亲和色谱-氢化物发生原子荧光分光光度法纯化检测人血浆中的硒蛋白-P

开发了两步亲和色谱法:肝素-琼脂糖凝胶、Ni-琼脂糖凝胶色谱纯化人血浆中硒蛋白-P的方法,并采用氢化物发生-原子荧光分光光度法(HG-AFS)检测,成功搭建了硒蛋白-P的纯化检测平台。确定了亲和色谱纯化的最佳梯度洗脱条件,通过十二烷基硫酸钠-聚丙烯酰胺凝胶电泳(SDS-PAGE)定性检测,得到了一定纯度的硒蛋白-P,其回收率达43.2%。HG-AFS方法的线性相关系数为0.999 1,检出限为0.09μg/L,日内精密度(RSD)为0.12%,日间精密度(RSD)为0.27%,加标回收率为95%～104%。该亲和色谱纯化方法简单易控、回收率高,HG-AFS检测灵敏度高,结果准确可靠。     

凸随机合作对策的核心

本文将凸性扩展到随机合作对策中,从而得到凸随机合作对策具有超可加性与非空的核心,且凸随机合作对策的核心满足Minkowski和与Minkowski差.     

基于自加权变量组合集群分析法的近红外光谱变量选择方法研究

变量选择技术是光谱建模的重要环节。本研究提出了一种新的变量选择方法——自加权变量组合集群分析法(AWVCPA),首先通过二进制矩阵采样法(BMS)对变量空间进行采样;其次通过对变量出现频率(Fre)和偏最小二乘回归系数(Reg)两种信息向量(IVs)做加权处理,得到了每个光谱变量的贡献值,进而考虑到了Fre和Reg两类IVs对于光谱建模的影响;最后通过指数衰减函数(EDF)删除贡献小的波长点,进而实现特征变量选取。以啤酒和玉米两组近红外光谱数据为例,基于偏最小二乘法(PLS)建立啤酒中酵母浓度预测模型和玉米中油浓度预测模型,对比其它变量选择方法。研究表明,在相同条件下,基于AWVCPA变量选择方法建立的预测模型都取得了最优的预测精度,对啤酒中酵母浓度的预测,相比全光谱PLS模型,RMSEP由0.5348下降到0.1457,预测精度提高了72.7%;对玉米含油量的预测,相比全光谱PLS模型,预测均方根误差(RMSEP)由0.0702下降到了0.0248,预测精度提高了64.7%。     

荧光、紫外和红外光谱分析人乳和牛乳β-酪蛋白的功能和构象差异

β-酪蛋白是人乳酪蛋白的主要成分,但它在牛乳中的含量却很小。β-酪蛋白在两者中含量的差异,是人乳比牛乳更易消化的原因之一,研究人乳与牛乳β-酪蛋白结构和功能的差异,对研制出更适合婴儿肠道的,新型人乳模拟型婴儿配方奶粉具有指导性的意义。用紫外分光光度法研究人乳β-酪蛋白和牛乳β-酪蛋白的溶解性、巯基含量、乳化性等功能性质,用荧光光谱和红外光谱分析比较两种蛋白的结构特点。两种蛋白等电点十分接近(pH 4.0～5.0),在等电点附近时,人乳β-酪蛋白的溶解性(10.83%)低于牛乳β-酪蛋白(11.83%),而偏离等电点时人乳β-酪蛋白具有更高的溶解性,人乳β-酪蛋白的乳化活性指数(110~140 m2·g-1)高于牛乳β-酪蛋白(70～130 m2·g-1),两种蛋白的表面巯基(SH)相似[(18.47±0.08)和(18.67±0.17) μmol·g-1],而牛乳β-酪蛋白总巯基的含量[(47.46±0.23) μmol·g-1]大于人乳β-酪蛋白[(26.17±0.12) μmol·g-1],两种蛋白官能团相似,均含有β-折叠结构,人乳β-酪蛋白的氢键数量和内部的疏水性均小于牛乳β-酪蛋白。结果表明,人乳β-酪蛋白比牛乳β-酪蛋白具有更少的α-螺旋和β-折叠等二级结构,具有更疏松灵活的三级结构,同时也具有更高的分子的表面活性。     

基于TMS320C6416的电子稳像的实现

为解决由于相机高速运动而导致的图像模糊,利用定点DSP芯片TMS320C6416和维纳滤波算法实现电子稳像。研究了运动模糊的退化模型,阐述了维纳滤波进行图像恢复的原理。介绍了利用定点DSP(TMS320C6416)完成电子稳像的关键技术,完成字长为32bit的FFT运算,充分发挥DSP的DMA功能来提高处理速度。分析了恢复图像中存在的振铃效应和边沿效应,给出了实验结果。     

多目标的随机结盟对策的ZS-值

本文研究的是多目标随机结盟对策的问题，是将单目标的随机结盟对策的ZS-值拓展到多目标的随机结盟对策上，同时考虑了局中人对不同目标的偏好程度，从而，给出了多目标随机结盟对策的ZS-值的定义，并讨论了该值的性质及定理。