柠檬皮香气成分结构表征与色谱保留指数预测

通过有机化合物分子顶点及顶点原子之间的关系对柠檬皮香气成分中的67个化合物进行了结构表征,采用多元线性回归(MLR)和偏最小二乘回归(PLS)建立了化合物结构与色谱保留指数关系(QSRR)模型,模型稳定性及预测能力经内部及外部双重检验进行了评价。两模型的建模复相关系数(R)分别为0.951和0.938,留一法交互检验复相关系数(R_(CV))分别为0.925和0.900,外部预测的复相关系数(Rtest)分别为0.955和0.940。结果表明所采用的分子结构描述符具有较强的分子结构表达能力,两模型具有良好的估计能力、稳定性和外部预测能力。     

H-MEDV描述法对蒙椴树叶挥发性组分的气相色谱保留时间的预测

应用按氢分类的分子电距矢量(H-MEDV)对蒙椴树叶挥发油的45 种组分的气相色谱保留时间(tR)进行了定量结构-色谱保留关系(QSRR)的研究.通过多元线性回归得到的模型(M1)相关系数R为0.953.用逐步回归的方法建立6 变量模型(M2)和7 变量模型(M3),相关系数R分别为0.947 和0.950.再用留一法(Leave-one-out,LOO)交互检验对三模型进行评价,得到的相关系数RCV分别为0.889、0.914 和0.916.结果表明所建模型具有良好的稳定性和预测能力.     

小黑麦碳酸酐酶蛋白质三维结构预测

根据已经克隆到的小黑麦碳酸酐酶基因序列,将其概念地翻译成蛋白质的氨基酸序列。利用MEGA4.1、DNAStar5.02、SOPMA、Swiss-Model Workspace和NCBI-VAST等在线软件和服务器对该小黑麦碳酸酐酶(CA)的一级结构、二级结构及三维结构进行了分子结构模型预测,并对其三维结构进行了比对。结果显示,小黑麦碳酸酐酶定位于线粒体内膜和叶绿体类囊体膜上,具有β类碳酸酐酶所特有的保守性基序C-[SA]-D-S-R-[LIVM]-x-[AP];SOPMA预测的二级结构显示,该酶含有α-螺旋(38.61%)、随机卷曲(54.44%)和β-折叠(6.95%)。通过VAST矢量比对工具将小黑麦碳酸酐酶与模板(lekjA)三维结构进行比对,结果显示小黑麦碳酸酐酶与豌豆β碳酸酐酶同型八聚体中的一个单体(lekjA)具有很好的匹配,故推测小黑麦碳酸酐酶全酶也可能是同型八聚体。     

灯盏花挥发性组分结构与保留时间关系研究

通过对有机化合物非氢原子进行分类、参数化染色、建立非氢原子之间的关系得到新的结构描述符。对灯盏花的64种挥发性有机化合物结构进行了参数化表征,运用多元线性回归(MLR)和偏最小二乘回归(PLS)方法构建了化合物结构与色谱保留时间的关系模型。通过“留一法”交互检验对模型的稳定性进行了评价,利用外部样本集对模型的预测能力进行了检验。两模型的相关系数(R²)、交互检验的相关系数(R_CV²)、外部预测的相关系数(R_test²)值均较为理想,表明所建模型具有良好的拟合能力、稳定性和外部预测能力。分析了影响化合物色谱保留时间的结构因素,结果表明化合物的伯、仲碳原子越多,该化合物可能具有较大的色谱保留时间(tR)值。本文对于天然产物中的挥发性有机化合物结构与性质关系研究具有一定的参考价值。     

A型肉毒毒素抑制剂的分子全息定量构效关系研究

目的:建立A型肉毒毒素抑制剂的定量构效关系模型。方法:应用分子全息定量构效关系(HQSAR)技术,研究了14种A型肉毒毒素抑制剂的抑制活性与其二维分子结构之间的关系,讨论了碎片区分参数及碎片长度对模型质量的影响。结果:最佳全息条件下产生的模型相关系数r2为0.780,交叉验证相关系数q2LOO为0.583。所建模型具有良好的拟和效果和较高的预测能力,HQSAR模型贡献图显示抑制剂分子中的噻吩环及羟胺对活性有较大贡献。结论:本研究对新抑制剂的设计具有一定的指导作用。     

