海洋微生物源农用抗生活性物质的筛选

对134株海洋微生物(其中49株海洋放线菌、54株海洋细菌、31株海洋真菌)进行农用抗生活性物质筛选,分别测定其发酵上清液和菌丝体浸提液的活体抗植物病源真菌、杀虫、除草活性,发现共有77株菌株具有农用抗生活性,其中7株海洋放线菌的代谢产物的活性较高:3株对植物病原真菌具有较好抑制活性的海洋放线菌代号为Y12–26、P10–16、JWH–09;两株具有较高杀蚜虫活性的海洋放线菌是P10–23、P12–21;两株除草活性较好的海洋放线菌是YY01–17和HH1901–45。

大规模主题词自动标引方法

现有的主题标引方法一般只能抽取文本中出现的词汇,无法从几万或数十万主题词中选择语义关联强且未出现的词汇;基于机器学习的多标签分类算法则需要每一个标签下有训练数据,限制了它们在主题标引上的应用。面向大规模主题词在海量文献上的标引需求,提出一个基于分布式词向量的混合型自动标引方法,利用大规模语料训练的词向量生成同维度的主题词表示向量和文本表示向量,实现主题词与文本语义相似度的计算。基于大规模语料构建主题词与普通词的映射表,使文本向量只和少量的语义强相关主题词向量比较,大大减少了计算量,提高了标引效率。开发的自动标引工具对近亿篇文献进行了主题标引,达到了较高的速度。与结巴关键词的实验对比结果显示,本文方法抽取的主题词与作者关键词重合度较低,且在去除结巴关键词中的非主题词后,取得了比结巴关键词更高的标引准确率;与人工标引的实验对比结果显示,随着人工标引词数量的增加,本文方法的效果、结果与人工标引结果的一致性在不断增加。

科研主题演化中三种典型社区发现算法对比研究——以植物甾醇信号为例

科研主题识别和演化分析是了解科研领域发展现状和趋势的重要手段。近年来,基于复杂网络和网络演化计量的社区发现算法成为揭示科研主题演化的主要方法,有必要深入探讨该类算法在主题识别和演化分析中的优点与不足。本文选取植物油菜素甾醇领域,构建了关键词共现网络,对比了Newman MM、Ball Overlapping和Blondel这3种典型社区发现算法的科研主题识别和演化追踪结果,并结合专家知识对3种算法效果进行分析。实验结果表明,Blondel算法在科研主题的识别和演化追踪研究中运算速度最快,识别的主题更为准确,能够较好反映领域主题演化。该研究从算法适用性角度为科研主题演化追踪研究提供了参考。

植物的内吞循环与ARF小G蛋白调节因子的研究进展

ARF小G蛋白鸟苷酸交换因子(ARF guanine nucleotide exchange factor,简称ARF-GEF)是一类在植物的器官发育、形态建成及信号感知方面发挥着不可或缺的作用的小G蛋白调节因子.这类蛋白在真核生物中普遍存在并且进化保守.关于ARF-GEF的研究越来越多并成为发育生物学领域的一个研究热点.在67篇文献基础上,比较了ARF-GEF在动物、植物以及酵母中的不同亚细胞定位,分析了不同ARF-GEF亚家族蛋白之间的进化关系,并总结了其在囊泡运输系统中的功能机制,为国内科研工作者进行这一领域的研究提供参考.

大规模文本分类的训练语料去噪方法研究

[目的/意义]训练语料的质量对主流的文本分类算法至关重要。消除噪声,尤其是“类别外噪声”,有助于提升训练语料的质量,进而提升文本分类算法的准确率。[方法/过程]本文重点利用语义信息来消除“类别外噪声”。通过对每个类别的训练语料构建“类目-类目关键词”知识库,利用“词嵌入”自动化比较其语义信息来判断该类别下是否存在噪声,并给出“类别外噪声”类目候选列表以及文献候选列表,最后通过人机交互的方式消除噪声。[结果/结论]本文提出的去噪方法能够有效检测并消除大规模文本分类的训练语料中的噪声数据,提升训练语料的质量。

天然作物保护剂——植物和动物源产品

除微生物源产品外，植物和动物亦有不少具有农药活性的物质，其中有的物质已成为农药产品。

海洋放线菌JWH-09代谢产物中农用抗菌组分的分离纯化及结构鉴定

从134株海洋微生物中筛选得到放线菌JWH-09,其发酵代谢产物具有较好的抗植物病原真菌活性。根据生物活性跟踪测试,采用硅胶柱层析、薄层层析以及制备高效液相色谱等技术对JWH-09发酵产物中的抗菌活性组分进行分离纯化,得到了一种抗真菌活性化合物JWH-09-A,经ESI-MS、EI-MS、1H NMR、13C NMR、2D NMR等谱图分析,确定该活性物质的结构为1-菲羧,1,2,3,4,4a,9,10,10a-八氢-1,4a-二甲基-7-(1-甲基乙基),俗名脱氢松香酸(dehydroabietic acid)。经盆栽试验证明该化合物对水稻纹枯病、黄瓜白粉病和灰霉病具有较好的防治效果。