Optimization of culture media to enhance the growth of tissue engineered cartilage

Tissue engineering is a promising option for cartilage repair. However, several hurdles still need to be overcome to develop functional tissue constructs suitable for implantation. One of the most common challenges is the general low capacity of chondrocytes to synthesize cartilage-specific extracellular matrix (ECM). While different approaches have been explored to improve the biosynthetic response of chondrocytes, several studies have demonstrated that the nutritional environment (e.g., glucose concentration and media volume) can have a profound effect on ECM synthesis. Thus, the purpose of this study was to optimize the formulation of cell culture media to upregulate the accumulation of cartilaginous ECM constituents (i.e., proteoglycans and collagen) by chondrocytes in 3D culture. Using response surface methodology, four different media factors (basal media, media volume, glucose, and glutamine) were first screened to determine optimal media formulations. Constructs were then cultured under candidate optimal media formulations for 4 weeks and analyzed for their biochemical and structural properties. Interestingly, the maximal accumulation of proteoglycans and collagen appeared to be elicited by different media formulations. Most notably, proteoglycan accumulation was favored by high volume, low glucose-containing DMEM/F12 (1:1) media whereas collagen accumulation was favored by high volume, high glucose-containing F12 media. While high glutamine-containing media elicited increased DNA content, glutamine concentration had no apparent effect on ECM accumulation. Therefore, optimizing the nutritional environment during chondrocyte culture appears to be a promising, straight-forward approach to improve cartilaginous tissue formation. Future work will investigate the combined effects of the nutritional environment and external stimuli.     

芽胞杆菌中重组蛋白分泌表达的优化策略及研究进展

芽胞杆菌属具有良好的蛋白表达和分泌能力,在工业酶的生产中被广泛应用,是理想的工业宿主菌,但实现蛋白分泌表达的普遍高效性还存在许多瓶颈。本文综述了芽胞杆菌的蛋白分泌表达策略,从启动子、信号肽、分泌途径、宿主和培养条件这5个方面总结了提高芽胞杆菌中分泌表达重组蛋白的方法,对芽胞杆菌高效生产工业酶有一定的参考价值,最后展望了优化芽胞杆菌分泌表达的研究方向,各种新型生物技术的发展必将推进芽胞杆菌在分泌表达领域有更深入的应用。     

城市生态智慧管理系统的生态系统服务评估功能与应用

开展生态系统服务评估已经成为国土空间功能管治、城市治理、生态产品价值实现等工作中的先行基础动作。生态系统服务的类型和模型方法多,数据需求复杂,传统基于多学科软件开展生态系统服务评估的工作模式知识和技术门槛较高、效率低。当前专业的生态系统服务评估软件多为美国从业人员开发,对我国的数据构成和本地化参数适应性有限。介绍了我国自主开发的生态系统分析软件（城市生态智慧管理系统,IUEMS）的主要功能和应用情况,并将其的生态系统服务评估功能与InVEST、ARIES等国外主流软件在操作逻辑、评估模型、数据取得、空间精度、界面交互五个方面进行了对比。     

漓江流域生态系统服务价值最大化的土地利用结构优化

土地利用结构优化是促进生态系统可持续发展的重中之重,而生态管理的最终目标是优化生态系统服务,使生态系统提供的服务达到最大化。选择典型生态脆弱区漓江流域为研究区,将整个生态系统服务价值的最大化作为研究目标,首先结合野外实验和五期Landsat高分遥感影像获取基础数据,对研究区1998-2018年各项生态系统服务价值进行估算,然后结合灰色线性模型对2018-2028年价值进行预测,借助Lingo软件提出生态效益最大化的土地结构优化方案,进而对优化前后研究区生态系统服务价值进行比较与分析。结果表明：（1）近20年间研究区主要土地利用类型一直以林地与耕地为主,所占比例保持在整个流域的95%。水域与耕地面积逐年减少,林地、建设用地及未利用地面积持续增加。此外,未利用地面积发生的变化最为显著,增加了近30倍,主要由林地与耕地转变而来。（2）研究区生态系统服务价值总体约减少了19.55×10⁶元,呈现先上升后下降趋势,并将长期处于下降趋势,至2028年时流域生态系统服务价值将减少至8067.43×10⁶元。在流域整体生态系统中,林地价值最高,在历年约占流域总价值的86%,其次是水域及耕地,分别占比8%、6%。（3）对研究区进行优化后,漓江流域总生态系统服务价值增长了2%,其中主要来源于林地与水域面积的增加,提高了生态系统调节服务的供给能力,耕地、建设用地面积略微增加,未利用地面积显著减少,基本与2008年水平持平。本研究通过优化喀斯特地区关键生态系统服务价值,为该区域生态管理提供科学支撑。     

