基于UHPLC-Q-Exactive Orbitrap HRMS技术结合化学计量学方法的不同干燥处理杜仲叶成分分析

采用基于液质联用的非靶向代谢组学技术结合化学计量学数据自动解析软件AntDAS-LCHRMS分析了4种不同干燥处理(冻干、热泵烘干、电热烘干、晒干)杜仲叶样本中的化合物。杜仲叶样本数据由超高效液相色谱-四极杆-静电场轨道阱高分辨质谱(UHPLC-Q-Exactive Orbitrap HRMS)分别在正、负离子模式下进行采集,经AntDAS-LCHRMS软件解析,共鉴定出71种差异性化合物,经标准品验证确定40种化合物,包括环烯醚萜类、有机酸类、黄酮类、氨基酸类、核苷类、维生素类等9类物质。其中,正、负离子模式下均可识别并验证的化合物有车叶草苷、绿原酸、芦丁、异槲皮苷、车叶草苷酸、京尼平苷等25种化合物。层次聚类分析(HCA)及主成分分析(PCA)结果均显示,相同处理的杜仲叶样本各自聚成一类,不同处理的杜仲叶样本可明显区分。热图分析进一步揭示了不同干燥处理杜仲叶样本中差异性化合物的含量变化。晒干处理样本中苯丙氨酸及色氨酸等氨基酸类物质的水平较高;冻干及热泵烘干处理样本中有机酸类、环烯醚萜类、糖类等含量较高;电热烘干样本中核苷类、黄酮类物质的含量较高;黄酮类物质在冻干、热泵烘干及晒干样本中差异较小。研究结果为不同干燥处理杜仲叶的成分分析、品质评价及其开发应用提供了科学依据,也可为其他复杂药用植物体系的化学成分分析提供参考。

认知诊断评估中Q矩阵理论及应用

Q矩阵是认知心理学与心理计量学结合的重要载体,Q矩阵在认知诊断中发挥着十分重要的作用。Q矩阵理论和应用研究近年来取得了重要进展。众多研究者从结构化到非结构化、属性二值到多值、简单到复杂模型、独立到一般结构、0-1到多级评分方面不断深入和拓展Q矩阵理论。Q矩阵理论也广泛应用于测验构念效度评价、计算机化自适应测验选题策略设计、Q矩阵学习和标定、认知诊断测验组卷等。与模型无关的Q矩阵理论和适合特定认知诊断模型下Q矩阵理论,以及最新Q矩阵理论的应用都值得深入研究。

基于Q学习的高超声速飞行器自抗扰控制研究

为实现高超声速飞行器姿态自抗扰控制的参数整定,提出一种模糊Q学习算法。首先,采用强化学习中的Q学习算法来实现姿态自抗扰控制参数的离线闭环快速自适应整定;然后,根据模糊控制的思路,将控制参数划分为不同区域,通过设定奖励,不断更新Q表;最后,将训练好的Q表用于飞行器的控制。仿真结果表明,相对于传统的线性自抗扰控制(linear active disturbance rejection control,LADRC)和滑模控制,基于Q学习的LADRC省去了人工调试参数的繁琐过程,且仍具有良好的跟踪效果。蒙特卡罗仿真测试结果验证了基于Q学习的LADRC的鲁棒性。

一类分数阶q-差分方程广义反周期边值问题

考虑一类非线性Caputo型分数阶q-差分方程的广义反周期边值问题,用Banach不动点定理给出该广义反周期边值问题解的存在唯一性结果,并给出一个应用实例.

基于余弦相似度列置换的Q矩阵修正方法

国内外研究者已开发出多种有效的Q矩阵修正方法,但当Q矩阵错误率较高时,仍存在修正效果不佳的问题.该文将基于塔克一致性系数和余弦相似度的列置换方法融入4种Q矩阵修正方法(GDI、Hull、MLR-B和stepwise)中,并借助Q矩阵向量和元素正确率等指标来评价新方法的修正效果.蒙特卡罗(Monte Carlo)模拟研究结果表明:在各种条件组合下,4种Q矩阵修正方法经过列置换后的修正效果得到明显提升,特别是当Q矩阵错误率较高时效果更加显著.

