黑醋栗汁的酶法提取和澄清

用含纤维素酶和半纤维素酶的果胶酶制剂提取和澄清黑醋栗汁。在果汁自然pH(2.6)条件下,酶可在广泛的温度范围内起作用。100g水果破碎物,加103u酶制剂,50℃处理120分钟,出汁75g。出汁率提高33%。过滤速度提高14倍。经酶澄清处理的果汁不含果胶,澄清度68%。稳定性试验中未出现雾样混浊。     

青甘边区黑河流域森林植被带及其昆虫区系的组成

黑河发源于青海、甘肃交界的祁连山区,是甘肃河西走廊最大的内陆河水系之一,水源丰富,流量稳定,这不仅取决于祁连山区大气降水和冰川融水,更重要的是与上游森林植被密不可分。但是,由于森林害虫猖獗成灾,严重威胁着这一地域森林的生存。近几年我们在森林昆虫普查的基础上,对黑河流域森林昆虫     

湖南小白菜病毒病毒原种类鉴定

1983—1988年从湖南各地(以衡阳市郊为重点,包括湘北的岳阳,湘中的长沙、湘潭,湘南的郴州、零陵等地区)采集了小白菜病毒病标样812个,经指示植物鉴定、酶联检测、稳定性测定等方法将它们分为8个类型,其中有3类是单独侵染的,4类是复合侵染的,还有一类反应不明(待鉴定)。鉴定结果表明,湖南小白菜病毒病毒原的优势种类是芜菁花叶病毒(Tursip mosaic virus, TuMV),其次是黄瓜花叶病毒(Cucumber mosaic virus, CMV)和烟草花叶病毒(     

四川省部分疫区流行性出血热病原学及流行病学研究

本文报道四川省流行性出血热(EHF)疫医鼠类带毒调查、病毒分离鉴定及抗原性分析结果,由7份EHF抗原阳性鼠肺标本及9份急性期患者血清中各分离到EHF病毒5株。由鼠类分离的5株病毒包括褐家鼠2株,黄胸鼠1株,四川短尾(鼠勾)鼱1株以及中麝(鼠勾)1株。经IFA、ELISA及单克隆抗体的抗原测定,证明所有毒株均属野鼠型、抗原性与76—118株及A_9株接近,但由短尾(鼠勾)及中麝(鼠勾)分离的毒株的抗原性有明显差异。     

固定化青霉素酰化酶的研究

将巨大芽孢杆菌胞外青霉素酰化酶通过共价键连接到醋酸纤维素载体上,制成的固定化青霉素酰化酶的表观活力达2000 u／g左右(PDAB法)。水解lO％(w／v)的青霉素G钾盐落液,使用30批,保留活力70％以上。6-氨基青毒烷酸(6-APA)总收率平均达88．37％。固定化青霉素酰化酶水解青霉素G的最适pH为9．95,最适温度为55℃,表观米氏常数为1.093×10-2mol／L,在pH 5．8-10．7,温度45℃以下酶的活力稳定。     

南京紫金山现代植被表土孢粉的初步研究

 选择南京紫金山现代植被进行植被调查和表土孢粉分析。结合中国东部不同气候带下的几个地点表土孢粉分析,把孢粉百分含量、孢粉组合及孢粉优势种、标志种与植被的各项参数进行对比,找出植被与孢粉之间的关系。为恢复古植被、古生态和古气候提供科学依据。     

赤松林受虫害后生物学及光谱学特征的变化

 本文重点研究春季山东招远赤松林受赤松毛虫危害后,其针叶形态特征、叶绿素含量及光谱反射率特征的变化,结果表明：春季赤松受赤松毛虫啃食危害后,树势衰弱,生长不良,针叶颜色变化,褪绿甚至死亡,可分为五个等级;随受害程度的加重,叶绿素含量逐渐降低;赤松受损后,红界光谱曲线拐点“蓝移”,可用特征参量Rs、Ro、λp、λpr、λo、R550-680的值表征。     

康宁木霉CP88329纤维素酶产生条件的研究

从生霉棉布上分离出的康宁木霉ＣＰ８８１０５经诱变处理,获得一株高产纤维素酶的突变株ＣＰ８８３２９。在固体培养基上,２８℃培养７２小时,所产纤维素酶固体曲,以羧甲基纤维素钠为底物酶活力为４８８０ｕ／ｇ;以脱脂棉为底物酶活力为４８０ｕ／ｇ。产酶活力水平均为出发菌的３倍。酶在脱脂棉上作用最适条件为ｐＨ４．５－５．０,４５－５０℃;４５℃保温４ｈ,ｐＨ稳定范围为３．５－６．５;６０℃保温１ｈ,酶活力剩余２０％。酶可用于苎麻布抛光处理和牛仔服“石磨”处理。     

重组人粒细胞-巨噬细胞集落刺激因子包涵体提取、复性和纯化的研究

由基因工程大肠杆菌表达的重组人粒细胞－巨噬细胞集落刺激因子（ｒｈＧＭ－ＣＳＦ）以包涵体的形式存在于细胞中,通过破菌、洗涤获得包涵体,再经过溶解、凝胶过滤、复性、疏水和离子交换柱导析得到了均一的产品,经高压液相和ＳＤＳ－ＰＡＧＥ电泳测定纯度均大于９８％,ｒｈＧＭ－ＣＳＦ的比活为３．２×１０＾７ＩＵ／ｍｇ,纯化获得的ｒｈＧＭ－ＣＳＦ为一酸性蛋白,等电点约为５．２,ＮＨ２－末端有２０个氨基酸序列测定结果     

神经元图像大数据的弱监督自动识别技术

在介观尺度上，小鼠大脑图像的数据量可达到10 TB量级，人脑数据量则达到惊人的几十PB，从海量脑图像数据中识别和分析神经元的形态是一项复杂且具有挑战的任务。当前研究人员提出了基于传统机器学习和深度学习的神经元识别算法，其中传统机器学习方法存在迁移、泛化能力较差的问题，基于深度学习的算法虽然可以通过海量精确标注的训练数据提高模型的泛化性，但缺乏精确且丰富的图像标记数据集，因此同样存在过拟合和泛化能力弱等问题。本文提出了一种基于深度学习的弱监督神经元识别方案，仅需要少量有标注的数据，即可通过迭代策略获取海量神经元图像的精确识别结果，具备较强的泛化能力，并最大限度减少人工参与量。该方法在fMOST、BigNeuron等数据集上进行了实验，自动识别精度F1值分别为0.9247和0.8318，优于其他对比的神经元识别算法。