基于景感生态学理念的乡村社会-生态系统供给服务研究

乡村社会-生态系统的稳定和可持续发展为农业农村现代化的实现奠定着基础,在稳定社会经济发展、提高城乡居民福祉方面发挥着重要作用。服务性公共设施作为乡村社会-生态系统供给服务的重要组成部分,代表了乡村的发展水平与该地区居民生活质量水平。研究公共服务设施的空间分布特征和综合评价其供给服务可改善乡村社会-生态系统结构,为城乡居民提供高质量的社会生态系统服务。以厦门市岛外城市化乡村为研究对象,通过厦门市岛外POI数据和乡村社会经济统计数据,以公共服务设施为景感载体,分析其空间分布和测度其供给服务水平,采用核密度分析方法与熵值分析法,分析厦门市乡村社会-生态系统供给服务空间分布特征,结合人口、经济、距岛内核心区距离等指标对各村庄社会-生态系统供给服务能力进行皮尔逊相关性分析。研究发现厦门乡村公共设施供给服务能力表现为集美区 > 海沧区 > 同安区 > 翔安区;各村庄公共设施供给服务能力水平影响因素是多元且具有多样性的;提出从城乡居民的认知心理与物质需求出发对公共设施进行景感生态营造以提高村庄社会-生态系统供给服务能力,更好满足人们的需求。本文对公共服务设施的空间优化提出对策建议,研究结果可为乡村社会-生态系统供给服务提升和乡村可持续发展提供理论研究依据。     

河湖生态系统生态用水优化研究——以滇池流域为例

生态需水是河流与湖泊生态系统健康的重要基础。湖泊流域的河流与湖泊生态系统之间存在密切的水量联系,目前对流域内生态用水的研究多为单一生态系统生态需水简单相加,忽略了河流和湖泊之间复杂的水量联系。基于河湖复合生态系统之间的水量联系构建了河湖生态系统生态用水优化模型,并以滇池为例分析了河湖生态系统生态用水规律。结果表明：湖泊流域中单一河流或湖泊生态需水计算结果不能满足复合生态系统的生态用水要求,需要综合考虑河流和湖泊之间的水量联系;在当前水质状况下,牛栏江每年的调水量不能满足滇池流域的生态用水要求;滇池流域水体污染对流域内生态用水影响较大,随着水体污染程度的下降,流域生态用水量和调水量呈指数下降,河流生态用水呈线性下降。     

引入非天然氨基酸胶原蛋白表达及交联成键的优化

微生物重组表达胶原蛋白来源清洁,同时具有序列设计灵活和高产量高纯度等优点,作为生物材料在组织工程等领域具有广泛的应用前景。然而如何促进重组胶原分子交联,使其形成更加稳定的空间结构是设计重组胶原纳米材料需要克服的难点。文中通过双质粒系统将非天然氨基酸O-(2-溴乙基)-酪氨酸引入细菌胶原蛋白序列中,并对其发酵条件进行优化,结果表明在25 ℃下,以终浓度为0.5 mmol/L的IPTG和0.06%的阿拉伯糖诱导24 h可以获得高纯度含非天然氨基酸的胶原蛋白。将含非天然氨基酸的胶原蛋白与含半胱氨酸的胶原蛋白在pH为9.0的NH4HCO3缓冲液中进行交联,形成了最大分子粒径可达1 μm的聚集体,为重组胶原蛋白生物材料的设计提供了新思路。     