结合优势结构和最小目标Q值的深度强化学习导航算法

针对现有基于策略梯度的深度强化学习方法应用于办公室、走廊等室内复杂场景下的机器人导航时,存在训练时间长、学习效率低的问题,本文提出了一种结合优势结构和最小化目标Q值的深度强化学习导航算法.该算法将优势结构引入到基于策略梯度的深度强化学习算法中,以区分同一状态价值下的动作差异,提升学习效率,并且在多目标导航场景中,对状态价值进行单独估计,利用地图信息提供更准确的价值判断.同时,针对离散控制中缓解目标Q值过估计方法在强化学习主流的Actor-Critic框架下难以奏效,设计了基于高斯平滑的最小目标Q值方法,以减小过估计对训练的影响.实验结果表明本文算法能够有效加快学习速率,在单目标、多目标连续导航训练过程中,收敛速度上都优于柔性演员评论家算法(SAC),双延迟深度策略性梯度算法(TD3),深度确定性策略梯度算法(DDPG),并使移动机器人有效远离障碍物,训练得到的导航模型具备较好的泛化能力.

调Q激光与手术切除治疗口腔黏膜黑斑后的复发率比较:一项回顾性队列研究

目的比较755 nm调Q激光与手术切除治疗口腔黏膜黑斑后的复发率。方法本研究已通过单位伦理委员会审查批准,并获得患者知情同意。采用回顾性队列研究设计,纳入2019年1月—2021年8月在上海交通大学医学院附属第九人民医院口腔黏膜病科门诊接受调Q激光或手术切除治疗的口腔黏膜黑斑患者,收集患者的一般资料、临床特征和随访病史。将治疗后1年复发率作为主要结局指标,长期不良反应发生率作为安全性评价指标,采用Kaplan⁃Meier法分析两组间的1年无复发率。结果本研究共纳入了57例患者,其中16例患者接受了手术切除治疗,41例患者接受了调Q激光治疗,两组人口统计学和临床特征基线无显著差异。手术切除组所有患者均未观察到口腔黏膜黑斑的复发(0%),而调Q激光组有12例(29.27%)患者出现复发,平均复发时间为治疗后6.08个月,复发与吸烟(P=1.000)、胃肠道息肉(P=1.000)、纵型黑甲(P=0.187)、家族史(P=0.552)、治疗次数(P=0.567)或是否多发(P=0.497)均无相关性。与手术切除相比,调Q激光治疗口腔黏膜黑斑1年复发的比值比为4.41,95%置信区间为1.27⁃15.24(P=0.020)。手术切除组中有3例患者(18.75%)报告损害切除处出现凹陷和疤痕,而调Q激光组没有患者报告长期不良反应(0%)(P=0.019)。结论与手术切除相比,调Q激光治疗口腔黏膜黑斑的优势在于长期不良反应率较低,但复发率相对较高,在治疗前需与患者沟通两种方法的优劣,以助临床决策。

6例急性Q热的临床特征分析

目的分析急性Q热的流行病学、临床特征和诊治方法,以期为该病诊治提供参考。方法收集2022年5月至2023年8月南通市第三人民医院确诊的6例急性Q热患者的流行病学史、既往病史、临床表现、实验室检查、宏基因组学二代测序(metagenomic next-generation sequencing,mNGS)结果、影像学表现及诊治过程等资料,对其进行回顾性分析。结果6例急性Q热患者均为男性,年龄为45~59岁。4例患者发病前有多次野外钓鱼史,1例发病前有掏鸟窝史,1例居住地周围有羊群。发病时间呈全年散发。所有患者临床表现均有高热,热型以弛张热为主(5例),其他主要伴随症状有乏力(6例)、畏寒(5例)、肌肉酸痛(5例)、纳差(4例)。实验室检查中2例患者外周血白细胞计数减少,3例患者血小板计数减少;所有患者谷丙转氨酶、谷草转氨酶和乳酸脱氢酶均升高,4例患者肌酸激酶升高;所有患者C反应蛋白、降钙素原、铁蛋白、D-二聚体均明显升高;3例患者红细胞沉降率轻度升高。6例患者均行胸部CT检查,未见肺炎;5例患者行心脏超声检查,未见心内膜炎。6例患者的血液或骨髓标本均通过m NGS检出贝纳柯克斯体(Coxiella burnetii,Cb),确诊为急性Q热后,给予多西环素单药(2例)或多西环素联合莫西沙星(4例)治疗,所有患者好转出院。结论急性Q热的临床表现、影像学及实验室检测缺乏特异性,部分患者缺乏明确的流行病学史,对可疑患者行mNGS可以快速明确诊断,多西环素、莫西沙星治疗效果明显。

