基于多源遥感数据协同的滇西北森林郁闭度估测

森林郁闭度(FCC)是评价森林资源和生物多样性的重要参数,利用多源遥感协同手段以较小成本高精度实现区域FCC反演是当前研究热点。本研究以星载激光雷达ICESat-2/ATLAS为主要信息源,结合54块实测样地数据,采用贝叶斯优化(BO)算法改进后的随机森林(RF)、K-最近邻值法(KNN)、梯度回归(GBRT)模型获取光斑尺度ATLAS光斑内FCC,协同多源遥感影像Sentinel-1/2及地形因子基于BO算法优化后的全连接深度神经网络模型(DNN)进行区域尺度的滇西北香格里拉市FCC遥感估测。结果表明：在提取的50个ATLAS激光雷达光斑参数指标中,经RF特征变量优选后,6个特征参数(乔木冠层百分比、冠层顶光子相对高度的标准差、冠层高度最小值、区段内98%冠层高度值与冠层高度中位数的差值、冠层顶部光子数、表观反射率)贡献率较大,可作为光斑尺度遥感估测模型变量。在BO-RF、BO-KNN、BO-GBRT模型中,以BO-GBRT模型估测的FCC结果最优,留一交叉验证的决定系数(R²)为0.65、均方根误差(RMSE)为0.10、绝对残差均值(RS)为0.079,预测...     

基于音节聚类分析的被动声学监测技术及其在鸟类监测中的应用

被动声学监测通过分析鸟鸣声信息来实现物种识别,为鸟类多样性监测提供了一种切实可行的技术方案。由于鸟种的鸣声复杂多变,如何通过声纹快速准确辨别物种,分析鸟类丰度,降低对人工操作的需求等技术难题,成为基于声纹的鸟类多样性监测所面临的挑战。本文提出了基于音节聚类的鸟类鸣声监测框架:首先通过音高、频率平坦度等音频特征在声纹数据中提取音节,然后通过无监督表征学习与狄利克雷过程(Dirichlet process)混合模型对音节进行深度无监督聚类训练,完成音节聚类和自动音节种类推断。分析结果表明,本文提出的基于音节聚类的鸟类鸣声监测框架在处理开源数据集白腰文鸟(Lonchura striata)的曲目时可获得接近90%的聚类准确率。在此基础上,本研究对2022年4-5月在广州市白云山公园固定监测点所录制的10种鸟类鸣声进行了无监督的音节聚类分析,验证了本文所提出的基于音节聚类的鸟类鸣声监测框架的有效性:本技术不仅可以支持快速鸟类物种识别,还可以统计和分析不同物种鸟鸣在时间、频度、数量上的变化。这些结果表明,基于音节聚类的鸟类鸣声监测框架可以显著降低对人工标注训练数据的要求,克服传统鸟鸣物种识别框架...     

酶消化对肿瘤浸润淋巴细胞活力影响的研究

本文系统地研究了酶消化（胶原酶Ⅳ、胶原酶Ⅱ、透明质酸酶和胰蛋白酶）对肿瘤浸润淋巴细胞（ＴＩＬ）活力、增殖力等影响,并用单个酶消化法与Ｒｏｓｅｎｂｅｒｇ法比较。结果提示：胶原酶Ⅳ或胶原酶Ⅱ消化肿瘤组织块时对ＴＩＬ细胞活力、增殖力损伤小;透明质酸与胰蛋白酶消化对ＴＩＬ细胞活力、增殖力损伤大。在３７℃,１ｈ消化组与４℃,２４ｈ消化组对同一来源肿瘤组织酶消化配对比较中,结果提示同一酶４℃,２４ｈ消化比３７     

