鹰嘴豆发芽过程中部分营养成分的变化规律

采用国家标准规定的方法,研究鹰嘴豆发芽过程中蛋白质、氨基酸、核黄素、异黄酮、膳食纤维的变化规律。结果表明,鹰嘴豆在发芽过程中蛋白质含量不断下降,由未发芽时的18.42%降低至第9天的13.50%。鹰嘴豆氨基酸的组成中,天冬氨酸、谷氨酸、精氨酸含量较多。在发芽过程中,谷氨酸和精氨酸含量有所下降,谷氨酸含量由未发芽时的3.50%下降为第9天的3.10%;精氨酸含量由未发芽时的2.25%下降为第9天的1.72%;天冬氨酸含量则不断上升,由最初的2.51%上升至第9天的4.73%。异黄酮在鹰嘴豆中含量丰富,在发芽过程,其含量由最初的106.44mg/100g,上升到第9天的806.00mg/100g;核黄素含量也由发芽前的1.44mg/100g上升至第7天的1.85mg/100g;可溶性膳食纤维含量显著提高,不溶性膳食纤维含量呈下降趋势。通过对鹰嘴豆发芽前后营养成分变化对比的研究,希望为鹰嘴豆功能食品的开发和利用提供理论依据。     

鲢鱼鱼鳞蛋白提取工艺研究

以鲢鱼鱼鳞为研究对象,研究了提取温度,提取时间,料液比对鱼鳞蛋白质提取率的影响,并进一步通过正交实验对其提取工艺进行了优化。研究结果表明:鱼鳞蛋白质提取率随着提取温度、提取时间、料液比的增加而提高。其提取的最佳条件是:提取温度90℃,提取时间6 h,料液比1:25,在此条件下鲢鱼鱼鳞蛋白质的提取率为77.41%。     

含位形权重的磁流变液孤立链流变剪应力模型

为降低采用标准孤立链理论模型计算高体积分数磁流变液流变剪应力时的计算误差,提出一种通过距离权重系数评价磁链间相互作用的流变模型.编写Monte Carlo仿真程序计算颗粒位置与磁矩方向矢量、同时输出与系统颗粒间距有关的距离权重系数.按标准和距离权重这两种链结构模型计算磁流变液剪切应力数值,并和4种磁流变液(30.58%~44.79%)的流变仪剪应力测试数据进行比较,结果显示,权重模型在磁场全范围内具有更高的计算精度,并且和流变试验实际结果基本符合,证实了磁链微观结构间的相互作用力是影响磁流变液流变特性的主要因素之一.     

基因重组型枯草芽孢杆菌芽孢表面展示技术与应用

枯草芽孢杆菌是一种好氧型革兰氏阳性益生菌,在营养匮乏的环境下,可形成具有强抗逆性的芽孢。其芽孢独特的结构和生理功能使得芽孢表面展示技术相较于其他表面展示技术具有多种优势,构建的重组芽孢不但易纯化、回收率高,而且安全性好。近年来,枯草芽孢杆菌芽孢表面展示技术得到迅猛发展,已成功利用CotB、CotC、CotG、CotZ、CotA、OxdD、CotE、CotZ、CgeA等多种锚定蛋白将外源蛋白或多肽展示在芽孢表面,并应用于工业化酶、口服疫苗和药物、大分子量多聚体蛋白的生产以及环境污染的生物治理等领域。本文首先介绍了芽孢展示系统整合策略,并重点阐述了基因重组型枯草芽孢杆菌芽孢展示技术中涉及的锚定蛋白以及该技术在各领域的应用与展望。     