甘蓝型油菜β碳酸酐酶的结构预测

根据已经克隆到的甘蓝型油菜β碳酸酐酶基因序列,概念地翻译成蛋白质的氨基酸序列。利用Vector NTISuite、SOPMA、Swiss-Model和NCBI-VAST等软件和服务器对甘蓝型油菜β碳酸酐酶的一级结构、二级结构、三维结构进行分子结构模型预测,并进行三维结构的比对。预测结果显示,甘蓝型油菜β碳酸酐酶是定位于叶绿体基质的蛋白质,具有β类碳酸酐酶所特有的保守性基序Cys-Xn-His-X2-Cys;SOPMA预测二级结构显示α螺旋(39.88%)、随机卷曲(39.27%)、β折叠(16.31%)和β转角(4.53%);用同源建模法构建了三维结构图;通过VAST矢量比对工具将甘蓝型油菜β碳酸酐酶与模板(1ekjG)进行三维结构比对,显示甘蓝型油菜β碳酸酐酶与豌豆β碳酸酐酶同型八聚体中的一个单体(1ekjG)很好的匹配,推测甘蓝型油菜β碳酸酐酶全酶也是同型八聚体。     

GPR35受体香豆素类激动剂三维定量构效关系研究

本实验采用比较分子力场分析法(Co MFA)和比较分子相似性指数分析法(Co MSIA)建立GPR35受体香豆素类激动活性的三维定量构效关系(3D-QSAR)模型,以确定该类激动剂的分子结构与其生物活性之间的定量关系。在预测半数有效浓度(EC_(50))的Co MFA模型中,训练集抽一法(LOO)交叉验证系数q~2=0.559,非交叉验证系数r~2=0.887,标准偏差SE=0.382;在Co MSIA模型中,训练集抽一法交叉验证系数q~2=0.627,非交叉验证系数r~2=0.915,标准偏差SE=0.365。在预测半数抑制浓度(IC_(50))的Co MFA模型中,训练集抽一法交叉验证系数q~2=0.600,非交叉验证系数r~2=0.903,标准偏差SE=0.375;在Co MSIA模型中,训练集抽一法交叉验证系数q~2=0.566,非交叉验证系数r~2=0.914,标准偏差SE=0.378。EC_(50)和IC_(50)的两个3D-QSAR模型预测结果同实验数据基本一致,说明模型的预测能力较好。本实验根据模型预测结果,对配体分子的结构进行分析,为获得具有更高活性的配体分子提供理论依据。     

用BP神经网络基于氨基酸特性预测非同源蛋白质二级结构含量

依据蛋白质氨基酸特性,以氨基酸组成和有偏自协方差函数为特征矢量,用BP神经网络提出了一种预测非同源蛋白质中α螺旋和β折叠二级结构含量的计算方法。采用相互独立的非同源蛋白质数据库对该方法进行了检验。用Ponnuswamy值时,对二级结构α螺旋和β折叠含量的预测结果是;自检验平均绝对误差分别为0.069和0.065,相应标准偏差分别为0.044和0.047;他检验平均绝对误差分别为0.077和0.070,相应标准偏差分别为0.051和0.049。与仅以氨基酸组成为特征矢量的BP神经网络方法比较,相应的他检验平均绝对误差分别减小了0.024和0.016,标准偏差分别减小了0.031和0.018;与改进的多元线性回归方法比较,相应的他检验平均绝对误差分别减小了0.018和0.011,准偏差分别减小了0.020和0.012。表明：基于氨基酸组成和有偏自协方差函数为特征矢量的BP神经网络预测蛋白质二级结构含量的方法可有效提高预测精度。     

化合物毒性及三维结构参数的定量构效关系研究

目的：建立小分子化合物毒性的三维定量构效关系模型,探索化合物毒性数据和三维结构参数之间关系的方法。方法：利用比较分子力场分析方法（CoMFA）,建立了一组对发光菌有急性毒性的小分子的三维定量构效模型。结果：模型的交叉验证相关系数q^2=0．731,非交叉验证相关系数r^2=0．973,标准偏差SE=0．122,F=70．910。结论：该模型具有较好的预测能力,表明在甲基的邻对位减小取代基体积或电负性可以降低化合物毒性。     

基于近红外漫反射光谱快速测定淫羊藿蛋白质含量

采用近红外漫反射光谱技术对淫羊藿(Epimedium)的蛋白质含量进行快速且无损检测。近红外漫反射光谱经二阶导数处理、标准多元离散校正及主成分分析聚类处理后, 采用改进最小二乘法回归得到的定标模型预测效果最佳, 定标决定系数、交互验证标准差及交互验证相关系数分别为0.923、0.554和0.717。近红外光谱分析法的测定结果与用凯氏定氮法所得结果无显著差异, 两种方法测定值的相关性较高(R²=0.933 9)。重复性实验表明, 近红外光谱分析法的相对标准偏差为0.937%。该研究首次采用近红外光谱分析法测定了8种淫羊藿的蛋白质含量。该方法简便、精确, 在淫羊藿资源开发利用和药材质量控制方面具有参考意义。     

