摘要：新一代测序方法在基因组学研究应用日趋广泛,已经成为工业酿酒酵母菌株基因组学研究的重要技术平台,但对工业酿酒酵母新一代测序技术方法缺乏详细报道。Miseq是小型新一代基因组测序仪,本文报道我们自建的野生型工业酿酒酵母基因组Miseq测序方法。该方法包括：制备分离a型和α型交配型的单倍体菌株、采用电泳和分光光度法方法监控基因组文库建立、优化上机文库浓度后测序。其中电泳和分光光度法方法为首创的文库质量监控简易方法,质控检测得到酿酒酵母工业菌株测序条件为：菌株的基因组文库DNA片段大小为250-850bp且主要集中在350-550bp,文库浓度范围为7-13ng/μL;上机测序文库的优化浓度为20pM。

摘要：针对图像超分辨率重建中纹理细节等高频信息恢复的问题,提出一种基于自注意力网络的图像超分辨率重建方法。该网络框架利用两个重建阶段逐步地将图像的精确度从粗到细进行恢复。在第一阶段中,首先将低分辨率(LR)图像作为输入通过一个卷积神经网络(CNN),并输出一个粗精度的高分辨率(HR)图像;然后将粗精度图像作为输入并产生更加精细的高分辨率图像。在第二阶段中,使用自注意力模块计算特征之间所有位置的关联性,通过捕捉特征的全局依赖关系来提高纹理细节的恢复能力。在基准数据集上的实验结果表明,与现有基于深度神经网路的超分辨率重建算法相比,所提算法不仅图像视觉效果最好,而且在数据集Set5和BDSD100上的峰值信噪比(PSNR)平均提高了0.1dB、0.15dB,表明该网络可以通过增强特征的全局表达能力来重建出高质量图像。

摘要：针对高光谱图像分类中提取的空-谱特征表达能力弱及维数较高的问题,提出一种基于空-谱融合网络(SSF-Net)的高光谱图像分类方法。首先,利用双通道卷积神经网络(Two-CNN)同时提取高光谱图像的光谱和空间特征;其次,使用多模态压缩双线性池化(MCB)将所提取的多模态特征向量的外积投射到低维空间,以此产生空-谱联合特征。该特征融合网络,既可以分析光谱特征和空间特征向量中元素之间的复杂关系,同时也避免对光谱和空间向量直接进行外积计算,造成维数过高、计算困难的问题。最终实验表明,与现有基于神经网络的分类方法相比,所提出的高光谱图像分类算法能够获得更高的像元分类精度,表明该网络所提取的空-谱联合向量对高光谱图像具有更强的特征表达能力。

摘要：【目的】从堆肥中筛选和鉴定产碱性纤维素酶的菌株，对菌株及其酶学特性进行研究。【方法】以刚果红平板染色法进行初筛，摇瓶发酵复筛，分离到高酶活菌株C73。通过形态观察和16SrRNA序列分析对菌株进行鉴定。采用DNS定糖法测定发酵液酶活最适pH值、pH值稳定性、最适温度、热稳定性及常见金属离子、SDS、EDTA等对酶活的影响。[结果]该菌株形态呈杆状，革兰氏阳性，不产芽孢，适宜在pH值8．0～11．0、30～37℃条件下生长。16SrRNA序列比对发现，该菌株与琼斯氏菌（Jonesiasp．）PCI序列相似度大于99％，初步鉴定为琼斯氏菌属菌株。在发酵培养基中，菌体浓度和CMCase活力分别在40h和50h达到最大值，随着发酵时间的延长发酵液pH值稳定在9．5左右。粗酶液的最适作用pH值为10．0，此时CMCase活力达2．3U／mL。在pH值8．0～11．0的范围内保持60％以上的酶活；最适作用温度为60℃，且在30-80℃的范围内保持60％以上的酶活。金属离子Mn^2＋、Co^2＋和（NH4）2SO4对酶活力有较强的抑制作用。【结论】菌株C73呈现较高的碱性CMCase酶活、较高的热稳定性和pH值稳定性，具有良好的工业应用前景。

摘要：灵川县海洋乡2007年从郑州果树研究所引入中油13号,栽培表现为果大,果实圆形,果肉白色,肉脆,汁甜,粘核,成熟早,风味浓,是综合性状非常优良的早熟油桃品种,适宜在灵川县海洋乡发展。

摘要：从黑曲霉(Aspergillus niger)克隆木聚糖酶基因xynB,利用重叠延伸PCR法去除其中的内含子。将该基因与质粒pYES2连接,构建真核表达载体,用醋酸锂化转法导入酿酒酵母(Sacharomyces cerevisiae)INVSC1菌株表达。利用α信号肽替换基因原信号肽,以考察信号肽对表达蛋白分泌的影响。结果获得2株重组菌株,分别为xynB连接原信号肽的pYES2-xynB菌株和xynB连接α信号肽的pYES2-xynB-α菌株。木聚糖酶B成功表达,SDS-PAGE检测到约24kDa目的蛋白质条带。木聚糖酶B最适催化温度为50℃,最适催化pH值为5.0,Mn2+对酶活具有强烈的抑制作用。将α信号肽取代原信号肽使酶活达到最高的诱导时间由72h缩短为48h,但是置换信号肽使最高酶活由7.59U降低为3.97U。

摘要：【目的】选育能够利用木糖高产乙醇的酵母菌株。【方法】采用Co60诱变树干毕赤酵母(Pichia stipitis),筛选乙醇产量高的突变菌株,并对原始菌株、突变菌株的生长发酵特性和两个菌株对高浓度木糖、乙醇的耐受性进行比较。【结果】在YPX培养基上筛选获得1株能够高效发酵木糖的突变菌株1K-9。该菌株在50mL 15%FM发酵84h,发酵液乙醇含量最高达(51.034±0.112)g/L,比原始菌株提高10.05%;在500mL 15%FM发酵96h,乙醇含量最高达(51.390±0.119)g/L;在500mL 20%FM发酵156h,乙醇含量最高达(52.496±0.513)g/L。菌株1K-9在HSM培养基或含4%~5%乙醇的YPX培养基中生长良好,在含6%~7%乙醇的YPX培养基中生长缓慢。【结论】Co60诱变对于树干毕赤酵母(Pichia stipitis)菌株是有效的,能选育出木糖高产乙醇酵母菌株1K-9。

摘要：【目的】利用α-淀粉酶Amy7c及其突变体的氨基酸信息,预测该酶的催化常数(Kcat),并筛选出能预测α-淀粉酶Kcat最具效果的氨基酸属性。【方法】先以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Amy7C及其突变体催化常数的拟合。再将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。最后,对8种不同层次及神经元个数的模型进行比较。【结果】110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-淀粉酶的催化常数,不同指标的预测效果不同。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以用于预测α-淀粉酶催化常数。四层神经网络模型是预测α-淀粉酶催化常数的相对理想的模型。