GST-His-Heparinase Ⅰ双标签融合蛋白的原核表达与纯化

以pET15b-HepⅠ为模板,通过PCR技术扩增出上游合有6×His标签的HepⅠ基因序列,克隆至表达载体pGEX-4T-1。测序鉴定后,将重组表达质粒pGEX-His-HepⅠ转入E.coli BL21(DE3)感受态细菌,经IPTG诱导表达。表达产物可溶部分用GSTrap FF和HisTrap HP柱两步亲和纯化,所得产物经SDS-PAGE检测,在66 kDa和43 kDa处显示特异条带,分别与GST-His-HepⅠ和His-HepⅠ融合蛋白预期分子量相符;最终His-HepⅠ融合蛋白的比酶活为86.45 IU/mg,纯度高达99%,与仅一步亲和纯化得到的GST-His-HepⅠ融合蛋白相比,进一步提高了纯化后重组肝素酶的纯度。本研究为制备高纯度的HepⅠ提供了一种方法,对制备高安全性的LMwH和解析HepⅠ晶体结构具有重要意义。

标签与样本双语义增强的跨模态检索

针对目前大多数跨模态哈希检索方法无法捕获多标签信息和特征语义更深层的语义关系信息问题,该文提出了一种标签与样本双语义增强的跨模态检索框架.首先,该框架将不同模态的高维数据映射到低维共享特征语义空间中,进行样本语义学习;其次,引入松弛变量到标签语义制约的哈希码学习函数中,通过最小化标签成对距离强化样本语义相似性哈希码学习,这样既保持了跨模态对应样本语义的关系,强化了哈希码的标签语义学习,又解决了实对称矩阵的求解及算法的收敛性问题;再次,进一步应用样本特征语义和标签语义增强哈希码的语义学习;最后,在3个常用的数据集上的实验结果表明该方法优于目前的方法.

GST-β-catenin-His双标签融合蛋白的原核表达、纯化及鉴定

应用RT-PCR技术扩增β-catenin的cDNA序列,并且在基因下游引入6×His标签序列,克隆至表达载体pGEX-4T-1.经测序鉴定后,将重组质粒转入BL21pLysS感受态细菌,经IPTG诱导表达,采用Glutathione Sepharose 4B和Ni柱分步纯化GST-β-catenin-His融合蛋白.所得产物经SDS-PAGE检测,在114 kDa处显示特异条带,与GST-β-catenin-His融合蛋白预期分子量相符.经Western Blotting鉴定,所纯化蛋白能被β-catenin抗体、GST抗体和His抗体识别,为进一步研究β-catenin的功能提供了基础和前提.

面向小样本抽取式问答的多标签语义校准方法

小样本抽取式问答任务旨在利用文章给定的上下文片段,抽取出真实的答案片段。其基线模型采用的方法只针对跨度进行学习,缺乏对全局语义信息的利用,在含有多组不同重复跨度的实例中存在着理解偏差等问题。为了解决上述问题,该文利用不同层级的语义提出了一种面向小样本抽取式问答任务的多标签语义校准方法。采用包含全局语义信息的头标签和基线模型中的特殊字符构成多标签进行语义融合,并利用语义融合门来控制全局信息流的引入,将全局语义信息融合到特殊字符的语义信息中。然后,利用语义筛选门对新融入的全局语义信息和该特殊字符的原有语义信息进行保留与更替,实现对标签偏差语义的校准。在8个小样本抽取式问答数据集中的56组实验结果表明:该方法在评价指标F1值上均明显优于基线模型,证明了所提方法的有效性和先进性。

基于双拉普拉斯正则化与因果推断的多标签学习

标签特定特征是多标签学习的研究热点,利用标签特征提取解决单个例子存在多个类标签的问题。现有多标签分类研究通常只是简单考虑标签之间的相关性,忽略原始数据之间的局部流形结构,可能会造成分类精度下降。此外,在标签相关性中,特征和标签的结构关系以及标签之间的内在因果关系也往往被忽视。提出一种基于双拉普拉斯正则化与因果推断的多标签学习算法。利用线性回归模型建立多标签分类的基本框架,结合因果学习探索标签之间的内在因果关系,以达到挖掘标签之间本质联系的目的。在此基础上,为充分利用特征与标签之间的结构关系,加入双拉普拉斯正则化以挖掘局部标签关联信息以及有效保持原始数据的局部流形结构。在公共多标签数据集上验证该算法的有效性,实验结果表明,相比LLSF、ML-KNN、LIFT等算法,该算法的汉明损失、平均精度、1次错误率、排序损失、覆盖率、AUC平均提升8.82%、4.98%、9.43%、16.27%、12.19%、3.35%。