俄罗斯大果沙棘人工林生物量遥感评估与分析

以2011年的Landsat TM为主要遥感数据,借助于RS和GIS技术完成对俄罗斯大果沙棘人工林生物量进行估侧。结果表明：植被指数和生物量的一元线性回归分析模型中,比值植被指数（RVI）和归一化植被指数（NDVI）与俄罗斯大果沙棘具有较高的相关性,相关系数（R²）分别为0.908 6和0.868 5;基于植被指数和生物量的多元线性回归分析模型中,相关系数（R²）为0.909,经过模型检验,多元回归遥感植被指数模型的精度要高于一元遥感植被指数的精度,但是基于遥感指数模型预测生物量值比理论生物量值偏高。     

Evaluation of Soy Sauce Flavor by Stepwise Multiple Regression Analysis of Gas Chromatographic Profiles

The linear correlation was found by the stepwise multiple regression analysis between the sensory test of soy sauce flavor and the gas Chromatographic (GLC) data transformed with arc-sine and logarithm. GLC data will possibly be used for objective evaluation of soy sauce flavor. A multiple correlation coefficient or of a determination coefficient of more than 0.9 was respectively obtained at the 5 th or 10th of 47 steps. The fact that the minimum standard error of an estimate was found at the 24th step suggests the importance of selecting proper peaks from the whole gas chromatogram. High estimated accuracy was acquired by application of GLC data to the calculated multiple regression model.     

口蹄疫病毒非结构蛋白定量检测ELISA方法的建立

目的：利用口蹄疫病毒非结构蛋白3B单克隆抗体建立液相阻断ELISA检测方法,进行定量检测口蹄疫病毒培养液中的非结构蛋白含量。方法：首先将工作浓度的3B单抗与待测病毒培养液过夜结合反应,然后取结合液转移至用3B蛋白包被好的酶标板上,用标准3B蛋白做12个梯度做对照,同时设阴性对照和空白对照。通过回归分析算出口蹄疫病毒培养液中的非结构蛋白3B含量。结果： 回归曲线呈典型的S形,符合4参数logit曲线拟合,相关系数R =0.99,检测范围为5~1500ng/ml,半数抑制浓度(Ic50)为130ng/ml。结论：该方法能特异、敏感的检测到病毒培养液中的非结构蛋白3B成分,并进行定量。     

降水量和温度对植被覆盖指数影响的空间非平稳性特征——以新疆伊犁河谷地区为例

多变量空间相关分析多基于时间序列数据,对数据时长与统计要求严格,空间非平稳性特征分析可以利用单期数据分析多变量之间的相关性。通过空间变系数回归模型分析了2006年和2011年的新疆伊犁地区降水量和温度对植被覆盖度指数影响的空间变化特征,利用局部线性地理加权回归(GWR)方法估计得到了回归系数曲面,揭示出变量间相互影响的空间异质性,同时利用线性回归最小二乘估计进行了对比。结果表明:(1)空间变系数回归模型可以用于变量间的空间相关分析;(2)局部线性GWR估计方法明显优于线性回归最小二乘估计;(3)拟合结果表明,伊犁地区降水量和温度对植被覆盖指数的影响具有显著的空间非平稳性特征;(4)模型估计误差是降水、气温之外的地形、地貌及人类活动等多种因素造成的,需进一步研究。方法可为具有空间非平稳性特征变量间空间相关性分析以及植被覆盖指数的空间模拟分布提供思路和方法。     

食用调和油中花生油含量的近红外光谱分析

采用偏最小二乘法(PLS)等方法建立了食用调和油中花生油含量定量分析的近红外光谱定标模型。采集食用调和油样品在4 000 cm-1~10 000 cm-1范围内的近红外漫反射光谱,光谱经一阶导数处理后,采用偏最小二乘法建立样品中花生油含量的定标模型,并用Leave-one-out内部交叉验证法对模型进行验证。模型相关系数为0.99961,校正均方根RMSEC为0.830%。比较不同光谱预处理方法对定标模型的影响,结果表明一阶导数Corr.coeff最好。采用不同的化学计量学方法建立的定标模型中以偏最小二乘回归法最理想。     

Application of artificial neural network model for the development of optimized complex medium for phenol degradation using <Emphasis Type="Italic">Pseudomonas pictorum</Emphasis> (NICM 2074)

