粗毛纤孔菌的化学成分及抗肿瘤活性成分

本文研究了粗毛纤孔菌的化学成分及抗肿瘤活性成分。对粗毛纤孔菌的甲醇提取物进行石油醚、乙酸乙酯、正丁醇萃取,采用Sephadex LH-20凝胶色谱法,反相C18柱色谱法及高效液相色谱法对不同萃取组分进行分离纯化。分离得到8个化合物,经鉴定分别为麦角甾醇、齿孔酸、4-(3,4-二羟苯基)-3-丁烯-2-酮、phellibaumin A、3,3?-亚甲基双[6-[2-(3,4-二羟苯基)乙烯基]-4-羟基-2H-吡喃-2-酮](MBP)、肌苷、原儿茶酸和原儿茶醛。其中化合物MBP为首次从自然界中分离得到,对其进行了MTT抗肿瘤筛选和细胞凋亡分析。结果表明此化合物对人肝癌细胞HepG2的细胞增殖具有抑制作用,IC50值为2.3μg/mL,并且可以诱导HepG2细胞凋亡,且呈一定的剂量依赖关系。本研究明确了MBP的提取方法,初步断定该化合物抗肿瘤活性是通过诱导细胞凋亡实现的。     

小麦黄化突变体光合作用及叶绿素荧光特性研究

对小麦自然黄化突变体及其突变亲本(西农1718)的叶绿素含量、光合速率及叶绿素荧光动力学参数进行比较分析.结果显示:(1)突变体金黄株、绿黄株、黄绿株的叶绿素含量均显著低于突变亲本,总叶绿素含量分别为突变亲本的17%、24%和58%,表明该突变体为叶绿素缺乏突变体;3个突变体叶绿素a与叶绿素b的比值(Chl a/Chl b)均小于突变亲本,而且突变体叶绿素含量越低,Chl a/Chl b比值越小,说明该突变体Chl a下降幅度大于Chl b.(2)金黄株净光合速率在孕穗期、开花期仅为突变亲本的5.7%、2.4%;绿黄株净光合速率显著低于突变亲本,为突变亲本的57.7%、43.3%;而叶绿素含量仅为突变亲本一半的黄绿株,其净光合速率接近突变亲本,表明该黄化突变体叶绿素含量在一定范围内单位叶绿素含量的光合效率较高.(3)突变体Fo均显著低于突变亲本;金黄株、绿黄株的Fm,Fv,qP,qN显著低于突变亲本;金黄株Fv/Fm比值(0.671)显著低于突变亲本.研究表明,叶绿素含量在一定范围内减少,未引起突变体叶绿素荧光动力学参数(Fo除外)显著改变,而当叶绿素含量较大程度减少时,这些荧光参数会急剧降低.     

水环境中重金属铜对异育银鲫肠道微生物的影响

【目的】了解水环境中重金属铜对异育银鲫肠道微生物组成及多样性的影响。【方法】采用试剂盒提取异育银鲫肠道总DNA,然后对总DNA进行16S r RNA进行扩增,构建异育银鲫肠道微生物16S r RNA基因克隆文库,最后进行数据分析。【结果】厚壁菌门、变形菌门和拟杆菌门为异育银鲫肠道中主要的细菌类群,在不同浓度的重金属铜胁迫处理后,厚壁菌门的含量明显降低。稀释性曲线、Venn图和多样性指数分析结果表明,重金属铜胁迫处理后异育银鲫肠道微生物多样性明显降低。【结论】重金属铜会使异育银鲫肠道微生物组成及多样性降低。此结果为研究重金属污染对异育银鲫健康状况的影响及异育银鲫养殖过程中病害的诊断奠定基础。     

深度学习在药物活性预测研究中的应用

药物从研发到临床应用需要耗费较长的时间，研发期间的投入成本可高达十几亿元。而随着医药研发与人工智能的结合以及生物信息学的飞速发展，药物活性相关数据急剧增加，传统的实验手段进行药物活性预测已经难以满足药物研发的需求。借助算法来辅助药物研发，解决药物研发中的各种问题能够大大推动药物研发进程。传统机器学习方法尤其是随机森林、支持向量机和人工神经网络在药物活性方面能够达到较高的预测精度。深度学习由于具有多层神经网络，模型可以接收高维的输入变量且不需要人工限定数据输入特征，可以拟合较为复杂的函数模型，应用于药物研发可以进一步提高各个环节的效率。在药物活性预测中应用较为广泛的深度学习模型主要是深度神经网络（deep neural networks，DNN）、循环神经网络（recurrent neural networks，RNN）和自编码器（auto encoder，AE），而生成对抗网络（generative adversarial networks，GAN）由于其生成数据的能力常常被用来和其他模型结合进行数据增强。近年来深度学习在药物分子活性预测方面的研究和应用综述表明，深度学习模型的准确度和效率均高于传统实验方法和传统机器学习方法。因此，深度学习模型有望成为药物研发领域未来十年最重要的辅助计算模型。