GST-His双标签原核表达载体的构建及应用

目的:在原有带有GST标签的pGEX-KG载体上添加His标签,构建双标签原核表达载体,以提高纯化后的融合蛋白的纯度。方法:双酶切pGEX-KG载体,将同样带有双酶切位点编码His标签的DNA序列酶切后与其连接、转化大肠杆菌DH5α、鉴定阳性克隆并测序,并将编码雌激素受体β(ERβ)的片段构建到该载体上,分别利用GST标签和His标签对ERβ蛋白进行2次纯化。结果:构建了GST-His双标签原核表达载体,将ERβ编码片段克隆入该载体中,在原核生物中得到表达;分别用GST和His抗体进行Western blot分析,均可检测到GST-His-ERβ融合蛋白的表达;利用此双标签载体纯化得到了纯度较高的ERβ蛋白。结论:GST-His双标签原核表达载体的构建对提高目的蛋白纯度具有重要意义。

融合多标签损失与双注意力的U型视网膜血管分割

眼底视网膜血管的检测与分析对许多眼科疾病的诊断具有重要意义.为了更精确、健全地提取视网膜血管的特征信息,提出一种融合多标签损失与双注意力的U型网络模型.首先在编码部分通过空间金字塔池化提供多尺度输入,在U型网络内部融入双注意残差块提升网络对特征信息的提取能力;其次,在网络底部嵌入特征相似模块以捕获特征之间的远程依赖关系,为了有效地抑制眼底图像中的噪声影响和捕获血管多尺度信息,在跳连部分分别引入双路径注意门机制与稠密的空洞空间金字塔池化模块;最后,在解码部分设置侧输出层生成与层级对应的局部预测图像,并配合多标签Dice损失函数进行训练.在DRIVE,STARE和CHASE_DB1数据集上进行实验,灵敏度分别为80.54%,83.97%和82.40%,受试者曲线下的面积(AUC)分别为98.07%,98.50%和98.36%.

采用云和PUF的轻量级RFID双标签认证协议

针对医药系统中药品和说明书同时认证的应用需求,提出一种快速双标签身份认证方案。该方案引入云服务器和物理不可克隆函数,确保了射频识别系统的可扩展性和标签的不可克隆性。针对传统射频识别系统逐一认证双标签效率较低的问题,提出一种双标签响应合并流程;针对物理不可克隆函数引发的系统错误认证问题,计算了物理不可克隆函数响应的最佳认证阈值,以降低系统的认证错误率;针对云服务器的不可信问题,提出3种超轻量级位流函数以实现两种加密机制,从而保护前向信道免受云服务器隐私泄露的威胁。安全分析表明,快速双标签身份认证协议可满足标签匿名性和不可追踪性,并能有效地抵抗克隆攻击、去同步化攻击、重放攻击等恶意攻击。此外,使用BAN逻辑分析和AVISPA工具,进一步验证了协议的安全性。与近期的认证协议相比,快速双标签身份认证协议的服务器搜索耗时最短,在满足各项安全属性的同时,以近似单标签的资源开销实现了对双标签的快速认证,适用于资源受限的大规模双标签认证场景。

