石杉碱甲类拟物的合成及药理研究1: (±)-14-氟石杉碱甲

用两种方法合成了(±)-14-氟石杉碱甲(6), 并测定了其抑制乙酰胆碱酯酶的生物活性。其抑制活性是(-)-石杉碱甲(1)的1/62。     

傅里叶中红外光谱结合稀疏表示分类方法鉴别小麦赤霉病感染等级

旨在探索感染不同等级赤霉病的小麦中主要成分含量变化引起的傅里叶中红外光谱信息响应,并结合模式识别方法实现基于傅里叶变换中红外光谱的小麦赤霉病等级无损检测。以感染不同等级赤霉病小麦为研究对象,在4 000~400 cm-1波数范围内采集95个小麦样本的傅里叶中红外光谱数据,利用载荷系数法（XLW）与随机森林算法（RF）分析选取小麦样本傅里叶中红外光谱中的敏感波长,利用稀疏表示分类（SRC）算法建模识别小麦感染赤霉病等级。结果表明：XLW算法和RF算法选择的特征波长作为定性分析模型的输入时模型鉴别准确率与全波段光谱数据作输入时均达90%以上,特征波长提取算法可以有效简化模型并提高效率。RF-SRC模型鉴别效果最好,建模集鉴别准确率达97%,测试集鉴别准确率达96%。小麦感染赤霉病等级的不同会引起小麦中水分、淀粉、纤维素、可溶性氮素、蛋白质、脂肪等物质含量的变化,采用RF算法选择的特征波长均反映了这些物质所对应的傅里叶中红外光谱透射光谱特征的差异,结合SRC模型进行小麦赤霉病等级鉴别可达到最好的鉴别效果。因此,利用傅里叶中红外光谱技术结合模式识别方法对小麦赤霉病等级鉴别是可行的,解释了傅里叶中红外光谱技术检测小麦赤霉病等级的机理。     

基于概念密度泛函理论磷酸酯类反应性物质毒性预测

磷酸酯类反应性物质是乙酰胆碱酯酶不可逆抑制剂。本文应用概念密度泛函理论(CDFT),采用四组条件(B3LYP/6-311++G(2d, 3p)/gas,B3LYP/6-311++G(2d, 3p)/CPCM/water,MP2/6-311++G(2d, 3p)/gas,MP2/6-311++ G(2d, 3p)/CPCM/water),对20多个磷酸酯反应性物质进行反应性描述指数计算,包括分子的化学势μ,绝对硬度η、亲电性指数ω、分子的前线轨道能量等分子整体描述参数,以及原子福井函数、自然键轨道(NBO)电荷、Wiberg键级、NBO键级等分子局域描述参数。通过对反应性描述指数以及定量构性关系(QSPR)方程预测结果的比较分析,得出结论：大多数化合物亲电进攻的反应中心发生在磷原子上;磷酸酯类化合物侧链乙胺基叔氮的质子化,将显著增强反应中心磷原子的亲电进攻能力;B3LYP/6-311++G(2d, 3p)/gas为最合理的计算条件;应用反应性描述指数建立的QSPR模型明显优于常规的2D-QSPR模型,能够用于乙酰胆碱酯酶不可逆抑制剂的精确毒性预测。     

基于近红外高光谱成像及信息融合的小麦品种分类研究

高光谱成像技术因具有图谱合一的特点在作物品种鉴别方面具有较大潜力,但目前研究大多只提取利用了光谱信息,对图像信息没有进行有效利用。本文利用近红外高光谱成像仪采集了强筋、中筋、弱筋3个类型共计6个品种的单粒小麦种子高光谱图像,提取了长、宽、矩形度、圆形度、离心率等12个形态特征,并对图像中的胚乳和胚区域进行分割建立掩膜,提取了胚乳和胚区域的平均光谱信息。采用PLSDA和LSSVM方法建立基于图像信息的判别模型,结果表明强筋、弱筋两者二分类的识别率能达到98%以上,强筋、中筋两者二分类的识别率只能达到74.22%,说明近红外高光谱图像的形态信息能够反映品种间差异,但单独利用图像信息进行分类时准确度可能欠佳。采用SIMCA,PLSDA和LSSVM方法建立了胚乳和胚区域光谱信息的多分类模型,胚乳区域的分类效果较胚区域略好,说明籽粒不同部位的形状差异会影响分类效果。进一步融合光谱信息和图像信息,采用SIMCA,PLSDA和LSSVM方法建立融合模型,识别率较单独的图像或光谱信息模型均略有提升,PLSDA方法从原来的96.67%提升到98.89%, 表明充分挖掘高光谱图像所包含的形态特征和光谱特征可有效提高分类效果。     

火焰原子吸收法测定小麦品种籽粒中铁锰锌含量

用火焰原子吸收分光光度法,测定6种不同类型的冬小麦品种籽粒中铁、锰、锌微量元素的含量。结果表明铁、锰、锌的回收率分别为10309%,10290%和10119%,相对标准偏差(RSD)分别在394%,167%和269%以内,并以GBW08503小麦粉标准样品进行比较测定,结果满意。该方法简便、快速、准确。测定结果为研究小麦品种籽粒中微量元素的含量与小麦品质的关系提供依据。     

