L,D-转肽酶LdtMt2-厄他培南加合物的新状态Ⅰ-plus结构

具有多重耐药性和广泛耐药性的结核分枝杆菌菌株正在全球范围内传播,因此,迫切需要新的抗结核药物。结核分枝杆菌的L,D-转肽酶LdtMt2直接参与肽聚糖的形成,细菌毒性和β-内酰胺抗性。该酶是潜在的抗结核靶标,可以被碳青霉烯类抗生素抑制,碳青霉烯类抗生素是FDA批准的用于治疗肺结核的药物。据报道,LdtMt2与碳青霉烯类抗生素（如厄他培南,亚胺培南和美洛培南）相互作用时,存在两种不同的中间状态,即状态I和II。状态I被认为是初始加合物形成状态,而状态II被认为是稳定的蛋白质-配体相互作用状态,并伴有碳青霉烯类抗生素和蛋白质的局部构象排列。本文中,我们报告了一个LdMt2-ertapenem新中间状态I-plus,具有与状态II相同的碳青霉烯类抗生素构象和与状态I相似的局部蛋白质构象。该新状态是从状态I转变为状态II的中间状态,构象变化发生在厄他培南分子而不是蛋白质。我们的工作有助于阐明碳青霉烯类抗生素对LdtMt2的作用后发生的变化,并与其他报道的中间状态一起揭示L,D-转肽酶如何与碳青霉烯类抗生素相互作用。     

基于多源遥感数据的大豆叶面积指数估测精度对比

近年来遥感技术的革新促使遥感源越来越丰富.为分析多源遥感数据的叶面积指数(LAI)估测精度,本文以大豆为研究对象,利用比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、差值植被指数(DVI)、三角植被指数(TVI)5种植被指数,结合地面实测LAI构建经验回归模型,比较3类遥感数据(地面高光谱数据、无人机多光谱影像以及高分一号WFV影像)对大豆LAI的估测能力,并从传感器几何位置和光谱响应特性以及像元空间分辨率三方面分析讨论了3类遥感数据的LAI反演差异.结果表明： 地面高光谱数据模型和无人机多光谱数据模型都可以准确预测大豆LAI(在α=0.01显著水平下,R²均>0.69,RMSE均<0.40);地面高光谱RVI对数模型的LAI预测能力优于无人机多光谱NDVI线性模型,但两者差异不大(E_A相差0.3%,R²相差0.04,RMSE相差0.006);高分一号WFV数据模型对研究区内大豆LAI的预测效果不理想(R²<0.30,RMSE>0.70).针对星、机、地三类遥感信息源,地面高光谱数据在反演LAI方面较传统多光谱数据有优势但不突出;16 m空间分辨率的高分一号WFV影像无法满足田块尺度作物长势监测的需求;在保证获得高精度大豆LAI预测值和高工作效率的前提条件下,基于无人机遥感的农情信息获取技术不失为一种最佳试验方案.在当今可用遥感信息源越来越多的情况下,农业无人机遥感信息可成为指导田块精细尺度作物管理的重要依据,为精准农业研究提供更科学准确的信息.