LC3真核表达载体构建及其在293T细胞中自噬诱导研究

【目的】构建pEGFP-N1-LC3真核表达载体,并将其转染进人胚肾细胞293T,通过Earle's盐平衡液(Balanced salt solution,EBSS)饥饿诱导观察细胞自噬现象。【方法】RT-PCR扩增LC3基因,并将其插入pEGFP-N1真核表达载体构建重组质粒。将重组质粒转染至人胚肾细胞293T,显微镜观察、Western blot检测GFP-LC3融合蛋白表达情况。对转染细胞进行Earle's盐平衡液饥饿诱导,通过Western blot验证自噬指标,激光共聚焦显微镜观察自噬泡形成。【结果】成功构建pEGFP-N1-LC3真核表达载体,并在293T细胞中成功表达目的蛋白,在进行Earle's盐平衡液饥饿诱导后观察到自噬泡的形成,Western blot检测到LC3-Ⅰ向LC3-Ⅱ的转化。【结论】本实验为研究自噬在癌细胞病理进程中的机制提供了实验素材。     

酯交换季铵型阳离子大豆油表面活性剂的合成及物化性能研究

以大豆油为基本原料,经过酯交换、环氧化、季铵化一系列反应合成酯交换季铵型阳离子表面活性剂,研究它的物化性能,并与季铵型阳离子大豆油表面活性剂和广泛使用的CTAB进行对比,结果表明:经过酯交换合成的季铵型阳离子表面活性剂能较显著地降低水的表面张力,具有更低的临界胶束浓度.     

面向同源蛋白质探测的一种新型混合深度学习模型

根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLM-PHP)。通过采用统一的"管道式"深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。     

基于HTK的佤语特定人孤立词语音识别

佤语是云南省西南部的一种跨境语言,构建佤语语音识别系统对国家安全、跨境文化交流和经济贸易都有着重要的意义.基于HTK平台,针对1 860个佤语常用词进行特定人孤立词语音识别.语音语料来源为录音棚和田野录音,语音规模录音棚男性2人、女性2人,田野录音男性3人、女性2人,每人每个词发音5遍,总的语料数量为83 700条.实验结果表明,对于上述的语料,进行的基于HTK的佤语特定人孤立词语音识别正确率在92%以上.     

PBNA： An Improved Probabilistic Biological Network Alignment Method

Biological network alignment is an important research topic in the field of bioinformatics. Nowadays almost every existing alignment method is designed to solve the deterministic biological network alignment problem.However, it is worth noting that interactions in biological networks, like many other processes in the biological realm,are probabilistic events. Therefore, more accurate and better results can be obtained if biological networks are characterized by probabilistic graphs. This probabilistic information, however, increases difficulties in analyzing networks and only few methods can handle the probabilistic information. Therefore, in this paper, an improved Probabilistic Biological Network Alignment（PBNA） is proposed. Based on Iso Rank, PBNA is able to use the probabilistic information. Furthermore, PBNA takes advantages of Contributor and Probability Generating Function（PGF） to improve the accuracy of node similarity value and reduce the computational complexity of random variables in similarity matrix. Experimental results on dataset of the Protein-Protein Interaction（PPI） networks provided by Todor demonstrate that PBNA can produce some alignment results that ignored by the deterministic methods, and produce more biologically meaningful alignment results than Iso Rank does in most of the cases based on the Gene Ontology Consistency（GOC） measure. Compared with Prob method, which is designed exactly to solve the probabilistic alignment problem, PBNA can obtain more biologically meaningful mappings in less time.     

基于全基因组测序的粘绿木霉Gv29-8中分泌蛋白预测

粘绿木霉Gv29-8作为木霉属中重要的生防菌之一,对该菌分泌蛋白进行预测及其特征进行明确具有重要的理论意义。利用SignalP、ProtComp等预测程序对该菌中12427条蛋白质序列进行分泌蛋白找寻,并对上述分泌蛋白的氨基酸分布、信号肽长度大小及切割位点等性质进行分析。粘绿木霉含有分泌蛋白为377个,其氨基酸长度、信号肽长度与植物病原菌不同;信号肽切割位点属于A-X-A类型,与其他已经报道的植物病原真菌、卵菌中分泌蛋白信号肽切割位点一致。