基于标签信息融合与多任务学习的中文命名实体识别

随着中文命名实体识别研究的不断深入,大多数模型关注融入词汇或字形信息来丰富特征表示,但是却忽略了标签信息。因此文中提出了一种融合标签信息的中文命名实体识别模型。首先,通过预训练模型BERT-wwm得到字符的嵌入表示,并将标签向量化,使用Transformer解码器结构将字符表示与标签表示进行交互学习,捕捉字符与标签的相互依赖关系,丰富字符的特征表示。为了促进标签信息的学习,构建了基于文本句的监督信号,增加了多标签文本分类任务,采用多任务学习的方式进行训练。其中,命名实体识别任务采用条件随机场进行解码预测,多标签文本分类任务采用双仿射机制进行解码预测,两任务共享除解码层以外的所有参数,保证了不同的监督信息反馈到每个子任务。在公开数据集MSRA,Weibo和Resume上进行了多组对比实验,分别获得了95.75%,72.17%,96.23%的F1值。与多个基准模型相比,所提模型的实验效果有一定的提升,证明了该模型的有效性与可行性。

基于伪标签的无监督电力数据异常检测框架

电力系统容易受到各种异常用电行为的影响,异常检测可以提高电力系统的可靠性。针对现有异常检测模型存在阈值选择困难、精度低等问题,提出了一个基于伪标签的无监督异常检测框架PLAD。框架由伪标签提取模块PLE和基于重构误差的异常检测模块READ组成。PLE模块中提出了一种基于DBSCAN的自适应伪标签提取算法,用于提取电力数据的伪标签。READ模块采用双LSTM自编码器提取多级时序特征,并得到重构误差,后利用伪标签训练逻辑回归分类器,对重构误差进行分类,进行异常判定。通过某地区的电网运行数据验证了所提方法的有效性,实验结果表明,所提方法优于其他无监督异常检测方法。

BGP MPLS VPN中CE双归属场景下路由优化研究

BGP MPLS VPN网络架构是一种由MP-BGP技术和MPLS技术相结合的新型VPN网络架构。为了提高BGP MPLS VPN网络架构中接入层PE的可靠性,通常部署CE双归属架构,然而该方案在特殊组网下,可能会存在次优路径。详细分析了一种基于CE双归属的特殊组网场景,针对存在的问题部署了OSPF虚连接优化方案,并使用ENSP软件进行模拟仿真,验证该方案的可行性。

双循环背景下碳标签在贵州特色农产品市场及贸易发展中的应用

在加快形成双循环新发展格局的战略背景下,大力推广碳标签制度是提高特色农产品国内市场及国际贸易发展水平的重要手段,对促进区域经济开放及提振乡村产业具有重要意义。文章立足贵州当前特色农产业发展现状和农产品市场销售情况,结合相关统计资料及文献观点,提出了贵州制定特色农产品碳标签的实践重点和具体路径。

GST-NAP融合蛋白可溶性表达及柱上切割GST标签

利用基因工程的方法,以实验室保存的p MAL-C2X-NAP质粒为模板,PCR扩增NAP基因,构建重组质粒p GEX-NAP.重组质粒通过酶切和测序鉴定后转化大肠杆菌表达菌株BL21(DE3),再经IPTG低温诱导获得可溶性GST-NAP融合蛋白,最后利用谷胱甘肽琼脂糖凝胶树脂进行纯化,Prescission蛋白酶进行柱上切割去除GST标签.结果表明,p GEX-NAP重组质粒构建正确,在大肠杆菌中经IPTG低温诱导表达,可获得大量可溶性GST-NAP融合蛋白.Prescission蛋白酶柱上切割去除GST标签后,经Western Blot验证NAP蛋白能被兔抗NAP多克隆抗体特异识别.

幽门杆菌Catalase/GST融合蛋白的表达、标签切除及鉴定

旨在利用GST融合基因表达系统表达幽门螺杆菌Catalase融合蛋白,并利用凝血酶切除GST标签。将重组质粒Catalase/pGEX-4T-1转化大肠杆菌BL21(DE3)感受态中,用IPTG进行诱导表达,菌体经反复冻融、溶菌酶裂解及超声破菌后,Catalase/GST融合蛋白以部分可溶性的形式表达在上清中。采用谷胱甘肽琼脂糖树脂Glutathione Sepharose 4B对其进行纯化,得到Catalase/GST融合蛋白,再用凝血酶进行GST标签的切除,所得产物进行Western blotting鉴定。高效表达出Catalase/GST融合蛋白的相对分子质量约85 kD,凝血酶成功地切除了GST标签,Western blotting证实Catalase蛋白能被鼠抗Catalase单克隆抗体识别。

