P-糖蛋白的核酸适配体筛选及应用研究

基于SELEX技术筛选P-糖蛋白（permeability glycoprotein,P-gp）的特异性核酸适配体（aptamer,Apt）,并用酶联免疫吸附测定（ELISA）法、表面等离子体共振（SPR）法表征了Apt与P-gp的结合能力,采用与P-gp结合能力最强的Apt5在人结直肠腺癌细胞（Caco-2）、人脑微管内皮细胞（hCMEC/D3）两种细胞系上考察了对P-gp外排功能的抑制效果.筛选得到10条长度为81 bp的P-gp核酸适配体,结合能力大小顺序为:Apt5>Apt8>Apt1>Apt4>Apt6>Apt10>Apt7>Apt2>Apt9>Apt3.Apt5使hCMEC/D3及Caco-2细胞内罗丹明123的蓄积量分别增加了40.77%（P<0.01）,32.39%（P<0.05）,能潜在抑制P-gp的外排功能.本研究首次报道了P-gp的多条核酸适配体,与P-gp有较强的结合能力,并能抑制P-gp的外排功能,有望成为P-gp的潜在新型抑制剂.      

贝叶斯网络结构学习的双重K2算法

贝叶斯网络源于人们对人工智能领域不确定性问题的研究,是进行不确定问题推理和数据分析的重要工具。结构学习是贝叶斯网络研究的核心内容,K2算法是结构学习的经典算法之一。为解决K2算法学习效果强烈依赖于节点序的问题,本文提出一种新的混合结构学习算法：双重K2算法。该算法首先将节点信息作为初始节点序,通过K2算法的搜索策略得到初始网络结构;然后在初始网络结构上利用拓扑排序得到修正后的节点序;最后K2算法通过修正后的节点序学习得到最优的网络结构。通过实验验证,在精度和效率上,双重K2算法效果优于其它经典算法。     

低空无线信道小尺度衰落特性研究

针对复杂情况下低空无线信道特性，选取近山地城镇环境视距和非视距2个场景在2.4 GHz频率下开展实地低空无线信道测量活动，分别收集1 200组信道的多径幅度值，结合统计性方法分析其对应的均方根时延扩展与莱斯因子2种小尺度衰落特性，并进行拟合。测试结果表明：2种场景的均方根时延扩展平均值分别为255 ns、1 429 ns,莱斯K因子平均值分别为3.8 dB、0.32 dB,前者莱斯K因子大于0 dB的比例为58.68%,说明该环境下莱斯信道为主；后者大于0 dB的比例为10.16%,说明该环境下瑞利信道为主；拟合的结果表明：均方根时延扩展Gamma拟合，莱斯K因子正态拟合，最后得出了对应的概率密度分布函数。     

非线性色散波K(2,2)方程的精确解及动力学性质

【目的】研究了非线性色散波K(2,2)方程的行波解问题。【方法】利用行波变换研究了非线性色散波K(2,2)方程的行波解问题。【结果】获得了非线性色散波K(2,2)方程的各种精确行波解，并讨论了这些解的动力学性质。通过图像模拟，直观地展示了部分精确解的动力学行为和动力学演化现象。【结论】研究发现部分解具有奇异性质，与现有文献中的结果相比，获得的精确解都是新结果，而且求解方法和技巧较之前文献中的要简便许多。     

李超代数Alg(K3,ω3)上的超双导子及超交换映射

利用超双导子的基本性质,确定李超代数Alg(K₃,ω₃)上的超斜对称双导子,证明Alg(K₃,ω₃)上的超斜对称双导子都是内导子.得到Alg(K₃,ω₃)上的线性超交换映射是标准的.     

基于深度置信网络的道岔故障智能诊断方法

传统的道岔故障诊断方法往往依赖于复杂的信号处理过程以及丰富的专家经验，需要对信号进行精确的分段，过程繁琐，不利于现场使用。采用粒子群算法(PSO)优化的深度置信网络(DBN)的方法，直接对道岔功率原始数据提取特征，利用受限玻尔兹曼机（RBM）逐层拟合数据特征同时实现对数据的降维。然后采用极限学习机（ELM）对故障进行分类，提高了诊断的速度。研究结果表明：与PSO优化的支持向量机（SVM）方法相比，准确率提升了4%，达到了96%，所用时间也大大减少。