厚朴酚近红外光谱的2D-COS解析及其在藿香正气口服液模型中应用

以氘代氯仿为溶剂,以中药化学标准品厚朴酚为载体,采用二维相关光谱(Tow-dimensional correlation spectroscopy, 2D-COS)技术,采集近红外光谱(near infrared spectroscopy, NIR),由氘代氯仿纯溶剂与厚朴酚原始光谱的二维相关同步谱可知,厚朴酚在1 365～1 455, 1 600～1 720, 2 000～2 181和2 275～2 465 nm处有特征吸收,其中1 440 nm为酚基O—H伸缩振动基频的一级倍频谱带,1 679 nm为芳基C—H及与芳基相连的甲基C—H伸缩振动一级倍频谱带,2 117, 2 304, 2 339和2 370 nm为芳基C—H伸缩振动、弯曲振动和变形振动的组合频,2 445 nm为芳基相连的甲基C—H弯曲振动基频二级倍频谱带,这些波段为厚朴酚的特征归属。以藿香正气口服液复杂体系为载体,以厚朴酚光谱解析的特征波段与间隔偏最小二乘(interval partial least squares, iPLS)和组合间隔偏最小二乘(synergy interval partial least squares, SiPLS)筛选的特征波段分别建立偏最小二乘(partial least squares, PLS)定量模型,模型的决定系数R2_cal 和R2_pre均大于0.99,校正均方根误差(root mean of square error of calibration, RMSEC),交叉验证均方根误差(root mean of square error of cross validation, RMSECV)和预测均方根误差(root mean of square error of prediction, RMSEP)均较小。结果表明,2D-COS技术解析厚朴酚所得波段建立的定量模型与iPLS和SiPLS波段筛选的模型均相对稳定,这使定量模型的波段选择更具有解释性。该研究为中药化学成分NIR光谱解析特征波段的归属提供方法参考,同时为NIR建模波段筛选提供借鉴和指导。     

基于非参数背景抑制的弱小目标管线法检测

介绍了一种红外图像背景抑制的非参数方法(E_kernel)。提出了一种弱小目标的管线检测算法。E_kernel方法不同于传统的线性或非线性背景预测,它对背景杂波分布的统计特性不敏感,受其影响较小,具有非参数特性。管线检测算法对序列图像做若干相同的顺序处理,采用并行分布式计算,处理时间短。仿真试验表明,该算法能有效地检测出低信噪比红外序列图像中的弱小目标的运动轨迹,具有较高的实时性。     

水中有机污染物的近红外光谱快速鉴别

讨论了水中有机污染物的近红外光谱,指出不同的有机污染物在近红外光谱区表现出不同的特征,用该特征结合化学计量学技术可快速对有机污染物做出鉴别。     

磁珠富集法筛选池蝶蚌微卫星分子标记

通过磁珠富集的方法分离池蝶蚌(Hyriopsis Schlegelii)的微卫星分子标记。将池蝶蚌基因组DNA酶切,连接Brown接头,采用PCR技术富集,与探针杂交后杂交复合物结合到包被有链霉亲和素的磁珠上,再将这些片段洗脱,PCR扩增,克隆构建含有微卫星片段的"基因组文库",所得到的阳性克隆进行测序。从所获得的212个阳性克隆中选取110个进行测序,其中54.5%含有微卫星序列,80%的重复序列重复数在10以上,微卫星序列中21.4%为完美型。除探针中使用的AC、AG等重复单元外,还观察到CT、GA、ATG等重复序列。设计获得60对微卫星引物,合成其中的30对经PCR筛选,结果有10对引物扩增出多态性条带。该实验表明:磁珠富集法是获得池蝶蚌微卫星分子标记的一种有效的方法,同时,制备出的微卫星标记可为今后研究池蝶蚌分子遗传多样性提供有用的遗传标记。     

Hom-Doi-Hopf模

Hom-结构(李代数,双代数,Hopf模)已经越来越引人关注.首先引入Hom-模余代数和Hom-Doi-Hopf模概念,证明了Hom-Doi-Hopf模模可通过Doi-Hopf模在态射扭曲下得到,推广了CAENEPEEL等提出的条件;还揭示了有限型Hom Doi Hopf结构和其对偶之间的联系,证明了忘却函子F∶CM(H)A→MA(CM)存在伴随函子,其中CM(H)A和MA(CM)分别表示Hom-Doi-Hopf模模范畴和Hom-模(Hom-余模)范畴.     

