排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
目前磷酸化蛋白质组学研究中的主要技术是蛋白质酶解产生的磷酸化肽的质谱检测。但是实际样品中的磷酸化肽(特别是多磷酸化肽)很难被检测到。其原因普遍认为是由于质谱检测时,非磷酸化肽抑制磷酸化肽。但也有认为非磷酸化肽对磷酸化肽没有抑制作用。另外磷酸化肽之间是否存在离子抑制作用还没有报道。本文采用相同氨基酸序列的标准磷酸化肽和非磷酸化肽,将其单独和混合进行质谱检测,通过对比混合前后磷酸化肽的信号强度,证明了非磷酸化肽对磷酸化肽有离子抑制作用;单磷酸化肽对二磷酸化肽有一定的抑制作用,但不太显著;单磷酸化肽对三磷酸化肽、二磷酸化肽对三磷酸化肽均有显著的离子抑制作用。该研究为今后单磷酸化肽和多磷酸化肽的分段富集和检测提供了有力的证明。 相似文献
2.
从体育学、语言学、计算机科学等多学科维度,利用ABBYYreader、Edit Pad、ABBYYaligner、Winaline、Para Conc、Elan、Treetag以及Mysql等软件,通过设计规划、语料文本抽取、加工与检索等众多步骤实现多模态体育语料库的创建;基于此语料库,利用Mysql、Redis、Elastic Search、jquery、Mysql+Redis等软件实现结构化数据管理,数据缓存、数据查询、用户基本交互与数据展现以及数据缓存等功能,进而探讨了“翻译工作坊”教学与实训平台的设计构架,阐释了平台的语料制作、教学以及实训等多重功能以及实现流程,以期提升体育类文本的翻译技能和个人责任意识,改进新的教学方法和理念,寻求新的体育系统国际化人才培养模式,重构体育类语言服务专业人才培养方案,从而实现专业人才的职业化,为体育院校英语专业课程建设提供新思路. 相似文献
3.
4.
尽管长短期记忆网络(long short-term memory,LSTM)、卷积神经网络(convolutional neural network,CNN)及其结合体在文本分类任务中取得了很大的突破.但这类模型在对序列信息进行编码时,往往无法同时考虑当前时刻之前和之后的状态,从而导致最后分类效果不佳.此外,多版本预训练词向量比单个版本的预训练词向量包含更多的信息.因此提出了一种基于CNN的多通道特征表示文本分类模型(multi-channel feature representation text classification model based on CNN,MC-CNN).该模型首先通过两个不同的双向长短期记忆(bi-directional long short-term memory,Bi-LSTM)来对不同来源词向量所表示的文本序列进行正逆序上的特征提取,并以此形成多通道特征;然后利用多尺度卷积网络来进一步使得模型能够同时充分考虑到当前时刻之前以及之后的信息,从而更加有效地进行文本分类.MC-CNN在MR、SST-2、TREC、AG、Yelp_F、Yelp_P数据集上分别达到了81.6%、87.4%、98.6%、94.1%、65.9%、96.8%的准确率,实验结果表明本文模型MC-CNN在文本分类任务中具有优异的效果. 相似文献
5.
6.
针对现有Vague值间相似度量一般公式以常数为调节系数存在的不足,提出对其未知度子项调节系数增加与Vague值自身有关的函数的改进方法,给出了该函数应满足的条件。提出了一种包含该函数的新的Vague集间相似度量,对其性质进行讨论;并基于现有Vague集间相似度量,给出了一种该函数的选取方法。与现有相似度量比较表明,提出的相似度量明显改善度量结果的合理性和区分能力。与多准则模糊决策方法相结合,将提出的相似度量用于地标排序,表明其有效性、可行性和优越性,同时为地标排序提供了一种新方法。 相似文献
1