油梨根际土壤微生物群落及其共生网络对根腐病的响应

【目的】为研发根腐病绿色综合防控技术提供理论依据,有效推进油梨树种产业发展。【方法】本研究以百色市林业科学研究所的健康和根腐病发病油梨植株根际土壤为研究对象,并利用基于16S核糖体RNA(rRNA)和内部转录间隔区(ITS)扩增子高通量测序技术,分析健康和染病植株根际细菌和真菌群落结构、组成及多样性差异,比较细菌和真菌群落结构及其相互作用,确定土壤病原菌和有益菌的变化。【结果】染病植株相对于健康植株,根际细菌和真菌群落结构和多样性均没有显著性变化。变形菌门Proteobacteria、酸杆菌门acidobacteria、放线菌门actinobacteria、拟杆菌门bacteroidetes和绿弯菌门chloroflexi是油梨根际土壤优势细菌类群,子囊菌门ascomycota和担子菌门basidiomycota是油梨根际土壤优势真菌类群。在门分类水平、纲分类水平以及属分类水平上,细菌和真菌群落组成有明显的变化,但随着分类水平降低,群落组成变化越明显。此外,健康和染病油梨根际细菌群落α多样性显著高于真菌群落,而健康与染病之间细菌群落结构差异小于真菌。细菌物种之间的相互作用比真菌网络物种间的相互作用更紧密,并且负连接百分比和关节类群数量更多,细菌网络的稳定性更高。同样,油梨根际土壤细菌群落相对于真菌群落表现出更高的生态位宽度和生态位重叠。对根腐病有反应的细菌和真菌,如芽孢杆菌Bacillus、假单胞杆菌pseudomonas和溶杆菌lysobacter和球囊菌纲glomeromycetes,由于其在染病油梨根际土壤中的相对丰度均高于健康土壤,可以被视为相关的生物防治菌。【结论】根腐病并不会使油梨根际细菌和真菌群落结构和多样性发生显著性变化,但会使得一些有益菌的相对丰度增加,并且细菌比真菌对根腐病具有更高的抵抗力。

酒精性肝炎自噬关键基因的筛选及生物信息学分析

目的筛选酒精性肝炎(AH)的自噬关键基因,探讨AH潜在的生物标志物和治疗靶点。方法采用基因表达综合数据库(GEO)中的2个AH基因芯片和从MSigDB、GeneCards数据库中获得的自噬相关数据集,通过加权基因共表达网络分析(WGCNA)获取关键基因。对筛选的关键基因进行基因本体(GO)、京都基因和基因组百科全书(KEGG)功能富集分析,蛋白质相互作用(PPI)分析,免疫浸润分析,构建信使RNA(mRNA)-微小RNA(miRNA)网络,进行酒精性肝病不同分期的自噬相关关键基因的表达差异分析,并进一步通过实时荧光定量逆转录聚合酶链反应(RT-qPCR)在AH患者和小鼠肝脏组织中验证。结果本研究筛选得到了11个与AH自噬相关的基因(EEF1A2、CFTR、SOX4、TREM2、CTHRC1、HSPB8、TUBB3、PRKAA2、RNASE1、MTCL1、HGF),均为上调基因。在AH患者和小鼠肝脏组织中,SOX4、TREM2、HSPB8、PRKAA2在AH组中的相对表达量均高于对照组。结论SOX4、TREM2、HSPB8、PRKAA2可能是AH潜在的生物标志物和治疗靶点。

合贡献者网络的结构特征及其合作群体识别应用研究

有组织科研团队建设有赖于对科研合作现象和规律的科学认识。常用于科研合作模式研究的合著者网络默认同一成果的合作者间贡献均等,但这通常与科研合作实践相左。作者贡献声明数据的出现为揭示更细粒度的合作实践提供了重要素材。为此,本研究提出一种利用贡献声明数据构建的新型合作网络——合贡献者网络,为深入研究科研合作问题提供新工具。本研究以PLoS(Public Library of Science)上的药学论文数据为例,以合著者网络为基准,从合贡献者网络的网络结构特征入手,认识此新型合作网络的物理性质;选取当前重要研究方向之一的“合作群体识别”为切入点,进一步认识合贡献者网络的应用价值。研究结果表明:①在网络结构形态上,合贡献者网络比合著者网络更稀疏;②在合作群体识别上,两种网络的群体识别结果部分一致,重合度约为57%;约32%的合作群体在合贡献者网络上发生了重组;③合贡献者网络中的合作群体发文主题比合著者网络更为聚焦,但检验结果并不显著。总体来看,在本研究的数据集上,合贡献者网络较之合著者网络显示出更良好的社区结构;合贡献者网络有助于识别出更细粒度的合作群体,且在所识别的合作群体上发文主题的一致性更高。

