近红外光谱测定小麦粉常规营养成分的模型优化

目的：应用近红外光谱（NIR）结合偏最小二乘法（PLS）建立小麦粉常规营养成分蛋白质、水分和脂肪的含量预测模型,并选择最佳模型。方法：收集117份小麦粉样品的近红外光谱,化学法测定蛋白质、水分和脂肪的含量,利用主成分分析（PCA）随机分组,81份样品用于构建模型、36份样品用作验证模型的预测能力。探讨波长范围和光谱预处理方法对所建模型预测能力的影响。结果：3个营养成分预测能力最好的模型分别是：对于蛋白质,预处理采用矢量归一化（SNV）,波长选取7 505.9~5 446.2 cm-1和4 605.4~4 242.8 cm-1,预测模型的RPD值是7.02;对于水分,无预处理,波长选择全谱12 800~3 960 cm-1,模型的RPD值是6.83;对于脂肪,无预处理,波长在9 000~4 000 cm-1,模型的RPD值是5.06。结论：近红外光谱法可以实现对小麦粉常规营养成分的快速预测,通过选择波长范围和光谱预处理方法可以显著提高模型的预测能力。     

人血清中胆固醇近红外光谱快速检测初步研究

以全自动生化分析仪测定结果为参考值,采用傅利叶变换近红外透射光谱技术,结合偏最小二乘法,建立人血清中胆固醇和甘油三酯的定标模型。利用内部交叉验证和自动优化功能对预测模型进行了优化,确定了最优建模参数。模型对人血清中胆固醇和甘油三酯定标样品集的预测值与参考值的相关系数r分别为0．9011、0．9593,预测校正标准误RMSECV分别为15．0mg／dL,21．6mg／dL。表明利用近红外光谱分析技术实现血清中胆固醇和甘油三酯快速检测是可行的。     

烤烟鲜叶组织结构、近红外反射率及其影响因素的研究

对烤烟品种‘中烟101’进行了叶片近红外反射率测定、组织结构解剖观察以及两者关系分析,并研究了成熟度、叶位、施氮量因素对它们的影响。结果表明：随施氮量增加、叶位上升、成熟度降低,叶片厚度、栅栏组织厚度、海绵组织厚度、组织比、比叶重均呈上升趋势,鲜烟叶近红外（800nm）反射增加;叶片厚度、栅栏组织厚度、海绵组织厚度、组织比与近红外反射率之间均呈显著正相关关系;叶片厚度能较好地预测近红外反射率,预测方程决定系数为0．871^＊＊（P〈0．001）。     

基于小波变换心电信号消噪方法研究

小波变换是近年来兴起的热门信号处理技术,是一种非常有用的信号处理工具。本文阐述了连续小波去噪和离散小波去噪的原理,分析了基于小波去噪的几种不同方法（其中包括小波分解与重构,小波变换阈值法,小波变换模极大值法,以及它与独立分量分析相结合去除噪声的方法等）。通过检测和验证,表明该方法能较好的实现心电信号的消噪,都取得了较好的效果;同时,比较了每种方法的不足和缺陷。基于小波变换心电信号消噪的研究进展较快,通过多种方法结合运用进行消噪并取得了很好的效果,展望了利用基于小波变换心电信号消噪的前景。     

近红外光谱技术预测猪肉的pH、嫩度和蒸煮损失

以冷却猪肉为研究对象,评价近红外光谱（NIR）技术用于肉类物理特性预测的可行性以及不同的光谱处理方法和建模方法对预测准确性的影响。试样取自排酸24h的同一批猪胴体的小里脊肉,采集4000—10000cm-1的光谱。经外部验证的偏最小二乘（PLS）模型在预测pH时表现出良好的相关性（Rc^2=0．88,Rp^2=0．80,SEC=0．08,SEP=0．084）,嫩度与蒸煮损失模型的相关性分别是Rc^2=0．50和0．57,R;=0．34和0．50。在各种光谱预处理方法中,平滑处理结合多元散射校正（MSC）或标准正态变量变换（SNV）的效果最好。     

