马钱子致大鼠体内毒性的研究——“装袋”算法和16S rRNA基因测序技术在毒理学研究中的应用

目的中药马钱子(Strychnos nux-vomica L.,SN)在临床上具有消肿止痛的功效,然而,由于含有生物碱类成分,马钱子具有一定毒性。人们对马钱子毒性所引起的大鼠内源性代谢变化及其对肠道微生物群代谢失调的潜在影响知之甚少,因此,马钱子的毒理学研究对其安全性评价具有重要意义。本研究将代谢组学和16S rRNA基因测序技术相结合来探索马钱子的致毒机制。方法通过急性、蓄积性和亚急性毒性试验,分别确定马钱子的中毒剂量、毒性强度和毒性靶器官。超高效液相色谱-质谱联用技术用于分析大鼠灌胃马钱子后的血清、肝脏和肾脏样本。利用基于装袋算法的决策树和K最近邻(K nearest neighbor,KNN)模型对组学数据进行分类。从大鼠粪便中提取样本后,使用高通量测序平台对细菌的16s rRNA V3-V4区域进行分析。结果装袋算法提高了样本分类的准确率。共鉴定出12个生物标志物,这些生物标志物的代谢失调可能是马钱子致体内毒性的原因。拟杆菌、粪厌氧棒菌、颤螺菌、双茎体菌等与肾肝功能的生理指标密切相关,这表明马钱子引起的肝肾损害可能与这些肠道细菌的代谢紊乱有关。结论本文揭示了马钱子的体内致毒机制,为马钱子临床上的安全合理使用提供了科学依据。

BP神经网络算法结合超高效液相色谱-质谱联用技术研究红花治疗慢性酒精性肝损伤的作用机制

临床上,红花对慢性酒精性肝损伤(chronic alcoholic liver injury,CALI)有很好的疗效,但治疗机制不甚明确。因此,阐明红花治疗CALI的分子作用机制对药物的进一步开发及应用具有重要意义。以雄性Wistar大鼠为研究对象,模型组大鼠以8 mL/kg酒精连续灌胃28天,建立CALI模型;给药组大鼠分别以高(4.290 3 g/kg)、中(1.430 1 g/kg)、低(0.476 7 g/kg)剂量灌胃红花提取物。采用大鼠血清代谢组学分析方法结合超高效液相色谱-质谱技术鉴定与CALI相关的潜在生物标志物,并研究红花对这些生物标志物的调控机制。利用MATLAB软件建立BP神经网络模型处理组学数据的分类问题。从苏木精和伊红(H&E)染色实验发现,高剂量红花提取物减轻了肝细胞的损伤程度;与模型组相比,高剂量红花组中的丙氨酸氨基转移酶(ALT)和天冬氨酸氨基转移酶(AST)的表达水平降低,表明高剂量红花提取物具有肝保护作用。BP神经网络模型的分类准确率为95.8%,分类效果良好。通过火山图分析共鉴定出20种与CALI相关的生物标志物,红花可以对这些生物标志物产生回调效果。研究表明,红花可能通过对甘油三酯、脂肪酸、磷脂、胆汁酸、氨基酸、维生素E代谢的调控作用而对CALI产生治疗效果。本研究可为红花的推广和临床应用提供了理论基础。

基于代谢组学方法的红花治疗急性酒精性肝损伤的作用机制研究

红花在临床上对急性酒精性肝损伤(Acute Alcoholic Liver Injury,AALI)有很好的疗效,但治疗机制不甚明确。因此,阐明红花治疗AALI的分子作用机制对药物的进一步开发及应用具有十分重要的意义。实验以雄性Wistar大鼠为研究对象,模型组大鼠灌胃8 mL/kg的酒精以建立AALI模型,给药组大鼠以4.29 g/kg/天的剂量灌胃红花提取物。利用大鼠血清代谢组学分析方法鉴定与AALI相关的潜在生物标志物,并研究红花对这些生物标志物的调控机制。从苏木精和伊红(H&E)染色实验发现,灌胃后红花提取物减轻了肝细胞的损伤程度;与模型组相比,红花组中的丙氨酸氨基转移酶(ALT)和天冬氨酸氨基转移酶(AST)的表达水平降低,表明红花提取物具有肝保护作用。通过分析火山图,共鉴定出30种与AALI相关的生物标志物。在这些生物标志物中,红花可以对21个标志物产生回调效果。研究发现,红花可能通过对脂肪酸、磷脂、胆汁酸、氨基酸、核苷酸代谢的调控作用从而对AALI产生治疗效果。本文为红花的推广和临床应用提供了理论基础。

