TRAIL与kallistatin联合表达载体的构建及抗肿瘤活性分析

为研究肿瘤坏死因子相关凋亡诱导配体(TRAIL)与组织激肽释放酶结合蛋白(kallistatin)联合用药的抗肿瘤作用,构建TRAIL与kallistatin双表达的重组质粒pAM-CAG-Kal-IRES-TRAIL,将重组质粒转染A549,LO-2,NCI-H446和Hela细胞,考察其抗肿瘤活性.实验结果表明:构建的双表达载体能同时表达TRAIL与kallistatin,且均能分泌至培养基中;TRAIL与kallistatin联合表达对肿瘤细胞活力的抑制作用明显增强,诱导肿瘤凋亡的作用也明显增强,说明联合表达TRAIL与kallistatin能够增强抗肿瘤活性.     

水浸与周期荷载耦合下CFRP锚固系统的耐久性分析

借助光纤布拉格光栅(FBG)传感器,在不同浸润时间下,对碳纤维复合材料(CFRP)锚固结构进行周期荷载实验,探究水浸与周期荷载下CFRP锚固结构的耐久性.试验结果表明:随着循环次数的增加,环氧体塑性变形减小,并趋于稳定;水浸与周期荷载作用下,锚具内CFRP筋发生变形,但无脱锚现象发生;CFRP筋与环氧体界面受水浸环境影响小,筋材表面无腐蚀.     

具有迁移效应和隔离措施的COVID-19传播模型分析

基于COVID-19传播过程中人口流动的必然性、无症状感染者的普遍性和隔离策略的有效性,该文提出了一类具有迁移效应、无症状感染者、自我防护意识和隔离策略的COVID-19传播动力学模型,利用下一代矩阵方法给出了各类子系统和全系统基本再生数的精确表达式.进一步地,通过采用线性近似理论,构造Lyapunov函数、比较原理等方法,得到了无病平衡点的全局渐近稳定性以及疾病的持久性.最后,数值模拟解释了主要的理论结果以及人口的迁移和隔离对疾病传播的影响.     

基于GC-MS对牛奶菜治疗蛇伤作用机制的初步研究

【目的】初步考察牛奶菜(Marsdenia sinensis)治疗蛇伤作用机制。【方法】采用乙醇回流提取法和水回流提取法制备牛奶菜提取物,再采用石油醚、三氯甲烷、乙酸乙酯、正丁醇对水提物依次萃取,对各萃取物进行气相色谱-质谱联用法(GC-MS)分析。【结果】从牛奶菜中共检测出77种组分,其中含有大量具有抑制蛇毒活性的组分,包括十四烷酸、十六烷酸、十六烷酸衍生物、十八烷酸衍生物、十八烯酸及它的衍生物、2,4-二叔丁基苯酚、谷甾醇、豆甾醇等。【结论】牛奶菜主要通过抑制蛇毒氧化损伤以及抑制蛇毒神经毒素发挥治疗功效。     

手形大树

正~~     

话“术语哲学”

2003 年,国际术语学研究所举办了东西欧术语学基础理论比较研讨会,在此会议上,来自东、西欧的术语学研究者畅所欲言,对自20世纪30年代以来,在奥地利(代表欧洲中西部地区)和苏联等东欧国家逐渐发展起来的术语学理论进行了深入研讨。俄罗斯女学者阿莱克谢耶娃做了“术语学和哲学之间的相互影响”的主题发言,国际术语学研究所副所长布丁教授也以“对术语哲学的展望”为题做了演讲,它探究了术语学的哲学源头,分析了术语学理论与“知识工程”和“知识本体”的内在联系,以此作为对东欧学者的呼应。文章旨在介绍布丁教授这篇演讲里的重要观点,以期为广大读者充分了解术语学的理论基石提供途径。     

异形汽车座椅弹簧的刚度及应力分析

以某型异形汽车椅弹簧为研究对象,针对其刚度特性及应力进行理论计算.利用Hypermesh与ANSYS联合仿真研究该异形汽车座椅弹簧的结构特点,并对其弹簧的刚度特性进行应力分析和强度校核.结果表明:基于弹簧串联理论得到的弹簧刚度和仿真结果更接近;汽车座椅弹簧轴向载荷与轴向变形量呈近似线性关系,刚度随着轴向力的增大而小幅增大,在满载工况下,汽车椅弹簧能满足强度要求,符合实际应用要求.利用有限元软件对弹簧进行应力分析及强度校核,并对切应力计算公式提出修正系数,使结果更加合理.     

基于曼哈顿距离构建非参数Q矩阵修正方法

将被试得分、理想反应距离和被试得分异常原理相结合,并加入属性计分下的被试得分特性,开发了用于多级评分情境下属性计分曼哈顿距离法(SA-MD),在不同条件下验证了SA-MD的稳定性和适宜性.通过模拟研究和实证研究表明:(i)从逻辑推导出SA-MD用于多级评分情境下Q矩阵修正更合理;(ii)在多种条件中,SA-MD 均有较优的修正效果,适用范围更广,稳定性更高;(iii)当小样本测验进行Q矩阵修正时,使用SA-MD方法可获得更优的效果.     

预训练模型下航天情报实体识别方法

为了快速处理航天情报,基于数据驱动的深度学习技术,提出融合多源异构知识标注中文航天情报数据集的方法流程,以及基于预训练(pre-training)模型的航天情报实体识别(AIER)方法;通过对航天情报进行命名实体识别,达到对航天情报进行信息抽取的目的.通过融合BERT(bidirectional encoder representation from transformers)预训练模型和条件随机场(CRF)模型构建AIER模型(BERT-CRF模型),将其与隐马尔可夫模型(HMM)、条件随机场(CRF)模型、双向长短期记忆网络加条件随机场(BiLSTM-CRF)模型进行实体识别对比实验.结果表明:基于预训练模型的AIER模型能够取得93.68%的准确率、97.56%的召回率和95.58%的F₁值;相比于其他方法,基于预训练模型方法的性能得到提高.