为快速评价郫县豆瓣酱发酵过程中香气物质的差异性,利用流过式介质电离质谱(soft ionization by chemical reaction in transfer-mass spectrometry,SICRIT-MS)技术结合多元统计方法,对不同发酵时期的郫县豆瓣酱的香气物质进行了代谢组...为快速评价郫县豆瓣酱发酵过程中香气物质的差异性,利用流过式介质电离质谱(soft ionization by chemical reaction in transfer-mass spectrometry,SICRIT-MS)技术结合多元统计方法,对不同发酵时期的郫县豆瓣酱的香气物质进行了代谢组学研究。结果显示,SICRIT-MS完成单次检测仅需要1~3 s。此外,在质谱正离子模式下筛选了18个差异成分,负离子模式下11个差异成分。这些成分可以作为潜在的鉴别不同发酵时期豆瓣酱样品的特征标记成分。SICRIT-MS结合代谢组学技术为实现郫县豆瓣酱快速分级提供理论和技术支撑。展开更多
负载预测的精度是影响云平台弹性资源管理的主要因素之一。而云平台中存在着大量的短任务负载序列,其历史信息不足和不平滑的特性导致难以选择合适的模型进行精准预测。对此提出了一种领域对抗自适应的短任务负载预测模型。该模型采用...负载预测的精度是影响云平台弹性资源管理的主要因素之一。而云平台中存在着大量的短任务负载序列,其历史信息不足和不平滑的特性导致难以选择合适的模型进行精准预测。对此提出了一种领域对抗自适应的短任务负载预测模型。该模型采用奇异谱分析(singular spectrum analysis,SSA)对样本进行平滑处理;联合第四版本的Mueen相似度搜索算法(the fourth version of Mueen’s algorithm for similarity search,MASS_V4)与时间特征进行域间相似性计算,获得合适的源域数据来辅助迁移预测;将门控循环单元(gated recurrent unit,GRU)作为基准器构建网络,并利用Y差异定义新的损失函数,通过对抗过程建立出表征能力强的短任务负载预测模型。将所提方法在两个真实的云平台数据集上与其他常用的云负载预测算法对比,均表现出较高的预测精度。展开更多
目的:基于网络药理学及实验研究,验证芪参颗粒(QSG)治疗阿霉素心肌损伤的作用机制。方法:在中药系统药理学数据库与分析平台(TCMSP)筛选QSG的活性成分及作用靶点,借助人类基因数据库(GeneCards)、在线人类孟德尔遗传数据库(OMIM)、遗传...目的:基于网络药理学及实验研究,验证芪参颗粒(QSG)治疗阿霉素心肌损伤的作用机制。方法:在中药系统药理学数据库与分析平台(TCMSP)筛选QSG的活性成分及作用靶点,借助人类基因数据库(GeneCards)、在线人类孟德尔遗传数据库(OMIM)、遗传药理学与药物基因组学数据库(PharmGKB)等疾病数据库搜索阿霉素心肌损伤靶点,使用蛋白质相互作用分析数据库(STRING)数据库分析蛋白质-蛋白质相互作用(PPI)进行互作分析。利用Cytoscape构建网络,Hiplot数据库进行基因组百科全书(KEGG)富集分析。最后,通过实验对QSG的药效、靶点及通路进行验证。结果:QSG中共检索到174种化学成分,无重复靶点261个,疾病数据库共检索到1 521个无重基因,二者交集靶点为156个。PPI网络提取了排名前十的基因,大多与炎症反应相关。KEGG富集结果显示主要与促分裂原活化的蛋白激酶(MAPK)、磷脂酰肌醇3激酶/蛋白激酶B(PI3K/AKT)、verified by experi及癌症信号通路等相关。体内实验结果表明,QSG可明显提高小鼠的心功能,改善病理组织损伤并降低炎症细胞浸润,同时能显著提高磷酸化蛋白激酶B(p-AKT)并降低磷酸化促分裂原活化的蛋白激酶(p-MAPK)及磷酸化核因子κB(p-NF-κB)的表达。体外结果表明QSG可明显降低炎症介质的含量,且联合使用阿霉素时不会影响阿霉素本身的抗肿瘤效果。结论:QSG显示出良好的抗阿霉素心肌损伤作用,其机制可能与其抗炎作用相关。展开更多
文摘为快速评价郫县豆瓣酱发酵过程中香气物质的差异性,利用流过式介质电离质谱(soft ionization by chemical reaction in transfer-mass spectrometry,SICRIT-MS)技术结合多元统计方法,对不同发酵时期的郫县豆瓣酱的香气物质进行了代谢组学研究。结果显示,SICRIT-MS完成单次检测仅需要1~3 s。此外,在质谱正离子模式下筛选了18个差异成分,负离子模式下11个差异成分。这些成分可以作为潜在的鉴别不同发酵时期豆瓣酱样品的特征标记成分。SICRIT-MS结合代谢组学技术为实现郫县豆瓣酱快速分级提供理论和技术支撑。
文摘负载预测的精度是影响云平台弹性资源管理的主要因素之一。而云平台中存在着大量的短任务负载序列,其历史信息不足和不平滑的特性导致难以选择合适的模型进行精准预测。对此提出了一种领域对抗自适应的短任务负载预测模型。该模型采用奇异谱分析(singular spectrum analysis,SSA)对样本进行平滑处理;联合第四版本的Mueen相似度搜索算法(the fourth version of Mueen’s algorithm for similarity search,MASS_V4)与时间特征进行域间相似性计算,获得合适的源域数据来辅助迁移预测;将门控循环单元(gated recurrent unit,GRU)作为基准器构建网络,并利用Y差异定义新的损失函数,通过对抗过程建立出表征能力强的短任务负载预测模型。将所提方法在两个真实的云平台数据集上与其他常用的云负载预测算法对比,均表现出较高的预测精度。
文摘目的:基于网络药理学及实验研究,验证芪参颗粒(QSG)治疗阿霉素心肌损伤的作用机制。方法:在中药系统药理学数据库与分析平台(TCMSP)筛选QSG的活性成分及作用靶点,借助人类基因数据库(GeneCards)、在线人类孟德尔遗传数据库(OMIM)、遗传药理学与药物基因组学数据库(PharmGKB)等疾病数据库搜索阿霉素心肌损伤靶点,使用蛋白质相互作用分析数据库(STRING)数据库分析蛋白质-蛋白质相互作用(PPI)进行互作分析。利用Cytoscape构建网络,Hiplot数据库进行基因组百科全书(KEGG)富集分析。最后,通过实验对QSG的药效、靶点及通路进行验证。结果:QSG中共检索到174种化学成分,无重复靶点261个,疾病数据库共检索到1 521个无重基因,二者交集靶点为156个。PPI网络提取了排名前十的基因,大多与炎症反应相关。KEGG富集结果显示主要与促分裂原活化的蛋白激酶(MAPK)、磷脂酰肌醇3激酶/蛋白激酶B(PI3K/AKT)、verified by experi及癌症信号通路等相关。体内实验结果表明,QSG可明显提高小鼠的心功能,改善病理组织损伤并降低炎症细胞浸润,同时能显著提高磷酸化蛋白激酶B(p-AKT)并降低磷酸化促分裂原活化的蛋白激酶(p-MAPK)及磷酸化核因子κB(p-NF-κB)的表达。体外结果表明QSG可明显降低炎症介质的含量,且联合使用阿霉素时不会影响阿霉素本身的抗肿瘤效果。结论:QSG显示出良好的抗阿霉素心肌损伤作用,其机制可能与其抗炎作用相关。