摘要：为解决传统方法在识别番茄叶片病害方面准确率低且难以应对复杂环境的问题,本文提出了基于注意力机制的多任务番茄叶片病害识别方法(Attention-based multi-task tomato leaf disease recognition method,AMTDR)。首先,采用了ResNet18作为骨干网络,并在每个残差块后引入了卷积注意力模块(Convolutional block attention,CBA)。其次,设计了1个多任务结构,该结构包括病害识别和病害程度2个分支。病害识别分支用于准确识别番茄叶片的病害类型,而病害程度分支则用于精确评估病害的严重程度。在每个分支中,引入了卷积三元组注意力模块(Convolutional triplet attention,CTA),以增强对病害特征的表征能力。结果显示,所提出的AMTDR方法在复杂环境下的11种番茄病害数据集中的准确率和F1分数均达到了98.54%。相较于ResNet50网络,准确率和F1分数上分别提高了1.27%和1.25%,同时参数量和FLOPs仅为ResNet50的48.72%和44.30%。本文提出的AMTDR方法能够有效识别复杂环境下的番茄叶片病害,为农业病害的识别提供了重要的参考价值。

摘要：目的构建半胱氨酸蛋白酶抑制剂C(CysC)基因短发夹状RNA(shRNA)慢病毒载体,探讨其对非小细胞肺癌(NSCLC)A549细胞增殖的影响及可能机制。方法以CysC基因为靶点,设计并合成目标shRNA,构建CysC-shRNA慢病毒载体并进行鉴定、包装及浓缩;后转染A549细胞,并用qRT-PCR检测CysC mRNA水平评估敲除效率;用MTT实验和细胞克隆形成实验检测CysC-shRNA对A549细胞增殖的影响,并用Western Blot检测相关关键蛋白变化情况。结果重组慢病毒感染A549细胞,72 h后于荧光显微镜下观察CysC-shRNA组和Ctr-shRNA组GFP表达情况,发现CysC-shRNA组GFP表达水平明显低于Ctr-shRNA组。用qRT-PCR检测各组CysC mRNA水平评估沉默效果,CysC-shRNA组、Ctr-shRNA组和空白对照组CysC mRNA水平比较差异有统计学意义(P0.05)。结论靶向下调CysC可明显抑制NSCLC细胞增殖,与PI3K/Akt信号通路相关。