增效位点在稻米碾磨品质分子预测中的效应及其与遗传效应的关系

利用重庆和泸州两个环境下种植的两套杂交水稻不完全双列组合（按NCII设计）,结合SSR和AFLP标记,按照单向分组的方差分析法筛选与凡碾磨品质表现相关的阳性位点和增效位点,分别就此两类位点建立相应的预测模型,同时采用包括基因型×环境互作效应的种子遗传模型对这两套材料进行遗传效应分析,旨在分析水稻碾磨品质的分子预测效果及其与遗传效应之间的关系．结果表明：（1）增效预测模型较阳性预测模型稳定性好,精确度高．糙米率、精米率和整精米率的增效预测模型可决系数分别为0．6467、0．6516和0．7265,而阳性预测模型则为0．4053、0．4981和0．6897;增效预测模型的剩余平方和分别为0．8104、0．8011和4．4508,而阳性预测模型则为0．9826、0．9673和6．2676;增效预测模型的预测变异系数为6．79％、7．27％和5．02％,而阳性预测模型则为9．12％、8．13％和6．09％．（2）增效预测模型预测效果因材料和性状的不同存在差异,套内预测好于套间预测,固定不育系预测好于固定恢复系预测;预测效果以整精米率最好,精米率次之,糙米率稍差;（3）不同性状和材料自々预测效果受环境互作自々影响不同,糙米率受环境互作影响大干精米率大干整精米率．因此,可根据不育系和恢复系材料特性,在一定环境条件下建立碾磨品质性状的预测模型,或者选择遗传主效应表现良好,同时环境互作效应表现较为稳定的亲本建立预测模型,可能将会获得较为理想的预测效果．     

近红外光谱无损测定大豆种子生活力方法研究

：快速准确无损测定种子生活力是种质资源安全保存研究中的一项重要内容。采用傅立叶变换近红外漫反射光谱技术,结合偏最小二乘法,以保存不同年限的黄色大豆品种资源的种子为样品,建立其生活力的无破坏性测定数学模型,同时对不同光谱预处理方法和不同建模波段范围对模型的预测性能进行对比分析。结果表明：原始光谱在4000～10000nm全波段的模型预测精度较高。经Savitzky-Golay二介导数和标准化预处理后,生活力的PLS模型最好,校正集样品的相关系数为0.937,预测集样品的相关系数为0.902,RMSEC和RMSEP分别为2.190和2.684。可见模型预测的准确性接近常规发芽方法,能够满足种质资源快速、非破坏性活力检测的要求,为今后快速无损测定种子生活力提供了理论依据。     

小麦叶面积指数与冠层反射光谱的定量关系

在分析不同氮素水平下小麦叶面积指数（LAI）和冠层光谱反射率随生育期变化模式的基础上,确立了LAI与冠层光谱反射率及光谱参数的相关关系,提出了小麦LAI的敏感光谱参数及预测方程.结果表明,小麦LAI和近红外短波段（760～1 220 nm）反射率都随施氮量的增加呈上升趋势,可见光波段反射率则相反;从拔节期到成熟期,LAI和近红外短波段反射率均表现为先上升后下降的趋势,而可见光波段（460～710 nm）反射率随生育期的推进先降低后升高,以孕穗期反射率最低,近红外长波段区域（1 480～1 650 nm）反射率的变化与可见光部分相同.LAI与可见光波段反射率呈负相关,与近红外短波段反射率呈极显著正相关,其中以810 nm相关性最好.可以选择RVI(810,510)和DVI(810,560)作为反演小麦LAI的光谱参数.另外,在证明垂直植被指数PVI和转换型土壤调整指数TSAVI对LAI预测能力的同时,发现利用RVI(810,510)、DVI(810,560)和PVI 3个植被指数共同推算小麦LAI的准确度更高.     