基于UPLC-Q-TOF-MS/MS联合网络药理学及分子对接研究五味清浊颗粒治疗腹泻药效物质基础和作用机制

目的基于UPLC-Q-TOF-MS/MS技术鉴定五味清浊颗粒中的化学成分,联合网络药理学、分子对接技术探讨其治疗腹泻药效物质基础和作用机制。方法采用Eclipsepius C18色谱柱(50 mm×2.1 mm,1.8μm),以0.1%甲酸水溶液(A)-乙腈(B)为流动相进行梯度洗脱,柱温为30℃,流速为0.4 mL·min^(-1)。质谱采用电喷雾离子源(ESI)正、负离子模式,扫描范围m/z 50~2000条件下采集多级质谱碎片信息。应用网络药理学构建“核心成分-作用靶点-通路”的网络,对其潜在药效物质基础进行预测。利用AutoDock Vina进行分子对接验证。结果共鉴定出86个主要化学成分,包括生物碱类25个、黄酮类23个、有机酸类12个、鞣质类16个、苯丙素类2个、其他类化合物8个。网络药理学分析结果显示,槲皮素、木犀草素、鞣花酸、胡椒碱、山柰酚、荜茇宁主要作用于IL-6、TNF、EGFR、IFNG、IL-10、IL-8等核心靶点,调节PI3K-Akt、HIF-1、JAK-STAT等关键信号通路来发挥治疗腹泻作用。分子对接结果显示核心成分与核心靶点间具有良好的结合性能。结论该研究成功采用UPLC-Q-TOF-MS/MS技术对五味清浊颗粒化学成分进行全面分析鉴定,初步阐明其治疗腹泻的作用机制,为其药效物质基础和质量控制奠定基础。

改进Q-Learning的路径规划算法研究

针对Q-Learning算法学习效率低、收敛速度慢且在动态障碍物的环境下路径规划效果不佳的问题,本文提出一种改进Q-Learning的移动机器人路径规划算法.针对该问题,算法根据概率的突变性引入探索因子来平衡探索和利用以加快学习效率;通过在更新函数中设计深度学习因子以保证算法探索概率;融合遗传算法,避免陷入局部路径最优同时按阶段探索最优迭代步长次数,以减少动态地图探索重复率;最后提取输出的最优路径关键节点采用贝塞尔曲线进行平滑处理,进一步保证路径平滑度和可行性.实验通过栅格法构建地图,对比实验结果表明,改进后的算法效率相较于传统算法在迭代次数和路径上均有较大优化,且能够较好的实现动态地图下的路径规划,进一步验证所提方法的有效性和实用性.

朝鲜日据时期的“阿Q”——以金史良的《Q伯爵》为中心

日据时期的朝鲜作家金史良曾受同时代中国作家鲁迅的影响,并由此创作了《Q伯爵》。金史良《Q伯爵》中“Q伯爵”的原型正是源于鲁迅《阿Q正传》中的“阿Q”,这部作品是对《阿Q正传》加以改造与重塑的一部杰作。“Q伯爵”与“阿Q”在时代背景、身份、性格等方面具有高度相似性,同时,在人物形象等方面又存在着一定差异。其原因可以从时代背景、作家对人物赋予的期待以及与其他人物之间的关系等三个方面得到解释。

