嗜水气单胞菌外膜蛋白omp TS基因的高效表达及其免疫原性

根据嗜水气单胞菌外膜蛋白基因ompTS的核苷酸序列设计引物，运用聚合酶链式反应(PCR)扩增出与预期大小相符的基因片段。将此基因片段克隆至质粒pRSET A的BamH I和EcoR I位点，构建重组质粒，转化大肠杆菌BL21(DE3)，经IPTC诱导获得高效表达，SDS—PAGE蛋白电泳表明在39．9kD处出现超强特异带，占总蛋白的51％。以Ni-NTA-Conjugate抗体进行Western blot分析证明该39．9kD的蛋白为所表达的融合蛋白。纯化融合蛋白注射雄性新西兰大白兔可诱导产生特异抗体。ELISA和Western blot检测结果显示，该抗体与表达的融合蛋白和嗜水气单胞菌中提取的36．9kD外膜蛋白均呈阳性反应，表明所表达的融合蛋白仍保持原有外膜蛋白的免疫原性，从而为此融合蛋白作为疫苗的候选成份提供理论依据。     

基于Möbius带的数字图像置乱

利用Möbius带提出了一种数字图像置乱方法,在置乱过程中采用了由离散Logistic映射系统生成的密钥混沌序列. 该置乱方法在位置空间进行,具有随机性和变化的多样性.讨论了加密算法的安全性和效率等问题,并给出了实验结果.     

一种基于HMM的雷达目标识别方法

根据雷达目标散射点的一般模型和特定条件的简化模型；提出用RELAX方法从高分辨雷达回波提取目标散射点分布的位置信息作为目标HRRR的特征向量；利用HRRR对雷达视角敏感这一特点，用隐马尔可夫过程表征多视角雷达回波序列，获得目标距离-方位两维信息，用若干HMM子过程构成的模式链表征一个飞行目标的飞行姿态变化，从而采用基于隐马尔可夫模型的分类器实现目标类属和方位的自动识别和分类，实测数据的计算机仿真结果表明，这一方法的平均识率为99.80%和81.2%。     

线性时间序列模型与双线性模型的识别研究

根据线性模型的特点，在推广的高阶矩概念的基础上，将高阶矩应用于系统的结构辨识问题中。介绍了用最小二乘原理估计高阶矩参数以及判定参数置信区间等内容。     

云南元江普通野生稻cDNA文库注释

从元江普通野生稻cDNA扩增文库中随机挑取500个噬菌斑,通过载体环化,选择115个菌样进行测序,获得的序列,分别采用Blast、ORFfinder、UniGene和EntrezGene系统等生物信息分析软件对这些序列进行分析,结果为:与栽培稻(Oryza sativa (japonica cultivar-group))序列比较匹配碱基数>400bp的占48.45%;确定可阅读框(>100bp,具有起始和终止密码子)的占70% ;与拟南芥的功能基因比较,相似性大于60%的有38个;确定功能、代谢过程和编码蛋白部位的cDNA片段分别有17个、16个和24个.     

花椰菜自交不亲和性的分子标记研究

运用随机扩增多态性DNA(RAPD)和inter-简单重复序列(ISSR)等分子标记技术。分别对5组花椰菜自交不亲和系和对应的自交亲和系的基因组进行指纹差异分析．采用10个10mer随机引物和5个ISSR引物进行PCR扩增。结果表明．扩增片段分子量在0．3～5kb之间，指纹图谱的稳定性和重复性较好．经过3次以上重复发现，ISSR4引物扩增图谱中。自交亲和系比不亲和系多扩增出3800bp片段；ISSR6引物扩增图谱中。除第3组外，不亲和系比亲和系多扩增出1100bp片段．结果表明．花椰菜自交不亲和系与自交系基因组DNA之间存在差异．扩增出的差异片段与花椰菜自交不亲和性相关。并可作为自交不亲和系和自交亲和系育种筛选的分子标记．初步探讨了花椰菜自交不亲和性的遗传机制及RAPD和ISSR技术在自交不亲和系选育过程中的应用前景．     

混沌扩频序列有限精度研究

对混沌序列有限精度下限进行了研究,结果表明,经典混沌序列所需精度非常高,而现有几种对Logistic混沌序列进行改进的方法使其所需精度明显下降.对这些方法进行了分析比较和改进,改进后计算量明显降低,硬件实现更加容易.     

“FAST”主动反射面的调节

介绍2021年“高教社杯”全国大学生数学建模竞赛A题“‘FAST’主动反射面的形状调节”的建模思路,并简要评述参赛论文评阅的总体情况.     

一致判断矩阵与一致模糊矩阵的关系

通过对一致判断矩阵与一致模糊矩阵的关系研究证明：一致判断矩阵与一致模糊矩阵一样具有中分传递性,符合人类决策思维的一致性;运用模糊层次分析法决策会造成判断信息、一致性及累积优势度的损失．     

基于Attention Bi-LSTM模型构建蛋白质诱饵序列库

利用计算机技术在海量质谱数据中鉴定蛋白质序列是蛋白质组学研究最基本且重要的任务之一,诱饵序列库构建的好坏是蛋白质鉴定质量控制成功的关键之一。发展了基于注意力机制-双向长短期记忆神经网络(Attention Bi-LSTM)的诱饵序列构建方法,整体研究基于编码-解码框架,采用双向长短期记忆神经网络在解决传统循环神经网络梯度消失问题的同时,可以捕获前向后向更多依赖信息对处理序列数据更加有优势;引入注意力机制提高模型对目标序列库和诱饵序列库相关程度的关注度;并与目前常用的随机和反转算法进行比较。结果显示,基于Attention Bi-LSTM模型构建的诱饵序列库能满足理想诱饵序列库的各项特征要求;在不同大小实验数据集以及谱图、肽段、蛋白3个层面对比分析,显示构建的诱饵序列库与其他方法比具有更好的灵敏性。因此,Attention Bi-LSTM是一种很有潜力的诱饵序列库构建方法。