真蓝甲藻(Gymnodinium eucyanochroum Tseng Sp.nov.)的亚微结构、色素性质及其在藻类进化中的意义

本文报告了在南京发现的蓝色裸甲藻,测定了它的藻胆色素。证明蓝色藻胆蛋白不是山“胞内蓝藻”(Cyanellen)所提供。电子显微镜的扫描表明细胞表面有众多的突起,不是光滑的;横沟内的鞭毛不是“带状”而是由细纤维丝膜状物拉着的螺旋形。透视电子显微镜观察表明,该藻有两个类型的细胞核,即“甲藻核结构”(Dinocaryotic structure)和“真核结构”,(Eucaryotic Structure),真核与叶绿体有一个共同的膜的包被,有一个与原生动物相近似的伸缩泡系统。叶绿体是分枝状,在细胞的边缘位,但也有其它形态。有淀粉颗粒而无“造粉核”或称”“蛋白核”(Pyrenoid),多数位于叶绿体外或之间,类囊体与一般甲藻不同,不是三个排成一条“带”而是两个排列成“带”。有发达的线粒体,和高尔基体;鞭毛不论纵沟内的或横沟内的,其横切面,均为9+2的形式,其纵切面是由纤维丝成束的结构。蓝色色素提取物,可见光最大吸收峰为456nm,与隐藻藻胆色素十分相似。从细胞亚微结构及其色素性质,作者认为它是藻类演化过程中的一个中间类型的甲藻共生体。     

海洋超微型蓝细菌聚球藻的生态学研究进展

海洋超微型蓝细菌是地球上数量最多的光合自养原核类群,主要由聚球藻(Synechococcus)和原绿球藻(Prochlorococcus)两个属组成,贡献了约25%的海洋净初级生产力.聚球藻是一个古老且多样性非常高的类群,从赤道到极地都有分布.聚球藻与异养细菌及蓝细菌病毒的相互作用维系了微食物环的结构和复杂性,对于海洋生源要素生物地球化学循环过程至关重要.在全球变化的大背景下,基于模式预测,聚球藻将会在生态系统中发挥更重要的作用.本文从海洋聚球藻对初级生产力的贡献、遗传多样性,及其与异养细菌、蓝细菌病毒的互作机制4个方面综述该领域研究的新进展.     

弱左型B半群的真覆盖

弱型B半群是在半富足半群范围内的广义逆半群.该文利用弱左型B半群真覆盖的定义,给出了弱左型B半群真覆盖的相关性质.特别地,得到了相应于弱左型B半群作用在幂单幺半群上的真覆盖的结构定理.     

一种基于Retinex理论的图像去雾算法研究

针对Retinex算法去雾存在自适应能力差、容易产生光晕现象的缺点,通过对Retinex方法去雾后的图像依次做对比度拉伸、统计R/G/B分量像素亮度个数、用三次B样条拟合、计算曲线右侧的极值、确定天空区域分割阈值、得到分割图像,然后对分割后的非天空区域做色偏校正,对天空区域做均值化处理,最后将处理后的图像融合.实验结果表明,算法处理后峰值信噪比提高约9.14%,信息熵提升约22.2%,对比度提高约6.41%,说明改进后的算法效果较好.     

金属卟啉重组蛋白的光活性与光稳定性研究

本研究以突变体肌红蛋白(myoglobin,Mb)F43H/H64A Mb为骨架,通过原卟啉锌(zinc-protoporphyrin,ZnPP)、原卟啉钴(cobalt-protoporphyrin,CoPP)替代蛋白天然辅基血红素(heme)的方式制备了两个新的重组肌红蛋白(reconstituted myoglobin,rMb),命名为ZnPP-F43H/H64A Mb和CoPP-F43H/H64AMb,并对其光稳定性和光催化降解染料活性进行了研究。结果显示,ZnPP-F43H/H64A Mb具备更好的光催化降解亚甲基蓝的能力,ZnPP-F43H/H64A具有光不稳性。     

用B样条曲线构造几何物体模型的方法

根据Ｂ样条曲线原理,提出了先用若干个截平面去切割几何物体,得到一组与几何物体轮廓线相交的点。根据这些点,再用Ｂ样条曲线去构造几何物体的近似轮廓线,从而得到几何物体模型。该方法方便、精确,便于在计算机几何造型系统中应用。     

解平行四边形板弯曲问题的二元B样条有限元法

将文献［１］以二元二次Ｂ样条函数为基底,求解矩形薄板弯曲问题的二元Ｂ样条有限元的方法推广到用于求解平行四边形板弯曲问题．结果表明：该方法系数矩阵每行的非零元仅２１个,相对于朱明权和ＣｈｕｉＣ．Ｋ．等的张量积型样条有限元方法,计算量与存贮量都大大节约．     

CosackieB—3病毒对BALB／C小鼠心肌超微结构的影响

ＢＡＬＢ／Ｃ小鼠腹脸注射柯萨奇Ｂ－３病毒后,第三天心肌呈现轻度用性病变,大多数细胞结构正常,少数细胞发生病变,心肌闰盘局部扩张。     

比格犬柯萨奇病毒感染的报道

柯萨奇Ｂ组病毒（ＣｏｘｓａｃｋｉｅＢＶｉｒｕｓｅｓＣＢＶ）是一种人兽共患病毒。ＣＢＶ引起神经系统病变时人与比格犬所表现的症状基本相似。ＣＢＶ可引起全身性疾病,损伤多系统。应注意早期的诊断和治疗。ＣＢＶ并非终生免疫,应注意再次感染     

基于神经网络的无监督自学习控制系统

所论系统的控制由两个神经网络完成,即对象放识器和系统控制器。并且提出了一种 新的学习算法,它能利用存贮于辨识网络的信息改进控制策略。该控制系统可以对非线性系统,不确定系统等进行无监督的学习控制。