力经PSGL-1介导ERM蛋白ITAM-like序列上磷酸化位点的暴露

炎症反应阶段,P-选择素糖蛋白配体1(PSGL-1)与埃兹蛋白/根蛋白/膜突蛋白(ERM)的结合在招募脾酪氨酸激酶(Syk)并促进白细胞激活中发挥了重要作用.文中通过晶体结构分析发现,位于ERM蛋白非传统的免疫受体酪氨酸活化基序(ITAM-like)上的两个磷酸化位点(Y191和Y205)周围存在较大的空间位阻,这将阻碍其被Src家族激酶酪氨酸磷酸化继而招募Syk的过程.文中用拉伸分子动力学模拟的方法模拟力学环境下PSGL-1与根蛋白FERM结构域的相互作用,构象分析和残基溶剂可及表面积的变化都表明,经由PSGL-1传导的力学信号可以介导根蛋白ITAM-like序列上磷酸化位点Y205的暴露.文中结果揭示了一条经由PSGL-1胞内域激活Syk的力学信号通路,并且在原子层面上对PSGL-1/ERM/Syk之间的相互作用给予了阐释.

ASE-ERNIE:一种基于ERNIE的中文指令动作序列生成方法

中文结构灵活多样,同样的语义有多种表达方式,在中文指令过长或存在多组动作的情况下,家庭服务机器人很难正确理解并做出响应。此外,家庭环境的中文指令解析研究在数据方面仍然稀缺。现有的方法不能准确提取出指令中包含的全部动作序列。由此提出一种基于ERNIE方法的动作序列提取(ASE-ERNIE)模型来提取中文指令中的可执行动作序列,该模型通过动作类型和参数之间的关系提取指令信息,将动作序列的提取工作转化为序列标注任务。在指令中存在多组动作并且存在多个参数的情况下,依然能够提取出全部动作序列。通过实验验证了所提方法的有效性,动作序列提取任务的F 1值达到了80.37%。

药用天麻4种变型的块茎性状及ITS序列比较

目的:比较乌天麻、红天麻、绿天麻和黄天麻4种药用天麻变型块茎的性状优劣、ITS序列信息差异及其亲缘关系,为天麻药材品质评价及优良品种选育提供依据。方法:从不同产地采集4种天麻变型21批样品,其中块茎683个用于特征描述和量化性状指标(重量、长度、周长、环节数、环节宽、长周比)的比较,花茎37株用于ITS序列特征及遗传多样性的分析。结果:乌天麻性状最稳定;绿天麻、红天麻的6个性状指标平均值变异较大,RSD平均值分别为27.90%、26.17%;黄天麻形状短小,横环纹节数少但小点密集。ITS序列分析表明,绿天麻的遗传多样性最高,黄天麻最低;黄天麻与乌天麻的亲缘关系最近,与绿天麻的亲缘关系最远。结论:药用天麻4种变型之间的块茎性状特征和ITS序列遗传信息的差异较大。乌天麻块茎的性状最优,产量最高,遗传性状信息稳定,更适合大规模种植;绿天麻块茎的形态特征和遗传信息的多样性高,适合作为新品种选育的亲本。

基于间断时间序列分析的医院DRG付费改革成效评价研究

目的:分析DRG付费改革对天津市某三级医疗机构运行的影响。方法:收集2020年1月~2022年12月改革试点医疗机构医疗服务能力、医疗服务效率、医疗服务质量3个维度的月度数据,采用间断时间序列数据模型分析改革前后各类指标趋势的变化。结果:试点医院医疗服务能力提升效果显著,医疗服务效率存在较大提升空间,改革对于医疗服务质量影响甚微。结论:在当前诊疗能力稳步提升的情况下、医保支付改革所倡导的降本增效要求下以及“以治疗为中心”转向“以健康为中心”的医疗服务发展模式下,应完善DRG付费改革促进医疗服务能力、医疗服务效率和医疗服务质量提升的关键机制,多措并举实现公立医院高质量发展。

基于情境感知和序列模式挖掘的气象学习资源推荐算法

随着互联网的快速发展,气象部门职工作为学习者可以获得的学习资源得到极大丰富。信息超载导致检索合适的在线学习资源时遇到了困难;学习者在不同学习环境和序列访问模式上也有不同的学习需求。但是,现有的推荐系统,如基于内容的推荐和协同过滤,没有结合学习者的情境和序列访问模式,推荐结果准确度不高。本文提出了一种结合情境感知、序列模式挖掘和协同过滤算法的混合推荐算法来为学习者推荐学习资源。混合推荐算法中,情境感知被用来整合学习者的情境信息,如知识水平和学习目标;序列模式挖掘被用来对网络日志进行挖掘,发现学习者的序列访问模式;协同过滤被用来根据学习者的情境数据和序列访问模式为目标学习者计算预测并生成建议。实验和应用效果表明,该混合推荐算法推荐的质量和准确性方面优于其他推荐算法。

海底节点同步源高效混叠采集随机延迟时间序列分布原则研究

近年来,海底节点(OBN)同步震源高效采集方法的研究成为地震勘探领域的热点之一。陆地可控震源数据分离激发参数的选择有时间延迟、相位、扫描长度等3种编码方式。但是,由于海上空气枪激发的特点,相位和扫描长度编码适用性差。只能采用时间延迟编码方式。海上混叠采集时间延迟序列的编码是影响数据分离效果的最关键因素之一。提出了一种基于正态分布约束的均匀随机时间分布定量编码准则,通过目标函数约束构建最优时间序列,并对比分析了实际自然随机激发时间和其它2种理论模拟的随机时间分布方式在共检波点域的分布特征。利用频率波数波数(FKK)域迭代反演方法进行混叠数据分离,单炮模拟测试结果表明,构建的最优时间序列比其它3种分布方式更能有效地分离混叠地震数据。海上三维工区高效混叠采集试验结果表明,根据最优准则构建的延迟时间序列,能够取得较好的数据分离效果。该研究结果为后续野外混叠采集的延迟激发时间设计提供了技术支持。

