排序方式: 共有44条查询结果,搜索用时 31 毫秒
41.
比较去除S-层蛋白前后嗜酸乳杆菌对肠道细胞黏附及菌体自我凝集率的变化,并探究S-层蛋白对巨噬细胞增殖及溶酶体分泌的影响。采用4M氯化锂提取嗜酸乳杆菌ATCC 4356的表层蛋白,经透析及微孔过滤等步骤得到S-层蛋白,SDS-PAGE确定其分子量。利用酶标仪测定嗜酸乳杆菌在37℃孵育过程中(0 h~5.5 h)自我凝集率的变化情况,光学显微镜观察去除S-层蛋白前后嗜酸乳杆菌对结肠癌细胞HT-29的黏附情况变化。将S-层蛋白与巨噬细胞RAW264.7孵育2 h后,MTS法测定细胞增殖情况,并采用溶酶体荧光探针研究溶酶体分泌量的变化。结果表明:所提蛋白为嗜酸乳杆菌S-层蛋白(分子量M≈46ku)。嗜酸乳杆菌自我凝集率随孵育时间的延长而呈现出上升趋势,去除S-层蛋白后,菌体自我凝集率降低,嗜酸乳杆菌对HT-29细胞的黏附量也明显减少,且S-层蛋白能促进巨噬细胞增殖及其溶酶体分泌。 相似文献
42.
43.
44.
在大数据时代,数据之间的紧密关联性是普遍存在的,图数据分析挖掘已经成为大数据技术的重要发展趋势。近几年,图神经网络作为一种新型的图表示学习工具引起了学术界和工业界的广泛关注。目前图神经网络已经在很多实际应用中取得了巨大的成功。最近人工智能的安全性和可信性成为了人们关注的重点,很多工作主要针对图像等规则数据的深度学习对抗攻击。文中主要聚焦于图数据这种典型非欧氏结构的黑盒对抗攻击问题,在图神经网络模型信息(结构、参数)未知的情况下,对图数据进行非随机微小扰动,从而实现对模型的对抗攻击,模型性能随之下降。基于节点选择的对抗攻击策略是一类重要的黑盒图对抗攻击方法,但现有方法在选择对抗攻击节点时主要依靠节点的拓扑结构信息(如度信息)而未充分考虑节点的特征信息,文中面向引文网络提出了一种基于特征拓扑融合的黑盒图对抗攻击方法。所提方法在选择重要性节点的过程中将图节点特征信息和拓扑结构信息进行融合,使得选出的节点在特征和拓扑两方面对于图数据都是重要的,攻击者对挑选出的重要节点施加不易察觉的扰动后对图数据产生了较大影响,进而实现对图神经网络模型的攻击。在3个基准数据集上进行实验,结果表明,所提出的攻击策... 相似文献