排序方式: 共有187条查询结果,搜索用时 15 毫秒
181.
目的 探究哺乳期乳铁蛋白(lactoferrin,LF)的缺失及不同来源LF补充后对幼鼠肠道发育的影响。方法 以LF基因敲除型雌鼠作为哺乳母鼠造成幼鼠哺乳期无LF的摄入,且从幼鼠出生第3~21天每日人工饲喂100 mg/kg 牛血清白蛋白(BSA)、牛源乳铁蛋白(bovine Lactoferrin,bLF)及重组人源乳铁蛋白(recombinant human Lactoferrin,rhLF),于幼鼠21日龄取样,测定各组小鼠小肠发育指标。结果 在本实验周期下,哺乳期rhLF的补充显著性增加小鼠回肠绒毛长度/隐窝深度值(P<0.05),且上调回肠Occludin和ZO-1基因的表达(P<0.05),增加小鼠十二指肠、空肠和回肠麦芽糖酶酶活/乳糖酶酶活比值(P<0.05),表明哺乳期rhLF的补充能够增强小鼠肠道消化吸收能力和肠屏障功能;哺乳期bLF的补充显著增加小鼠十二指肠及回肠麦芽糖酶活性/乳糖酶活性比值(P<0.05)。结论 对于哺乳期无LF摄入的乳鼠来说,哺乳期间LF的补充能够增强乳鼠肠道对营养物质的消化吸收能力、促进肠道的发育成熟、增强肠道屏障功能,并且,本实验中rhLF表现出比bLF更加有效的作用。 相似文献
182.
运用文献计量分析方法,基于CSSCI来源期刊1998—2019年的“粮食安全”相关文献,对我国粮食安全问题研究动态进行梳理分析。粮食安全研究领域发文量多年来变化不明显,粮食生产、粮食产量、国家粮食安全、粮食政策是比较重要的关键词,多集中于粮食安全的概念内涵与评价体系,供给和需求、政策和国际环境等因素对粮食安全的影响。研究动态上还表现出今后可能在粮食安全的概念内涵以及评价指标、可持续发展与粮食安全、提高粮食综合生产力、政府粮食安全政策与战略研究等方面继续探索。 相似文献
183.
高寒区青海云杉人工林密度与林下植物多样性的关系 总被引:3,自引:0,他引:3
为了研究青海云杉人工林密度对林下植物多样性的影响及二者的关系,探明维持植物多样性、人工林生态系统稳定性及其健康状况的合理林分密度,以青海大通宝库林区6种不同密度(3 400株/hm2、2 900株/hm2、2 600株/hm2、2 300株/hm2、2 150株/hm2、1 750株/hm2)25年生青海云杉人工林林下植物的重要值、丰富度指数、多样性指数、均匀度指数为指标,对林下植被多样性随林分密度的变化规律进行分析。结果表明:(1) 青海云杉人工林下共有维管束植物60种,非维管束植物1种,隶属于29科45属。(2)灌木层植被优势种受密度影响较大,草本层植被优势种受密度影响较小。(3)青海云杉密度分别与灌木层和草本层的S指数、H′指数、Ea指数均呈显著相关关系,且相关系数分别为0.688、0.937、0.762和 0.679、0.870、0.505。(4)随着青海云杉密度的增加,林下植被多样性呈先减少后增大再减少的变化规律,且密度为2 600株/hm2时,林下植物多样性综合得分最高。研究认为,青海云杉林下植被多样性对其密度响应具有非同步性;密度为2 600株/hm2时比较适合林下植被生长,并保持林下植物多样性水平。 相似文献
184.
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。 相似文献
185.
186.
187.