极端嗜热微生物分子伴侣蛋白研究与嗜热功能蛋白质的规模化制备技术研究

极端微生物是丰富的资源宝库,有着巨大的生物技术开发前景。本文从特殊功能蛋白质的发现与表征、结构与功能及潜在性应用．以及特殊功能蛋白质的规模化制备技术两个方面,对极端微生物的资源开发与利用进行了探讨。重点介绍了极端嗜热古菌Pyrococcus furiosus分子伴侣蛋白系统的一些研究,并以P．furiosus胞外α-淀粉酶PFA为例,对工业生物技术领域重组蛋白质的规模化制备技术进行了讨论。     

最少按键次数定理

本文提出了一种新的输入编码方法，它在间隔键兼作码元键使用的情况下，能使平均按键次数达到最少。同时，该算法所确定的输入编码符合系统码的观点，文中亦给出了相应的换码公式，文后给出了按某汉字频度表所计算得到的结果。结果表明，码元键数≥２８时，最好的输入方案可使普通人、专业操作员和最优秀的打字员的键入速度分别高达２７８、５５６和８３４字／分以上。     

连续型模糊PID复合控制器在直流位置伺服系统中的应用

为了实现直流位置伺服系统的高速和高精度位置控制,针对实际伺服系统中存在的非线性、强耦合等各种不确定因素,提出了一种连续型模糊控制算法,以抑制各种非线性因素对被控对象的影响,同时引入传统的PID控制器,进一步改善了系统的稳态性能.通过实际运用表明,该连续型模糊PID复合控制器可以明显地提高直流位置伺服系统的动态性能和稳态精度,同时系统具有较强的适应性和鲁棒性.     

环丙沙星和铜复合污染下河流底质微生物群落与抗生素抗性基因的交互关系

选择环丙沙星(CFC)和铜(Cu)作为目标污染物,设计室内驯化试验,通过16S rRNA高通量测序、定量PCR等技术探究CFC和Cu复合污染下河流底质微生物群落与抗生素抗性基因(ARGs)间的交互关系。结果表明,CFC单一污染、Cu单一污染和复合污染试验组中ARGs丰度、微生物群落组成及功能存在显著差异;所有试验组的总ARGs相对丰度呈现随时间先增后减的变化趋势。共现网络分析表明, intI 1与3类ARGs和8个菌群相关,是ARGs和微生物群落之间的桥梁;所属变形菌门、酸杆菌门、厚壁菌门、拟杆菌门和绿弯菌门的细菌最有可能成为水环境中ARGs的潜在宿主。基于偏冗余分析发现,在MGEs、微生物群落和污染物等因素中微生物群落对ARGs丰度变化总解释率最高(49.77%);路径分析表明,CFC和Cu主要通过微生物群落间接地影响ARGs的传播和扩散。     

双极晶体管中子辐照后的高温退火特性

利用硅双极晶体管在线监测中子注量,其直流增益和损伤常数是作为探测器指标的重要参数。高温退火可使受到中子辐照的双极晶体管性能部分恢复,进而可以重复使用。开展高温退火特性研究,分析双极晶体管直流增益的恢复程度以及损伤常数的重复性。在快中子脉冲堆上对贴片型3DG121C双极晶体管进行三轮中子辐照,每轮辐照累计注量2.64×10~(13)cm~(-2)。经过第一轮中子辐照后,双极晶体管直流增益下降至辐照前的40%,经过180℃连续24 h的高温退火后,直流增益恢复至辐照前的67%;经过第二轮辐照后,直流增益下降至第二轮辐照前的50%,在相同条件下退火后,直流增益恢复至第二轮辐照前的73%;经过第三轮辐照后,直流增益下降至第三轮辐照前的58%,在相同条件下退火后,其直流增益恢复至第三轮辐照前的87%。三轮实验结果表明:双极晶体管直流增益倒数随辐照中子注量变化的线性关系基本一致,具体表现为其损伤常数具有很好的重复性。利用该高温退火特性,将双极晶体管作为中子注量探测器应用于快中子脉冲堆中子注量在线监测,监测结果与活化箔结果基本吻合。     

结构模型在统计模型分析中的应用

在综合统计中使用系统工程方法之一——结构模型方法进行统计模型的分析,可以使统计工作有序可靠, 对统计结果用户能方便地进行分析．     

产品设计制造环节的结构有序性测度研究

为了定量评价产品设计制造环节信息流结构的有序性,建立了产品设计制造环节信息流结构的有序度和结构熵模型,在此基础上,计算了设计与制造环节信息流结构的时效熵和质量熵,定量分析了一种仿人型机器人左腿模型的设计与制造环节两者之间的信息流结构有序性,为分析产品设计与制造环节之间信息的演化提供了依据。     

基于AP算法支持向量机的设计与应用

设计一种基于AP聚类算法和SVM分类器相融合的新的混合分类器, 使用AP聚类算法优化数据集, 得到了高质量、 小样本的SVM分类器训练集. 实验结果表明: 与传统的SVM分类器相比, 混合分类器具有更高的分类精度; 在心脏病预测上, 该分类器的效果较好.     

基于加权主元分析(WPCA)的人脸识别

将特征加权和主元分析相结合,提出了一种新的加权主元分析方法;这种方法先根据加权重建误差最小化,计算出各类训练样本的加权子空间,然后计算测试样本点到各加权子空间的距离,并根据该距离进行分类识别.最后,通过对剑桥ORL数据库进行的试验证明,该方法与传统的主元分析相比可以在不增加运算量的情况下大大提高识别率.