检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

一种序列挖掘模型用于异常检测的研究

小型微型计算机系统 2004年第7期25卷 1174-1176页

作者：钱权罗菲菲黄国锐蔡庆生中国科学技术大学计算机科学技术系安徽合肥230027

应用序列挖掘方法对用户命令序列进行分析 ,建立用户行为概貌 ,并针对用户使用的高频命令序列用统计分析的方法对其进行独特性评价 .实验结果表明 ,该方法稳定可靠。

关键词：数据挖掘高频序列异常检测

鳗弧菌(Vibrio anguillarum)核酸适配体的筛选及其结合蛋白的分离鉴定

在线全文

学校读者我要写书评

暂无评论

生物化学与生物物理进展 2022年第1期49卷 250-261页

作者：郑江刘慧敏黄力行林筱钧彭雪云江兴龙周建传汤学敏集美大学水产学院鳗鲡现代产业技术教育部工程研究中心福建省水产生物育种与健康养殖工程研究中心厦门361021 福建省特种水产配合饲料重点实验室福清350308

目的鳗弧菌(Vibrio anguillarum)是水产养殖中的重要条件致病菌,每年给水产养殖业造成巨大的经济损失,研究其致病机制、对其进行快速的检测鉴定是其病害防治的前提和基础。核酸适配体因其高亲和力、高特异性等多种优点,在微生物的靶标... 详细信息

目的鳗弧菌(Vibrio anguillarum)是水产养殖中的重要条件致病菌,每年给水产养殖业造成巨大的经济损失,研究其致病机制、对其进行快速的检测鉴定是其病害防治的前提和基础。核酸适配体因其高亲和力、高特异性等多种优点,在微生物的靶标分析、检测鉴定以及致病机制等多个领域都呈现出较好的应用潜力。因此,筛选鳗弧菌的核酸适配体,利用核酸适配体对鳗弧菌相关位点进行分析鉴定,不仅能为鳗弧菌的检测鉴定提供一个新的手段,对于探索鳗弧菌相关位点在其病害防治中的作用也具有重要意义。方法以鳗弧菌为靶目标,采用每轮测序的SELEX筛选方法,从高频序列中筛选鳗弧菌的核酸适配体;采用单链DNA浓度法测定核酸适配体的亲和力,研究核酸适配体对鳗弧菌的亲和特异性;采用Origin软件、选择反比例函数(Hyperbola函数)进行非线性拟合,获得核酸适配体的亲和常数(K_(d))和最大亲和力(A_(m));采用磁分离技术和聚丙烯酰胺凝胶电泳分离纯化出核酸适配体H5的结合蛋白,通过质谱对该蛋白质进行分析鉴定,并利用Prabi、Phyre2、Psortb 3.0等在线网站分析该结合蛋白的空间结构及其亚细胞位置。结果建立了以高频序列为基础的快速筛选核酸适配体的方法,采用该方法筛选出了一系列对鳗弧菌有较好亲和特异性的核酸适配体(H1、H5、H6、H12、H25、H26、H28、H33、H38和H42),测定了其中6个核酸适配体(H1、H5、H25、H26、H33、H38)的K_(d)和A_(m),相应的K_(d)值分别为(78.77±10.99)、(180.65±23.01)、(121.14±21.43)、(276.42±51.23)、(89.24±10.84)、(167.12±23.73)nmol/L,A_(m)值分别为(229.42±8.35)、(891.04±50.14)、(647.20±41.51)、(720.85±75.35)、(510.65±33.89)、(576.06±38.73)nmol/L。核酸适配体H5的结合蛋白为鳗弧菌中的丙酮酸脱氢酶E1组分,该蛋白质主要位于细胞质中,α螺旋和β折叠结构构成了其主要骨架,环状的无规卷曲结构则大多分布在该蛋白质的外部。并对结合蛋白与核酸适配体的互作区域进行了分析推测。结论以高频序列为基础,采用每轮测序的SELEX筛选方法具有较高的筛选效率;核酸适配体最终的表观亲和力是K_(d)和A_(m)共同作用的结果,A_(m)在核酸适配体的表观亲和力中也发挥着不可忽略的作用;核酸适配体H5可能是通过胞吞等方式进入鳗弧菌内部,与细胞质中的丙酮酸脱氢酶E1组分结合,说明核酸适配体是可以进入细菌内部与相应的靶标结合,这为鳗弧菌病害的防控及新型核酸适配体药物的开发提供了一个新的思路。

关键词：核酸适配体鳗弧菌高频序列亲和常数最大亲和力结合蛋白 SELEX 丙酮酸脱氢酶

同方期刊数据库

基于NARX神经网络的千岛湖藻类短期预测模型构建

在线全文

学校读者我要写书评

暂无评论

环境科学研究 2022年第4期35卷 918-925页

作者：李未朱梦圆王裕成朱广伟中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室江苏南京210008 杭州市生态环境局淳安分局浙江杭州311700

局部水域的藻类异常增殖现象逐渐成为千岛湖面临的水环境保护难题.构建以数据驱动的水华预测模型,实现对重点水域叶绿素a(Chla)浓度短期动态变化的预测,是快速应对潜在水华风险的有效手段之一.鉴于NARX神经网络在预测非平稳时间序列动... 详细信息

局部水域的藻类异常增殖现象逐渐成为千岛湖面临的水环境保护难题.构建以数据驱动的水华预测模型,实现对重点水域叶绿素a(Chla)浓度短期动态变化的预测,是快速应对潜在水华风险的有效手段之一.鉴于NARX神经网络在预测非平稳时间序列动态特征方面的优势,以千岛湖国控监测断面小金山2016—2019年Chla的高频时间序列作为研究对象,对Chla剖面数据进行沿深平均、缺失值插补后,分别以连续3 d和连续7 d的Chla浓度作为输入,构建了基于NARX神经网络的藻类预测模型,用于预测未来0.5~7 d Chla浓度的变化,探讨了相关参数设置、训练及评价方法,并针对不同的预见期分析了模型性能.结果表明:①模型预测性能稳定,预测值与实测值相关系数保持在0.8~0.9之间,均方误差在15~30之间.②随着预见期的变化,模型性能不同.其中,在未来0.5~4 d的预测中,使用连续3 d的Chla浓度作为输入的预测效果较好;在未来4.5~7 d的预测中,使用连续7 d的Chla浓度作为输入的预测效果较好.研究显示,该模型可以较为准确地预测未来0.5~7 d的Chla浓度,可为构建以数据驱动的千岛湖水华监测预警系统提供科学依据.

关键词：藻类预测高频序列神经网络千岛湖

同方期刊数据库

人工神经网络在股指期货价格预测中的研究——基于沪深300股指期货市场高频数据的分析

在线全文

学校读者我要写书评

暂无评论

中国商论 2013年第6Z期 101-102页

作者：李宗龙浙江财经大学金融学院

本文基于GRNN神经网络模型对中国沪深300股指期货高频数据进行仿真并预测,研究发现:GRNN神经网络模型的拟合值与实际值曲线非常接近,仿真效果较好;预测值与实际值整体保持一致,平均相对误差较小,模型短期预测能力较强。

关键词： GRNN神经网络股指期货高频序列