响应面法优化川芎蛋白提取工艺及抗氧化活性研究

为优化川芎蛋白（Ligusticum chuanxiong protein,LCP）的提取工艺,并考察其抗氧化活性。基于单因素实验,采用Box-Behnken响应面法,以料液比、提取时间、提取溶剂pH为考察因素,LCP得率为指标,优化LCP提取工艺;十二烷基硫酸钠-聚丙烯酰胺凝胶电泳(SDS-PAGE)测定LCP的分子量范围;测定LCP的等电点（pI）及溶解度,并考察LCP的抗氧化活性。结果表明:最佳提取条件为料液比1:15 (g/mL)、提取时间1.5 h、pH6,在优化条件下LCP得率为（2.36%±0.13%）,实测值与理论值较为接近,表明该数学模型可用于优化LCP提取工艺。最优条件下提取的LCP分子量在17~48 kDa,等电点为3.88,pH8时溶解度为96%,羟自由基清除能力IC₅₀为1.18 mg/mL、超氧阴离子自由基清除能力IC₅₀为0.57 mg/mL、1,1-二苯基-2-苦基肼基（DPPH）自由基清除能力IC₅₀为1.31 mg/mL。该法提取的LCP具有较好的抗氧化活性,可为LCP抗氧化活性的进一步研发提供实验思路。     

智能问诊中基于深度神经网络的反问生成方法

在智能问诊中,为了让医生快速提出合理的反问以提高医患对话效率,提出了基于深度神经网络的反问生成方法。首先获取大量医患对话文本并进行标注;然后使用文本循环神经网络（TextRNN）、文本卷积神经网络（TextCNN）二种分类模型分别对医生的陈述进行分类;再利用双向文本循环神经网络（TextRNN-B）、双向变形编码器（BERT）分类模型进行问题触发;设计六种不同的问答选取方式来模拟医疗咨询领域情景,采用开源神经机器翻译（OpenNMT）模型进行反问生成;最后对已生成的反问进行综合评估。实验结果表明,使用TextRNN进行分类优于TextCNN,利用BERT模型进行问题触发优于TextRNN-B,采用OpenNMT模型在Window-top方式下实现反问生成时,使用双语评估替补（BLEU）和困惑度（PPL）指标进行评价的结果最好。所提方法验证了深度神经网络技术在反问生成中的有效性,可以有效解决智能问诊中医生反问生成的问题。     

酶法纯化何首乌抗性淀粉及其对大肠杆菌增殖效力的影响

为优化何首乌抗性淀粉（resistant starch，RS）的纯化工艺，并考察其对大肠杆菌增殖效力的影响。基于单因素试验，采用Box-Behnken响应面法，以淀粉乳浓度、酶添加量、酶解时间为考察因素，RS含量为指标，优化RS纯化工艺；测定何首乌RS与纯化后RS的碘吸收曲线、平均聚合度；以RS为培养基碳源，采用体外发酵考察何首乌RS及纯化后RS对大肠杆菌增殖的影响。结果表明：最佳纯化条件为淀粉乳浓度16%、酶添加量22 U/g、酶解时间42 min条件下纯化RS，RS含量为（43.23±0.26）%。纯化后RS的碘结合能力明显提高，平均聚合度为47.03；纯化后RS表面呈现多孔结构。与葡萄糖培养基相比，纯化RS可显著降低大肠杆菌的增殖。     

川芎蛋白-葡聚糖共聚物的制备工艺优化及其抗氧化性

为改善川芎蛋白（Ligusticum chuanxiong protein，LCP）的溶解性，提高其抗氧化性，采用响应面法优化川芎蛋白-葡聚糖（dextran，Dex）共聚物的制备工艺，并对所得川芎蛋白-葡聚糖共聚物（glycosylated Ligusticum chuanxiong protein，GLCP）的抗氧化性进行研究。结果表明，GLCP 的最佳制备工艺为底物质量比Dex∶LCP=1.8∶1、溶液pH9、反应时间153 min、加热温度74 ℃。在此条件下，共聚物的接枝度为（35.21±0.12）%。电泳结果表明，LCP 与Dex 共价结合，且GLCP 分子量大于LCP；扫描电镜结果表明，LCP 呈近圆球形，而GLCP 表面结构变得疏松多孔，呈蜂窝状；红外光谱结果表明：糖基化改变了LCP 的二级结构。相较LCP，GLCP 抗氧化性明显提高，当浓度为1 mg/mL 时，羟自由基清除率为（65.91±1.93）%，ABTS+自由基清除率为（81.80±2.18）%。