摘要：通过水中溶解无机碳碳同位素的分析可以了解碳同位素的来源和其动态变化。对于水中溶解无机碳碳同位素的采样方法，国内还没有统一的规范。

摘要：采用紫外线和Co60照射联合诱变鼠李糖乳杆菌(Lactobacillus rhamnosus)JCM1553菌株,选育得到1株L-乳酸高产突变株SCT-10-10-60。经77代传代培养证实该菌株L-乳酸发酵遗传稳定。在37℃,200rpm下,该菌株摇瓶发酵葡萄糖60h的发酵液乳酸浓度达到最大,为195.67g/L,发酵糖酸转化率达到95.33%,比出发菌株最大乳酸产量、发酵速率和糖酸转化率分别提高了16.24%、50.13%和17.81%。相同条件下该菌株发酵木薯淀粉84h的乳酸浓度达到最大值,为203.33g/L,糖酸转化率达到78.85%,比出发菌株最大乳酸产量和发酵速率均提高了29.49%,糖酸转化率则提高24.53%。该菌株发酵产物的L-乳酸含量高达96.75%,与出发菌株(96.97%)无统计学显著差异(P>0.05)。该高产菌株乳酸发酵性能提高的主要原因是菌体增长速率加快。其L-乳酸发酵性能显著优于现有的生产菌株,具有较高的潜在工业价值。

摘要：针对当前人脸识别中姿态变化会影响识别性能,以及姿态恢复过程中脸部局部细节信息容易丢失的问题,提出一种基于多任务学习的多姿态人脸重建与识别方法——多任务学习堆叠自编码器(Mt LSAE)。该方法通过运用多任务学习机制,联合考虑人脸姿态恢复和脸部局部细节信息保留这两个相关的任务,在步进逐层恢复正面人脸姿态的同时,引入非负约束稀疏自编码器,使得非负约束稀疏自编码器能够学习到人脸部的部分特征;其次在姿态恢复和局部信息保留两个任务之间通过共享参数的方式来学习整个网络框架;最后将重建出来的正脸图像通过Fisherface进行降维并提取具有判别信息的特征,并用最近邻分类器来识别。实验结果表明,Mt LSAE方法获得了较好的姿态重建质量,保留的局部纹理信息清晰,而且与局部Gabor二值模式(LGBP)、基于视角的主动外观模型(VAAM)以及堆叠步进自编码器(SPAE)等经典方法相比,识别率性能得以提升。

摘要：本研究的目的是克隆白花泡桐纤维素生物合成途径关键酶基因--纤维素合成酶家族基因。采用PCR和RACE技术,利用Oligo、Primer Premier 5等软件进行引物设计,从白花泡桐中克隆出纤维素合成酶基因一条,NCBI分析后,命名为PfCesA4(NCBI登录号:MK340936)。PfCesA4基因的cDNA全长为3735 bp,其开放阅读框(ORF)长度为3138 bp,能够编码含有1045个氨基酸的蛋白质,此蛋白质的相对分子质量为119081.91 u,等电点为7.24。二级结构分析表明其以α-螺旋和无规则卷曲为主。结构域和跨膜区分析表明其在N端含有锌指结构域及2个跨膜区,在C端含有6个跨膜区,这些结构域能够表现纤维素合成酶的特征。系统进化树分析表明在所选取的物种当中,白花泡桐与芝麻的亲缘关系较近。组织特异性分析结果表明,其在茎中的表达量最高,根部次之,叶部最少;且在茎中,木质部的表达量高于韧皮部,说明其可能主要参与次生壁的建成。通过对PfCesA4基因的克隆及分析,能够为泡桐纤维素生物合成途径及后期利用分子手段对泡桐木材进行遗传改良提供基因资源。

摘要：近年来半参数技术越来越多地应用于生物特征的识别,相关研究成果(出版物)逐年增加。到目前为止,该技术已用于生物医学领域的各种研究,对此有必要对其应用情况进行及时总结,这将有助于对其发展趋势及应用有一个全面了解。本文综述了半参数技术在不同生物医学领域的应用,包括接受者操作特征(ROC)分析、生存和纵向分析、药代动力学和药效学、暴露研究、基因研究及其它研究领域。其中每一部分以对半参数技术背景的一般描述开始,进而介绍其适用情况,最后对不同的研究加以比较,使大家对半参数技术的应用背景、适用情况、与参数和非参数方法相比的优点以及在疾病诊断中的协变量有概念性认识。