LAMB3在头颈鳞癌中的表达及预后价值分析

摘要 目的：研究层黏连蛋白亚基β3（LAMB3）在头颈鳞癌（HNSCC）中的表达、预后价值、免疫相关性及作用机制。方法：利用基于癌症基因组图谱（TCGA）的多个在线数据库,分析LAMB3在HNSCC肿瘤组织中的差异表达、预后价值以及对免疫细胞浸润的影响;通过基因共表达及蛋白-蛋白相互作用网络分析,探究LAMB3参与HNSCC的生物过程以及相关信号通路;预测调控LAMB3基因的上游靶miRNA。结果：LAMB3在HNSCC中高表达,LAMB3表达水平与年龄分布、肿瘤病理分级、淋巴结转移状态和HPV病毒感染状态相关;预后分析显示LAMB3在HNSCC中高表达预示患者不良预后,在肿瘤分期为Stage3、白色人种、肿瘤病理分期为Grade1和Grade2以及肿瘤新生抗原高表达HNSCC患者中总生存期更短;LAMB3表达水平影响HNSCC肿瘤微环境,LAMB3高表达能够降低B细胞、CD8⁺T 细胞浸润程度,升高CD4⁺T细胞浸润程度;基因共表达和功能相关分析表明,LAMB3高表达与基底膜形成、细胞连接、细胞迁移等生物过程有关;LAMB3潜在靶miRNA是hsa-miR-24-3p。结论：LAMB3在 HNSCC中高表达与免疫细胞浸润和患者不良预后相关,可作为HNSCC发病风险和预后指标。     

基于机器学习识别干燥综合征发病相关长链非编码RNA

通过机器学习筛选干燥综合征(SS)患者唇腺组织及全血中潜在发病相关长链非编码RNA(Long non-coding RNA, lncRNA)以及lncRNA与唇腺组织中免疫细胞浸润的相关性。通过GEO数据库获取SS唇腺组织及全血的表达数据,将唇腺组织表达数据归一化处理后,差异分析得到lncRNA表达谱,通过2种机器学习方法筛选并取交集得到共同的lncRNA。基于CIBER-SORT软件计算唇腺组织中22种免疫细胞浸润情况并分析关键lncRNA与免疫细胞浸润的相关性;分析全血中关键lncRNA与临床性状的相关性并绘制ROC曲线;分析关键lncRNA共表达编码蛋白基因,并进行KEGG信号通路分析。共筛选出SS关键lncRNA 1个(HCP5),在唇腺组织及全血中HCP5表达上调。免疫浸润分析显示,在SS唇腺组织中,γδT细胞、巨噬细胞、CD4+ 记忆T细胞比例明显升高,而浆细胞的比例在SS唇腺组织中比例减少。HCP5的表达与γ/δ T 细胞、CD4+ 记忆T细胞在唇腺中的浸润程度呈正相关。在全血中,HCP5与ANA、IgG、抗SSA抗体、抗SSB抗体、ESSDAI具有明显相关性。不同数据集中ROC诊断曲线结果显示HCP5的AUC为0.833和0.877;KEGG信号通路分析显示,唇腺与HCP5共表达的蛋白功能集中于抗原加工和呈递、B细胞受体信号通路等信号通路,全血中与HCP5共表达的蛋白功能集中于代谢途径细胞、凋亡等信号通路。HCP5可能通过影响SS患者唇腺组织免疫细胞的浸润从而影响SS疾病的发病与进展,为SS潜在的诊断及治疗靶点。     

大鼠脑缺血区细胞间粘附分子ICAM-1表达和LFA-1阳性细胞浸润的研究

研究粘附分子和白细胞与脑缺血／再灌流损伤的病理联系,运用原位杂交和免疫组化技术对36只SD大鼠脑缺血区细胞间粘附分子（ICAM－1）表达和淋巴细胞机能相关抗原（LFA－1）阳性细胞浸润进行了观察。结果显示,脑缺血区的毛细胞血管内皮细胞表达ICAM－1 mRNA发生于脑缺血1h,在脑缺血1h／再灌流8h达到高峰。而脑缺血区毛细血管ICAM－1蛋白质的表达则发生于脑缺血1h／再灌流2h,高峰出现于脑缺血1h／再灌流16h,LFA－1阳性细胞在脑缺血区的聚集发生在脑缺血1h,并随再灌流时间延长,其聚集数量逐渐增加。结果提示,脑缺血／再灌流能诱导缺血区的血管内皮细胞表达ICAM－1 mRNA和蛋白质,进而导致白细胞在脑缺血区的浸润,此可能是脑缺血／再灌流损伤的病理机制之一。     

