影响多步脱氢酶CrtI功能的关键结构特征探索

在生物体内存在可催化多步连续反应的通用酶，对生物代谢过程具有重要作用。八氢番茄红素脱氢酶（CrtI）作为典型代表,可以催化多步连续脱氢反应,生成番茄红素等具有重要价值的产物。本文以酿酒酵母为底盘研究CrtI的催化功能特征。首先通过组合设计与筛选番茄红素合成路径中的三种外源酶CrtE、CrtB和CrtI，发现CrtI是主要的限制因素，且三孢布拉氏霉菌来源的CrtI(BtCrtI)表现出优异的催化功能。通过生物信息学与蛋白结构分析发现BtCrtI的S311残基是连接和稳定活性中心结构的关键。随后通过分析该位点的饱和突变结果，揭示了该位点的氨基酸残基类型对活性中心结构和功能的显著作用，为酶的设计和改造提供了新的思路。同时发现CrtI的活性差异未对合成路径中的类胡萝卜素的代谢流造成扰动，表明CrtI是番茄红素的产量和纯度的决定因素。     

甲醇转化制丙烯反应机理研究

以杂化轨道理论和关于含Si、Al元素催化剂酸中心的认识为理论依据和研究方法，从反应物与催化剂B酸中心相互作用为切入点，分析相互作用过程中甲醇与B酸中心分子结构变化，揭示甲醇制烯烃反应机理本质。研究结果表明甲醇转化制丙烯反应过程可分为3步：(1)B酸中心释放H+攻击甲醇分子中C-O键，C-O键断裂生成甲基碳正离子(CH+3)和H2O，CH+3中C原子外层有个空轨道，释放了H+后的B酸中心失去活性。(2)失活B酸中心从CH+3中获得H+，反应生成了一种新中间体H-form，H-form中C原子外层有1对孤对电子(e-)和1个空轨道，结构式为C↑↓〇H2；失活的B酸中心获得H+后恢复活性。第3步，有3个H-form结构的C原子，第1个C原子上的孤对e－占据第2个C原子上空轨道，第2个C原子上的孤对e－占据第1个C原子上空轨道，彼此共用2对e-，形成C=C键；第3个C原子上的空轨道与第1个C原子上C、H原子重叠轨道再次重叠，形成C、H和C三原子共用1对e－结构，结果是第1个C原子与第2个C原子形成C=C键，第1个C原子与第3个C原子形成C-C键，3个C原子形成C=C-C结构，即生成丙烯。     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。     

基于SDN的电力数据中心网络架构研究

为建设能源互联网,充分应用“大云物移智”等现代信息技术,文章从SDN网络架构模型出发,根据不同类型流量,将云数据中心网络划分为3张相互隔离的网络,即业务网、存储网和管理网,然后详细阐述了3张网的设计方案,并给出了一个从传统数据中心向云数据中心发展的演进步骤,为搭建适应快速增长的业务需求的云数据中心提供了思路。     

响应面法优化甘薯脆片干燥工艺

为探究甘薯脆片热泵干燥最佳工艺,在单因素试验基础上,以烘干温度、烘干时间、切片厚度、汽漂时间为影响因素,以含油率及感官评分为响应值,用Box-Behnken试验设计建立响应面分析模型。结果表明,甘薯脆片烘干最佳工艺为:烘干温度74℃、切片厚度2.7 mm、汽漂时间3 min,烘干时间为3.5 h,在此优化条件下,甘薯脆片油炸后感官评分为88.75分,含油率为7.84%,在此条件下得到的产品色香味俱全。     

High reliable real-time bandwidth scheduling for virtual machines with hidden Markov predicting in telehealth platform

Reliable and high-performance resource scheduling for Virtual Machines (VMs) in cloud can guarantee the efficiency of remote rescue with telehealth system. When a local disaster, e.g. earthquake and tsunami, happens in a densely populated area, the surging health care demand leads to the increasing workload in Data Centers (DCs) by storing and delivering a mass of patients’ information and real-time physiology signals. However, the current self-adaptive scheduling methods cannot provide a high-accuracy recognizing of the two conditions: urgency or normal, which would procrastinate the system into a high-performance status, while the best rescue time is lost. In this paper, we propose a Primary Node-based architecture for typical telehealth service on cloud, which takes into account both storage and delivery efficiency. We also design a novel algorithm to predicting and allocating the future bandwidth of all VMs in the telehealth service context. This method is able to dynamically adjust each parameter of a Hidden Markov Model (HMM) through collecting the historical information of the bandwidth workload. After we predict the future bandwidth consumption of VMs, a high-performance scheduling method is used to adjust the bandwidth to each VM for health care service. The simulation results prove that this algorithm provides a high-accurate prediction, which guides the allocating module to make decision before the request burst comes. Nevertheless, our algorithm improves the reliability of telehealth services for storing and delivering patients’ information among DCs.     

The Lise Meitner-Minerva Center for Computational Quantum Chemistry: 18 Years of Israeli-German Collaboration

We tell the story of the Lise Meitner-Minerva Center, its establishment and activities, its members and their scientific activity, and its instrumental role in weaving intense relationships with the theoretical community in Germany, and in amalgamating the Israeli community of computational quantum chemistry into a national center that enjoys a high international reputation.     

基于优化初始聚类中心的K中心点算法

针对K中心点算法的初始聚类中心可能过于临近、代表性不足、稳定性差等问题，提出一种改进的K中心点算法。将样本集间的平均距离与样本间的平均距离的比值作为样本的密度参数，精简了高密度点集合中候选代表点的数量，采用最大距离乘积法选择密度较大且距离较远的K个样本作为初始聚类中心，兼顾聚类中心的代表性和分散性。在UCI数据集上的实验结果表明，与传统K中心点算法和其他2种改进聚类算法相比，新提出的算法不仅聚类结果更加准确，同时也具有更快的收敛速度和更高的稳定性。