儿茶素单体EGC对胰脂肪酶的抑制作用及其机理研究

为研究儿茶素单体表没食子儿茶素（Epigallocatechin,EGC）对胰脂肪酶的抑制作用及机制,以干燥绿茶为原料,采用热水提取法、三氯甲烷脱色素和柱层析分离,得到EGC单体。采用扫描电子显微镜、傅里叶红外光谱、核磁共振氢谱对纯化的EGC单体进行结构表征,再通过滴定法研究EGC对胰脂肪酶的抑制作用及类型,然后通过荧光光谱法以及分子对接技术表征了EGC对胰脂肪酶结构的影响。结果表明,EGC以非竞争性方式对胰脂肪酶表现出抑制作用,并且抑制效果随EGC浓度的增加呈持续上升趋势,半抑制浓度为(1.62±0.085) mg·mL^-1。EGC对胰脂肪酶有荧光猝灭作用,可通过分子间氢键和疏水相互作用与酶中的氨基酸残基结合,导致酶的化学结构和空间构象发生变化,从而降低酶活性。EGC主要通过改变胰脂肪酶的化学结构和空间构象来抑制该酶活性,从而达到降血脂功效。     

仿真与DBSCAN算法融合的管输数据生成与验证方法

在油气管道系统中，受数据保密性高、数据采集技术不完善、异常工况发生频率低等因素制约，利用管输数据集进行机器学习模型训练，效果不理想。基于此，以某原油管道为例，分析管输能耗，利用Pipeline Studio TLNET软件对输油泵机组耗电量进行仿真，扩充训练数据集。针对管输仿真样本无真实值对照、特征关联、高维等特点，提出一种基于马氏距离的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法，用于评价仿真样本的可靠度，识别异常仿真数据。基于仿真样本与现场数据样本的机器学习模型训练结果表明，剔除异常数据的仿真样本能够提升模型的拟合能力，由此为管输数据仿真样本的生成与验证提供了新的思路。（图5，表5，参25）     

麝鼠香腺Elovl1基因生物信息学分析及表达研究

【目的】 测定麝鼠超长链脂肪酸延伸酶1(elongase of verylong chain fatty acid 1,Elovl1)基因序列并进行生物信息学分析,探讨其在麝鼠香腺发育和泌香过程中的作用。【方法】 使用TRIzol法提取成年雄性麝鼠香腺总RNA,采用转录组测序技术获得麝鼠香腺Elovl1基因序列并测序;在GenBank数据库中下载啮齿目不同物种的Elovl1基因及其多转录本CDS序列并构建系统进化树;通过在线工具对Elovl1基因编码蛋白的理化性质及结构进行预测与分析;利用实时荧光定量PCR技术分析成年雄性麝鼠香腺发育周期内香腺组织中Elovl1基因的表达水平。【结果】 Elovl1基因在麝鼠香腺中表达2个转录本,能编码2个不同的蛋白,分别由313和279个氨基酸组成。Elovl1基因2个转录本在2~9月末的麝鼠香腺中均有表达,且表达量整体呈先上升后下降的趋势。Elovl1基因编码的2个蛋白均为稳定的亲脂性、非分泌蛋白,具有7个跨膜螺旋区,亚细胞定位均主要位于内质网。在啮齿目动物中,Elovl1基因进化与物种进化基本一致,仓鼠科与鼠科亲缘关系较近,麝鼠与水鼠平亲缘关系最近;同一物种Elovl1基因的不同转录本间相对保守,均按物种聚在一起且置信值普遍较高,旱獭例外。【结论】 Elovl1基因表达规律与麝鼠香腺的发育、萎缩及泌香周期相吻合,提示Elovl1与麝鼠香分泌相关,并参与了香腺细胞发育。     

