分子信标用于平阳霉素切割DNA反应的实时监测

报道了一种实时监测平阳霉素(BLM A5)氧化切割DNA过程的荧光分析方法.利用分子信标核酸探针作为BLM A5底物和探针分子,通过检测BLM A5切割分子信标反应过程中荧光信号的变化,实现了对BLM A5在Fe2 和O2介导下切割DNA反应的实时监测.同时,考察了一些金属离子和抗肿瘤药物对BLM A5切割DNA反应的影响.在此基础上建立了一种快速、灵敏的BLM A5定量测定方法,线性响应范围为0.05～1.0 μmol/L.     

每周要闻点击

建筑信息化预热BLM本报讯记者蒋湘辉报道与制造业日渐升温的PLM(产品生命周期管理)类似,BLM(建筑生命周期管理)也将成为建筑业信息化的热点,BLM可以在建筑业信息管理和共享过程中,把杂乱的传统沟通方式向集中一致的协同作业方式转变。8月11日,欧特克公司在北京举办的“Autodesk解决方案日”巡展上表示,该公司的AutoCAD2005、Revit和BUZZSAW等软件产品将推动BLM在中国建筑行业的应用。据普华永道的研究报告,BLM应用在建筑业可使交流时间节省30%~60%,项目整体周期缩短5%,行政人员节省20%~50%的时间。据悉,北京国家体育场的“鸟巢…     

双分子层脂质膜的特性及其应用

双分子层脂质膜 (BLM )具有生物细胞膜的生物兼容性 ,是固定生物活性物质的理想材料 ,因此其在生物医学研究和生物传感器的研制领域具有广泛的应用前景。介绍了BLM的特性及其修饰 ,评述了双分子层脂质膜系统在生物医学应用和生物传感器开发方面的最新进展 ,展望了双分子层脂质膜系统应用的发展趋势。     

卵磷脂类脂传感器

嗅觉是人和动物的化学感受之一,有着报警、识别、影响情绪进而影响行为等重要作用.科学家们长期以来期望制造出可代替鼻子的仪器,但因嗅觉的机制不清,所谓的“人造鼻”只不过是用气体传感器来测气味物质的气味传感器,但并不具有嗅觉的特点.1987年K.Kurihara~1等提出了生物膜的化学感受机制——嗅觉的脂质学说,认为嗅觉是嗅刺激物(气味分子)溶解或吸附于鼻粘膜细胞的类脂层中所引起细胞膜的电位变化,产生神经冲动而引起嗅刺激感受.据此,以生物材料或人造脂质材料为敏感膜的嗅觉、味觉传感器已出现~2,所用形式多为频率型的器件——石英振子及表面波(SAW)器件.未见报     

保险丝支持的类脂双层膜的电学特性

类脂双层是生物膜的基本结构,细胞膜上的一系列识别反应在生命过程中起着重要作用.由于生物分子的识别具有很高灵敏度和特异性,因此许多科学家和工程技术人员     

重构纳米类脂生物膜制备及敏感机理研究

介绍了重构纳米类脂生物膜(r-NLM)的制备,并采用循环伏安法(CV)研究了温度和外加电场对r-NLM膜的影响,采用“相变温度“及“微桥“模型分析了其原因.从离子载体、离子通道的角度,分析了重构纳米类脂生物膜对不同离子的敏感机理.重构纳米类脂生物膜中离子载体型修饰剂,其不同大小的极性空腔能够络合不同半径的离子,并将离子运输到膜的另一边释放,从而实现对离子的传递;而离子通道型修饰剂则可在膜中形成不同直径的跨膜通道,通道开启时,可进行特定离子的选择性跨膜通道传输.     

盐桥支持的类脂双层膜研制

两侧是电解质溶液的类脂双层膜(BI,Ms)有许多生物膜的性质,修饰的类脂双层膜为制作高选择性、高灵敏度的生物传感器开辟了广阔的前景.但是由于通常的类脂双层     

数据挖掘中变量聚类方法的应用研究

讨论了变量聚类方法中相同类型变量相似性测度方法,首次提出一种关于混合变量间相似性测度的方法。并将基于变量的聚类分析和模糊聚类结合起来,为解决数据挖掘中基于变量聚类问题提供了有效的分析工具。最后给出一个应用实例。     

固体基质上自组装类脂双层的形成

本文系郭鼎力同志征得作者同意后,由唐洪祥翻译推荐给本刊的.为节约版面,复经我们缩编而成.     

基于层次划分的最佳聚类数确定方法

确定数据集的聚类数目是聚类分析中一项基础性的难题.常用的trail-and-error方法通常依赖于特定的聚类算法,且在大型数据集上计算效率欠佳.提出一种基于层次思想的计算方法,不需要对数据集进行反复聚类,它首先扫描数据集获得CF(clusteringfeature,聚类特征)统计值,然后自底向上地生成不同层次的数据集划分,增量地构建一条关于不同层次划分的聚类质量曲线;曲线极值点所对应的划分用于估计最佳的聚类数目.另外,还提出一种新的聚类有效性指标用于衡量不同划分的聚类质量.该指标着重于簇的几何结构且独立于具体的聚类算法,能够识别噪声和复杂形状的簇.在实际数据和合成数据上的实验结果表明,新方法的性能优于新近提出的其他指标,同时大幅度提高了计算效率.     