基于UPLC-Q-TRAP-MS分析养心安神药对酸枣仁-五味子配伍煎煮前后10个指标成分含量变化

目的分析养心安神药对酸枣仁-五味子配伍煎煮前后主要指标成分差异变化,并建立含量测定方法。方法采用Welch Ultimate XB-C_(18)色谱柱(2.1 mm×50 mm,5μm),以0.1%甲酸水溶液(A)-乙腈(B)为流动相,流速0.4 mL/min柱温40℃,梯度洗脱;质谱采用电喷雾离子源(ESI),多反应监测离子扫描模式(MRM)。分别对该药对单煎液、单煎合并液与合煎液中主要指标成分酸枣仁皂苷A、斯皮诺素、五味子醇甲、五味子酯甲、五味子甲素、五味子乙素、芦丁、槲皮素、山柰酚、山柰酚-3-O-云香糖苷进行含量测定,并分析药对配伍前后主要指标成分的含量变化差异。结果以上10种成分在一定浓度范围内均呈现良好的线性关系;精密度、重复性和稳定性RSD均良好;平均加样回收率在95.0%~102.1%,RSD为0.03%~3.7%。本次实验结果与前期试验认为酸枣仁与五味子在合煎后,主要指标成分降低保持一致性。结论多指标成分同时测定为该药对配伍质量全面控制提供新的方法并为其药效物质基础的深入研究提供依据。

基于改进Q学习算法和组合模型的超短期电力负荷预测

单一模型在进行超短期负荷预测时会因负荷波动而导致预测精度变差,针对此问题,提出一种基于深度学习算法的组合预测模型｡首先,采用变分模态分解对原始负荷序列进行分解,得到一系列的子序列。其次,分别采用双向长短期记忆网络和优化后的深度极限学习机对每个子序列进行预测。然后,利用改进Q学习算法对双向长短期记忆网络的预测结果和深度极限学习机的预测结果进行加权组合,得到每个子序列的预测结果。最后,将各个子序列的预测结果进行求和,得到最终的负荷预测结果。以某地真实负荷数据进行预测实验,结果表明所提预测模型较其他模型在超短期负荷预测中表现更佳,预测精度达到98%以上。

GC/LC-Q/TOF MS测定当归中农药残留及膳食风险评估

采用气相色谱/液相色谱-四极杆飞行时间质谱(GC/LC-Q/TOF MS)对100例市售当归样品进行了989种农药残留分析,按照风险排序法对检出农药的风险等级进行归类,采用点评估法评估了检出农药的慢性、急性膳食摄入风险,危害指数法(HI)计算了累积风险值。100例当归的总检出率为95%,共检出27种农药,其中甲拌磷和毒死蜱的检出率较高,农药残留量为0.0010~1.4077 mg/kg。依据《中国药典(2020年版)》和GB 2763-2021,检出农药中只有甲拌磷、甲基异柳磷、特丁硫磷有最大残留限量(MRL)值,其中甲拌磷的超标率最高。风险排序结果表明,高风险农药为甲拌磷、特丁硫磷、甲基异柳磷。膳食摄入风险和累积风险结果显示,检出农药的慢性膳食摄入风险(%ADI)和急性膳食摄入风险(%ARfD)平均值分别为0.2908%和0.0978%,均远低于100%;慢性累积暴露危害指数(HIc)和急性累积暴露危害指数(HIa)分别为0.06689和0.01173,均远小于1,慢性和急性膳食摄入风险及累积风险均处于可接受水平。当归中检出农药的膳食摄入和累积暴露的风险均较低,但仍需加强对农药使用的监管,建议制定当归中检出的中等风险农药的MRL值。

基于(p,q)-SzáSz-Mirakyan-Baskakov-Stancu算子的逼近性质

本文讨论(p,q)-SzáSz-Mirakyan-Baskakov算子的Stancu型推广.研究了新算子的加权逼近性质,并利用适当的连续模给出了收敛速度.同时,利用K函数的方法对(p,q)-SzáSz-Mirakyan-Baskakov算子进行了改进,讨论了其逼近性质.

基于UHPLC-Q-Exactive Orbitrap MS的芪龙壮儿口服液指纹图谱研究

目的:建立芪龙壮儿口服液UHPLC-Q-Exactive Orbitrap MS正、负离子两种检测模式下的指纹图谱,为该制剂的质量控制提供参考和依据。方法:采用Thermo Accucore aQ RP18(2.1 mm×150 mm,2.6μm)色谱柱进行色谱分离,加热电喷雾离子源正、负离子同时检测。根据一级准分子离子精确质荷比、二级质谱碎片离子信息、文献报道和对照品比对鉴定共有峰成分。结果:构建了芪龙壮儿口服液正、负离子模式下的指纹图谱共有模式并分别确认了24(正离子模式)和17(负离子模式)个共有指纹峰。10批芪龙壮儿口服液指纹图谱与对照指纹图谱的相似度分别大于0.986(正离子模式)和0.968(负离子模式)。在正离子模式下鉴定了15个共有峰,其中9个共有峰采用对照品确认;负离子模式下鉴定了12个共有峰,其中9个共有峰采用对照品确认。结论:所建立的芪龙壮儿口服液正、负离子两种模式下的指纹图谱,结合共有峰的高分辨质谱定性分析,从正、负两个维度较为全面地表征了该制剂的化学成分指纹特征,为芪龙壮儿口服液的质量评价提供了依据和方法。

