排序方式: 共有26条查询结果,搜索用时 15 毫秒
1.
不同生长期凡纳滨对虾肝胰腺NAGase的基本性质变化 总被引:5,自引:0,他引:5
凡纳滨对虾[Lifopenaeus vannamei(Boune 1931)]N-乙酰-β-D-氨基葡萄糖苷酶(β-N-acetyl-D-glucosaminidase,简称NAGase,EC3.2.1.52)与周期性蜕壳和生长密切相关.我们研究了凡纳滨对虾肝胰腺中该酶的活力与部分性质在不同生长期的变化,结果表明:在不同生长期该酶活力有较大的变化,幼体虾的酶活力为每mg蛋白40 U,随着虾的生长,酶活力迅速下降,当养殖到第6周时,酶活力下降到每mg蛋白18 U,达到最低点.随后,酶活力随着虾的长大快速增大,当养殖到成虾时,酶活力达到最高值,为每mg蛋白58 U.不同生长期的酶,其最适pH均在5.5~6.0之间,最适温度由原来的34℃改变为37℃,同时测定不同生长期酶的动力学参数(Km、Vm)、酶促反应活化能(Ea)及对Cu2 、Zn2 和Hg2 的敏感性并进行了相应的比较. 相似文献
2.
中外联合办学项目实例与分析 总被引:2,自引:0,他引:2
近年来,我国高校积极开拓与国外高校的教育合作,中外联合办学促进了当今高等教育发展并加强了国际教育交流与合作.中外联合办学有利于引进国外先进的教学理念,教学内容、教学模式和管理经验,并促进师资水平的提高.由于中外联合办学尚无统一的模式可循,并且根据各高校合作办学的具体情况不同,中外联合办学呈现出多样化的格局.本文以中国桂林工学院与英国中英格兰大学联合办学项目为背景,就联合办学的项目模式以及项目运行情况进行介绍和分析. 相似文献
3.
针对传统BP神经网络受初始权阈值影响大且易陷入局部极值,标准天牛须搜索算法局部搜索能力差、寻优精度低等问题,提出一种自适应步长因子的混沌天牛群算法用于优化BP神经网络分类模型。通过增加天牛种群,引入自适应步长更新策略优化天牛须搜索算法的局部搜索能力,使其跳出局部最优,提高算法的计算精度;利用Logisitic混沌映射产生新个体,替换性能较差的个体,增强全局搜索效果。为了改善BP神经网络对非均衡数据集中少数类的分类效果,采用SMOTE算法处理非均衡数据集。将改进的天牛须搜索算法用于优化BP神经网络中的初始权值和阈值,建立IBAS-BPNN(Improved Beetle Antennae Search and Back Propagation Neural Network)分类模型,提高BP神经网络分类模型的准确率。为验证分类模型的性能,将改进的BP神经网络分类模型与其他六种典型的分类算法进行比较,实验结果表明IBAS-BPNN分类模型的平均分类正确率高于其他算法。改进的混沌天牛群算法泛化能力强,鲁棒性好,具有一定的优越性。 相似文献
4.
乙醇对南美白对虾N-乙酰-β-D-氨基葡萄糖苷酶活力与构象的影响 总被引:1,自引:0,他引:1
以南美白对虾为材料,分离提纯N 乙酰 β D 氨基葡萄糖苷酶,研究乙醇对该酶的活力与构象影响.结果表明,浓度低于22%(体积比)的乙醇对该酶活力有明显的激活效应;乙醇浓度为8%时,达到最大激活效应,酶活力为纯酶的180%.动力学研究表明,在30%浓度范围内,乙醇对酶活性的激活及抑制作用均是可逆的.乙醇低浓度下,Km值与Vmax值随乙醇浓度增大而增大;随着乙醇浓度的进一步升高,Km值保持不变,Vmax值则出现下降.紫外光谱与荧光光谱分析表明,低浓度乙醇对N 乙酰 β D 氨基葡萄糖苷酶的构象产生轻微的影响,而高浓度乙醇则使酶的整体构象趋于松散.由此可以推断,乙醇对该酶的活力影响是微扰酶活性中心产生激活效应与引发整体变构失活效应的共同作用结果. 相似文献
5.