共有网络平台账号的分割与价值评估——以黄某与陈某同居关系析产纠纷为例

网络平台账号不仅包含用户名和密码的数字组合,也包含了各种数据、人身利益和财产利益。网络平台账号基于网络平台与用户签订服务合同而产生;用户通过账号和密码对网络平台账号进行排他使用,并通过粉丝打赏和直播带货等方式获得收益。网络平台账号内发布的内容多是用户创作的作品,属于智力成果;账号内的粉丝对于用户具有依赖性。因此,作为虚拟财产的共有网络平台账号与网络游戏装备、加密虚拟货币等虚拟财产不同,其法律属性是一种新型权利,除具有物权、债权、知识产权的权利属性外,还具有人格属性。多人共有的网络平台账号具有分割的可能性。对于具有人格属性的共有网络平台账号,当注册者与运营者不同时,分割应以保留网络平台账号的最大价值为原则,考虑粉丝群体的情感投入和网络平台账号继续经营问题,将网络平台账号分割给实际运营者,并对注册者予以价值补偿。网络平台账号的价值构成要素应包括账号的创建成本、运营成本、粉丝打赏收入、直播带货收入以及广告运营收入等。对网络平台账号的价值评估可以采用成本法、市场法和收益法的有机结合,同时可以吸收网络平台规则,采用大数据等技术手段确保评估结果的相对准确性。司法鉴定机构可以联合网络平台构建虚拟财产价值评估体系,充分参考网络平台的价值评估意见,以确保司法裁判的准确性和公正性。

基于WGCNA探讨葛根素对呕吐毒素诱导C6细胞损伤的保护作用

【目的】利用呕吐毒素(deoxynivalenol,DON)构建C6细胞损伤模型,分析葛根素(puerarin,PUE)对DON诱导C6细胞损伤的保护作用机制。【方法】通过RNA测序(RNA-seq)和加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA),挖掘与PUE缓解DON诱导C6细胞损伤最相关的关键模块和关键核心靶点基因,探究PUE缓解DON诱导的神经毒性作用的分子机制。【结果】PUE可以显著抑制DON诱导的C6细胞活力下降,对损伤的C6细胞形态有所恢复,可有效缓解DON诱导的C6细胞损伤。RNA-seq和WGCNA结果表明,Blue模块是与PUE缓解DON诱导C6细胞损伤表型最相关的关键模块,从中筛选出S100a11、Pdia3、Hsp90b1等基因是PUE发挥对DON诱导C6细胞损伤保护作用的关键核心基因。【结论】PUE可能是通过靶向关键核心基因参与内质网中的蛋白质加工途径从而缓解DON诱导的C6细胞损伤。

国内智慧教育领域研究热点与趋势

近年来,智慧教育的兴起引起人们的广泛关注。本文以2013—2022年CSSCI数据库中关于智慧教育的572篇文献的高频关键词为原始数据,运用Bibexcel、Ucinet和SPSS软件对高频关键词数据进行共词分析、社会网络分析、多维尺度分析和聚类分析,揭示智慧教育领域的研究热点和发展趋势。研究结果显示智慧教育研究的热点主要体现在:教育信息化、教育现代化等政策、战略;智慧教育的内涵、特征、功能等;智慧教育的体系架构与智慧环境建设等;智慧教育的技术支撑及实践。本文还基于智慧教育研究现状,提出未来发展需要关注的四个方向。

