阿尔泰金莲花提取物抑制变异链球菌乳酸脱氢酶活性及抗氧化活性研究

采用微量稀释法测定了阿尔泰金莲花提取物对变异链球菌的最小抑菌浓度(MIC)和最小杀菌浓度(MBC),研究了阿尔泰金莲花提取物对变异链球菌的抑制作用,考察了阿尔泰金莲花提取物对变异链球菌产酸及乳酸脱氢酶(LDH)活性的影响,并通过测定阿尔泰金莲花提取物、牡荆素、荭草苷、抗坏血酸(VC)对DPPH自由基、ABTS自由基和·O~-_2的清除率来评价阿尔泰金莲花提取物的抗氧化活性。结果表明,阿尔泰金莲花提取物的MIC为12.5 mg·mL~(-1),MBC为25 mg·mL~(-1);阿尔泰金莲花提取物浓度越大,对变异链球菌的抑制作用就越强;当阿尔泰金莲花提取物浓度在1/8MIC～MIC范围内时,随着阿尔泰金莲花提取物浓度的增大,培养18 h后菌悬液的ΔpH值越小,LDH活性也越低,与空白对照组相比有显著性差异(P0.05);阿尔泰金莲花提取物对DPPH自由基、ABTS自由基和·O~-_2均具有一定的清除作用,且在一定浓度范围内存在量效关系。初步探讨其抑菌作用机制可能是,通过抑制LDH活性从而抑制变异链球菌产酸,影响其代谢及生长。     

基于变异算子和邻域值自适应的MOEA/D算法

基于分解的多目标进化算法（MOEA/D）在解决多目标问题时，具有简单有效的特点。但多数MOEA/D采用固定的控制参数，导致全局搜索能力差，难以平衡收敛性和多样性。针对以上问题提出一种基于变异算子和邻域值自适应的多目标优化算法。该算法根据种群中个体适应度值的分散或集中程度进行判断，并据此对变异算子进行自适应的调节，从而增强算法的全局搜索能力；根据进化所处的阶段以及个体适应度值的集中程度，自适应地调节邻域值大小，保证每个个体在不同的进化代数都有一个邻域值大小；在子问题邻域中，统计子问题对应个体的被支配数，通过判断被支配数是否超过设定的上限，来决定是否将Pareto支配关系也作为邻域内判断个体好坏的准则之一。将提出的算法与传统的MOEA/D在标准测试问题上进行对比。实验结果表明，提出的算法求得的解集具有更好的收敛性和多样性，在求解性能上具有一定的优势。     

K-means聚类算法在肿瘤基因变异识别中的应用

二代测序NGS(Next-generation sequencing)数据的迅速发展加快人们对于基因的探索,同时也给测序数据分析任务带来更大的挑战。癌细胞特异变异的识别是测序数据分析的一项重要基础性工作。当前的变异识别工具大多采用贝叶斯模型方法,特异度、灵敏度和速度都远远满足不了需求。K-means是一种简洁高效的无监督聚类算法,基于此将位点信息映射成多维的特征,再进行类别个数为2的聚类过程。该算法明显提高了准确度和召回率,实验结果验证了算法的有效性。     

变异理论视域下的初中化学专题复习教学研究——以"反应后溶液中溶质的成分"为例

变异理论强调把握好学习内容的关键特征,关注对学生的知识迁移应用能力和逻辑思维的培养.介绍了变异理论的四个策略——分离、对比、类合、融合,并基于四个策略以"反应后溶液中溶质的成分"为例,进行了关于初中化学专题复习的教学研究.通过由浅入深、由易到难的典型例题,由学生自己总结实验探究的一般思路,帮助学生形成化学学科思维,从而推动学生的化学学科核心素养的发展,同时也突出了变异理论在初中化学专题复习教学中的作用,为教师开展教学提供了新的思路.     

基于灰色聚类分析的白洋淀水质评价

水质评价对了解水体生态功能、区域环境质量、科学制定治理规划有着重要的作用。文章以雄安新区白洋淀水质为研究对象,通过2009-2017年现场实际监测数据与试验,对7个代表性监测站点的溶解氧等6个指标进行监测,运用灰色聚类分析法并结合变异系数法赋权,对其水质进行分级与评价,为白洋淀的综合治理提供更加客观科学依据。研究结果表明:光淀张庄、枣林庄的水质等级为Ⅲ类,水质状况达标;烧车淀、王家寨、采蒲台、圈头的水质等级Ⅳ类,端村的水质等级为Ⅴ类,水质均不达标;评价结果比较客观的反映了水体水质状况与类别,克服了单因素评价易受个别因素影响的缺陷。     

水文序列相依变异识别的RIC定阶准则——以自回归模型为例

水文过程相依性是水文变异的主要表现形式之一,应用自回归模型对其进行拟合时合理确定模型阶数是一个难点问题。本文在分析AIC和BIC准则的基础上,提出了一种以原序列与其相依成分的相关系数作为拟合度指标,同时借用信息熵形式的函数式,作为模型不确定性度量指标的自回归模型定阶准则(简称RIC准则)。以AR(1)、AR(2)、AR(3)和AR(4)模型为例进行统计试验,将不同序列长度下该准则的定阶准确率与其他定阶准则进行比较,试验结果表明,RIC准则对于上述模型均具有较好的适应性,且定阶准确率远高于AIC准则,其中对于前三阶模型RIC准则优于BIC准则,但四阶模型略低于BIC准则。RIC准则的优势是可以同时满足模型定阶、相依程度分级与模型检验的需求,将其应用于实测水文序列分析,结果显示,该准则能较准确地识别自回归模型的阶数,且符合提出的"相依有变异而残差无变异的最小阶数"的检验标准。