近红外光谱技术快速检测原料乳中掺杂物

采用近红外光谱技术结合化学计量学方法,对原料乳中常见的2种掺杂物——大豆分离蛋白与植脂末进行定量分析研究。先通过不同光谱预处理方法结合偏最小二乘法（PLS）建模评价不同预处理方法的效果,结果表明通过平滑处理结合多元散射校正（MSC）进行光谱预处理效果最佳,大豆分离蛋白PLS定量模型相关系数（R2）与交叉验证均方差（RMSECV）分别为0.980 9、0.127 5,植脂末PLS模型分别为0.972 2、0.130 8。随后比较了不同建模方法的效果,结果发现：采用径向基神经网络（RBF）对大豆分离蛋白的建模效果最佳,R2为0.999 4,测试集均方根误差为0.003 1;采用广义回归神经网络（GRNN）方法对植脂末建模效果最佳,R2为0.998 9,测试集均方根误差为0.004 5。因此,合理结合近红外光谱技术与化学计量学方法可快速、准确检测原料乳中大豆分离蛋白和植脂末这2种掺杂物含量。     

基于SVR算法的林地土壤氮含量高光谱测定

提出了一种利用高光谱技术进行杉木林土壤全氮测定的新方法。以FieldSpec®3地物光谱仪采集杉木林土壤148份, 随机分成校正集(100份)和检验集(48份)。以不同方法实现了土壤光谱的预处理, 并采用偏最小二乘回归算法(PLS)建立土壤氮含量估测模型对其进行比较分析, 发现小波除噪结合多元散射校正能最有效地消除原始光谱的噪声与背景信息, 此时PLS模型校正集与预测集R²分别为0.891与0.885。为进一步优化模型, 对经小波除噪结合多元散射校正处理后的光谱采用主成分分析法(PCA)降维, 以前4个主成份为输入变量, 采用小二乘支持向量机回归算法(LS-SVR)建立了土壤氮含量估测模型, 其校正集与预测集R²分别提高至0.921与0.917, 具有比PLS算法更高的精度。结果表明:以高光谱技术进行林地土壤氮含量快速监测是可行的, 其中小波去噪结合多元散射校正系光谱预处理的优选方法, 而LS-SVR则是建模的优选方法。     

番薯叶片性状关系模型的建立与验证

建立植物叶片生长预测模型是林学、生态学和植物学的热点与难点。以番薯(Ipomoea batatas)叶为研究对象,利用易测的叶长(L)、叶宽(W)和叶绿素含量(S)及其不同的组合作为模型拟合参数,建立了10个关于叶面积(LA)、叶饱和鲜重(SFW)和叶干重(DW)的预测模型,选择拟合度最好的3个模型作为LA、SFW和DW的预测模型,这3个模型分别为:LA=–22.995+5.322W+0.322L2(R=0.972)、SFW=0.459+0.000 034 1LWS(R=0.964)和DW=–0.064+0.016W+0.000 048 4LS(R=0.955);并用实测值对模型进行了验证。结果表明,LA、SFW和DW的预测值与实测值均高度一致(R20.9,P0.001),故可用于对实际未知叶片LA、SFW和DW的预测。该研究可为简化植物性状测定提供参考。     

翅果油树叶面积和叶重的预测模型

数学模型对于非破坏性地研究和预测植物的生长状况非常方便有效。以山西省翅果油树自然保护区翅果油树（Elaeagnus moles）叶片为研究对象,利用简单易测的叶长（L）、叶宽（w）和叶绿素含量（SPAD）及其不同的组合作为模型拟合参数,建立了关于叶面积（LA）、叶饱和鲜重（SFW）和叶干重（DW）的预测模型共10个,选择拟合度最好的模型作为LA、SFW和DW的预测模型,这3个模型分别为：LA=3．647＋0．383LW＋0．001LWS（R=0．968）,SFW=-0．464＋0．081L＋0．00008LV／S（R=0．963）,DW=-0．094＋0．032W＋0．0001LS（R=0．960）,并用实测值对模型进行了验证,结果表明LA、SFW和DW的预测值与实测值分别达到了高度一致,能够用于对实际未知叶片LA、SFW和DW的预测。     

Determination of total protein in hyperimmune serum samples by near-infrared spectrometry and multivariate calibration

