理。     

灰色系统理论在预测路面使用性能中的应用

根据灰色系统理论建立GM(1,1)模型预测路面的使用性能,结合实例讨论了具体的预测方法和过程,并与人工神经网络(ANN)预测方法进行比较。预测结果和质量分析表明,灰色系统理论预测效果较优。     

蛋白质结构的预测及其应用

蛋白质结构的预测是结构基因组学的重要研究内容,本文就蛋白质结构预测的方法和应用进行了综述,介绍了比较建模、折叠识别、从头计算等3种方法及其在结构基因组学研究、药物设计、蛋白质设计中的应用,并且对蛋白质结构预测存在的主要问题进行了讨论,指出了今后蛋白质结构预测研究重点在于优化比对算法和计分函数以及膜蛋白的结构预测.     

Improved Prediction and Reduction of Sampling Density for Soil Salinity by Different Geostatistical Methods

The spatial estimation for soil properties was improved and sampling intensities also decreased in terms of incorporated auxiliary data. In this study, kriging and two interpolation methods were proven well to estimate auxiliary variables： cokriging and regression-kriging, and using the salinity data from the first two stages as auxiliary variables, the methods both improved the interpolation of soil salinity in coastal saline land. The prediction accuracy of the three methods was observed under different sampling density of the target variable by comparison with another group of 80 validation sample points, from which the root-mean-square error （RMSE） and correlation coefficient （r） between the predicted and measured values were calculated. The results showed, with the help of auxiliary data, whatever the sample size of the target variable may be, cokriging and regression-kriging performed better than ordinary kriging. Moreover, regression-kriging produced on average more accurate predictions than cokriging. Compared with the kriging results, cokriging improved the estimations by reducing RMSE from 23.3 to 29% and increasing r from 16.6 to 25.5%, regression-kriging improved the estimations by reducing RMSE from 25 to 41.5% and increasing r from 16.8 to 27.2%. Therefore, regression-kriging shows promise for improved prediction for soil salinity and reduction of soil sampling intensity considerably while maintaining high prediction accuracy. Moreover, in regression-kriging, the regression model can have any form, such as generalized linear models, non-linear models or tree-based models, which provide a possibility to include more ancillary variables.     

灰色系统理论在林分蓄积量预测中的应用

应用灰色系统理论与方祛,以甘肃省森林资源监测中心1989—1996年对白龙江-洮河林区调查的林分蓄积量数据为基础,建立灰色预测的GM（1,1）拓扑模型,从中选出精度最高的模型,对白龙江-洮河林区1997-2001年的林分蓄积量进行预测。预测结果经过1997年蓄积量调查数据的实践检验,精度达到99.5％。     

GM（1,1）模型在房地产价格指数预测中的应用

本文简要介绍了灰色预测方法ＧＭ（１,１）模型的构造与模型检验。利用１９９８年１－６月中间房地产北京指数建立了北京市房地产价格指数预测模型。经模型检验,该模型预测、精度等级为一级,预测模型可靠。