基于网络药理和分子对接预测复方紫银软膏治疗糖尿病足溃疡的作用靶点

利用网络药理和分子对接技术,探讨复方紫银软膏治疗糖尿病足溃疡的活性成分和潜在分子机制.采用中药系统药理学分析平台（TCMSP）数据库获取方中七味药的化学成分及其相关靶点.在GeneCards、OMIM、TTD、DrugBank数据库中搜集糖尿病足溃疡相关靶点,提炼出二者的交集靶点.运用Cytoscape 3.9.1软件和String数据库绘制“药物-成分-靶点-疾病”可视化网络,并筛选出核心成分和关键靶点.借助Metascape数据库对靶点进行GO和KEGG分析,运用Autodock软件以及Pymol软件进行分子对接验证和展示.结果发现,复方紫银软膏治疗糖尿病足溃疡的关键活性成分为槲皮素、绿原酸、芹菜素、山柰酚、木犀草素.从靶蛋白的角度,排名前5位的是PTGS2、HSP90AB1、PTGS1、AR、DPP4;GO富集分析提示主要包括炎症反应、细胞因子和蛋白酶受体结合等生物过程. KEGG通路主要涉及AGE-RAGE、MAPK信号通路和PI3KAkt等信号通路.分子对接结果表明复方紫银软膏中主要活性成分与关键靶点PTGS2、HSP90AB1、PTGS1、AR和DPP4具有较稳定的结合活性...     

无序多视角点云的自主配准方法

为了提高自主多视角点云配准方法的效率和精度,提出一种基于特征匹配的无序多视角点云全局配准方法,通过计算和匹配点云的特征描述子快速实现双视角点云配准;设计了有效的判定准则用于判别双视角配准的结果是否可靠;利用所提出的模型扩展方法对可靠的双视角配准结果进行点云模型的扩展。通过交替地执行双视角配准、配准结果判别和模型扩展,该方法可实现无序多视角点云的全局配准。在斯坦福图形学实验室公开数据集上的实验结果表明,与效果较优的同类方法相比,该方法可使得配准效率平均提高近5倍,且配准误差显著下降,同时可提高多视角点云配准的性能。     

RLS算法在碳基超级电容器参数辨识中的应用

为改善传统碳基超级电容器模型不能同时兼顾简易性和精确性的缺点,提出一种解决碳基超级电容器模型参数辨识问题的新方法.构建一种能充分描述超级电容工作特性的参数辨识电路模型,采用带遗忘因子的最小二乘法(RLS)对电路参数进行辨识,并通过恒流充电实验方法及仿真研究对充电过程的电压和电流进行测量和比较.研究结果表明:该电路模型能克服传统最小二乘法易出现数据饱和的缺点,得到更为精确的模型辨识参数.     

豇豆SSR标记在豌豆中的可转移性与应用初探

利用豇豆SSR引物筛选在豌豆具通用性的SSR引物。13对豇豆SSR引物中检测出8对引物在豌豆中可扩增,其中5对SSR引物表现出多态性,进而分析11个豌豆品种和5个豇豆品种的遗传多样性与遗传关系。结果表明:平均等位基因数、平均有效等位基因数、平均Shannon指数,在豌豆品种群中分别为2.00、1.64、0.55,豇豆品种群中分别为2.00、1.80、0.53,上述遗传参数反映出供试豌豆品种和豇豆品种具有中等水平的遗传多样性;利用UPGMA聚类分析,能将豌豆品种群和豇豆品种群分为两类,且每个品种群内的各个体之间能进行区分,尤其是两个豌豆品种亚群的聚类结果与其地理来源基本一致。     

基于RoBERTa和对抗训练的中文医疗命名实体识别

BERT(Bidirectional Encoder Representations from Transformers)和神经网络模型相结合的方法目前已被广泛应用于中文医疗命名实体识别领域。但BERT在中文中是以字为粒度切分的，没有考虑到中文分词。而神经网络模型往往局部不稳定，即使微小的扰动也可能误导它们，导致模型的鲁棒性差。为了解决这两个问题，提出了一种基于RoBERTa(A Robustly OptimizedBERTPre-trainingApproach)和对抗训练的中文医疗命名实体识别模型（ATRBC）。首先，使用RoBERTa-wwm-ext-large(ARobustlyOptimizedBERTPre-training Approach-whole word masking-extended data-large)预训练模型得到输入文本的初始向量表示；其次，在初始向量表示上添加一些扰动来生成对抗样本；最后，将初始向量表示和对抗样本一同依次输入双向长短期记忆网络和条件随机场中，得到最终的预测结果。在CCKS 2019数据集上的实验结果表明，AT-RBC模型的F1值达到了...