In the present work, the determination of the total protein concentration in hyperimmune serum samples was performed through a partial least-squares near-infrared (NIR-PLS) method. The method was based on the chemometric treatment of the NIR spectra of samples. The influences of spectra preprocessing and spectral window utilized in the construction of PLS model were studied. Models were built using reference data of 19 samples selected through the use of hierarchical cluster analysis (HCA) of NIR spectra of samples and another 24 samples were employed for external validation of the method. A model with better prediction capacity was obtained after whole spectra preprocessing by multiplicative scattering correction (MSC) algorithm and using data in the spectral range of 2158-2209 nm. Under optimized conditions a RMSEP of 0.21 g dl⁻¹ and a quality coefficient value (QC) of only 5.8% were obtained for the prediction of total protein content in the samples used for external validation. Also, a determination coefficient, r², of 0.97 was obtained in the correlation of predicted and reference data of samples situated in the validation set.     

基因表达数据小波降噪与肿瘤识别

建立了基于小波降噪和支持向量机的结肠癌基因表达数据肿瘤识别模型.对试验数据进行小波分解,并利用交叉验证的方法计算试验样本的平均分类准确率,确定小波函数与小波分解层数;引入能量阈值方法对小波分解系数进行阈值处理,达到降噪的目的;提出了基因分类贡献率与主成分分析结合的方法,提取结肠癌样本数据特征;利用支持向量机强大的非线性映射能力,实现对结肠癌样本数据的非线性分类.为了减弱样本集的划分对分类准确率的影响,本文采取Jackknife检验方法对支持向量分类器的分类器检验,其分类准确率为96.77%.试验结果证明了该方法的有效性,该方法对结肠癌的识别具有一定的参考价值.     

小波阈值降噪的超声多普勒技术在胎儿中枢神经系统畸形筛查中的临床应用价值

摘要 目的：探究小波阈值降噪的超声多普勒技术在胎儿中枢神经系统（CNS）畸形筛查中的临床应用价值。方法：选择2018年1月-2021年1月于本院进行规范化妊娠早期超声结构筛查的1092例11-13+6周单胎妊娠孕妇,所有孕妇均进行常规超声和小波阈值降噪的超声多普勒技术的检查,并对其妊娠过程和结果进行随访。结果：1092例胎儿产后病理或超声检查显示,胎儿CNS畸形共计19例,发生率为1.74％（19/1092）。其中,露脑畸形8例,无脑畸形5例,前脑无裂畸形3例,脑膜膨出2例,脊柱裂1例。基于小波阈值降噪的超声多普勒技术对胎儿CNS畸形检出的符合率94.74%（18/19）显著高于常规超声63.16%（12/19）,差异有统计学意义（P<0.05）;且基于小波阈值降噪的超声多普勒技术检出胎儿CNS畸形的准确性、敏感度、特异度、阳性预测值、阴性预测值均显著高于常规超声,差异均均有统计学意义（P<0.05）。结论：小波阈值降噪的超声多普勒技术对妊娠早期孕妇进行规范化结构筛查更有助于及早发现胎儿CNS畸形,对降低畸形胎儿的出生率以及指导临床治疗方案的选择具有重要指导意义。     

Three-dimensional quantitative structure-activity relationship studies on novel series of benzotriazine based compounds acting as Src inhibitors using CoMFA and CoMSIA

Comparative molecular field analysis (CoMFA) and comparative molecular similarity indices analysis (CoMSIA) were performed on a series of benzotriazine derivatives, as Src inhibitors. Ligand molecular superimposition on the template structure was performed by database alignment method. The statistically significant model was established of 72 molecules, which were validated by a test set of six compounds. The CoMFA model yielded a q(2)=0.526, non cross-validated R(2) of 0.781, F value of 88.132, bootstrapped R(2) of 0.831, standard error of prediction=0.587, and standard error of estimate=0.351 while the CoMSIA model yielded the best predictive model with a q(2)=0.647, non cross-validated R(2) of 0.895, F value of 115.906, bootstrapped R(2) of 0.953, standard error of prediction=0.519, and standard error of estimate=0.178. The contour maps obtained from 3D-QSAR studies were appraised for activity trends for the molecules analyzed. Results indicate that small steric volumes in the hydrophobic region, electron-withdrawing groups next to the aryl linker region, and atoms close to the solvent accessible region increase the Src inhibitory activity of the compounds. In fact, adding substituents at positions 5, 6, and 8 of the benzotriazine nucleus were generated new compounds having a higher predicted activity. The data generated from the present study will further help to design novel, potent, and selective Src inhibitors as anticancer therapeutic agents.     

