为探究诺尼果多糖对长期高脂膳食引起的代谢紊乱和肥胖的预防作用及其可能机制,该研究分别通过饲以高脂饲料建立高脂膳食小鼠模型和灌胃广谱抗生素建立伪无菌小鼠模型,分析比较诺尼果多糖干预对高脂膳食小鼠体质量、粪便总胆汁酸含量(To...为探究诺尼果多糖对长期高脂膳食引起的代谢紊乱和肥胖的预防作用及其可能机制,该研究分别通过饲以高脂饲料建立高脂膳食小鼠模型和灌胃广谱抗生素建立伪无菌小鼠模型,分析比较诺尼果多糖干预对高脂膳食小鼠体质量、粪便总胆汁酸含量(Total Bile Acid,TBA)和肠道菌群组成的影响。结果表明与高脂膳食组相比,诺尼果多糖组小鼠体质量降低11.91%,粪便总胆汁酸含量增加29.58%。但在伪无菌高脂膳食小鼠中,诺尼果多糖的上述作用未能有效发挥,说明肠道菌群在诺尼果多糖抑制高脂膳食小鼠体质量增长,促进小鼠粪便总胆汁酸排出中发挥关键作用。Spearman相关性分析结果表明,粪杆菌(Faecalibaculum)、杜氏乳杆菌(Dubosiella)、鼠杆菌(Muribaculaceae)等是在第4周和第12周均发挥促进TBA排出,抑制小鼠体质量增长作用的菌属。该研究结果表明,诺尼果多糖通过促进上述有益肠道菌的增殖,发挥促进高脂膳食小鼠TBA排出,抑制高脂膳食小鼠体质量增长的作用。展开更多
针对K-means算法需要人为确定聚类个数和随机选取初始聚类中心导致结果陷入局部最优的问题,结合基于密度峰值的聚类算法CFSFDP(Clustering by Fast Search and Find of Density Peaks),提出一种改进的无参数K-means算法。首先,计算样本...针对K-means算法需要人为确定聚类个数和随机选取初始聚类中心导致结果陷入局部最优的问题,结合基于密度峰值的聚类算法CFSFDP(Clustering by Fast Search and Find of Density Peaks),提出一种改进的无参数K-means算法。首先,计算样本点的局部密度和离散度。然后,建立决策图,将两个参数组成向量,计算每个点到周围5个点的距离,筛选出距离大于2倍均方差且密度大于平均密度的点作为算法的初始聚类中心,统计聚类中心个数k作为聚类个数,将初始聚类个数k以及初始聚类中心作为K-means算法的初始参数对数据进行聚类。最后,对UCI(University of California,Irvine)数据集、人工建立的高斯数据集以及真实刀具振动数据集3种不同类型的数据集进行聚类。结果表明,所提算法保持传统算法全局最优性,并验证了提出算法的有效性。由于K-means是一种无监督聚类方法,在获得较优刀具状态识别结果的同时,可减少人工数据标定、有监督训练等工作量及运算成本,这对于准确实时提取数控机床刀具运行状态具有较高的实际意义。展开更多
文摘为探究诺尼果多糖对长期高脂膳食引起的代谢紊乱和肥胖的预防作用及其可能机制,该研究分别通过饲以高脂饲料建立高脂膳食小鼠模型和灌胃广谱抗生素建立伪无菌小鼠模型,分析比较诺尼果多糖干预对高脂膳食小鼠体质量、粪便总胆汁酸含量(Total Bile Acid,TBA)和肠道菌群组成的影响。结果表明与高脂膳食组相比,诺尼果多糖组小鼠体质量降低11.91%,粪便总胆汁酸含量增加29.58%。但在伪无菌高脂膳食小鼠中,诺尼果多糖的上述作用未能有效发挥,说明肠道菌群在诺尼果多糖抑制高脂膳食小鼠体质量增长,促进小鼠粪便总胆汁酸排出中发挥关键作用。Spearman相关性分析结果表明,粪杆菌(Faecalibaculum)、杜氏乳杆菌(Dubosiella)、鼠杆菌(Muribaculaceae)等是在第4周和第12周均发挥促进TBA排出,抑制小鼠体质量增长作用的菌属。该研究结果表明,诺尼果多糖通过促进上述有益肠道菌的增殖,发挥促进高脂膳食小鼠TBA排出,抑制高脂膳食小鼠体质量增长的作用。
文摘针对K-means算法需要人为确定聚类个数和随机选取初始聚类中心导致结果陷入局部最优的问题,结合基于密度峰值的聚类算法CFSFDP(Clustering by Fast Search and Find of Density Peaks),提出一种改进的无参数K-means算法。首先,计算样本点的局部密度和离散度。然后,建立决策图,将两个参数组成向量,计算每个点到周围5个点的距离,筛选出距离大于2倍均方差且密度大于平均密度的点作为算法的初始聚类中心,统计聚类中心个数k作为聚类个数,将初始聚类个数k以及初始聚类中心作为K-means算法的初始参数对数据进行聚类。最后,对UCI(University of California,Irvine)数据集、人工建立的高斯数据集以及真实刀具振动数据集3种不同类型的数据集进行聚类。结果表明,所提算法保持传统算法全局最优性,并验证了提出算法的有效性。由于K-means是一种无监督聚类方法,在获得较优刀具状态识别结果的同时,可减少人工数据标定、有监督训练等工作量及运算成本,这对于准确实时提取数控机床刀具运行状态具有较高的实际意义。
