摘要：联邦学习的提出解决了在隐私保护下完成多客户合作的机器学习问题,而激励客户参与联邦学习是模型性能提高的一个重要前提。针对客户数据非独立同分布特征会导致联邦学习性能下降这一问题,考虑预算约束下,设计了基于单位数据成本和数据特征—EMD距离的客户端筛选方式,提出一种有效的联邦学习激励机制(EMD-FLIM),从理论上证明了机制具有诚实性,即每个客户会诚实披露数据成本和数据分布信息,同时机制具有预算可行性、个人理性及计算有效性。实验结果显示,提出的激励机制在数据分布不平衡情况下模型精度至少能达到数据量最优选择(不考虑激励)下的94%以上,与不考虑数据分布特征的激励机制相比较,模型精度平均可提高5%以上。

摘要：目的 克隆菊花脑芳樟醇合酶基因CnTPS1的全长编码序列,利用原核系统表达融合蛋白,为进一步研究该基因在菊花脑萜类合成中的功能提供理论依据。方法 以菊花脑基因组数据为基础,设计特异性引物,PCR扩增CnTPS1的全长编码序列,利用生物信息学分析软件分析序列特征。利用qRT-PCR技术分析CnTPS1基因在不同组织中的基因表达量。构建原核表达载体,体外诱导目的蛋白表达。结果CnTPS1编码序列全长1749bp,编码582个氨基酸;基因表达模式分析表明该基因在茎和管状花中表达量较高;原核表达系统能诱导出67.58kDa大小的蛋白。结论 首次从菊花脑中克隆得到一个芳樟醇合酶基因CnTPS1,运用生物信息学方法对其编码蛋白的理化性质、结构特征等进行了分析预测,分析了该基因的组织表达模式,并在原核表达系统中成功诱导表达出目标蛋白,这些结果将为菊花脑萜类合酶基因的功能以及萜类物质生物合成途径的解析提供理论依据。