草珊瑚内生真菌SgG4抗植物病原真菌的活性物质研究

对草珊瑚内生真菌卷曲木霉Trichoderma spirale SgG4抗植物病原真菌的活性物质进行研究。采用菌丝生长速率法对SgG4发酵产物进行抑菌活性测定,采用硅胶柱层析法并结合活性追踪对发酵产物的活性萃取物进行活性物质分离纯化,运用核磁共振谱和质谱技术对活性化合物进行结构鉴定。结果表明,抗菌活性物质主要存在于发酵产物的乙酸乙酯萃取物中,该萃取物对13种植物病原真菌均有较好的抑制活性,EC₅₀值为0.000 2～2.475 7 g/L,其中对甘蔗凤梨病菌的抑制活性最好。从发酵产物的乙酸乙酯萃取物中分离出1个抑菌活性化合物,鉴定为木霉酸(trichoderma acid)。木霉酸在0.1 g/L时,对13种植物病原真菌均有抑制作用,其中对茶轮斑病菌、烟草黑胫病菌、甘蔗凤梨病菌和白绢病菌的抑菌率为100%,对其余9种植物病原真菌的抑菌率为21.43%～85.71%。可见,木霉酸的抑菌活性较好且抗菌谱广,在微生物源杀菌剂方面具有较好的开发应用前景。     

基于多模态的贝叶斯网络疼痛识别方法

有效的疼痛管理对病人的治疗和护理至关重要,针对传统的单模态疼痛识别准确度低的问题,提出了一种基于多模态的贝叶斯网络（MMBN）疼痛识别方法。首先利用互信息对多模态特征进行相关性判断,剔除冗余的特征向量,使得模型简洁;其次将多模态特征与贝叶斯网络结构的可扩展性相结合设计了一种基于多模态的BN结构,并建立疼痛识别模型;最后利用BN概率推理算法完成疼痛识别,并在UNBC-McMaster数据库上进行验证。实验结果表明,与传统基于单模态的疼痛识别方法相比较,MMBN方法利用多模态之间的信息互补性能够有效地提高疼痛识别准确度,为目前的疼痛识别与研究提供了一种新手段。