紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。     

基于深度学习的离轴菲涅耳数字全息非线性重构

针对离轴菲涅耳数字全息图,提出基于深度学习的单幅数字全息非线性重构方法 .采用经典的菲涅耳衍射积分模拟数字全息成像以供给网络训练所需样本,利用深度卷积残差神经网络通过学习数字全息图与相关物像之间的非线性数学映射关系实现全息图的物像重构.数值模拟表明,与传统的频率滤波和四步相移技术实现菲涅耳数字全息重构相比,本文提出的方法可直接消除零级像及孪生像,无需条纹物项抽取预处理步骤,且重构的物像具有较高的质量,针对相同记录参考光下不同衍射距离所生成的测试集亦具有较强的稳健性.     

表面增强拉曼光谱在食源性致病微生物检测中的应用研究

食源性致病微生物导致的食源性疾病已成为全球化的公共卫生问题。快速、有效地检测食源性致病微生物是实现食源性疾病预防与控制的关键环节，也是保障食品安全的技术关键。表面增强拉曼光谱(SERS)具有简单、快速、灵敏度高等优点，在食品安全、生物医学、环境监控等领域展现出良好的应用前景。介绍了近年来SERS在食源性致病微生物检测中的应用研究进展。对SERS技术概况、SERS增强理论及SERS增强基底进行了简要介绍，重点回顾了SERS在食源性致病微生物检测中的应用和发展现状。在食品安全分析方面，利用SERS与模式识别方法相结合对食品中常见食源性致病微生物能实现快速、有效鉴别，部分研究已应用于不同食品样品的分析，体现了SERS作为“指纹图谱”的分析优势；在医学诊断方面，SERS可对病理样品(如血液、尿液等)中食源性致病微生物进行快速检测，缩短了样本分析时间，使食源性疾病的快速诊断成为可能；随着微流控技术的发展，微流控平台结合SERS技术被称为“芯片实验室”应用于食源性致病微生物的检测，可提高分析的可控性，稳定性，特异性和灵敏度。通过对比分析，发现不同研究可采用不同分离方法、不同基底、不同目标捕获方式等实现了食源性致病微生物的检测，展示了不同方法间的差异性。已有研究表明了SERS在食源性致病微生物检测中应用可克服传统方法耗时等缺点，实现灵敏快速分析，为食品安全实时监控，食源性疾病即时诊断提供了有效的分析工具。同时，指出了SERS技术应用于食源性致病微生物分析依然面临很大挑战，(1)大多数研究并没有聚焦于实际样品，而标准培养液和实际样品的SERS检测存在较大差异，实际样品组分会对SERS响应产生干扰；(2)不同方法结果有较大差异，主要是由于纳米增强基底差异，吸附方式原理的差异，稳定性的差异等，因此需要更多深入研究进一步优化条件；(3)期望建立标准化的SERS方法替代传统技术，充分展示SERS作为新兴分析工具快速、灵敏、简捷的优势应用于食品安全，医学诊断等领域。将来，随着研究的深入及相关学科的发展，SERS作为极具潜力的快速分析工具，将在食品安全，生物医学等领域具有更广阔的应用前景。     

UJ24型电位差计的检修与调节

UJ24型电位差计使用时出现的故障,可以利用数字万用表排查故障,提出排查方案,进行维修与调节,使它尽快恢复到最佳工作状态,这样既节省厂家的维修时间又节省学校的维修费用。     

数字梯度敏感方法及其在航空透明件断裂力学中的应用

本文将数字梯度敏感方法用于航空透明件断裂力学问题研究。首先,基于透明材料的弹性-光学效应,建立了透明件应力状态与光线穿过透明件后的偏转角之间的关系。在平面应力假设下,利用最小二乘拟合建立了I型裂纹尖端应力强度因子与光学偏转角的关系。其次,通过数字梯度敏感方法搭建非接触光学测试平台,开展了带单边裂纹的航空有机玻璃试件三点弯曲实验,应用数字梯度敏感方法提取了I型裂纹尖端应力强度因子。最后,通过选择不同计算子区域和步长大小,分析了数字梯度敏感方法中的子区域和步长选择对计算结果的影响。研究结果表明,数字梯度敏感方法实验所得应力强度因子与经验公式计算所得结果偏差小于10%,通过增加最小二乘拟合项数以及合理的子区域和步长选择可以减小数字梯度敏感方法计算应力强度因子误差。     

微流控纸芯片的加工及其分析应用的实验设计*

设计了一个使用喷墨打印法加工微流控纸芯片的实验,在经烷基烯酮二聚体(AKD)的正己烷溶液浸泡过的滤纸上,以三乙醇胺溶液为打印墨水,用喷墨打印机打印出设计好的芯片图案。滤纸加热后,打印区域呈现亲水性,非打印区域为疏水性,从而制备出纸芯片,用该纸芯片通过数字比色法实现了亚硝酸根离子的定量测定。该实验不使用昂贵仪器设备,易普及。通过实验,促使学生了解微流控芯片这一前沿科学技术,锻炼学生细致、灵巧的动手能力,激发学生科技创新活力。