高效液相色谱-高分辨质谱法鉴定拉萨大黄化学成分

建立了高效液相色谱-高分辨质谱法分析鉴定拉萨大黄化学成分。选用Agilent Zorbax SB-C18柱（150 mm×4.6 mm×5 μm）,以乙腈和水为流动相进行梯度洗脱,流速0.5 mL/min;采用电喷雾离子源,在正、负离子模式下对拉萨大黄提取物进行一级和多级全扫描质谱分析。综合分析化合物的色谱和质谱行为,并结合对照品、文献和数据库等相关数据鉴定化合物。在负离子模式下,鉴定出63种化合物;正离子模式下,鉴定出54种化合物。所检测到的化合物包括22种鞣质类、28种茋类、6种黄酮类、3种苯丙酸类、2种苯丁酮类和2种有机酸类,其中有53种化合物为在该药材中首次发现,且未发现蒽醌类成分。该方法快速、灵敏,不仅提高了拉萨大黄复杂基质中微量化合物的鉴定效率,同时实现了对拉萨大黄提取物中不同类型化合物的分析鉴别,为进一步阐明拉萨大黄的药效物质基础及质控标准提供了科学依据。     

对我校医学留学生在华临床实习阶段教学的探讨及思考

对大连医科大学对于医学留学生在华临床实习的教学思路与模式以及在临床教学过程中存在的问题给予阐述剖析,提出应对及解决办法和几点建议;以此抛砖引玉,希望引起更多同仁参与进来,使得医学留学生在华临床实习教学步入良性的、可持续发展的道路。     

大型泵体的制作难点评析

为使大型泵体的制造实现规范化和连续生产,提出了采用铆焊技术与机械加工相结合的制造工艺,经实践验证效果良好,效益显著.     

Java程序设计课程双语教学初探

Java作为计算机专业的核心专业课程,引入双语教学是发展的必然趋势.本文论述了开展双语教学的必要性,以及开展双语教学需要做的准备.在教学开展过程中,针对教材选择,教学实施和考核方式进行了论述.     

利用SOM网络模型进行聚类研究

自组织特征映射（SOM）是Kohonen提出的一种人工神经网络模型,其整个学习过程是在输入样本空间内进行．并以欧氏距离为度量。本文先介绍了SOM网络模型的来源,接着对SOM网络的结构与学习过程进行了介绍,最后给出了一个SOM网络模型在聚类中的程序实例。     

低聚果糖对C57BL/6小鼠肥胖预防及其肠道菌群的调节作用

为探究低聚果糖（fructooligosaccharides,FOS）对 C57BL/6小鼠肥胖预防及其肠道菌群的调节作用,将50 只雄性5 周龄C57BL/6小鼠随机分为5 组,正常组食用正常饲料,其他组通过食用高脂饲料构建肥胖模型,正常组、模型组灌胃给予生理盐水,实验组灌胃给予高、低剂量的FOS,阳性对照组灌胃给予奥利司他,实验进行6 周。采用高通量16S rRNA基因扩增测序、酶联免疫吸附测试等方法,分析FOS对C57BL/6小鼠的肥胖预防及肠道菌群的调节作用。结果表明,高、低剂量FOS都显著降低了肥胖模型小鼠的Lee’s指数、附睾脂肪指数（P＜0.05）,并显著升高了肥胖模型小鼠血清高密度脂蛋白胆固醇（high density lipoprotein cholesterol,HDL-C）浓度（P＜0.05）;高剂量FOS显著降低了肥胖模型小鼠的体质量增量及血清低密度脂蛋白胆固醇（low density lipoprotein cholesterol,LDL-C）、肿瘤坏死因子α（tumor necrosis factor α,TNF-α）、脂多糖（lipopolysaccharide,LPS）水平（P＜0.05）。在肠道菌群方面,与正常组相比,模型组小鼠的厚壁菌门（Firmicutes）相对丰度显著升高（P＜0.05）,拟杆菌门（Bacteroidota）相对丰度显著降低（P＜0.05）。FOS干预组小鼠肠道菌群得到一定恢复,菌群组成与正常组趋近。综上,FOS可控制小鼠肥胖,改善其肠道菌群。     

烃基化间苯二酚杯芳烃的合成

NaH作为催化剂,以乙醇为溶剂对间苯二酚杯芳烃进行烃基化衍生反应,合成了4种化合物.该方法反应时间短、产品易处理且产率高.     

基于四元数胶囊网络的知识图谱补全模型

知识图谱采用RDF三元组的形式描述现实世界中的关系和头、尾实体,即（头实体,关系,尾实体）或（主语,谓语,宾语）。为补全知识图谱中缺失的事实三元组,将四元数融入胶囊神经网络模型预测缺失的知识,并构建一种新的知识图谱补全模型。采用超复数嵌入取代传统的实值嵌入来编码三元组结构信息,以尽可能全面捕获三元组全局特性,将实体、关系的四元数嵌入作为胶囊网络的输入,四元数结合优化的胶囊网络模型可以有效补全知识图谱中丢失的三元组,提高预测精度。链接预测实验结果表明,与CapsE模型相比,在数据集WN18RR中,该知识图谱补全模型的Hit@10与正确实体的倒数平均排名分别提高3.2个百分点和5.5%,在数据集FB15K-237中,Hit@10与正确实体的倒数平均排名分别提高2.5个百分点和4.4%,能够有效预测知识图谱中缺失的事实三元组。     

基于关系记忆的胶囊网络知识图谱嵌入模型

作为一种语义知识库,知识图谱（KG）使用结构化三元组的形式存储真实世界的实体及其内在关系。为了推理知识图谱中缺失的真实三元组,考虑关系记忆网络较强的三元组表征能力和胶囊网络强大的特征处理能力,提出一种基于关系记忆的胶囊网络知识图谱嵌入模型。首先,通过编码实体和关系之间的潜在依赖关系和部分重要信息形成编码嵌入向量;然后,把嵌入向量与过滤器卷积以生成不同的特征图,再重组为对应的胶囊;最后,通过压缩函数和动态路由指定从父胶囊到子胶囊的连接,并根据子胶囊与权重内积的得分判断当前三元组的可信度。链接预测实验的结果表明,与CapsE模型相比,在倒数平均排名（MRR）和Hit@10评价指标上,所提模型在WN18RR数据集上分别提高了7.95%和2.2个百分点,在FB15K-237数据集上分别提高了3.82%和2个百分点。实验结果表明,所提模型可以更准确地推断出头实体和尾实体之间的关系。     

俄语情感分析研究综述

社交媒体中蕴含着用户的大量观点和评论,从中提取情感信息,有助于了解俄语区民众对热点事件、产品和服务等的真实态度,为相关政策的制定和调整提供依据,进而促进区域内国家间的合作共赢。按情感分析的流程从资源建设和自动识别两个方面详细梳理了俄语情感分析领域的研究现状,并在此基础上对比分析了各类方法在不同数据集上性能和特征选择方案。研究结果发现俄语语料等资源的数据来源需要拓宽,且同类资源还可以进一步整合,自动识别方面主流的识别模型为机器学习和深度学习两种,整体识别准确率还有待提高。通过综述该领域的不足,探索了未来可能的研究方法,为进一步研究提供借鉴。