微波辅助孵育法富集麦胚多肽的工艺优化

目的 麦胚孵育过程中蛋白酶将蛋白质水解成肽和氨基酸，多肽具有明确的生理活性和营养调节作用。本研究以麦胚为试验原料，采用微波辅助预处理的方法，研究孵育的温度、时间、pH及料液比4种因素对孵育后的蛋白酶活力及多肽含量的影响。 方法 通过单因素和响应曲面试验进行工艺条件优化。 结果 与未进行微波辅助预处理的样品相比，微波辅助处理（600 W, 10 s）能显著提高孵育后样品中的蛋白酶酶活力（约9.4倍）和肽含量（约3.1倍）。经过微波辅助处理后，孵育温度为51.5℃、pH为4.0、时间为6.33 h、料液比为1:7时，蛋白酶活力达最高为3826.24 U/g；孵育温度为45.0 ℃、pH为4.8、时间为8 h、料液比为1:7时，肽含量达最高为262.63 mg/g。 结论 微波辅助处理能有效的激活麦胚孵育液中的内源性蛋白酶活性，促进蛋白水解反应，显著提高孵育后的肽含量。该研究结果为麦胚多肽的制备新工艺开发提供了研究基础。     

基于乙酰胆碱酯酶和氧化应激研究海胆酮对阿尔茨海默症的作用机制

海胆酮是一种酮式类胡萝卜素，主要从海胆及藻类等海洋生物中提取。本文研究海胆酮对乙酰胆碱酯酶（acetylcholinesterase，AChE）的抑制作用，应用酶动力学、荧光光谱、圆二色光谱和分子对接技术研究海胆酮对AChE的抑制机理，并用淀粉样β蛋白片段25～35（amyloid beta-peptide 25-35，Aβ25-35）诱导大鼠肾上腺嗜铬细胞瘤细胞（PC12细胞）建立阿尔茨海默症（Alzheimer’s disease，AD）模型，研究海胆酮对AD细胞模型氧化应激损伤的作用。结果表明，海胆酮有很强的AChE抑制活性，其半抑制质量浓度为（16.29±0.97）μg/mL，抑制常数Ki为3.82 μg/mL，表现为竞争性抑制；海胆酮可诱导AChE二级结构改变，更容易与AChE活性中心氨基酸Ser200、His440、Trp84和Tyr121结合，阻碍底物碘代硫代乙酰胆碱（acetylthiocholine iodide，ATCI）与酶结合，从而引起酶活力降低。海胆酮能有效抑制Aβ25-35诱导PC12细胞的AChE活力，降低丙二醛含量，增加超氧化物歧化酶、过氧化氢酶和谷胱甘肽过氧化物酶活力，减轻Aβ25-35诱导的PC12细胞氧化应激损伤。本研究基于AChE和氧化应激阐明了海胆酮对AD的潜在作用机制，为海胆酮在功能食品、生物医药等领域的应用提供了数据支持和理论根据。     

变压器内部故障在线检测方法仿真及误差分析

为研究变压器内部故障在线检测方法的有效性及抗干扰性,搭建实际变压器的非线性三维有限元模型.对变压器常见几种类型的内部故障进行详细的结构仿真,通过"场-路耦合法"构建各类型故障的ΔV-I1轨迹.同时,通过对正常绕组的测量信号设置一定的误差,构建了考虑测量误差时的误差轨迹.在此基础上,将正常时的标准轨迹、误差轨迹和各种类型的故障轨迹进行对比分析,通过对ΔV-I1轨迹特征差异的定性分析与定量计算,验证该方法在实际应用中的有效性,总结判断各类型故障的规则,同时针对测量误差所造成的干扰提出了建议.     

基于PBFT区块链技术的电网企业仓储系统

提出了一种基于实用拜占庭容错(PBFT)算法的区块链技术,首先对传统的实用拜占庭容错算法原理进行了阐述,该传统算法包含前期、需求、预准备、准备、确认、答复6个阶段,但传统算法具有实时性差、缺乏惩罚机制、带宽高的缺点。针对出现的这些问题,又对传统算法进行了改进,具体涉及记账节点、共识过程以及视图切换过程。通过测试进一步证明了该改进算法的实用性,并将该算法应用于电网企业中,构建的虚拟仓库实现了联储联备,降低了库存资金的耗费,并且提高了电网企业库存管理的效率。     

三氯乙酸终止液对木瓜蛋白酶酶活测定的影响研究

本实验研究了不同的三氯乙酸终止液,对木瓜蛋白酶酶活的影响。通过使用两种检测方法,不同配方的三氯乙酸终止液进行实验。结果表明,使用两种不同配方的三氯乙酸终止液所得的结果相差2倍多。用不同稀释浓度的三氯乙酸终止液,在高浓度时,不同浓度的三氯乙酸终止液得到的结果差别很大,随着三氯乙酸浓度的降低,所测得的酶活不断升高;但是在低浓度时,不同浓度的三氯乙酸终止液得到的结果差别不大。     

Multiple clusterings of heterogeneous information networks

Machine Learning - Traditional clustering algorithms focus on a single clustering result; as such, they cannot explore potential diverse patterns of complex real world data. To deal with this...     

Generating Questions Based on Semi-Automated and End-to-End Neural Network

With the emergence of large-scale knowledge base, how to use triple information to generate natural questions is a key technology in question answering systems. The traditional way of generating questions require a lot of manual intervention and produce lots of noise. To solve these problems, we propose a joint model based on semi-automated model and End-to-End neural network to automatically generate questions. The semi-automated model can generate question templates and real questions combining the knowledge base and center graph. The End-to-End neural network directly sends the knowledge base and real questions to BiLSTM network. Meanwhile, the attention mechanism is utilized in the decoding layer, which makes the triples and generated questions more relevant. Finally, the experimental results on SimpleQuestions demonstrate the effectiveness of the proposed approach.