机器学习方法在高分子玻璃化研究中的应用

高分子玻璃的物理性质与其结构和动力学密切相关.揭示高分子玻璃化的微观物理图像对高分子玻璃材料的结构调控和分子设计至关重要.然而,高分子的长链结构和复杂单体结构特征致使目前仍然缺乏普适的理论或者模型来定量解释高分子玻璃化的物理机制.因此,亟需发展更为先进的研究方法从而更深入地理解高分子玻璃化.近年来,国内外学者利用基于数据驱动的信息学方法(例如机器学习)对高分子玻璃化开展了研究,并取得了丰富成果.本综述首先介绍了常用的高分子信息学数据库和机器学习算法.之后,从高分子玻璃化转变温度的预测、新型高分子玻璃材料的研发、过冷液体的结构-动力学关系和玻璃体系相变的确定四个方面总结和评述了机器学习应用在玻璃化研究中的代表性进展.最后,探讨了机器学习方法在高分子玻璃化研究中面临的主要挑战,并对玻璃信息学这一领域的发展进行了展望.     

兔防御素NP1在大肠杆菌中的表达

通过选用大肠杆菌偏好密码子对兔防御素基因进行改造，人工合成兔防御素基因并构建编码GST—NP1融合基因，从而在大肠杆菌中进行表达。研究表明：表达的蛋白质经过亲和层析洗脱纯化，SDS—PAGE电泳分析，在目的分子量处出现预期条带。灰度扫描分析表明，表达量最高可达细菌总蛋白的34．7％。经切割、复性后的防御素具有溶血活性。     

高分子/棒状纳米粒子复合物的分子动力学模拟

采用非平衡态分子动力学模拟研究了剪切场下棒状纳米粒子对高分子基体的结构、 动力学和流变性质的影响. 通过比较多种体积分数(0.8%~10%)的纳米复合物及纯熔体的模拟结果发现, 随着纳米粒子的增加, 高分子链的扩散和松弛逐渐受到抑制, 而链尺寸几乎保持不变. 从Weissenberg number(W_i)角度看, 在剪切流场下, 高分子链的结构性质(如归一化的均方回转半径、 回转张量和取向抑制参数)几乎与纳米粒子的体积分数无关, 而高分子链的Tumbling运动受到抑制. 研究还发现, 纳米复合物与纯熔体的剪切黏度曲线趋势基本一致, 即W_i=1将曲线分为平台区和剪切变稀区. 纳米棒的加入仅定量地改变了流体的剪切黏度.