猪场污水的A2/O-深度处理和中水回用

猪场污水采用A²/O-生物接触氧化-混凝沉淀-砂滤消毒组合方法处理,可以实行中水回用。原污水经过固液分离、调解池、竖流式初沉池、厌氧消化池、缺氧池、传统活性污泥曝气池、竖流式二沉池、接触氧化池、药剂混合池、斜板沉淀池、砂滤池、pH调解和消毒池处理后进入排放池,系统正常运行后处理废水可以达到GB8978-1996中规定的二级以上标准,处理水没有检测到病原微生物。中水引入中水塔,通过独立设计的中水道,可以应用到猪舍冲栏使用。而污泥通过污泥干化场得到干化。     

基于卷积神经网络和循环神经网络的环形RNA剪接位点识别研究

本文提出了一种基于卷积神经网络和循环神经网络的深度学习模型,通过分析基因组序列数据,识别人基因组中环形RNA剪接位点.首先,根据预处理后的核苷酸序列,设计了2种网络深度、8种卷积核大小和3种长短期记忆(long short term memory,LSTM)参数,共8组16个模型;其次,进一步针对池化层进行均值池化和最大池化的测试,并加入GC含量提高模型的预测能力;最后,对已经实验验证过的人类精浆中环形RNA进行了预测.结果表明,卷积核尺寸为32×4、深度为1、LSTM参数为32的模型识别率最高,在训练集上为0.9824,在测试数据集上准确率为0.95,并且在实验验证数据上的正确识别率为83%.该模型在人的环形RNA剪接位点识别方面具有较好的性能.     

藏北高寒草甸根系生物量与碳氮分布格局及关联特征

根系生物量的分布格局及其与土壤环境因子的关系对草地保护与退化草地恢复研究有重要意义。以藏北当雄县的高寒草甸为研究对象,在三个海拔上（4300、4500、4700 m）对2011年0-50 cm的群落根系生物量、根碳氮含量、土壤碳含量（SOC、DOC、MBC）、氮含量（DTN、MBN、TN）、碳氮比（MBC/MBN、SOC/TN）、pH、电导率进行了测定,以期探讨藏北高寒草甸根系生物量与碳氮的分布格局及其关联特征。结果表明：（1）土壤中所测量的各种形式的碳氮含量均随着土壤深度的增大呈下降趋势,0-50 cm的DOC和SOC都随海拔的升高呈上升趋势。（2）随土壤深度的增加,根系生物量呈指数下降。随海拔的增加,根系生物量越集中分布于上层土壤,下层土壤根系生物量分布越少且变化趋于平缓。（3）根系生物量与所测的碳氮指标、电导率呈正相关关系,与pH呈负相关关系。根系氮库是影响根系生物量分布格局的主要因素,而pH值、电导率及土壤碳氮指标是影响根系生物量分布格局的重要因素。     

基于深度神经网络算法的水体透明度反演方法

水体透明度能够直观反映湖泊水质状态,掌握长时间大尺度湖泊水体透明度是控制和改善湖泊水生态环境的关键。由于滇池的水质原位监测工作起步较晚,导致长时间序列的历史湖泊水体透明度数据的缺失。为此,以滇池为研究区,以深度神经网络算法为理论基础,以原位监测和MODIS遥感影像为数据,对2001年1月1日—2018年12月31日滇池水体透明度进行反演,并利用地理空间分析方法探讨了滇池湖泊水体透明度时空变化特征。研究结果表明:(1)提出的反演模型具有较好的性能(RMSE=0.1359,MAE=0.1134),能够客观反映湖泊水体透明度状况;(2)时间变化特征分析结果表明,滇池水体透明度总体呈现下降趋势,综合变化率为-0.08 m/10 a;(3)空间变化特征分析结果表明,水体透明度较高的区域下降率较大,水体透明度较低的区域变化趋势相对稳定,距离城区及居民区较近的水体透明度相对较低;人类活动将成为影响滇池水体透明度变化的重要因素,同时也是造成滇池水体污染的主要因素。