电负性及其在无机化学上的应用

从用电负性来衡量元素在化合物分子中吸引电子的能力的必要性出发，阐述电负性的概念以及阿莱－罗周（Ａｌｌｒｅｄ－Ｒｏｃｈｏｗ）计算电负性标的方法，重点论述了电负性在无机化学上的某些应用．     

小鼠腹水癌细胞脂酶的亲和制备及一些性质的研究

在接种了血癌(L—7712)及腹水癌(Hep.A)的小鼠腹水癌细胞中存在远高于正常细胞的脂酶(Lipase)活力.本文通过免疫亲和层析方法从小鼠腹水癌细胞中纯化了该脂酶,比活力达到2000国际单位/mg.蛋白.经 SDS 聚丙烯酰胺凝胶电泳分析,纯度达电泳纯,为单亚基酶.分子量65kd.经等电聚焦电冰分析,等电点(PI)为5.3.     

从噬菌体展示七肽肽库筛选α-淀粉酶特异性配体

为了建立蛋白质亲和配基的高效筛选方法，以淀粉酶为靶分子，利用交替洗脱法从七肽噬茵体展示库中筛选具有高亲和力的噬茵体配体．结果表明，交替洗脱法筛选出的特异性配体的回收率和ELISA信号值均优于酸洗脱法；采用交替洗脱法能够更加有效和迅速地筛选到淀粉酶的高亲和力配体．分析筛选得到的不同噬茵体克隆DNA插入片断的氨基酸序列，发现了可能与配体高亲和性有关的氨基酸残基．     

尿激酶亲和层析分离中吸附和洗脱过程的速率模型模拟

采用非平衡层析速率模型，对尿激酶的亲和层析过程进行了模拟计算。利用亲和层析，可以将粗品原料净化为高纯度尿激酶产品；层析所用的亲和载体是采用对氨基苯甲脒作为配基，将琼脂糖凝胶进行活化制得的。通过问歇实验，测定了吸附等温线并进行吸附动力学研究。借助于VERSE—LC模拟软件，采用速率模型作为基本方程，对亲和层析的实验现象进行了数值模拟分析，与实验结果进行对比发现，速率模型可以较准确地描述固定床中的亲和层析过程。     

重组人源性抗HBsAg Fab抗体的特性分析

通过噬菌体展示技术从含高滴度抗乙肝表面抗原(HBsAg)抗体的人外周血淋巴细胞获得抗HBsAg Fab抗体的轻、重链基因．将Fab的轻、重链基因分别整合到巴斯德毕赤酵母(Pichua pastons)GS115菌株的染色体上，成功构建了高效分泌表达抗HBsAg Fab抗体的酵母工程菌．对酵母表达的重组Fab抗体进行了纯化，并对其相对分子质量、糖基化以及抗原结合能力等特性进行了分析，结果显示重组酵母分泌表达的重组人源性抗HBsAg Fab是一个相对分子质量为50000左右的低糖基化糖蛋白，1mg重组Fab抗体相当于40u的抗乙肝表面抗原抗体(20U／mg)．表明重组Fab抗体具有较强的结合HBsAg的能力．     

以壳聚糖为基质对蚯蚓纤溶酶进行亲和层析

蚯蚓纤溶酶(Earthworm fibrinolytic enzymes)有多种同工酶,分离纯化相对比较困难.我们采用壳聚糖作为基质,大豆胰蛋白酶抑制剂为配体,戊二醛为偶联剂,分别研究了酸性和碱性条件下对蚯蚓纤溶酶的纯化效果.实验表明经壳聚糖为载体所制备的亲和吸附剂对蚓激酶具有较高的分离纯化选择性.并且在酸性条件下提取比在碱性条件下提取所得同工酶要少.     

氧化还原因子-1的原核表达纯化及其活性鉴定

为建立氧化还原因子-1(Ref-1)的原核表达系统,将经过酶切后的人源Ref-1编码片段定向克隆到pGEX-4T-3载体上,构建了pGEX-4T-3/Ref-1原核表达载体,重组质粒转化至BL21(DE3)工程菌,异丙基-β-D-硫代吡喃半乳糖苷(IPTG)诱导重组工程菌表达可溶性融合蛋白,谷胱甘肽琼脂糖凝胶4B(Glutathione Sepha-rose 4B)亲和纯化重组蛋白,透析后用聚乙二醇8000(PEG8000)浓缩,获得纯度达92%的融合蛋白,产率为3.7 mg/L,融合蛋白占菌体总蛋白的6.8%.蛋白质印迹(Western blot)显示该蛋白可以被抗体特异性识别,证实其为GST-Ref-1融合蛋白.GST-Ref-1蛋白体外增强了激活蛋白-1(AP-1)的DNA结合能力,并能拮抗H2O2造成的AP-1氧化损伤.     

4种促性腺激素释放激素抗体的制备、鉴定和纯化

用3-马来酰亚胺基苯甲酸琥珀酰亚胺酯(MBS)法将人工合成的4种不同来源的促性腺激素释放激(GnRH)(即章鱼GnRH、海鞘GnRH-Ⅰ、七鳃鳗GnRH-Ⅰ和七鳃鳗GnRH-Ⅲ)分别与匙孔戚血蓝蛋白(KLH)偶联后作为抗原,免疫新西兰大白兔获得GnRH抗体.用间接ELISA方法检测抗血清效价,并用Western blot鉴定其特异性.制备抗原肽亲和纯化柱,纯化多克隆抗体.结果显示,4种多克隆抗体效价高达1∶500 000(体积比),并能和相应的GnRH多肽特异性结合,纯化后的抗体在SDS-PAGE显示为单一条带.通过上述方法,获得4种高效价、高纯度的GnRH抗体,为低等动物GnRH的研究提供了理论依据.     

基于M-ANFIS-PNN的目标威胁评估模型

目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息。基于此,提出一种改进的自适应模糊神经推理系统模型。在自适应模糊神经推理系统的基础上,引入前件影响矩阵和后件影响矩阵对定性数据进行处理,使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数;为了进一步提高模型的输出精度,将自适应模糊神经推理系统的输出层替换为多项式神经网络;通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识,确定模糊规则的初始参数。仿真实例验证了所提方法的有效性与可行性,与其他混合属性数据建模方法相比,所提方法具有较高的预测精度,可为作战指挥决策提供有效的辅助支持。     

基于量子的免疫进化算法及收敛性

分析和探讨了量子计算的特点及免疫进化机制,并结合免疫系统的动力学模型和免疫细胞在自我进化中的亲和度成熟机理,提出了一种基于量子计算的免疫进化算法。该算法使用量子比特表达染色体,通过免疫克隆、记忆细胞产生和抗体相似性抑制等进化机制可最终找出最优解,它比传统的量子进化算法具有更好的种群多样性、更快的收敛速度和全局寻优能力。在此不仅从理论上证明了该算法的收敛,而且通过仿真实验表明了该算法的优越性。