市场监管环境下考虑生态标签欺诈的双寡头竞争策略

为探究具有标签欺诈行为的生态标签产品企业和普通产品企业的竞争策略,构建双寡头竞争的同步博弈模型,并分析违规水平、监管水平、违规惩罚及消费者对生态标签的偏好等因素对企业最优策略的影响。研究表明:生态标签产品的高环境质量成本、高监管水平及高惩罚能够抑制企业违规,而消费者更看重生态标签属性的行为使企业有更大的动机选择违规生产,因此监管方提高生态标签产品的生产准入标准,曝光监管结果以减少信息不透明,并根据生态标签环境质量成本及违规惩罚选择有效的监管强度,可以有效抑制违规行为。

基于双通道卷积神经网络的多标签图像标注

针对图像语义标注中存在的训练样本不均衡导致低频标注词标注准确率低的问题,提出一种双通道卷积神经网络模型(double channel convolution neural network,DCCNN)。其中一个通道是为训练低频样本设立的,以此提高低频样本在整个模型中所占比重,另一个通道用于训练全部的训练集。在标注过程中把两个通道的输出进行融合,对所需标注的标注词共同做出决策。在Pascal VOC2012标准数据集上对模型进行验证,实验结果表明,DCCNN模型相对于卷积神经网络(convolution neural network,CNN)无论是对低频标注词的标注准确率还是效率都有很大的提升,验证了该模型的有效性。

小鼠胚泡着床期LongSAGE文库中双标签的制备研究

研究探讨小鼠胚胎着床期LongSAGE文库构建过程中总RNA提取、cDNA合成及双标签(D itags)制备方法,优化PCR扩增中双标签PCR的最佳模板稀释度及扩增循环次数。

红曲霉SAGE文库中双标签的制备研究

研究探讨了红曲霉SAGE文库构建过程中总RNA提取、mRNA分离纯化、cDNA合成以及双标签 (Ditags)制备方法 ,并通过PCR条件的优化获得双标签PCR的最佳模板稀释浓度及扩增循环数。

玉米Ac双因子转座标签系统的构建及其转化烟草后代的遗传分析

用使质粒pKU3所携带的玉米Ac因子的5'末端和中间编码转座酶的基因片段分别发生缺失的方法构建成质粒pKU3（△B）和pKU3（△H）。质粒所携带缺失的Ac因子单独存在时都无自主转座能力，但当Ac（△H）和Ac（△B）共存于一个细胞时，由于Ac（△B）产生转座酶的互补作用促使Ac（△H）恢复转座能力，而当Ac（△B）和Ac（△H）因子被分离后即获得Ac（△H）因子的稳定插入突变株，它可克服因突变不稳定而给用转座因子标签法分离基因所造成的困难。将双因子系统导入烟草原生质体并获得再生植株，从而选得卡那霉素抗性植株，显示Ac（△H）因子已经从原质粒上的NPTⅡ前导顺序中切离。Sortharnblot和PCR分析表明：Ac（△H）和Ac（△B）因子已经整合在转化烟草的基因组并能遗传至F1和F2代植株中；有些植株后代中已检测不到Ac（△B）因子的存在，说明它们的Ac（△B）因子已与Ac（△H）因子相分离；各转化植株中Ac（△H）因子在基因组中的插入拷贝数从一个到几个不等；初步显示Ac（△H）因子多数插入或转座在基因组的结构基因中。

基于双视角投影空间表示的文本多标签标注方法

在传统的多标签文本标注领域中,面临着维数灾难和双信息源数据的问题。针对这两个问题,提出一种基于双视角投影空间表示的文本多标签标注方法,通过交替方向乘子法和Bregman迭代对目标函数进行优化求解,得到低维的隐语义投影空间。在雅虎和路透社的新闻数据集上的实验结果验证表明,该方法在解决文本多标签标注问题上性能有明显的提高,其在召回率、覆盖误差和排名平均精度方面优于近年来的其他方法,可应用于新闻推荐,标签系统和情感分析等场景中。