新工科背景下的计算机基础课程教育改革与研究

计算机基础是高等院校基础课程中的重要组成部分,但是在计算机基础课程的改革和创新方面还不够完善,也间接的阻碍了新工科背景下高等院校人才培养的发展。从教育教学内容、丰富计算机基础课程的实践活动和利用大数据方法提高学生自主学习能力等方面对计算机基础课程进行改革和创新,能够培养学生踏实、严谨、进取的品质及独立思考问题的良好习惯,以及学生较强的自学能力和利用计算机处理新型问题的能力。

基于改进生成对抗网络的文本生成模型

在大数据信息智能化时代下,人工智能技术贯穿于人们的日常语言交流之中,因此,自然语言生成的文本是许多学者所研究的内容之一,而后生成对抗网络广泛应用于文本生成领域且具有优异的性能。针对文本为离散型数据在生成对抗网络中判别器输出所带来的精度影响问题,提出了一种改进的生成对抗网络文本生成模型,在MaliGAN模型的基础上设计了一种Loss函数,既能让模型保留寻找全局最优解的优势,又能适当降低离散型变量带来的精度影响,以此提高文本生成效果。为了体现模型的可行性与有效性,在COCO图像字幕数据集和EMNLP2017新闻数据集上进行实验,通过提升BLEU指标说明该模型能够避免离散型数值所带来的精度下降,从而在文本生成任务中取得较好的效果。

基于B-DMM的蒙医药文本数据聚类算法研究

为能够更好地了解蒙医药领域研究的热点和前沿,在GPU-DMM主题模型聚类算法的基础上构建一种基于背景主题的B-DMM聚类模型来获取蒙医药文本当中的隐含主题,给未来蒙医药相关研究提供参考。B-DMM模型利用外部知识以及优化生成过程来克服蒙医药短文本数据中存在的单词稀疏性问题。实验中采用主题语义一致性作为模型的评价标准,将结果与LDA、DMM、GPU-DMM、BTM等模型进行对比分析。实验结果表明,B-DMM模型在蒙医药热点主题挖掘方面的表现均优于基线算法,可以为相关研究者提供更有价值的信息。

基于神经网络和粒子群算法的移动机器人路径规划

针对移动机器人传统路径规划算法效率不高,寻优能力差等问题,提出一种基于神经网络和粒子群优化算法相结合的移动机器人路径规划方法.该方法利用神经网络实现大量的并行和分布计算,发挥PSO简单、容易实现的优点,提高了路径规划的计算效率和可靠性.仿真结果表明,这种新路径规划方法是可行且有效的.

数据科学与大数据技术专业建设研究--以数据挖掘课程为例

在新工科背景下,很多高校获得批准建设数据科学与大数据技术专业.本文对内蒙古民族大学数据科学与大数据技术专业的建设进行了探讨,介绍了应用型人才的培养模式,以数据挖掘课程为例,从提高学习效果、培养学生创新能力等方面介绍了如何更好的将课程融入专业课程体系建设.

基于改进人工势场法的移动机器人路径规划

本文通过对传统人工势场法(AFP)的分析,针对其不足之处,在斥力场函数中,通过引入机器人和目标之间相对距离的方法,使得移动机器人能够到达指定目标点.通过仿真实验验证,这种方法是可行的,可以有效的弥补传统人工势场法的不足.

基于锐捷网络设备的《交换与路由技术》课程实验教学设计

介绍了基于锐捷网络设备的RG-LIMP实验室综合管理系统和系统不同用户的操作流程,从实验背景、实验拓扑结构、实验设备、实验原理、注意事项和实验步骤等多个方面,重点介绍了快速生成树协议RSTP配置的实验设计.

基于改进遗传算法的移动机器人路径规划方法研究

路径规划是机器人技术研究领域中的核心问题。本文针对机器人路径规划问题,提出了基于遗传算法的解决方案。在遗传算子的设计中,通过加入自适应调整方法使得算法更加完善,解决进化过程中因陷入局部极小值而不能到达目标点的问题。最后,在模拟环境下进行路径规划仿真,验证了算法的有效性。

基于改进粒子群算法的移动机器人路径规划方法研究

针对移动机器人传统路径规划算法效率不高、寻优能力差等问题,本文提出一种基于改进粒子群优化算法(PSO)的移动机器人路径规划方法。该方法采用神经网络训练碰撞罚函数,得到无碰撞路径,然后采用粒子群优化算法解决路径的最优问题。利用神经网络实现大量的并行和分布计算,发挥PSO简单、容易实现的优点,提高了路径规划的计算效率和可靠性。仿真结果表明,这种新路径规划方法是可行且有效的。