基于LED的便携式近红外整粒小麦成分测量仪的研制

采用最新集成芯片和软件设计 ,研制出以近红外LED为光源的整粒小麦成分快速分析的仪器 ,为小麦成分的现场检测提供了一个经济、快捷的便携式设备。该测量仪由近红外LED光源、窄带干涉滤光片、菲涅尔透镜、硅光电池检测器、单片机系统及校准模型等组成。与其他近红外仪器相比 ,该测量仪具有体积小、结构简单、低功耗、抗震动等特点。同时介绍了该测量仪的硬件设计 ,软件设计 ,对小麦蛋白质的建模和预测应用实例等。该测量仪可在粮库甚至田间现场对整粒小麦成分进行无损检测     

样条变换集成罚函数偏最小二乘方法用于光谱数据重构和定量分析

针对高维小样本光谱数据所显现的函数型数据(Functional data)特性、与性质参数的非线性关系及变量间存有的严重共线性,采用了样条变换集成罚函数偏最小二乘回归新技术.它首先以三次B基样条变换实现非线性光谱数据的线性化重构,随后将重构的新光谱矩阵交由罚函数偏最小二乘法(Penalized PLS)构建其与性质参变量间的校正模型,其中罚函数中的光滑因子由交叉验证优化确定以调控模型的拟合精度.最后,通过小麦样品水分含量的近红外光谱定量分析,结果显示该技术光谱数据重构稳健,去噪明显,并有效解决高维小样本的过拟合和变量间的共线性,而预测集的均方根误差(RMSEP)为0.1808%,方法的非线性校正模型预测能力得到了明显提高.     

小麦品质近红外检测系统的设计与试验研究

为实现快速无损地检测小麦品质设计了基于光栅技术的近红外检测系统,测试了该系统的准确性、重复性和稳定性,选取MPA光谱仪为参比仪器,分别采集56份小麦样品的光谱,建立偏最小二乘回归模型并验证。该系统的四个模型的决定系数R2分别为92.38%,93.48%,93.16%,94.44%,交叉验证标准差RESECV为0.405,0.374,0.383,0.346,相对分析误差RPD为3.62,3.39,3.82,4.24;预测集验证模型的R2为96.97%,94.22%,96.62%,96.34%,预测标准差RMSEP为0.221,0.305,0.233,0.243。MPA光谱仪的建模结果R2 为95.99%,RESECV 为0.293,RDP为5;预测集验证模型的R2为98.31%,RMSEP为0.165。实验表明：小麦品质近红外检测系统所得模型具有良好的预测性,稳定性和重复性;所得光谱波长与吸光度具有重现性;其模型对平均光谱的预测效果优于单张光谱;该系统工作稳定,性能优良,可应用于小麦品质质量检测。     

Enzymatic Promiscuity： Escherichia coli BioH Esterase-catalysed Aldol Reaction and Knoevenagel Reaction

Esterase BioH,which is obligatory for biotin synthesis in Escherichia coli,was found to exhibit a promiscuous ability to catalyse Aldol and Knoevenagel reactions with moderate to good yields.The reaction conditions including organic solvent,molar ratio of ketone to aldehyde,enzyme amount,and reaction time were investigated to evaluate the effect of different reaction conditions on yield.Target compounds were afforded in the best yield of 91.2％ for Aldol reaction and 54.7％ for Knoevenagel reaction.In addition,because the enzyme could be prepared with a low cost,this protocol could provide an economic route to conduct Aldol and Knoevenagel reactions,which expand the field of enzymatic promiscuity.     

无人机多光谱影像的小麦倒伏信息多特征融合检测研究

为探究多特征融合方法在作物倒伏领域快速精准识别中的适用性,利用无人机获取多田块冠层尺度的不同倒伏率麦田多光谱数据,对原始倒伏图像进行图像拼接、辐射校正、几何校正等预处理,并利用重归一化差值植被指数和阴影指数分别剔除土壤和阴影背景,提取小麦倒伏DSM模型和植被指数分别与多光谱图像进行多特征图像主成分变换融合,筛选差异性较大的纹理特征,采用支持向量机(SVM)、人工神经网络(ANN)和最大似然法(MLC)监督分类模型对多光谱和DSM融合图像、多光谱和归一化植被指数(NDVI)融合图像、多光谱图像和纹理特征图像进行监督分类,并采用总体精度(OA)、 Kappa系数和提取误差综合评价各监督模型的分类性能和倒伏提取精度。分类结果表明：各监督分类方法在不同倒伏区域提取结果建模效果趋势一致,SVM和ANN整体提取精度高于MLC,在高倒伏区域,多光谱与NDVI融合图像的SVM监督模型(OA:92.63%, Kappa系数：0.85,提取误差：1.11%)提取效果最好;在中倒伏区域,多光谱与DSM融合图像的SVM监督模型(OA:90.35%, Kappa系数：0.79,提取误差：9.34%)提取效果最好...