梯度磁场在生物大分子研究中的应用

磁场作为一种物理环境,广泛应用于各行各业.随着磁体技术的飞速发展,磁场在科学研究与实践应用中的重要性日趋凸显.在生物大分子研究方向,磁场也发挥了重要的作用.其中,梯度磁场作为磁场的一种,由于其提供的资源除磁场外,还有磁场梯度,使其具备除常规磁场效应(择优取向、晶体质量改善等)外的其他应用价值(如溶液的对流控制、晶体质量改善、分离纯化等),因此备受关注.梯度磁场环境下涉及生物大分子的研究,主要集中在生物大分子的结晶、分离与纯化,以及自组装等方向.充分利用梯度磁场,可以实现高质量的生物大分子晶体生长、高效低成本的生物大分子分离与纯化等重要应用.因此,梯度磁场在生物大分子结构解析技术、生物药物制备技术等方向具有十分重要的价值.本文将从梯度磁场物理环境对生物大分子溶液体系的基础性影响角度出发,回顾并讨论梯度磁场在生物大分子研究中的应用,并对该领域的发展前景进行了预期.     

丹酚酸A与泼尼松联合治疗大鼠微小病变型肾病的协同增效作用

为研究丹酚酸A联合低剂量糖皮质激素对微小病变型肾病(MCD)大鼠的保护作用,采用健康雄性SD大鼠并随机分组,通过单次尾静脉注射阿霉素制备MCD模型,检测大鼠尿蛋白及血清总蛋白、白蛋白、甘油三酯、总胆固醇、尿素氮、血肌酐含量,观察肾组织超微结构变化;检测血清白介素-1β、白介素-6、肿瘤坏死因子α、C反应蛋白和丙二醛含量及超氧化物歧化酶活性,利用Webb分数乘积法评价联合作用.结果表明,丹酚酸A与泼尼松联合治疗对尿蛋白的改善具有协同增效作用,并改善血生化指标和肾功能,减少肾足细胞足突的融合;同时,联合治疗明显减少炎症细胞因子的释放和改善氧化应激状态.丹酚酸A与泼尼松联合疗法在MCD治疗中的显著保护作用,可能与其抗炎、抗氧化等作用有关.     

手机软件自动下载及安全运行技术的设计和研发简

在当今飞速发展的科技时代,安卓系统渐渐成为了主流的手机系统,下载应用程序是用户的基本需求之一.而那些具有管理员权限的用户,比如父母、老师,他们需要掌握子女、学生的情况,就需要在这些普通用户的手机中装入监听程序.本文阐述了安装文件从服务器端下载到手机端的方法,以及考虑到给手机安装程序要实现自动安装和静默安装的实际需要,尝试性的设计开发出Android应用安全下载系统.     

基于CDIO模式的学生实践能力的培养

在高等工科教育国际化趋势越来越清晰的背景下,针对目前我国工科毕业生实践能力和创新能力明显不足、在国际竞争中处于劣势地位这一现状,通过实践教学实践,提出借鉴和采用发达国家的教育模式和理念、改革实践教学方式方法、实施CDIO工程教育模式是提高人才培养质量的有效途径。     

一种基于 Pareto 云隶属度的 MOPSO 算法

为定量解决非支配解排序问题,并兼顾多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）的收敛性和多样性,提出了一种基于 Pareto 云隶属度的 MOPSO 算法。利用 Logistic 混沌映射优化种群的初始空间分布并融合布谷鸟搜索（cuckoo search,CS）指导粒子跳出局部陷阱,以增强算法的全局寻优能力。首次提出云向量评价 Pareto 最优解集方法,采用云隶属度评价准则对粒子适应度值进行量化评价。依据云隶属度选取个体最优和群体最优,平衡全局开发与开采,进而实现外部档案维护。测试函数集 ZDT 的实验结果表明,改进算法在收敛性和多样性方面较 MOPSO 和 NSGA-Ⅱ有一定优势。     

论新建筑与古建筑的地方特征

在建筑创作中我们应从历史条件、内部功能、外观造型、风格特色、整体环境等方面诸多因素探讨新建筑的地方特征.     

新课程体系下音乐创新教学方法研究

在新课程改革的不断推进下,为顺应社会发展培养满足社会发展对音乐人才的需要,提高音乐课堂的创新教学不断受到人们的广泛关注,音乐教育同社会生活和人文教育之间的联系也更加紧密。树立新的思想观念,改革教学方式,丰富教学内容,建立新的评价机制,大力推进素质教育,全面提高学生的音乐素养,培养学生对音乐的兴趣和爱好,拓宽文化视野。重视对学生音乐实践能力的培养,重视将音乐与实际生活相联系,倡导自主、合作学习,培养学生的合作探究学习的能力,提升学生的综合素质。本文就新课程体系下音乐创新教学的方法展开探讨。     

基于双向核实机制的移动通信终端防伪验证

针对现有手机防伪方法存在的不足,提出一种新的移动通信手机终端防伪验证方法,并设计实现了基于短信平台和手机数据库的防伪验证系统。系统通过手机预置短信和开机超时自动发送的方式，实现对已售手机信息的主动采集,并利用基于数据加密保护和数据库查询校验的信息双向核实机制进行防伪确认。与传统方法相比，系统大大提高了手机防伪的可靠性,便于对销售信息进行及时、准确地采集和分析。     

基于特征加权的神经网络集成及其应用

泛化能力是机器学习关注的基本问题之一.特征加权是特征选择的更一般情况，它能更加细致地区分特征对结果影响的程度，往往能够获得比特征选择更好的或者至少相等的性能，已经成为普遍的提高学习器的泛化能力的方法之一.该文提出一种基于特征加权的神经网络集成方法FWEART，该方法通过自适应遗传算法的优胜劣汰机制为输入属性确定了特征权值，提高了集成中各个体Category ART网络的精度和差异度，从而提高了神经网络集成的泛化能力.在UCI标准数据集上验证了有效性后，FWEART被应用在地震序列类型预报上，取得了较好的预报效果.