机械工程专业实践教学体系改革

以内蒙古民族大学新建工程实训中心为平台,以培养学生的综合素质、提高学生实践能力和创新能力为目标,对机械工程专业实践教学进行改革和探索,使实践教学成为集机械、电子、信息为一体的教学新体系。

基于深度学习的文本挖掘研究

随着互联网的快速发展,网络上的文本信息急速增长,如何从庞大的信息库中提取有用的信息就依赖于文本挖掘技术.由于文本挖掘是深度学习中重要的一部分,论文对基于深度学习的文本挖掘研究进行了综述.首先介绍了文本挖掘的过程及应用领域,由此说明了文本挖掘的重要性;其次通过浅层神经网络算法的局限性,说明提出基于深度学习文本挖掘的必要性;然后提出了融合深度学习特征的文本挖掘技术,主要对浅层学习特征、深层学习特征展开介绍;最后总结了深度学习的最新研究进展及对它在文本挖掘的应用进行了综述.

基于深度信念网络的文本分类研究综述

近年来,互联网等信息源中分布着的电子文本数量增长迅速,在大数据环境下,海量文本信息所面临的一大问题就是如何整理和运用,并且满足用户所需.如何高效、精准地定位或分类其相应的文本内容是信息处理关键.如今,有更多的学者将深度学习技术运用到文本分类工作中,于是,具有良好特征学习能力的深度信念网络凸显出对文本分类工作具备的优越性.本文将介绍深度信念网络算法的结构及对文本进行分类的过程,并且基于深度信念网络的分类方法介绍几种常用的深度信念网络模型结构,说明深度信念网络在情感分类问题中处理复杂特征的优势,分析了深度信念网络存在的不足,对其未来发展进行了展望.

基于栈式降噪自动编码器的中文短文本分类

深度学习技术已经广泛应用到大数据处理中,并在很多方面获得了可观的成绩.其中,自编码神经网络作为一种特征降维算法已被广大专家学者所应用.本文主要讨论一种改进的自动编码器——栈式降噪自编码神经网络(The Stacked Denoising Auto Encoder,SDAE),该算法使学习到的特征更加具有鲁棒性.并研究了该算法基于Re LU激活函数的中文短文本分类.与KNN,SVM,BP对比,无论召回率还是准确率,SDAE均优于KNN、BP、SVM.

基于Elman神经网络的风速时间序列预测实例

风速时间序列具有非线性和非平稳性的特点,传统的预测方法难以建立风速间的函数关系,因此风速时间序列的预测结果精度不高。人工神经网络所具有的强非线性拟合能力有效地解决了风速时间序列难以预测的痛点,文章选择Elman神经网络预测全国3个地区不同尺度的风速时间序列,初步探讨了神经网络风速预测的可行性。结果表明,Elman神经网络经过训练,具有时序非线性拟合的能力,但预测结果精度尚未提高。

基于卷积神经网络的文本分类研究综述

随着互联网及其相关技术的高速发展,网络数据呈现出井喷式的增长,其中主要以文本的形式大量存在,数据在这种增长趋势下,文本分类已经成为越来越重要的研究课题.如今,采用深度学习技术对文本进行表示受到研究者的极大关注.如采用卷积神经网络对文档进行表示和分类等自然语言处理.本文主要对基于卷积神经网络的文本分类方法进行了研究,介绍了几个具有代表性的卷积神经网络模型结构.最后提出了对基于该方法文本分类的展望.

基于季节指数调整的循环神经网络风速时间序列预测

提出一种基于季节指数调整的神经网络风速预测方法。针对历史风速之间的非线性关系,运用神经网络非线性拟合能力并结合季节性指数调整对风速时间序列进行预测。通过时序图法和增广Dickey-Fullerd检验法判断时间序列的平稳性,结果表明该序列为非平稳序列。这种不稳定性说明时间序列中可能包含趋势、季节性、循环和不规则成分的一种或多种,为此采用时间序列分解模型对时间序列进行季节指数调整。最后采用LSTM和GRU神经网络预测风速,得到了较好的预测结果,且与未调整的数据预测结果及加法模型季节指数调整后的预测结果相比,基于乘法模型季节指数调整的2种神经网络预测结果有更高的风速预测精度。

冶炼企业设备维护及管理改进

冶炼企业目前的设备维护及管理措施无法满足现代化冶炼设备生产需求,因此提出冶炼企业设备维护及管理改进。设备维护层面主要以软件模式化化设备信息管理、强化设备日常检测以及保证设备完好率等相关手段为主,同时提出建立完善设备管理制度、实施管理人员责任制以及加强设备资产管理等相应管理措施,保证企业设备日常稳定运行。