交换环上辛代数的导子代数

对含幺交换环上辛代数的导子代数做了详细的描述.     

Ge薄膜特性及其在光子计数成像系统中的应用

利用电子束真空蒸镀方法制作了Ge薄膜,用作感应读出方式光子计数成像系统的电荷感应层,研究了石英玻璃衬底和陶瓷衬底上Ge薄膜的结构特征、表面形态以及各种工艺参数对薄膜电阻的影响.X射线衍射(XRD)测试表明,两种衬底上沉积的Ge薄膜均为立方相非晶态.场发射扫描电子显微镜(FESEM)图像表明石英玻璃衬底上的薄膜致密平整,陶瓷衬底上的薄膜比较粗糙,厚度较薄时,陶瓷晶界处薄膜不连续导致电阻较大.通过改变沉积速率、薄膜厚度及采用退火的方法可以控制薄膜电阻.对比了采用不同阻值电荷感应层时系统的性能,发现阻值对探测器的分辨率影响小,对计数率影响较大.     

Development and physicochemical characterization of doxorubicin-encapsulated hydroxyapatite–polyvinyl alcohol nanocomposite for repair of osteosarcoma-affected bone tissues

Nowadays locoregional therapy for cancer treatment can be associated with nanocomposite drug delivery systems. Coated nanoparticles have versatile applications for delivering chemotherapeutic drugs to the targeted part of the body. In this study, a ceramic carrier like nanosized hydroxyapatite (HAp) was synthesized by the in situ precipitation method followed by coating with anticancer drug like doxorubicin (DOX) and polyvinyl alcohol (PVA) polymer. The physicochemical characterization of the prepared polymer-coated drug ceramic nanocomposite (DOX-HAp-PVA) was carried out using Fourier transform infrared spectroscopy, X-ray diffraction, transmission electron spectroscopy, and particle size distribution. Furthermore, the biocompatibility and the anticancer activity of the nanocomposite were explored by MTT assay study. Successfully synthesized DOX-HAp-PVA nanocomposite exhibited a remarkable cytotoxicity toward osteosarcoma cells (MG 63), which may be potentially used as an anticancer agent against osteosarcoma.     

四溴联苯醚(BDE47)与溶菌酶的相互作用研究

在模拟人体生理条件下,采用分子模拟结合三维荧光、圆二色谱、荧光光谱、时间分辨荧光等光谱方法,研究了四溴联苯醚（BDE47）与溶菌酶的相互作用机制。结果表明：BDE47能有效地猝灭溶菌酶的内源性荧光,猝灭机制为静态猝灭。分子对接显示,BDE47与溶菌酶分子中的TRP62,TRP63,ARG61,ASN59,ALA107和ILE98等氨基酸残基具有相互作用,且BDE47分子中的醚键O原子与TRP63形成了氢键,氢键距离为2.2 Å。三维荧光的实验结果表明,BDE47的加入导致了溶菌酶的荧光强度降低,峰位置发生略微红移,BDE47与溶菌酶之间的结合作用改变了溶菌酶的微环境。圆二色谱分析则进一步证明,BDE47的存在引起了溶菌酶的构象发生改变,导致α-螺旋结构的含量减少。根据Föster非辐射能量转移理论计算得出,供体（溶菌酶）与受体（BDE47）的结合距离r为3.31 nm,满足非辐射能量的条件。分析四个温度下的热力学参数发现,BDE47与溶菌酶之间的结合是一个自发放热的过程,主要驱动力为氢键和范德华力,与分子对接、结合自由能分析结论一致。     

水下目标多模态深度学习分类识别研究

水下目标的分类识别对于水声探测具有重要意义。提出一种水下目标多模态深度学习分类识别方法。针对水声信号的一维时域模态和二维频域模态特征建立一种多模态特征融合的深度学习结构,结合长短时记忆网络和卷积神经网络的优点,对一维时域信号和二维频谱信号分别进行并行处理,对输出进行典型相关分析,形成特征融合表示,并利用相邻帧的相关性进行参数优化。利用实测水声信号对算法进行了验证。结果表明：提出的算法对于水下目标识别的精度有显著的提高。