Q学习博弈论的WSNs混合覆盖漏洞恢复

针对恶劣环境下分布式无线传感器网络,为了降低成本与恢复能力,提出了一种Q学习博弈论的无线传感器网络混合覆盖漏洞恢复方法。首先设计了一种能够以分散、动态和自治的方式缩小覆盖差距的混合算法,该方法利用基于Q学习算法的博弈论概念,融合了节点重新定位和功率传输调整两种覆盖控制方案。对于所制定的潜在博弈论,传感器节点可以仅使用局部熟悉来恢复覆盖漏洞,从而减小覆盖间隙,每个传感器节点选择节点重新定位和调整感知范围。最后仿真结果表明,这里的提出的方法能够在存在连续随机覆盖漏洞条件下保持网络的整体覆盖。

Q&P980超高强钢电阻点焊接头的组织性能分析

以1 mm厚的Q&P980钢板为对象,研究了其电阻点焊接头的成形、微观组织及力学性能。结果表明:当焊接电流为12.5 kA,焊接时间为10 cyc,电极压力为0.3 MPa时,点焊试件表面成形良好,无外部飞溅,仅存在轻微的内部飞溅。熔核区微观组织为粗大的板条状马氏体,粗晶、细晶热影响区组织主要为板条状马氏体及少量铁素体,板条状马氏体尺寸小于熔合区,这些区域的硬度均大于母材区的;双相热影响区因存在少量回火马氏体,出现了轻微的软化。焊接件的拉剪失效形式为纽扣断裂,断口可分为启断区、扩展区、瞬断区,启断区发生混合断裂,扩展区和瞬断区发生韧性断裂。

基于FL-MADQN算法的NR-V2X车载通信频谱资源分配

针对5G新空口-车联网(New Radio-Vehicle to Everything,NR-V2X)场景下车对基础设施(Vehicle to Infrastructure,V2I)和车对车(Vehicle to Vehicle,V2V)共享上行通信链路的频谱资源分配问题,提出了一种联邦-多智能体深度Q网络(Federated Learning-Multi-Agent Deep Q Network,FL-MADQN)算法.该分布式算法中,每个车辆用户作为一个智能体,根据获取的本地信道状态信息,以网络信道容量最佳为目标函数,采用DQN算法训练学习本地网络模型.采用联邦学习加快以及稳定各智能体网络模型训练的收敛速度,即将各智能体的本地模型上传至基站进行聚合形成全局模型,再将全局模型下发至各智能体更新本地模型.仿真结果表明:与传统分布式多智能体DQN算法相比,所提出的方案具有更快的模型收敛速度,并且当车辆用户数增大时仍然保证V2V链路的通信效率以及V2I链路的信道容量.

演化算法的DQN网络参数优化方法

为了解决DQN(Deep Q Network)在早期会出现盲目搜索、勘探利用不均并导致整个算法收敛过慢的问题,从探索前期有利于算法训练的有效信息获取与利用的角度出发,以差分演化(Differential Evolution)算法为例,提出了一种基于演化算法优化DQN网络参数以加快其收敛速度的方法(DE-DQN)。首先,将DQN的网络参数编码为演化个体;其次,分别采用“运行步长”和“平均回报”两种适应度函数评价方式;利用CartPole控制问题进行仿真对比,验证了两种评价方式的有效性。最后,实验结果表明,在智能体训练5 000代时所提出的改进算法,以“运行步长”为适应度函数时,在运行步长、平均回报和累计回报上分别提高了82.7%,18.1%和25.1%,并优于改进DQN算法;以“平均回报”为适应度函数时,在运行步长、平均回报和累计回报上分别提高了74.9%,18.5%和13.3%并优于改进DQN算法。这说明了DE-DQN算法相较于传统的DQN及其改进算法前期能获得更多有用信息,加快收敛速度。