利用基因组改组技术提高短杆菌素产量及其培养条件优化*

短杆菌素是一种广谱抗菌肽,对细菌和真菌均有较好的抑制作用,具有潜在的抗生素替代价值。通过对侧孢短芽孢杆菌fmb70进行紫外诱变、亚硝基胍诱变、常压室温等离子体诱变,获得3株短杆菌素产量提高的诱变菌株。随后以诱变菌株为亲本进行两轮基因组改组,获得融合子F₂-24,其短杆菌素产量为(340.5±16.35) μg/mL,是野生菌株fmb70短杆菌素产量的1.92倍。融合子传代5代后,该菌株短杆菌素产量无明显差异,说明菌株稳定性良好。最后对该菌株产短杆菌素的培养基和发酵条件进行优化,优化后的培养基为:4%蔗糖、2%牛肉膏、0.5%氯化镁,发酵温度30℃、培养24 h、培养基初始pH6.0。优化后的短杆菌素产量可达(442.45±9.58)μg/mL,是初始培养条件的2.50倍。     

基于UPLC-MS/MS定量检测法优化灵芝三萜热回流提取工艺的研究

基于超高效液相-三重四级杆质谱联用（UPLC-MS/MS）定量检测法优化出一种灵芝三萜热回流提取的工艺。通过本实验建立的灵芝三萜UPLC-MS/MS精确方法检测不同来源的7个栽培品种灵芝子实体中19个三萜化合物的含量,筛选出三萜含量较高的sd-2灵芝子实体作为提取原料,以三萜含量和提取物得率为指标,通过单因素和响应面实验对灵芝三萜的热回流工艺进行优化,获得的最佳条件为：乙醇浓度75%、提取时间2.5h、液料比14:1、提取次数2次。对获得的最佳提取工艺进行中试实验,灵芝子实体乙醇提取物的得率为6.10%,三萜含量为11.8591mg/g。研究结果可为灵芝三萜的工业大规模提取提供理论依据,为灵芝高附加值产品的开发利用提供技术支撑。     

Prediction of multi-criteria optimization (MCO) parameter efficiency in volumetric modulated arc therapy (VMAT) treatment planning using machine learning (ML)

PurposeTo predict the impact of optimization parameter changes on dosimetric plan quality criteria in multi-criteria optimized volumetric-modulated-arc therapy (VMAT) planning prior to optimization using machine learning (ML).MethodsA data base comprising a total of 21,266 VMAT treatment plans for 44 cranial and 18 spinal patient geometries was generated. The underlying optimization algorithm is governed by three highly composite parameters which model a combination of important aspects of the solution. Patient geometries were parametrized via volume- and shape properties of the voxel objects and overlap-volume histograms (OVH) of the planning-target-volume (PTV) and a relevant organ-at-risk (OAR). The impact of changes in one of the three optimization parameters on the maximally achievable value range of five dosimetric properties of the resulting dose distributions was studied. To predict the extent of this impact based on patient geometry, treatment site, and current parameter settings prior to optimization, three different ML-models were trained and tested. Precision-recall curves, as well as the area-under-curve (AUC) of the resulting receiver-operator-characteristic (ROC) curves were analyzed for model assessment.ResultsSuccessful identification of parameter regions resulting in a high variability of dosimetric plan properties depended on the choice of geometry features, the treatment indication and the plan property under investigation. AUC values between 0.82 and 0.99 could be achieved. The best average-precision (AP) values obtained from the corresponding precision/recall curves ranged from 0.71 to 0.99.ConclusionsMachine learning models trained on a database of pre-optimized treatment plans can help finding relevant optimization parameter ranges prior to optimization.