siRNA沉默过度内质网应激下DⅨ基因在缺血／再灌注肺损伤中的作用

目的：探讨siRNA沉默过度内质网应激（ERS）下C．Jun氨基末端激酶（州K）通路在缺血／再灌注肺凋亡中的作用。方法：采用C57BIM6J小鼠左侧肺原位缺血／再灌注（IVR）损伤模型。实验随机分为7组（／7,=10）,包括假手术组（Sham组）,缺．tk／再灌注组（I／R组）,PBS＋Lipofectamine2000TM转染试剂组（VR＋PBS＋Lipo组）,阴性对照组（VR＋SCR组）,JNK-siRNA~g（VR＋siRNAJNl（1组、I／R＋siRNAJ眦组、I／R＋si时忱JNl。组）。各组实验结束后处死小鼠,留取左肺,分别检测肺湿干重比（W／D）和总肺水含量（TLW）;光镜观察肺组织形态结构变化,并进行肺组织损伤评估（IQA）;RT-PCR、检测JNK和葡萄糖调节蛋白78（GRP78）的基因表达;Westernblot检测磷酸化JNK（p-JNK）和GRP78的蛋白表达;原位缺口末端标记法（TUNEL法）检测肺细胞凋亡指数（AU。结果：与Sham组相比,I／R＋PBS＋Lipo组和SCR组各组W／D、’ILw、IQA、JNK与GRP78mRNA和p-JNK、GRP78蛋白质表达量及AJ均明显升高（P〈0．01）,光镜显示肺组织结构出现明显损伤性变化,且各组两两比较,上述各指标均无统计学差异;与I／R＋PBS＋Lipo组和SCR组相比,JNK-siRNA各组GRP78表达水平无明显变化,余各指标均降低（P〈0．05,P〈0．01）且肺组织损伤减轻。结论：I／R引起肺组织细胞发生过度的ERS,并通过JNK通路引起细胞凋亡,损伤肺组织。     

表面肌电信号采集与降噪处理

目的：本文以设计的表面~g（sEMG）信号采集系统为基础,探讨sEMG信号中的降噪处理问题。方法：结合sEMG信号的噪声影响情况,首先利用带通滤波器消除肌电信号频带外噪声,再通过频谱插值法来抑制工频干扰分量,最后使用小波分析方法来削弱肌电信号频带内噪声。结果：通过对检测sEMG信号的降噪处理,信号噪声得到明显抑制。结论：所设计采集系统能够获得满意的sEMG信号检测效果,所采用降噪方法能够有效提高sEMG信号的质量。     

Robust Classification of Functional and Quantitative Image Data Using Functional Mixed Models

Summary This article introduces new methods for performing classification of complex, high‐dimensional functional data using the functional mixed model (FMM) framework. The FMM relates a functional response to a set of predictors through functional fixed and random effects, which allows it to account for various factors and between‐function correlations. The methods include training and prediction steps. In the training steps we train the FMM model by treating class designation as one of the fixed effects, and in the prediction steps we classify the new objects using posterior predictive probabilities of class. Through a Bayesian scheme, we are able to adjust for factors affecting both the functions and the class designations. While the methods can be used in any FMM framework, we provide details for two specific Bayesian approaches: the Gaussian, wavelet‐based FMM (G‐WFMM) and the robust, wavelet‐based FMM (R‐WFMM). Both methods perform modeling in the wavelet space, which yields parsimonious representations for the functions, and can naturally adapt to local features and complex nonstationarities in the functions. The R‐WFMM allows potentially heavier tails for features of the functions indexed by particular wavelet coefficients, leading to a down‐weighting of outliers that makes the method robust to outlying functions or regions of functions. The models are applied to a pancreatic cancer mass spectroscopy data set and compared with other recently developed functional classification methods.