基于数据库挖掘、网络药理学和试验验证探究葡萄籽多酚缓解溃疡性结肠炎的作用机制

本试验旨在探究葡萄籽多酚缓解葡聚糖硫酸钠诱导的溃疡性结肠炎的机制。试验选用GEO数据库中的两个数据集,使用sva包对其进行整合后,通过加权基因共表达网络的方法鉴定与溃疡性结肠炎相关的基因模块,并利用基因本体论数据库和京都基因与基因组百科全书数据库对基因功能进行注释;使用液相色谱-质谱联用技术检测葡萄籽多酚主要成分,选取含量前10的成分,利用TCMSP、DrugBank、SwissTargetPrediction等数据库和靶点预测工具获取其作用的靶点,并与先前鉴定的溃疡性结肠炎相关模块的基因取交集,使用蛋白质-蛋白质相互作用网络分析,得到葡萄籽多酚缓解溃疡性结肠炎的关键靶点;使用分子对接验证葡萄籽多酚主要成分与关键靶点的连接活性;利用Raw264.7细胞系,通过荧光定量PCR鉴定葡萄籽多酚对关键靶点基因的影响。结果表明,有3个基因模块与溃疡性结肠炎表型高度相关,且模块内的基因主要与炎症反应、细胞周期和代谢、细胞的趋化等功能相关;葡萄籽多酚的主要成分分别为儿茶素、表儿茶素、原花青素B2、刺柄芒花素等,这些成分作用的靶点基因与溃疡性结肠炎相关模块的基因有15个相同,而在这15个基因中,前列腺素内过氧化物合酶2、基质金属酶9、白介素-6、肿瘤坏死因子-α因为在网络中有最高的连接度而被认为是关键靶点;葡萄籽多酚含量最高的10个成分与这4个靶点均具有良好的连接活性,荧光定量PCR也证明了葡萄籽多酚能影响这4个靶点基因的表达。综上,葡萄籽多酚最有可能通过影响前列腺素内过氧化物合酶成2、基质金属酶9、白介素-6和肿瘤坏死因子-α来缓解溃疡性结肠炎。

宽带接入网共建共享方案探讨

对于运营商来说,在宽带总用户接近饱和的情况下,如何平衡宽带接入网建设成本与用户发展是一个难题。介绍了宽带接入网共建和共享技术方案。该技术方案可以在对运营商现网发展用户模式影响最小的前提下,充分利用现网剩余资源,节约网络投资,有效降低运营商发展用户的成本压力。

基于混合图神经网络的多模态相关性时尚服饰兼容度预测研究

近年来,许多研究人员在多模态融合的研究中取得了显著效果。多模态比单模态具有更丰富的信息,然而,多模态融合过程中的类别共现频率偏差,使得服饰兼容度预测研究存在着巨大的挑战。因此,本研究提出了基于混合图神经网络的多模态相关性时尚服饰兼容度预测模型。该模型深度挖掘文本和视觉两个模态的相关性,并通过混合图神经网络解决多模态融合过程中类别共现频率偏差引起兼容度预测不准确的问题,提高服饰兼容度预测精度。该模型在Polyvore Outfits和Polyvore Outfits-D两个开源数据集上进行了服饰兼容度预测和填空任务的实验。结果显示,该模型在2个数据集中的服饰兼容度任务中分别取得了0.928和0.878的AUC值,在填空任务中分别取得了62.41%和56.83%的精确度,均优于比较的基准模型。

纤维肌痛综合征生物标记物的筛选及免疫细胞浸润分析

背景:纤维肌痛综合征作为常见风湿病,其发病与中枢敏化及免疫异常有关,但具体过程尚未阐明,缺乏特异性诊断标志物,不断探索该病的发病机制具有重要的临床意义。目的:基于加权基因共表达网络分析(WGCNA)等生物信息学方法和机器学习算法筛选纤维肌痛综合征潜在的诊断相关标志基因,并分析其免疫细胞浸润特征。方法:对来自基因表达综合数据库(GEO)的纤维肌痛综合征数据集转录谱进行差异分析和WGCNA分析,整合筛选出差异共表达基因,进一步采用机器学习套索回归(LASSO)算法、支持向量机递归特征消除(SVM-RFE)机器学习算法来识别核心生物标志物,并绘制受试者工作特征(ROC)曲线以评估诊断价值。最后,采用单样本基因集富集分析(ssGSEA)和基因集富集分析(GSEA)评估纤维肌痛综合征的免疫细胞浸润情况及通路富集。结果与结论:①对GSE67311数据集按照log2|(FC)|>0,P<0.05的条件进行差异分析后获得8个下调的差异表达基因;进行WGCNA分析后获得正相关性最高(r=0.22,P=0.04)的模块(MEdarkviolet)内含基因497个,负相关性最高(r=-0.41,P=6×10-5)的模块(MEsalmon2)内含基因19个;将差异表达基因与WGCNA的2个高相关性模块基因取交集,获得7个基因。②对上述7个基因进行LASSO回归算法筛选出4个基因,进行SVM-RFE机器学习算法筛选出5个基因,两者取交集后确定了3个核心基因,分别为重组1号染色体开放阅读框150蛋白(germinal center associated signaling and motility like,GCSAML)、整合素β8(Integrin beta-8,ITGB8)和羧肽酶A3(carboxypeptidase A3,CPA3);绘制3个核心基因的ROC曲线下面积分别为0.744,0.739,0.734,提示均具有很好的诊断价值,可作为纤维肌痛综合征的生物标志物。③免疫浸润分析结果显示,与对照组相比纤维肌痛综合征患者记忆B细胞、CD56 bright NK细胞和肥大细胞显著下调(P<0.05),且与上述3个生物标志物显著正相关(P<0.05)。④富集分析结果提示,纤维肌痛综合征的富集途径包括9条,主要与嗅觉传导、神经活性配体-受体相互作用及感染等通路密切相关。⑤上述结果显示,纤维肌痛综合征的发生发展与多基因参与、免疫调节异常及多个通路失调有关,但这些基因与免疫细胞之间的相互作用,以及它们与各通路之间的关系尚需进一步研究。