Biodegradation of phenol using Pseudomonas pictorum (NICM 2074) a potential biodegradant of phenol was investigated for its degrading potential under different operating conditions. The neural network input parameter set consisted of the same set of four levels of maltose (0.025, 0.05, 0.075 g/l), phosphate (3, 12.5, 22 g/l), pH (7, 8, 9) and temperature (30°C, 32°C, 34°C) on phenol degradation was investigated and a Artificial Neural Network (ANN) model was developed to predict the extent of degradation. The learning, recall and generalization characteristic of neural networks was studied using phenol degradation system data. The efficiency of the model generated by the ANN, was tested and compared with the results obtained from an established second order polynomial multiple regression analysis (MRA). Further, the two models (ANN and MRA) were used to predict the percentage of degradation of phenol for blind test data. Performance of both the models were validated in the cases of training and test data, ANN was recommended based on the following higher coefficient of determination R ²; lower standard error of residuals and lower mean absolute percentage deviation.     

Assessment of NIR spectroscopy for nondestructive analysis of physical and chemical attributes of sulfamethazine bolus dosage forms

The goal of this study was to assess the utility of near infrared (NIR) spectroscopy for the determination of content uniformity, tablet crushing strength (tablet hardness), and dissolution rate in sulfamethazine veterinary bolus dosage forms. A formulation containing sulfamethazine, corn starch, and magnesium stearate was employed. The formulations were wet granulated with a 10% (wt/vol) starch paste in a high shear granulator and dried at 60°C in a convection tray dryer. The tablets were compressed on a Stokes B2 rotary tablet press running at 30 rpm. Each sample was scanned in reflectance mode in the wavelengths of the NIR region. Principal component analysis (PCA) of the NIR tablet spectra and the neat raw materials indicated that the scores of the first 2 principal components were highly correlated with the chemical and physical attributes. Based on the PCA model, the significant wavelengths for sulfamethazine are 1514, (1660–1694), 2000, 2050, 2150, 2175, 2225, and 2275 nm; for corn starch are 1974, 2100, and 2325 nm; and for magnesium stearate are 2325 and 2375 nm. In addition, the loadings show large negative peaks around the water band regions (≈1420 and 1940 nm), indicating that the partial least squares (PLS) models could be affected by product water content. A simple linear regression model was able to predict content uniformity with a correlation coefficient of 0.986 at 1656 nm; the use of a PLS regression model, with 3 factors, had anr ² of 0.9496 and a sandard error of calibration of 0.0316. The PLS validation set had anr ² of 0.9662 and a standard error of 0.0354. PLS calibration models, based on tablet absorbance data, could successfully predict tablet crushing strength and dissolution in spite of varying active pharmaceutical ingredient (API) levels. Prediction plots based on these PLS models yielded correlation coefficients of 0.84 and 0.92 on independent validation sets for crushing strength and Q₁₂₀ (percentage dissolved in 120 minutes), respectively. Published: September 20, 2005 The opinions expressed in this paper are of the authors' personal views. They do not necessarily reflect the views or policies of the FDA.     

基于小波分析的大豆叶绿素a含量高光谱反演模型

 2003和2004年分别在长春市良种场和中国科学院海伦黑土生态实验站实测了大田耕作与水肥耦合作用下大豆（Glycine max）冠层高光谱反射率 与叶绿素a含量数据,对光谱反射率、微分光谱与叶绿素a含量进行了相关分析;采用归一化植被指数(Normalized diffe rence vegetation index, NDVI)、土壤调和植被指数(Soil-adjusted vegetation index, SAVI)、再归一植被指数(Renormalized difference vegetation index, RDVI)、第二修正比值植被指数(Modified second ratio index, MSRI)等建立了大豆叶绿素a反演模型;应用小波分析对采集的光谱反 射率数据进行了能量系数提取,并以小波能量系数作为自变量进行了单变量与多变量回归分析,对大豆叶绿素a进行了估算。研究结果表明,大 豆叶绿素a 与可见光光谱反射率相关性较好,并在红光波段取得最大值(R²>0.70),但在红边处,微分光谱与大豆叶绿素a的相关性较反射率好 得多,在其它波段则相反;由NDVI、SAVI、RDVI、MSRI等植被指数建立的估算模型可以提高大豆叶绿素a的估算精度（R²>0.75）;小波能量系 数回归模型可以进一步提高大豆叶绿素a含量的估算水平,以一个特定小波能量系数作为自变量的回归模型,大豆叶绿素a回归决定系数R²高达 0.78;多变量回归分析结果表明,大豆叶绿素a实测值与预测值的线性回归决定系数R²均高达0.85。以上结果表明, 小波分析可以对高光谱进 行特征变量提取,并可在一定程度上提高大豆生理参数反演精度。