CUEDC2突变体的构建及在原核和昆虫表达系统中的表达

目的：构建CUEDC2的突变体并在原核和昆虫表达系统中表达验证。方法：根据人cuedc2序列设计引物,以其突变体质粒为模板PCR扩增目的片段,酶切后连接至pET28a原核表达载体以及pFastBac1-Flag-N和pFastBac-HTA昆虫表达系统的表达载体,转化至DH5α后提取质粒,经菌液PCR、测序鉴定后,转入大肠杆菌BL21(DE3)及DH10Bac感受态细胞中。原核表达载体在E.coli中表达后用Ni-NTA亲和纯化,SDS-PAGE检测。昆虫表达载体提取杆粒,转染至昆虫细胞Sf9中表达,最后用western 进行鉴定。结果：成功构建了CUEDC2的突变体,并在原核和昆虫表达系统中表达。结论：在原核和昆虫表达系统中,成功表达的CUEDC2突变体蛋白为CUEDC2的结构和功能研究奠定了基础。     

Mad2蛋白在有HeLa细胞有丝分裂期的动态定位

准确的染色体分离依赖于有丝分裂过程的精确调控,包括有丝分裂的时间,及纺锤体检查点的正确调控等。通过动态观察有丝分裂染色体的运动可对上述研究进行精确定量。结果显示,我们利用逆转录病毒系统成功构建了稳定融合表达绿色荧光蛋白GFP-H2B的HeLa细胞系,结合细胞同步化方法,建立了一套利用活细胞荧光共聚焦显微镜观察HeLa细胞有丝分裂的实验体系。     

基于类拐点特征向量的多层次指纹分类新方法

自动指纹识别技术是利用人类指纹的唯一性,通过对指纹图像的采集、细节特征提取并与样本库数据相比较的过程来实现指纹识别的技术.首次定义并成功提取了一种反映指纹方向场变化特点和规律的新特征向量,即类拐点特征向量.利用这一新的特征向量和从类拐点中抽取出来的指纹核心点为分类特征,以多层次树结构为分类策略,使不同类型的指纹在不同层次、不同特征空间都线性可分,从而分别获得最大的类间距离而最小的类内方差.在高维数比率样本测试条件下,分类的准确率达到99%以上,并且对低质量指纹图像具有良好的鲁棒性,从而真正实现了准确一致而又精细的指纹实时分类,具有很强的实用性和一定的推广价值.     

经络物质基础及其功能性特征的实验探索和研究展望

人体经络穴位的物质基础是以结缔组织为基础,连带其中的血管,神经丛和淋巴管等交织而成的复杂体系。与穴位位置相对应的深层组织结构中,富集有Ｃａ,Ｐ,Ｋ,Ｆｅ,Ｚｎ,Ｍｎ等的元素。这个物质基础中的液晶态胶原纤维具有高效率传输红外光的特征波段。     

三维丝素蛋白/羟基磷灰石支架的生物学性能

综合运用丝素蛋白纤维网的非编织制作方法和仿生矿化法,构建三维多孔丝素蛋白/纳米羟基磷灰石复合支架.通过体外蛋白酶降解和成骨细胞培养,对支架材料的生物学性能进行初探.发现蛋白酶对丝素蛋白降解的作用大小依次为,蛋白酶K＞胰蛋白酶＞α-糜蛋白酶＞Ⅰ型胶原酶.所构建的支架显示出良好的生物相容性并能促进成骨细胞生长和分化.三维多孔丝素蛋白/纳米羟基磷灰石支架可望成为新型有机/无机复合生物材料,为骨组织工程支架的设计提供了新的思路.     

过度使用互联网对脑电信号的影响

当前,青少年上网成瘾已经成为一个严重的社会问题,为此,使用样本熵与功率谱分析方法,对9例过度使用互联网与9例较少使用互联网的受试者的脑电复杂度与功率谱进行了对比研究．发现过度使用互联网者在上网后各电极位置的脑电样本熵值较上网前均明显增大（P〈0．05）,而较少使用互联网者在上网后大部分电极位置处的样本熵值均较上网前有所减小,并且在一些电极位置处明显减小（P〈0．05）;而且,相比于上网前,过度使用互联网者在上网后所有电极位置处较慢的δ波成分均明显减少（P〈0．05）,θ波成分无明显变化,较快的α波、β波和γ波成分大都明显增加（P〈0．05）,而较少使用互联网者在上网前后脑电的各个成分大都没有明显的变化．这说明过度使用互联网会对大脑产生一定的影响．     

改进的重标度极差法用于人体步态信号的动力学探测

作为人体输出生理信号之一的步态信号通常呈现一定的分形结构,具有明显的非线性特征,如何准确地探测到人体运动控制这一复杂生理系统的动力学特征具有重要的现实意义.本文通过一种改进的重标度极差法准确地捕捉到了不同自由行走速度下人体步态信号的动力学分形特征,而将原始步态时间间隔序列随机打乱顺序,获得的新序列则呈现出明显的随机性;通过与按节拍器产生的三种对应行走速率下的步态信号进行分析和比较后发现:正常健康人体输出的步态信号呈现出长程正相关性,而按节拍器节律获得的步态信号则长程正相关性减弱甚至消失,证明了人体运动控制系统调控输出步态信号的重要性.步态信号的动力学分形特性是健康人体的固有特征,具有很强的鲁棒性.缩短步态时间间隔序列长度后分析,该方法依然能够有效地探测到正常健康人体步态信号的动力学特征,并且算法简单可靠、运算快速、参数敏感、抗干扰能力强,研究结果对于人体运动控制系统的建模以及量化步态信号动力学的生理状态具有一定的应用价值.     

脑电信号零点穿越间期序列的多重分形分析

微弱的脑电信号易受其他生理信号或采集设备的影响而产生较大的幅度偏移,影响分形分析结果的可靠性.因此,引入脑电信号的零点穿越间期序列作为分析对象,提出了一种脑电信号非线性动力学研究的新方法——零点穿越间期序列的多重分形分析.采用新的方法对取自PhysioBank“TheSleep-EDF Database“的24 h睡眠脑电记录进行了研究.作为比较,文中使用多重分形奇异谱和去趋势波动分析两种方法,分别对脑电信号的零点穿越间期序列和幅度时间序列进行了分析和比较.分析结果显示,零点穿越间期和幅度时间序列的奇异强度区间均随着睡眠的加深而增大,表明脑电信号在深度睡眠状态下的标度特性更加分散.对实验结果的单因素方差分析与多重比较检验显示零点穿越间期序列的多重分形分析方法在睡眠分期方面具有一定的优势.