摘要：【目的】α-淀粉酶是一种重要淀粉水解酶,而Km值是酶反应中重要的参数,尝试建立一种利用α-淀粉酶初级结构定量预测米氏常数Km值的有效模型。【方法】通过神经网络模型,利用535种氨基酸属性定量预测α-淀粉酶Amy7C及其52个突变体反应的Km值,其中33个酶用于模型训练,其余的用于模型验证。首先用双层的20-1前馈反向传播的神经网络进行预测,然后对多层神经网络模型进行筛选。【结果】535种氨基酸属性中有109种属性可以用模型预测,其中动态属性拟合结果较好,4个动态氨基酸属性中有3个属性可以用于模型预测,但拟合结果最好的氨基酸属性分别来自氨基酸理化性质和二级结构。对9种拟合和验证结果最好的氨基酸属性进行7种多层神经网络模型拟合,结果显示增加模型的复杂度并不能提高预测结果的精准度,表明较为简单的模型,如20-1或20-5-1是定量预测建模的首选。【结论】α-淀粉酶酶解反应的米氏常数Km,可以利用某些氨基酸属性通过神经网络模型进行定量预测。为今后利用酶的初级结构定量预测酶反应中各参数最适条件提供思路。

摘要：【目的】pH值是影响酶催化效率的关键参数,通常需要通过实验方式才能确定生物酶的最适pH值,而该方式要消耗较多的人力、物力和时间。因此,有必要发展一种利用酶的简单结构信息即可预测其最适pH值的方法。【方法】以20-1前馈反向传播的神经网络为模型,完成535种氨基酸属性对α-淀粉酶pH值的拟合。同时,将α-淀粉酶Amy7C及其54个突变体的数据分为2组,用35个酶作为训练组进行拟合,20个酶作为验证组进行检验,并对不同层次及神经元个数的模型进行比较。【结果】109个氨基酸属性可实现20-1神经网络模型收敛,表明这些氨基酸属性可用于预测α-淀粉酶的最适pH值,但是不同氨基酸属性预测pH值的效果差别较大,只有部分指标预测pH值的效果较好。多模型的分析结果显示,不同模型对训练组R值的结果具有显著性差异,而对训练组P值、验证组R值和验证组P值结果无显著性差异。【结论】氨基酸分布概率等属性可用于预测α-淀粉酶的最适pH值。20-1神经网络模型是预测α-淀粉酶最适pH值相对理想的模型。

摘要：针对人脸姿态变化对人脸识别性能的影响以及人脸姿态恢复局部纹理信息不够清晰,提出一种改进的局部卷积神经网络的人脸识别方法。该方法在网络中引入分离层将中间层的信息分离成两个通道,一个通道用于产生中间层的重构函数,另一个通道进行进一步的局部卷积操作;最后将中间层的重构函数作为另一路网络顶层代价函数的一个惩罚项进行网络训练;网络训练完后,将姿态恢复的人脸图片采用LDA进行特征提取,并采用最近邻分类器来做识别。实验结果表明,提出的方法不仅能够很好的进行姿态恢复,且恢复的图片具有较好的纹理信息;同去除姿态的传统方法和较为典型深度学习方法以及3D方法相比,识别性能具有较大的提升。

摘要：以酸性沸石为催化剂,催化葡萄糖脱水制备5-羟甲基糠醛(5-HMF)。沸石催化剂采用固载磷钨酸(PW)和脱铝两种方法制备,固载PW方法用3种类型沸石:HY、MCM-41和HMOR,脱铝方法用HY型沸石,共制得产物PW/MCM-41、PW/HMOR、PW/HY、HY-D0.2和HY-D1.0,考察沸石结构、反应温度、葡萄糖与水质量比、催化剂与葡萄糖质量比对制备5-HMF的影响。结果表明,沸石固载PW后5-HMF的产率均有所提高,其中,以Y型沸石(HY)固载PW后(PW/HY)作为催化剂时5-HMF产率最高,为27.9%;HY特殊的结构对提高5-HMF的产率具有重要的作用。另外,提高反应温度有利于加快5-HMF的生成;葡萄糖与水质量比为3.0∶100时5-HMF产率最高,反应2.5h时达到30.4%,说明适当的葡萄糖与水质量比有利于5-HMF的制备。

摘要：为提取更多有效特征并提高模型训练的收敛速度,提出一种基于并列卷积神经网络的超分辨率重建方法。该网络由两路不同结构的网络组成:一路为简单的残差网络,其优化残差映射比原始的映射更容易实现;另一路为增加了非线性映射的卷积神经网络,增强了网络的非线性能力。随着并行网络结构的复杂化,收敛速度慢成为突出问题。针对这个问题,在卷积层后添加正则化处理,以简化模型参数、增强特征拟合能力,最终达到加快收敛的目的。实验结果表明,与基于深度卷积神经网络算法相比,该网络结构收敛速度更快,主观视觉效果更好,峰值信噪比(PSNR)平均提高了0.2dB。