翘嘴红鲌群体遗传多样性分析

基于RAPD方法对江西(鄱阳湖)、湖北(梁子湖)和江苏(太湖)3个群体的翘嘴红鲌遗传多样性进行分析,以评价它们的群体遗传结构和良种选育的可行性。结果显示从30个随机引物中筛选出了20个多态性较高的引物,既可扩增出3个群体共同的DNA条带,也可扩增出单个群体特有的特征条带。从3个群体实验鱼中共检测到119个扩增片段,长度在0.2~1.7kb之间。鄱阳湖群体多态位点数61个,多态位点比为51.26%,梁子湖群体多态位点数50个,多态位点比为42.02%,太湖群体多态位点数67个,多态位点比为56.30%。3个群体的Shannon多样性指数分别为0.429 2,0.382 8和0.443 1。群体间遗传相似系数依次为:最高是鄱阳湖与梁子湖,为0.8055,其次是鄱阳湖与太湖,为0.801 6,最低是梁子湖与太湖,为0.785 2。结果提示,鄱阳湖与梁子湖亲源关系较近,与太湖稍远;所筛选出的引物应用RAPD技术可以方便地分析不同群体翘嘴红鲌的遗传多样性,并可为良种选育的亲本选择提供依据。     

基于过程分析技术和设计空间的金银花醇沉加醇过程终点检测

建立了一种新的基于过程分析技术(PAT)和质量源于设计(QbD)设计空间的中药制药过程终点分析与控制方法.以近红外(NIR)光谱技术为PAT工具, 采集正常操作条件下制药过程的多批次NIR光谱; 采用主成分分析结合移动块相对标准偏差(PCA-MBRSD)法, 确定每一批次过程的理想终点样本(DEPs), 由多批DEPs的光谱信息构成过程终点设计空间; 在过程终点设计空间确定的范围内, 建立多变量统计过程控制(MSPC)模型, 利用多变量Hotelling T²和SPE控制图对过程终点进行判断.应用上述方法, 进行了金银花醇沉加醇过程终点检测研究, 结果表明该方法灵敏、准确, 适宜于中药制药过程终点检测.     

A low-threshold and high-power oxide-confined 850-nm AlInGaAs strained quantum-well vertical-cavity surface-emitting laser

A low-threshold and high-power oxide-confined 850-nm AlInGaAs strained quantum-well (QW) vertical-cavity surface-emitting laser (VCSEL) based on an intra-cavity contacted structure is fabricated. A threshold current of 1.5 mA for a 22 μm oxide aperture device is achieved, which corresponds to a threshold current density of 0.395 kA/cm². The peak output optical power reaches 17.5 mW at an injection current of 30 mA at room temperature under pulsed operation. While under continuous-wave (CW) operation, the maximum power attains 10.5 mW. Such a device demonstrates a high characteristic temperature of 327 K within a temperature range from -12℃ to 96℃ and good reliability under a lifetime test. There is almost no decrease of the optical power when the device operates at a current of 5 mA at room temperature under the CW injection current.     

基于CSA-SQP的预测控制器参数整定研究

针对预测控制器参数整定困难, 提出了一种基于克隆选择和序列二次规划的预测控制器参数整定算法, 建立了一个基于免疫原理和序列二次规划算法进行控制器参数整定的机制, 并给出了参数整定问题中的抗原、抗体及亲和力的定义. 在此基础上, 针对系统的不确定性干扰, 构造了基于事件触发的参数调整框架. 最后, 将算法应用于仿真实验, 通过与设定值控制结果的对比, 证明所提出的预测控制器参数整定方法是有效的.     

基于跳距修正L-M优化的WSN定位算法

针对DV-Hop定位算法在节点随机分布的网络拓扑环境下存在误差较大的问题,文中通过分析平均跳距估计、未知节点坐标估计区域求解对定位精度的影响,提出了一种基于跳距修正L-M优化的WSN定位算法CLDV-Hop(Correct L-M DV-Hop)。仿真结果表明,在不增加额外开销且仿真环境相同的条件下,CLDV-Hop算法比现有改进的算法具有更高的定位精度,与DV-Hop算法相比精度提高了约33%——41%。