基于数据挖掘及体外实验探讨复方中药治疗肥胖的机制及药效

目的 基于生物信息学及体外药效研究,分析复方中药治疗肥胖的作用机制及疗效,为常用中药的创新应用提供依据。方法 运用TCMSP数据库获取中药复方制剂的活性成分及靶点,通过GEO数据库筛选差异基因芯片数据,绘制火山图。通过Cytoscape3.8.0构建活性成分与肥胖的差异基因靶点图,创建蛋白互作网络,进行GO、KEGG通路富集分析。最后采用MTT及Annexin V-FTIC/PI流式细胞术验证细胞生存及促凋亡效果。结果 获得中药复方制剂治疗肥胖的活性成分共204个,主要成分为槲皮素、山奈酚、木犀草素、黄芩素等;肥胖相关差异基因28个,对差异基因进行PPI拓扑网络构建,GO、KEGG通路涉及与胰岛素、激素、脂质及糖代谢相关的通路。MTT证实药物对3T3-L1小鼠前脂肪细胞有显著的浓度-时间依赖关系,72 h的IC50值为2.395 mg/mL;并可诱导前脂肪细胞的早期凋亡。结论 该研究提供了复方中药治疗肥胖的重要分子靶标、通路及作用机制,并进行体外药效学研究,为中药的临床应用提供了依据。     

面向移动机器人大视角运动的图神经网络视觉SLAM算法

针对移动机器人在大视角运动下光照变化剧烈或遭遇纹理稀疏场景易出现特征点提取困难,极端角度下特征难以匹配导致对极几何计算误差较大问题,提出一种融合改进图神经网络的视觉SLAM算法。基于先验位置估计的特征提取网络,通过先验位置估计实现图像特征点快速均匀检测与描述,构建真实准确的特征点信息。基于图注意力机制的特征匹配网络,通过消息传递图神经网络聚合特征点信息,使用自我与联合注意力机制对前后图像帧分权重特征匹配。将特征提取与匹配图神经网络与ORB-SLAM2系统后端非线性优化、闭环修正、局部建图模块融合,提出一个完整的单目视觉GNN-SLAM系统。实验结果表明：该算法在KITTI数据集上与ORB-SLAM2算法相比,绝对轨迹误差降低37.59%,相对位姿误差降低19.67%。     

城市创新能力的成长动力、成长曲线与驱动机制研究——基于213个城市面板数据的实证

城市作为区域发展的中心,集聚各类要素资源与经济社会活动,其创新能力的提升关乎城市经济发展、区域协调发展及国家可持续发展。本文基于以往的研究成果,采集我国213个地级及以上城市2007-2016年间的面板数据,运用时间序列分析、空间数据分析及多元回归分析等研究方法描绘了城市创新能力的成长曲线,对城市创新能力的成长动力与驱动机制进行了探索,得出各个解释变量均对城市创新能力产生了显著的正向影响,其中,创新人才变量驱动能力最强的结论。在此基础上,本文还揭示不同区域不同城市的创新能力驱动机制,对成长动力各个维度在我国不同区域不同城市中的驱动强度进行了验证。     

阿米巴穿孔素A的活性机制及其作为天然抗菌蛋白的潜在应用

当今,抗生素耐药性已成为全球面临的严峻挑战,导致传统抗生素的疗效受到限制。抗菌蛋白是一类多样的天然抗菌分子,广泛分布于动植物和微生物中,通过与细菌相互作用破坏其完整性,从而实现杀菌作用。与传统抗生素相比,抗菌蛋白还具有增强宿主免疫响应、降低细菌耐药风险等优势。阿米巴穿孔素A(Amoebapore A,APA)是一种由阿米巴原虫分泌的古老天然抗菌蛋白,通过增加细菌细胞膜的通透性和破坏细胞结构展现广谱杀菌活性。对APA的活性机制进行概述,旨在为开发以天然抗菌蛋白为基础的新型抗生素提供理论基础,以更好地解决抗生素耐药问题。     

基于新型空间注意力机制和迁移学习的垃圾图像分类算法

随着我国各级政府大力推动垃圾强制分类,分类回收各环节中实现标准化、自动化的垃圾分类识别需要适合云端部署的高准确率、低延时要求的细粒度图像分类模型.本文发挥深度迁移学习的优势建立了一套端到端的迁移学习网络架构GANet (garbage neural network);针对垃圾分类中类别易混淆、背景干扰等挑战,提出一种新型的像素级空间注意力机制PSATT (pixel-level spatial attention).为克服类别多和样本不平衡挑战,提出使用标签平滑正则化损失函数;为改善收敛速度以及模型稳定性与泛化性,提出了阶梯形OneCycle学习率控制方法,并给出了结合Rectified Adam (RAdam)优化方法和权重平滑处理技术的组合使用策略.实验使用了"华为云人工智能大赛.垃圾分类挑战杯"提供的按照深圳市垃圾分类标准标注的训练数据,验证了GANet在垃圾分类问题中的显著效果,获得了全国二等奖(第2名);同时,提出的PSATT机制优于对比方法,且在不同主干网络架构上均得到了提升,具有良好的通用性.本文提出的GANet架构、PSATT机制和训练策略不仅具有重要的工程参考价值,也具有较好的学术价值.     

基于注意力机制的GRU神经网络安全态势预测方法

传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性。针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit, GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将其编码为网络安全态势值;利用改进的粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优,以加速GRU神经网络的训练。仿真分析表明,所提方法具有更快的收敛速度和较低的复杂度,并且在不同的预测时长下具有较小的均方误差和平均绝对误差。     

劳务众包任务定价模型研究

以拍照赚钱APP的平台数据为例,建立Logit模型提升众包平台任务完成率,使用PageRank排序算法建立多任务打包定价模型,解决众包平台的多任务打包问题,并用Logistic回归模型进行检验.     

中国药品集中采购政策解读与实证分析

2018年底伊始的国家药品集中采购迄今为止已实施三轮,共涉及112个品种,预计每年约可节省医保药品支出539亿元.对三轮集中采购规则进行解读和实证分析,发现:选区规则对竞价结果具有显著性影响;熔断机制理论上会受到成本因素约束,实践中仍发挥了一定效果.国家药品集中采购促进了中国医药市场基于质量和成本的竞争,推动行业集中度...     

季节性商品的促销定价模型与算法

研究了季节性商品在促销前提下的定价问题.在综合考虑季节性商品的销售特点、销售折扣率、商品库存、商品周期衰退、商品价格等问题的基础上,建立了以利润损失最小为目标的动态定价模型,以商家需处理的货物量为约束条件,基于改进遗传算法和粒子群算法,找到了成本最优的商品定价.并通过仿真,分析了商品定价对利润损失的影响,为大中型企业的促销决策提供了重要依据.     

CAPM模型应用于房地产股票市场的有效性检验

CAPM模型普遍应用于中国房地产行业资本成本估算,投资风险评价和房地产泡沫等研究中。但是目前并没有文献对该模型在中国市场使用是否有效进行检验。本文选择了沪深A股房地产市场的33只股票,对CAPM模型在中国房地产股票市场的有效性进行检验。通过理论和实证研究,得出CAPM模型应用于房地产市场是无效的结论,即在中国房地产股票市场上不能直接应用CAPM模型,而应当根据中国房地产市场的实际条件做出相应的改进。