MAX—t1范数聚类算法的改进

给出了关于传递闭包模糊聚类算法与在t1范数下利用模糊矩阵聚类方法的一些理论结果，同时解决了在t1范数下利用模糊矩阵聚类的方法中难于确定等价类的问题，从而给出了一种基于t1范数的聚类算法与应用结果。最后给出了基于max—t1范数与max—t3范数下利用模糊矩阵聚类方法间关系的讨论。     

浅谈ActionScript编程在教学课件制作中的应用

该文针对诸多教师在教学课件制作中遇到的关于FLASH动画高级编程方面的问题,提炼了ActionScript语言中部分比较常用的概念和绘图方法,通过一个曲柄连杆实例的制作过程,较为详尽的阐述了ActionScript编程在教学课件制作中的应用。     

建立一个完善的SystemTray类

在参看了前几期的《计算机维护与编程》时,发现了几篇关于系统任务栏编程的例程,但在实际工作时,我发现了这几篇文章所提供的类库有着很多的问题: 1.类库设计不合理,不利于类库的重用性。 2.功能单一,有许多功能并没有实现。如动态图标功能、修改提示等。 总结以上两点,我参照在新闻组上的有关讨论与我实际工作中的实践,重写了有关的类库(在重写过程中得到了许多不知名的朋友的帮助,如果没有他们的帮助,我想大家也得不到这么棒的类库),实现了有关动静态图标转换等功能,并     

基于变分水平集的图像模糊聚类分割

结合变分水平集方法和模糊聚类,提出了一个基于变分水平集的图像聚类分割模型.该模型引入了一个基于图像局部信息的外部模糊聚类能量和一个新的关于零水平集的正则化能量,使得该模型对噪声图像的聚类分割更具鲁棒性.通过在能量泛函中加入一个内部约束能量约束水平集函数为符号距离函数,可以使水平集演化过程无需重新初始化.进一步提出了一种变分形式的聚类中心更新方法,实现了半监督的图像聚类分割.实验中采用不同类型的图像与FCM聚类模型、CV模型、Samson模型进行了对比实验,实验结果显示,该模型能够克服图像中噪声的影响,取得较满意的聚类分割效果.     

生物敏感膜的研究现状与发展趋势（Ⅱ）

3 基于生物膜与仿生物膜传输机制的生物敏感膜这类敏感膜有的直接利用具有生物活性的生物膜,或者人工生物膜.这种人工膜,无论从结构上还是性质上都与天然生物膜很相似.到目前为止,人工生物膜以双层脂质膜-双分子磷脂膜(BLM)的制作与运用较成功.一个天然生物膜的例子,是嗅觉器官对外界信息传感的机制.图8示出天然嗅觉膜的结构.     

一种高效异常检测方法

借鉴万有引力思想提出了一种差异性度量方法和度量类偏离程度的方法,以此为基础提出了一种基于聚类的异常检测方法。该异常检测方法关于数据集大小和属性个数具有近似线性时间复杂度,适合于大规模数据集。理论分析以及在真实数据集上的实验结果表明,该方法是有效的,稳健并且实用。     

超前消费6类线缆

前不久,超讯公司在京召开6类线缆布线系统解决方案研讨会,会上讨论了即将颁布的6类标准所规定的非屏蔽布线系统最高性能要求,以及用户在选择6类线缆产品时需要注意的一些问题。此消息在本刊网站发布后,一些读者来信希望了解关于6类线缆的相关技术内容,为此,本刊编辑特采访了超讯公司大中国区总经理黄俊熙,以为读者答疑解惑。     

一种基于选择排序的快速求核算法

关于求核的算法有很多,本研究利用选择排序的思想设计了求解等价类的算法,其时间复杂度为O（｜C｜｜U｜）。在此基础上,设计的求核算法,算法时间复杂度为O（｜C｜^（2）｜U｜）。通过实验,证明了算法的正确性和高效性。     

面向半监督聚类的最优间隔分布学习机

基于间隔的聚类是一类经典的聚类算法,此类算法假设聚类结构能通过引入监督学习中的间隔来确定.即一个好的聚类结果,当以其簇标记作为类别标记进行监督学习时,所得分类器产生的关于间隔的目标物理量也同时达到最优.目前最为有效的间隔物理量是间隔分布,其基于最新的间隔理论,取得了比优化最小间隔更好的效果.然而在现实聚类任务中,我们往...     

基于层次划分的密度优化聚类算法

针对传统的聚类算法对数据集反复聚类,且在大型数据集上计算效率欠佳的问题,提出一种基于层次划分的最佳聚类数和初始聚类中心确定算法——基于层次划分密度的聚类优化(CODHD)。该算法基于层次划分,对计算过程进行研究,不需要对数据集进行反复聚类。首先,扫描数据集获得所有聚类特征的统计值;其次,自底向上地生成不同层次的数据划分,计算每个划分数据点的密度,将最大密度点定为中心点,计算中心点距离更高密度点的最小距离,以中心点密度与最小距离乘积之和的平均值为有效性指标,增量地构建一条关于不同层次划分的聚类质量曲线;最后,根据曲线的极值点对应的划分估计最佳聚类数和初始聚类中心。实验结果表明,所提CODHD算法与预处理阶段的聚类优化(COPS)算法相比,聚类准确度提高了30%,聚类算法效率至少提高14.24%。所提算法具有较强的可行性和实用性。