樟芝多糖通过降低NLRP3 Caspase1炎性小体表达改善帕金森小鼠神经行为学的机制研究

目的:研究樟芝多糖通过降低NLRP3-Caspase1炎性小体表达改善6-OHDA构建的帕金森小鼠模型的行为学机制。方法:利用6-OHDA脑内注射构建帕金森小鼠模型，通过酪氨酸羟化酶（TH）免疫组化染色和行为学判定小鼠模型的构建成功。利用樟芝多糖进行干预，分别在干预前、干预后的第1、3、7天4个时间点进行神经行为学实验，分别采用转棒实验、爬杆实验检测小鼠自主行为能力以及协调能力，4个时间点取小鼠尾静脉外周血采用ELISA法检测外周血中Caspase1和IL-1β的表达，樟芝多糖干预第7天时待进行完行为学实验后小鼠断颈处死，取小鼠脑组织-纹状体，Western blot法检测纹状体中Caspase1、proCaspase1、NLRP3的表达，高效液相色谱检测纹状体中单胺类神经递质的表达，RT-QPCR检测Caspase1、NLRP3、IL-1β、IL-4、IL-6的mRNA表达。NISSl染色检测小鼠脑组织神经细胞凋亡情况。 结果:6-OHDA脑内注射可以造成小鼠帕金森样病变，且TH蛋白表达显著下调，樟芝多糖干预后小鼠的行为学得到显著改善（P<0.05），纹状体中Caspase1、proCaspase1、NLRP3的表达显著下调，与模型小鼠相比具有统计学差异（P<0.05），且相关炎症因子Caspase1、NLRP3、IL-1β、IL-4、IL-6的mRNA表达下调（P<0.05），纹状体中单胺类神经递质表达上升（P<0.05）。结论:樟芝多糖可以通过下调NLRP3-Caspase1炎性小体表达来改善6-OHDA构建的帕金森小鼠模型行为改善，这可能是樟芝多糖治疗帕金森的机制之一。     

采编播系统的异地构建和应用

主要阐述在距离台技术大楼2 km远的海盐一家门频道采、编、播系统的构建。整个系统的搭建,充分考虑了时间、空间、距离等各方面的要求,突出异地构建的特点,融合了电视台的节目录制、安全播出、计算机网络、远程控制等多方面技术。     

调节性B细胞在自身免疫性溶血性贫血患者外周血中的表达及临床意义

目的: 探讨自身免疫性溶血性贫血（AIHA）患者外周血中调节性B细胞（Bregs）的表达及其在该病发病中的意义。方法:选择16例自身免疫性溶血性贫血患者和14例健康志愿者为研究对象，用流式细胞术分析外周血CD19+IL-10+调节性B细胞及CD19+CD24hiCD27+调节性B细胞的表达；ELISA方法检测培养上清液中IL-10的水平。结果:自身免疫性溶血性贫血患者外周血中CD19+IL-10+调节性B细胞、CD19+CD24hiCD27+调节性B细胞的表达分别为（1.27±0.39）％、（9.85±2.18）％，健康志愿者组分别为（2.92±0.71）％、（26.47±4.31）％，两组比较差异有统计学意义（P<0.05）；自身免疫性溶血性贫血患者细胞培养上清中IL-10的水平低于健康志愿者组（P<0.05）。结论:自身免疫性溶血性贫血患者外周血中CD19+IL-10+调节性B细胞及CD19+CD24hiCD27+调节性B细胞比例降低，提示调节性B细胞可能参与自身免疫性溶血性贫血的发病过程。     

非常规蛋白基木材胶黏剂研究现状及发展前景

介绍了动物和植物型非常规蛋白资源的种类及其制备蛋白基木材胶黏剂的研究现状和存在的问题,展望了非常规蛋白胶黏剂的发展前景。     

安家岭露天矿过采空区危险源辨识及安全措施研究

危险源辨识对提高煤矿安全生产具有重要的现实意义。研究建立了基于层次分析法的安家岭露天矿危险源辨识模型,确定了危险源指标的权重。依据危险源辨识的权重研究了安家岭露天矿过采空区安全开采存在的主要危险源,并把采空区分为高温明火采空区、积水采空区、存在有毒气体的采空区、未冒实采空区,针对不同的类别的采空区提出了相应的安全开采措施。     

空间质子探测仪器定标的10 MeV质子束源需求分析

分析了国内空间质子探测现状及其向着宽量程、高精度的发展趋势,并对比分析了国内外空间粒子探测仪器地面质子束源。依据空间质子能谱范围,从技术指标和业务运行角度,给出了空间质子探测仪器定标束流的加速器类型、离子源类型及束流输运和总体布局等方面需求。     

面源红外诱饵对抗红外制导导弹干扰策略研究

面源红外诱饵使用的过程中,合理有效的干扰策略是干扰红外制导导弹的关键,针对这一问题,通过理论分析与仿真模拟相结合得到面源红外诱饵对抗红外制导导弹的干扰策略。首先以红外成像制导导弹为例,介绍红外制导导弹的仿真模型,然后将攻击过程分为锁定前与锁定后,以命中率为评价指标,得到两个阶段下的最佳干扰策略,包括诱饵的最佳释放时机、释放间隔以及载机应采取的机动动作等。     

一种基于Spark的不确定数据集频繁模式挖掘算法

如何在海量不确定数据集中提高频繁模式挖掘性能是目前研究的热点.传统算法大多是以期望、概率或者权重等单一指标为数据项集支持度，在大数据背景下，同时考虑概率和权重支持度的算法难以兼顾其执行效率.为此，本文提出一种基于Spark的不确定数据集频繁模式挖掘算法（UWEFP），首先，为了同时兼顾数据项的概率和权重，计算一项集的最大概率权重值并进行剪枝；然后，为了减少对数据集的多次扫描，结合Spark框架的优点，设计了一种具有FP-tree特征的新颖的UWEFP-tree结构进行模式树的构建及挖掘；最后在Spark环境下，以UCI数据集进行实验验证.实验结果表明本文的方法在保证挖掘结果的同时，提高了效率.     

冲突检测中的主动规则技术

提出主动数据库技术的一个新应用——主动规则应用于虚拟装配中的冲突检测，使虚拟装配具有了主动能力；论述分析了虚拟装配过程中冲突检测的主动功能需求；分析了虚拟装配环境的事件、每件、动作；提出了规则模型；对规则进行了描述。