八角茴香油树脂含有蜡、胶质、色素等杂质 ,产品在使用上受到限制 .用氧化铝吸附能达到一定除杂效果 ,产品香味更清纯 .傅里叶变换红外光谱仪 (FTIR)测定除杂前后样品的红外光谱 ,表明经氧化铝除杂的样品的谱图特征峰较未处理原样的芳香区突出 ,故氧化铝是八角茴香油树脂除杂的良好吸附剂 ,且柱析法优于浸泡法 . 相似文献
6.
7.
几丁质酶的结构特征与功能 总被引:2,自引:0,他引:2
几丁质酶在各种生物中起着非常重要的生理作用.最近几年,在哺乳动物中发现多种几丁质酶及类几丁质酶蛋白,它们在免疫炎症反应中起着非常重要的作用.本文综述了人几丁质酶Chitotriosidase和AMCase以及类几丁质酶YKL39,YKL40和Oviductins的结构特征与功能特点,探讨它们与相关疾病的关系.并阐述了它们之间的进化关系. 相似文献
8.
目前通过深度学习方法进行语言模型预训练是情感分析的主要方式,XLNet模型的提出解决了BERT模型上下游任务不一致的问题.在XLNet基础上增加LSTM网络层和Attention机制,提出XLNet-LSTM-Att情感分析优化模型,通过XLNet预训练模型获取包含上下文语义信息的特征向量,接着利用LSTM提取上下文相关特征,最后引入注意力机制根据特征重要程度赋予不同权重,再进行文本情感倾向性分析.仿真实验中将XLNet-LSTM-Att模型与5种常用的情感分析模型进行对比,结果表明提出的模型优于其他测试模型,模型的精准率达到89.29%. 相似文献
9.
云资源的预测分析对于响应资源请求并及时做出决策非常重要,针对容器云资源的过度调配、供应不足的资源管理问题以及云资源预测精度低、数据波动性等问题,为使云资源的预测能够为工作负载的需求提前响应并做出合理分配,提出了一种基于Holt-Winters和长短期记忆神经网络(long short-term memory, LSTM)(HW-LSTM)的云资源组合预测模型,并以预测残差的变异系数赋权。对亚马逊CPU数据集的预测实验表明,提出的组合模型比Holt-Winters、LSTM及卷积神经网络(convolutional neural networks, CNN)模型预测性能及稳定性更好,均方根误差(root mean squared error, RMSE)、平均绝对误差(mean absolute error, MAE)、平均绝对百分比误差(mean absolute percentage error, MAPE)、平均绝对比例误差(mean absolute scaled error, MASE)、方差D(n)优化范围分别为0.065~1.026、0.023~0.269、0.001~0.... 相似文献
10.
信息采集技术日益发展导致的高维、大规模数据,给数据挖掘带来了巨大挑战,针对K近邻分类算法在高维数据分类中存在效率低、时间成本高的问题,提出基于权重搜索树改进K近邻(K-nearest neighbor algorithm based on weight search tree,KNN-WST)的高维分类算法,该算法根据特征属性权重的大小,选取部分属性作为结点构建搜索树,通过搜索树将数据集划分为不同的矩阵区域,未知样本需查找搜索树获得最"相似"矩阵区域,仅与矩阵区域中的数据距离度量,从而降低数据规模,以减少时间复杂度.并研究和讨论最适合高维数据距离度量的闵式距离.6个标准高维数据仿真实验表明,KNN-WST算法对比K近邻分类算法、决策树和支持向量机(support vector machine,SVM)算法,分类时间显著减少,同时分类准确率也优于其他算法,具有更好的性能,有望为解决高维数据相关问题提供一定参考. 相似文献