说说蛋白质

乔乔,多吃点鱼肉,它含有丰富的蛋白质。我不爱吃鱼肉!我也不需要蛋白质!宝贝,人体需要蛋白质,你该知道蛋白质对于我们而言是多么重要。     

砂岩在西湖凹陷花港组交互式盖层中的作用初探

西湖凹陷花港组盖层具有砂泥岩交互式发育特征，而与泥岩伴生的砂岩类盖层的油气封闭作用研究较少。采用岩芯、镜下观察及压汞等分析方法，对砂泥岩交互式盖层中的砂岩特征进行了分析。结果表明，盖层中的砂岩可作为有效盖层，砂岩类盖层早期受沉积环境控制，含有较多的泥质而导致早期压实作用较强，加之晚期的黏土矿物转换及胶结物的发育，具备形成良好盖层的条件。在不同地区进行砂岩盖层有效性研究时应以沉积环境为基础，针对不同类型的砂岩进行成岩作用研究，并针对不同类型的砂岩样品进行实验分析以明确砂岩盖层的有效性。     

极小相关组的Matlab实现及其在编码中的应用

纠错码技术是通信技术中不可或缺的一项技术,并在当今的通信技术发展中占有很高的地位,线性分组码是常用的一种纠错码,其纠错能力的计算需要以线性分组码最小码距的计算为基础。向量组极小相关组的提出,引入了向量组的距的定义,为线性分组码纠错能力的计算提供了新思路,极小相关组的有效而且快速求解方法研究将是一个新课题,针对计算机通信科学发展的需求,基于遍历法的思想,运用Matlab软件编写程序求解向量组的极小相关组,并将程序简单应用于具体向量组极小相关组的计算以及线性分组码纠错能力的计算。     

播期推迟对冀东地区强筋小麦产量构成和籽粒蛋白质质量分数的影响

为研究强筋小麦在冀东地区对不同播期反应差异,2016～2017年在大田条件下,以强筋小麦津农7号和中麦1062为材料,设置3个处理播期,分别是10月10日(SD1),10月15日(SD2)和10月20日(SD3),以10月5日为对照播期(CK),研究了不同播期对强筋小麦产量和籽粒蛋白质质量分数的影响。结果表明:(1)随着播期的推迟,小麦干物质积累量显著降低;(2)产量最高值出现在10月10日这一播期,早播或晚播均会造成不同程度的减产;(3)籽粒蛋白质质量分数随播期的推迟而提高,播期推迟有利于提高籽粒蛋白质质量分数。     

搜寻平面机构中虚约束的拆杆组法

本文根据机构的组成原理,提出一种搜寻机构中虚约束的新方法一拆杆组法,用该方法能方便地判断出机构中所含的虚约束,同时能迅速排除含有特定几何条件而实际上并不存在虚约束的机构.     

基于多项式组主项解耦消元法的几何定理机器证明

用多项式组主项解耦消元法，将几何定理的假设条件（多项式组PS）化为主系数不含变元的三角型多项式组DTS，可得到定理命题成立的不含变化的非退化条件，即充分必要或更接近充分必要的非退化条件，由于多项式主系统不含变化，已不存在DTS多项式之间的约化问题，故方法有普遍意义，文中例为西姆松定理的机器证明。     

疏水色谱法及其在生物大分子分离纯化中的应用

综合评述了疏水相互作用色谱法（hydrophobic interaction chromatography,HIC)的理论及其在生物大分子分离纯化方面的研究进展。     

蛋白质凝聚结晶和致病的动力学机制

这本书涉及了蛋白质在溶液中的相转变、自组装和聚集行为等问题。其主要目的是向跨学科的读者介绍这一领域的研究现状。书中主要讨论了蛋白质优质结晶的问题，指出其瓶颈在于晶体的成核。由于蛋白质的结构决定了它的功能，因此非常有必要培养出优质的晶体来确定其结构，其中遇到的主要挑战是确定具备最佳成核条件的溶液初始状态。     

Finding finer functions for partially characterized proteins by protein-protein interaction networks

Based on high-throughput data, numerous algorithms have been designed to find functions of novel proteins. However, the effectiveness of such algorithms is currently limited by some fundamental factors, including (1) the low a-priori probability of novel proteins participating in a detailed function; (2) the huge false data present in high-throughput datasets; (3) the incomplete data coverage of functional classes; (4) the abundant but heterogeneous negative samples for training the algorithms; and (5) the lack of detailed functional knowledge for training algorithms. Here, for partially characterized proteins, we suggest an approach to finding their finer functions based on protein interaction sub-networks or gene expression patterns, defined in function-specific subspaces. The proposed approach can lessen the above-mentioned problems by properly defining the prediction range and functionally filtering the noisy data, and thus can efficiently find proteins’ novel functions. For thousands of yeast and human proteins partially characterized, it is able to reliably find their finer functions (e.g., the translational functions) with more than 90% precision. The predicted finer functions are highly valuable both for guiding the follow-up wet-lab validation and for providing the necessary data for training algorithms to learn other proteins.