高斯混合模型与文本图卷积网络结合的虚假评论识别算法

针对文本图卷积网络(Text GCN)窗口边权阈值策略不足的问题,为了更精准地挖掘相关的词关联结构、提高预测精度,提出一种高斯混合模型(GMM)与Text GCN结合的虚假评论识别算法F-Text GCN。首先,利用GMM分离噪声边权分布的特性,提高虚假评论在训练数据上相对正常评论数不足的边信号强度;然后,考虑到信源的多样性,综合文档、词汇和评论以及非文本特征构造邻接矩阵;最后,通过Text GCN的谱分解提取邻接矩阵的虚假评论关联结构实施预测。根据国内某大型电商平台采集的126086条实际中文评论数据开展实证研究,实验结果表明,F-Text GCN识别虚假评论的F1值达到82.92%,与预训练表征模型BERT和文本卷积神经网络相比分别提升了10.46%和11.60%,相较于只使用评论文本信源的Text GCN模型F1值提升了2.94%;研究了高仿虚假评论的预测错误率,在支持向量机(SVM)作用后难识别的评论样本上尝试二次识别,F-Text GCN整体预测准确率可达94.71%,相较于Text GCN和SVM,在识别准确率上分别提升了2.91%和14.54%。研究发现,虚假评论的二阶图邻居结构显示出较强的干预消费者决策的词汇,这表明所提算法特别适用于提取用于虚假评论检测的长程词语搭配结构和全局句子特征模式变化的场景。

多站融合的微能源系统站 网协同布局

为了促进资源的共享,提高能源利用率,建立了双层站网优化布局模型,对多站融合的微能源系统的融合站数量、位置、设备容量配置,以及管线分布进行了协同规划。上层模型采用最小生成树和谱聚类求解,解决了融合站数量、位置和管线分布问题;下层模型采用提出的改进的粒子群优化算法,解决了设备容量配置问题。通过对规划区域进行算例仿真,得出了系统站网协同布局的优化结果,验证了所提模型和算法的可行性与合理性。

基于LDA主题模型的“双一流”高校图书馆用户评论文本数据挖掘

[目的/意义]图书馆用户评论中包含用户对图书馆服务和管理意见的重要信息,对用户评论文本进行深度挖掘,旨在探究用户关心主题及其情感态度、隐含诉求,为高校图书馆建设提供理论依据和数据支持。[方法/过程]以“双一流”高校图书馆为研究对象,收集用户在大众点评网上的评论数据,通过LDA主题建模,得到当前用户评论主要集中在信息资源建设、娱乐休闲服务、馆内设施环境三个维度,进而分别分析三个维度下的关键词共现网络和用户情感态度。[结果/结论]用户对高校图书馆的总体情感态度是积极正向的,但在纸质资源管理、社会化服务、馆内人性化服务等方面表现出负面情绪。

信息茧房视域下在线问答社区用户健康信息需求对比研究

信息获取途径的固化是促使信息茧房形成的重要原因之一,本研究旨在让社区了解用户的健康信息需求热点,并为社区信息治理和社区间信息整合提供参考,减少信息茧房对网络信息空间治理带来的负面影响。借助主题词提取和文本共现网络构建等自然语言处理技术,利用不同类型在线问答社区中真实的用户提问数据,分析用户健康信息需求热点,并对其需求特征的异同进行对比分析。实验结果表明:一方面,综合型与垂直型在线问答社区对于疾病的基础病理知识、药物信息以及饮食方面的关注度较高,且均具有适老化需求。另一方面,综合型在线问答社区对于疾病的预防关注度较高,而垂直型在线问答社区更加关注于疾病治疗,综合型在线问答社区用户存在情感支持需求,但总体上国内在线问答社区的情感支持需求均不高。

