用Asmus法测K_m值

在酶的动力学研究中,K_m能看作为表观电离常数,它在生物化学中是用米氏方程测定,只要酶和底物结合生成一个有色中间络合物,则K_m能用Asmus法测定,本文在酪氨酸酶催化多巴的反应中,用Asmus法计算K_m值,其结果与米氏方程式相一致。     

高频脉冲电镀镍钴合金的内应力

研究了脉冲频率、硫酸钴浓度对高频脉冲电镀Ni-Co复合镀层微观形貌与内应力的影响.高频脉冲电镀获得的沉积层表面比直流电镀致密、均匀、孔隙率低、内应力低.随脉冲频率的升高,Ni.C0镀层的内应力先减小后增加,并在80 kHz取得最小值.随硫酸钴浓度的增加,镀层的内应力先增大后减小,在30g/L取得最大值.     

T形线散射电流的麦克斯韦电路

运用最新提出的麦克斯韦电路理论,分析T形线的散射电流,将该结构等效为LC电路,求解与之对应的微分方程,得到该结构的散射电流,数值实验分别计算了T形线的等效电路参数L,C,α,β,以及相应的散射电流,分析结果表明,所得电路参数和散射电流符合物理现象,并且与矩量法的结果以及相关文献中的结果均吻合,从而证明了该方法的正确性和...     

聚乳酸-聚扁桃酸共聚物的合成与表征

合成乳酸OCA和扁桃酸OCA单体,用DMAP引发乳酸OCA和扁桃酸OCA开环共聚合成可生物降解的聚乳酸-聚扁桃酸共聚物,通过调节聚合共聚单体的比例,可得到分子量从3 620¹1 800 g/mol不等的共聚物,实现了分子量可控的目的.使用1H NMR、GPC、DSC、TEM、XRD等手段对共聚物进行了表征,所得共聚物的热力学性能、降解性能等均得到改善.并对轮状病毒进行负载制备成载药微球,对其降解行为进行研究,为药物控制释放提供一类新的载体材料.     

加筋圆柱壳流固耦联振动步长样条元分析

本文用步长样条元分析了加筋圆柱壳流固耦联振动特性.利用流固交界面运动协调条件求出流场势函数与流体位移场的关系式;由变分原理推导出系统运动方程.对加筋圆柱壳振动特性进行了数值分析,探讨了液动压力对结构固有频率的影响.     

用于32位高性能数控车床系统的插补算法

分析和推导了用时间分割法实现直线和圆弧插补的一种高速、高精算法,并运用于32位机的数控车床系统中.该算法用迭代算法替代开方运算,取消了过象限判别,大大缩短了插补时间.文中给出了详细的误差分析,证明该算法的轨迹误差和算法误差小于一个当量,且舍入误差是不扩散的;提出了该算法的边界条件与加工工艺参数的关系.运用该算法编制的程序,整个插补任务(包括自动加减速、插补)在16MHz80386CPU下运行占用机时小于1ms.     

二阶隐马尔可夫模型及其在计算语言学中的应用

介绍了在观测噪声和马尔可夫链不相互独立的条件下改进的隐马尔可夫模型(HMM)的结构．在传统的隐马尔可夫模型的基础上研究了改进模型的Baum-Welch算法，并导出了改进模型的参数估计公式．     

EGFP和ALR融合基因表达载体构建及其在HeLa细胞中的表达

从人血液中提取总DNA,利用PCR技术扩增人肝细胞再生增生因子基因,将其插入表达载体pEGFP—C1的多克隆位点中,构建增强绿色荧光蛋白（enhanced green fluorescence protein gene,EGFP）和人肝细胞再生增强因子（human augmenter of liver regeneration gene,ALR）融合基因表达载体pEGFP／ALR,并将其转染Hela细胞系,用含G418的DMEM／F12培养液筛选转基因细胞,然后利用PCR和聚丙烯酰胺凝胶电泳检测转基因细胞中ALR基因的存在及其表达,用荧光显微镜检测EGFP基因的表达．结果显示：得到了构建正确的EGFP和ALR融合基因表达载体;在转基因细胞中,PCR扩增得到1．7Kb的ALR条带,蛋白电泳得到57KD大小条带．与ALR和EGFP融合蛋白大小相符;荧光显微镜下观察到发绿色荧光的Hela细胞．在转基因细胞中,EGFP和ALR同时存在并表达,绿色荧光蛋白可作为报告基因指示目的基因的表达,从而简化了目的基因繁琐的检测手段．     

二灰砂砾振动压实参数

通过振动压实试验,分析了振动频率、激振力、静面压力等参数对二灰砂砾压实效果的影响;在确定的最佳振动配置条件下,研究了振动时间、含水质量分数对振动压实效果的影响。通过对比测试静力压实与振动压实方法成型的二灰砂砾试件强度,发现振动法成型的二灰砂砾结合料质量分数不宜超过15%,否则会出现明显的流浆现象,并且早期强度衰减较大,最大干密度也随之降低;但是,二灰砂砾后期强度有明显提高,表明振动法能够用于成型二灰砂砾骨架密实结构。     

多步骤降维的肿瘤特征基因选择方法

针对基因芯片数据量大、样本数低和基因维数高的特点,提出了一种对基因芯片数据进行多步骤降维处理的分类方法.第一步,采用基因表达差异显著性分析方法(SAM)筛选得到差异表达基因子集.第二步,采用支持向量机(SVM)分类器对该差异表达基因子集进行进一步的分类降维.将该方法用来处理大肠癌和白血病数据集,得到了数量较少而分类能力较强的特征基因子集.实验结果证明该方法可以快速有效地筛选肿瘤特征基因.