一株日本鳗鲡肠道乳酸菌SOD酶基因克隆表达与应用研究

为了解决日本鳗鲡抗生素滥用的问题,探究能够替代抗生素的微生态制剂,从日本鳗鲡肠道中筛选益生菌乳酸菌,克隆其SOD酶基因,并在大肠杆菌中进行表达,将SOD酶、益生乳酸菌同基础饲料配制成3组不同的饲料饲喂鳗鲡后进行血液生化指标分析.实验结果表明,益生菌、SOD酶以及乳酸菌和SOD酶制成的复合酶饲养的鳗鲡的血清总蛋白相对于对照组分别提高2%、8%、18%;葡萄糖相对于对照组分别提高64.8%、19.1%、79.7%;超氧化物歧化酶相对于对照组分别提高10.7%、25.4%、47.1%.各项指标提示添加乳酸菌、SOD酶蛋白有利于日本鳗鲡的生长,在一定程度上提高宿主的抗病能力和免疫性能.     

广西围填海进程及其对近海生态和生物资源的影响分析

近年来,随着社会、经济和科技的迅猛发展以及人口的快速增加,广西城镇化、工业化的迅速推进,土地需求量急剧增加。围填海是缓解沿海省市土地资源紧缺的重要方式;围填海在带来经济效益的同时,对海洋环境、生态也造成了巨大的影响。为此,本文在分析广西沿海1949年至今大规模围填海进程和特征的基础上,从海洋生态环境、自然海岸线、滨海湿地和海洋生物资源等方面,分析和探讨大规模围填海对广西近海生态环境和资源的影响,并对如何合理地开发利用海洋资源提出初步的管理方法和对策,为广西沿海经济快速发展和围填海开发管理提供参考。     

基于相空间重构和支持向量机的小麦条锈病预测方法

小麦条锈病预测对小麦灾害的预防和控制具有十分重要的意义.本文使用相空间重构和最小二乘支持向量机相结合的方法对成都市小麦条锈病发病率进行预测.实验中使用成都地区的气象数据作为模型的输入参数,发病率作为模型的输出参数,对20例发病病例样本进行预测,得到了比较好的预测效果.实验中还与简单最小二乘支持向量机预测结果作了对比,结果表明,相空间重构和最小二乘支持向量机结合的模型预测准确率明显高于简单最小二乘支持向量机,因此本模型对小麦条锈病预测是十分有效的.     

井筒内超临界多元热流体注入过程的数值模拟

在稠油热采过程中,提高注入工质的流动参数可显著增加采收率。为评价超临界多元热流体注入井筒后的流动传热特性,建立了相应的计算模型,得到了井底温度、压力与沿程热损失随注入流量、井口温度及井口压力的变化规律,并与注入超临界蒸汽情况下的流动传热规律进行了比较。结果表明,井底参数与注入流量呈单调关系;井底压力与井口温度、压力亦呈单调关系;而其他井口、井底参数的组合呈现出复杂关系。相同井口压力条件下,为使井底参数达到超临界状态,超临界多元热流体的井口温度和注入量高于注入超临界蒸汽的情况。适当选取较低的井口压力,可以减少热损失,提高经济性。所得结果可为注入工质参数的选取提供参考,进而为海洋稠油开发中的能源与动力保障的研究及设计明确需求。     

滩涂湿地利用与保护的协调发展探讨 ———以上海市为例

文章就潮滩一词探索其定义,明确其研究范围,以长江口———上海市潮滩、湿地为例,论述其基本     

低温电解条件下铝电解用NiFe_2O_4-10NiO基金属陶瓷阳极Fe元素腐蚀行为研究

采用粉末冶金技术制备出铝电解用NiFe2O4-10NiO陶瓷基体和30(40Cu-Ni)/(NiFe2O4-10NiO)金属陶瓷阳极,并在低温电解条件下,对NiFe2O4陶瓷相中Fe元素的腐蚀行为进行研究。结果表明,在烧结过程中,NiFe2O4尖晶石陶瓷基体会在氮气中发生离解,在动态化学腐蚀试验和电解试验中,陶瓷相中的Fe元素更容易进入电解质;电解24h后,铝液中Fe、Ni、Cu的含量分别为0.45%、0.13%和0.03%。     

基于Web 的《工程制图》虚拟教学平台的实现

本文结合工程制图的课程特点,介绍了《工程制图》虚拟教学平台系统的结构。该学习平台为学生提供了一个不受时空限制、内容丰富、有利于自主学习的网络环境。     

基于PCNN的RLNSW-NSCT卫星云图融合算法研究

提出了一种基于PCNN的RLNSW-NSCT卫星云图融合新方法。首先采用基于冗余提升不可分离小波的NSCT变换对卫星云图进行变换。对带通方向子带系数的融合设计了基于PCNN的融合规则,而低通子带系数的融合则采用基于图像区域信息熵的系数加权融合规则。为验证算法的有效性,对不同多尺度变换算法和不同融合规则分别进行了融合实验。结果表明该方法在较多地保留云图红外信息的同时,具有更好图像细节表达能力,融合云图的云层特征更为分明。     

Finding finer functions for partially characterized proteins by protein-protein interaction networks

Based on high-throughput data, numerous algorithms have been designed to find functions of novel proteins. However, the effectiveness of such algorithms is currently limited by some fundamental factors, including (1) the low a-priori probability of novel proteins participating in a detailed function; (2) the huge false data present in high-throughput datasets; (3) the incomplete data coverage of functional classes; (4) the abundant but heterogeneous negative samples for training the algorithms; and (5) the lack of detailed functional knowledge for training algorithms. Here, for partially characterized proteins, we suggest an approach to finding their finer functions based on protein interaction sub-networks or gene expression patterns, defined in function-specific subspaces. The proposed approach can lessen the above-mentioned problems by properly defining the prediction range and functionally filtering the noisy data, and thus can efficiently find proteins’ novel functions. For thousands of yeast and human proteins partially characterized, it is able to reliably find their finer functions (e.g., the translational functions) with more than 90% precision. The predicted finer functions are highly valuable both for guiding the follow-up wet-lab validation and for providing the necessary data for training algorithms to learn other proteins.     

最小二乘法在直线矢量化技术中的应用

由于在计算机中图象的存储和显示常常都是以离散的点阵方式进行的，因而给直线的识别带来了很大的困难。本文采用最小二乘法进行参数估计，以提取模式的特征，得到了比较简单的直线矢量化算法，该算法较好的克服了矢量化算法中存在的短线和畸变的缺陷。