基于核酸适配体的微囊藻毒素LR纳米金生物传感检测方法的建立及其识别机制研究

目的建立微囊藻毒素-LR(microcystin-LR, MC-LR)的纳米金生物传感比色检测法,并探究核酸适配体截短后对此方法检测效果的影响。方法采用柠檬酸钠还原法制备纳米金,通过优化盐浓度、适配体浓度、适配体与MC-LR的反应时间,建立了MC-LR的纳米金生物传感比色检测法。然后,采用组合型核酸适配体截短策略,探究了截短后的核酸适配体对比色法检测MC-LR的影响。结果 NaCl浓度为0.9mol/L,适配体浓度为0.4μmol/L, MC-LR与核酸适配体的反应时间为10 min时为其最适检测条件。在最适条件下,该方法的目测最低检测限为0.4μg/mL,仪器读数最低检测限为(1.05±0.002)ng/mL,线性检测范围为0～1.1μg/m L。探究得出核酸适配体截短后会影响其对MC-LR的识别活性。结论该方法简单、易行,线性检测范围宽,为小分子危害物核酸适配体的快速鉴定奠定了理论基础,同时,对截短核酸适配体与小分子危害物的识别活性研究提供了技术支撑。     

基于卷积神经网络的无人机循迹方法

随着无人机技术的快速发展,无人机技术已经在各个方面得到了广泛的应用,人们也越来越多的重视智能无人机技术的研究,其中如何提高智能无人机的自主循迹能力已经成为众多学者的研究重点。为了使无人机能够自主循迹飞行,提出了一种基于改进卷积神经网络的无人机循迹方法,在LeNet-5模型的基础上对原模型的层数进行改进,减小其复杂程度,使其可以运行在机载设备上,另外还给出了用于模型训练的图像数据的采集方法。其通过无人机上的相机采集前方图像,然后训练好的卷积神经网络会对此图像进行识别,并产生控制指令。实验结果表明,该方法可以有效地使无人机在楼道里自主的循迹飞行。     

一种基于深度学习的禁飞区无人机目标识别方法

随着科学技术的迅速发展,中小型无人机逐步走向民用市场。但由于监管技术的缺失,无人机擅闯禁飞区事件屡见不鲜,严重扰乱了空域交通安全。针对传统无人机探测方法成本高、效率低和适应性差等问题,引入深度学习这一新技术,提出了一种基于深度学习的禁飞区无人机目标识别方法。通过对Le Net-5模型进行结构改进,构建一个无人机特征学习网络,经过训练后得到效果良好的模型,实现无人机目标的自主识别。其识别结果可以为禁飞区的监控预警系统提供重要信息,进一步有效保障重要空域的交通安全。实验结果表明,该方法可以有效实现禁飞区无人机目标识别,且误差率比直接应用经典Le Net-5模型减小0.36%。     

基于核酸适配体建立的小分子危害物检测技术研究进展

食品中小分子危害物污染是重要的食品安全问题之一,加强其污染水平监测十分必要,通常采用的仪器法和免疫分析法均无法实现对其的快速简便检测。核酸适配体作为抗体的替代分子,有制备周期短、易改造、亲和力高等优点,在食品中小分子危害物监测领域有着十分广阔的应用前景。目前基于核酸适配体建立的快速检测食品中小分子危害物的方法主要包括纳米金/荧光比色法、电化学传感法、酶联适配体法、时间分辨荧光法、荧光偏振荧光法、荧光共振能量转移法。本文综述了上述各方法的研究进展,并列出了各方法的优缺点,可作为实际检测中选择最合适方法的参考。