基于知识图谱的公路气象灾害研究

为更好掌握现有公路气象灾害研究的知识结构及发展进程,收集中国知网(CNKI)核心集1992—2022年和Web of Science核心集2000—2022年收录的1840篇论文,基于CiteSpace软件,从文献分布、共现网络、聚类分析、关键词突现等方面进行分析。结果表明:1)随着学科不断发展,公路气象灾害领域论文年发文量总体呈增长趋势;2)公路气象灾害研究具有多学科交叉性质,研究学者来自交通、气象及地质学等相关研究机构及院校;3)国内外研究热点主要有气象灾害对交通基础设施的破坏、气象灾害对交通运行及安全的影响、气象灾害模拟及风险评估、路网监测及交通管控措施等;4)公路边坡灾害及恶劣天气对公路正常运行的影响在多时期引起国内外学者的广泛关注;5)随着研究的不断深入,公路抗灾韧性、智慧交通管控及全寿命公路气象灾害评估等方向近几年引起研究学者关注。

储热技术研究展望

近年来,储热技术被广泛认为是实现碳中和、碳达峰的一项关键技术备受关注。通过从CNKI、Web of Science等数据库中筛选储热技术相关文献,运用CiteSpace软件进行知识映射,展开系统分析、统计及可视化,绘制出储热技术研究力量合作网络图谱,展示该技术研究力量的分布与科研合作情况。同时针对关键词进行分析,总结储热技术的研究热点、研究前沿及发展趋势,指出相变储热和混合储热模式是未来研究的重点。针对储热材料稳定性差、使用寿命短,有机相变材料成本高、安全性低,系统设备初始造价高、成本回收期长等储热技术现存问题,从政策干预和市场需求角度提出了改进建议。

基于词-主题-文本异质网络的短文本分类方法

针对现有分类方法未考虑长距离词的语义相关性和文本间潜在主题共享的问题,提出一种基于词-主题-文本异质网络(WTDHN)的短文本分类方法。通过Word2vec训练词的上下文语义向量;构建词相关性矩阵以充足的词共现信息增强短文本各级别语义学;构建以词、主题和文本为节点的异质网络,并采用图卷积学习节点之间的高阶邻域信息,丰富短文本语义。相较于基准分类模型,该方法在五个公开短文本数据集上的分类准确率平均提高1.56%。

利用网络游记分析成都市旅游景区空间结构

从携程网爬取了2010—2019年成都市游记数据,构建旅游景区关键词文本共现网络,采用数量统计、空间分析、复杂网络分析等方法,挖掘成都市旅游景区游客到访的时空分异特征。结果表明,成都市旅游景区到访频率呈长尾分布,空间上形成以青城山—都江堰、金牛—武侯主城区为高热度中心的“双核摄动”格局;成都市旅游景区文本共现网络具有较高的集聚系数和较短的平均路径,等级圈层结构和马太效应较显著,热门景区对邻近热门景区的空间溢出效应显著,但对邻近低等级景区的带动效果有限;成都市旅游景区空间结构由条带状和团簇式向轴辐式和网络化方向转变,在区域旅游一体化发展中的作用日益显著。

基于隐含空间模型降维和LDA模型的学科主题识别研究

【目的/意义】现有学科研究主题的梳理多为领域专家的定性分析和学科学者的文献梳理,一定程度会由于研究思维的局限性和获取知识的片面性造成学科研究主题误判,为有效避免漏判误判现象的发生,提出识别模型。【方法/过程】首先,运用传统LDA模型分析主题特征词;其次,结合上下文语义信息进行中文分词,形成学科主题词库;最后,结合隐含位置聚类算法发现潜在社区,提高主题识别效果。【结果/结论】提出的方法一定程度上优化了主题挖掘算法在识别短文本主题的效果,消除主观意愿。由计算机自行分类并实现科学研究前沿主题的预测,揭示前沿领域的研究热点,为致力于研究前沿学科的新兴学者提供参考价值。

基于知识图谱分析的学习空间研究回溯与趋势探究

以2013—2023年CNKI收录的433篇“学习空间”为主题的CSSCI期刊文献为研究对象,通过共词分析和社会网络分析,绘制学习空间研究热点知识图谱。分析发现:学习空间研究热点主要涵盖学习空间建设研究、学习空间与教育变革相关理论研究、网络学习空间研究、信息技术赋能学习空间发展研究等七大领域。其中,学习空间与课堂教学转型研究、智慧学习空间研究、学习空间与教学变革研究,具有进一步发展的空间和潜在的研究重要性;研究经历了起步、快速发展、发展回落三个阶段,学习空间样态呈现出信息化、网络化、智能化和数字化等特征变化。未来学习空间研究需建立新的思维观、设计观、应用观和伦理观,应以学习者为中心,融合多元技术,并注重各领域的深度和联系,加强跨学科实证研究。