基于光谱变换的滨海湿地土壤全氮含量建模预测

基于133个滨海湿地土样的全氮（TN）含量和光谱反射率（R）及其对数（lgR）、对数的一阶微分（（lgR）''）、倒数（1/R）、倒数的一阶微分（（1/R）''）、一阶微分（R''）、平方根（√R）、一阶微分的倒数（1/（R）''）变换，采用偏最小二乘回归（PLSR）、随机森林回归（RFR）和支持向量机回归（SVR）3种算法分别建立土壤TN含量估测模型。结果表明：①土壤TN含量与光谱变换形式相关性由高到低为：（1/R）''> R''> （lgR）''> 1/R > lgR > 1/（R）''> √R > > R，经光谱变换，土壤TN含量与变换光谱的相关性均高于R，其中与（1/R）''的Pearson相关系数最大为0.746。②PLSR和SVR基于R''、（1/R）''、（lgR）''和1/（R）''变换构建的模型、RFR方法构建的所有模型R²均大于0.732，均可用于滨海湿地土壤TN含量的估算。③基于1/（R）''建立的SVR模型预测精度最高，其R²为0.987，RMSE为0.057 g/kg，MAE为0.050 g/kg，是预测滨海湿地土壤TN含量的最优模型，可为准确获取滨海湿地土壤TN含量提供稳定方法。     

Eh-star方法测试杂散损耗算法的研究

针对Eh-star方法测试电机杂散损耗的算法进行研究。首先，通过与几种测试方法进行对比，揭示Eh-star方法的可行性和优越性。接着，在Eh-star方法的测试原理的基础上，通过公式推导和分析，对此方法的算法进行详细分析，得到杂散损耗的推导公式，为下一步将整个算法嵌入计算机，实现自动数据自动采集和计算奠定基础 。     

不同种植方式对玉米干物质积累、分配和产量的影响

以玉米杂交种良玉99为材料,2018～2019年设置常规(等行距)种植(CK)和二比空、大垄双行、偏垄宽窄行3种不均匀种植方式,研究不同种植方式对玉米光合作用参数、群体干物质积累、转运与分配及产量的影响。结果表明,与常规种植相比,3种不均匀种植方式玉米群体净光合速率、蒸腾速率、气孔导度分别增加了1.39%～36.55%、2.78%～18.98%、5.88%～45.75%;成熟期群体干物质积累量增加3.36%～13.89%;叶片、茎秆和叶鞘干物质转运率分别提高了1.92%～23.08%、5.48%～34.31%、19.56%～53.39%,子粒产量贡献率提高3.50%～62.50%。3种不均匀种植方式显著提高玉米子粒产量,2018年产量提高14.16%～30.34%,2019年产量提高4.19%～9.28%,2018年产量增幅较大主要来源于空秆率的降低。进一步表明,在干旱年份不均匀种植表现出更大的增产优势,3种不均匀种植方式中大垄双行两年子粒产量均最高,分别达6 264.68 kg/hm2和12 449.40 kg/hm2。     

基于改进Inception网络的复杂环境下小样本黄瓜叶片病害识别

为解决田间复杂环境下小样本黄瓜叶片病害识别中模型泛化能力差、识别准确率不高的问题，将自注意力机制模块引入激活重建生成对抗网络（activation reconstruction GAN，AR-GAN），采用Smooth L₁正则化作为损失函数，设计改进激活重建生成对抗网络IAR-GAN（improved AR-GAN）增广黄瓜叶片病害图像。通过在Inception网络基础上加入空洞卷积和形变卷积，设计空洞和形变卷积神经网络（dilated and deformable convolutional neural network，DDCNN）用于黄瓜叶片病害识别。试验结果显示，提出的IAR-GAN有效缓解了过拟合现象，丰富了生成样本的多样性；所提出的DDCNN对黄瓜炭疽病、斑靶病和霜霉病的平均识别准确率均达到96%以上，比Inception-V3模型提高了9个百分点。以上结果表明，本研究提出的数据增广方法和病害识别模型可为复杂环境下小样本的作物叶部病害的准确识别提供新思路。