一种大尺度区域GNSS坐标时间序列自适应时空滤波方法

提出一种GNSS坐标时间序列自适应时空滤波方法,在规定阈值下将滤波区域自适应分为若干个子区域,进行共模误差的提取和去除。对陆态网184个GNSS站点垂向坐标序列进行时空滤波,3组随机实验中,自适应PCA时空滤波后的站点序列平均RMS值减少约39.7%、38.4%和39.7%,且优于整体PCA滤波。进一步分析滤波前后站点噪声特性变化,结果显示,相比于整体PCA滤波,自适应滤波方法中站点残差序列幂律噪声减少约17.8%。

云南盐津地区两种地震序列的地震活动性分析

2020年9月—2021年1月,云南盐津地区出现了密集中小地震活动。为获取更完备的地震目录和更准确的震源参数,利用2020年1月—2021年2月云南及其邻区地震台网记录到地震事件的观测报告和连续波形,采用匹配定位方法检测到了1340次地震事件。利用联合波形互相关的双差地震定位方法进行重定位,获得了检测目录中351次地震的精确位置,对精定位后的地震活动时空分布特征进行分析研究,结果表明:盐津地区发生的密集中小地震活动为先后发生的2种不同类型的地震序列,沿两条不同走向和倾角的断裂分布,其中2020年9—10月的M_(L)3.9震群型地震序列发生在NNW走向、倾角约为75°的盐津—筠连断裂;2021年1月的M_(L)5.2孤立型地震序列发生在近SN走向、断层线与盐津—筠连断裂呈约30°夹角且倾角约为50°的隐伏断裂。

长时间序列生态系统服务权衡与协同驱动因素——以芜湖市生态系统服务功能极重要区为例

人类对生态系统的管理和干预促使生态系统服务权衡向协同转化,有助于生态系统服务综合效益提升。但当前缺乏对长时间序列分析背景下生态系统服务权衡协同驱动因素及其非线性影响的理解与把握。以芜湖市“生态系统服务功能极重要区”为研究案例,考虑生境质量、碳固定和土壤保持三种关键生态系统服务,基于多源数据,运用逐像元趋势叠加分析法评估1990—2020年间研究区生态系统服务变化趋势及其权衡协同空间分布规律,采用随机森林模型探索该区域生态系统服务权衡协同形成的关键驱动因素及其非线性影响效应。研究结果表明:(1)31年间芜湖市域生境质量显著下降区域面积约为提升面积的两倍,存在进一步衰退的风险。同时,城市扩张导致市郊边缘地带碳固定、土壤保持显著下降。(2)研究区生态系统服务供给能力受权衡协同影响显著,受影响区域总面积占比达64.48%。受权衡影响区域与协同影响区域存在显著空间差异。(3)土地利用强度是管理生态系统服务权衡向协同转化的主导因素。土地利用强度对权衡协同的影响表现出非线性特征并且存在影响阈值。当强度等级介于弱与中且偏向弱强度时对不同服务协同增益具有积极作用。

保罗蓝睡莲花器官转录组SSR的分布及其序列特征分析

【目的】通过解析保罗蓝睡莲花转录组数据的SSR位点特征信息,开发新的与表型相关的SSR标记,为睡莲种质资源评价、新品种选育提供科学依据。【方法】以热带睡莲保罗蓝不同花器官部位(雌蕊、雄蕊、花瓣)的转录组数据为背景材料,用MISA软件检索序列的SSR位点,采用Excel对位点特征进行分析作图,Primer 3.0软件设计引物,TP-M13-SSR PCR筛选引物。【结果】在花器官转录组的39079条Unigenes中共检测到12365个SSR位点,位点发生频率为31.64%,平均每5.79 kb出现1个SSR位点。SSR位点的重复类型主要为二核苷酸重复碱基,占SSR位点总数的71.85%,优势重复类型为AG/CT,占碱基总数的61.34%;其次为三核苷酸重复碱基,为26.10%,优势重复类型是AAG/CTT,占比8.30%。SSR碱基重复次数在5~20次,序列长度为12~30 bp,平均长度18.38 bp。引物设计获得9212对引物,从中随机挑选100对进行PCR扩增验证,筛选出9对多态性好的引物,可将12份睡莲种质在遗传相似系数为0.735时聚为3支。【结论】热带睡莲保罗蓝花器官转录组中的SSR位点分布频率高、类型丰富,多态性较高,具较大的应用潜力。开发的9对SSR引物可将12份种质有效分开,进一步丰富了睡莲现有SSR标记,可为睡莲属植物的遗传多样性分析和分子辅助育种提供科学参考。

基于时间序列相似性与机器学习方法的页岩气井产量预测

页岩气井单变量产量预测存在较强的不确定性,而现场生产动态数据同时包括多个相关指标,针对如何选取合理的多变量数据对页岩气井产量进行预测,在保证计算效率的情况下提高预测精度。页岩气井的生产动态数据集包括日产气量、日产水量、套压、油压、油嘴直径、开井时间和温度等,采用欧式距离和动态时间弯曲距离对生产动态数据时间序列进行相似性度量,依据与日产气量的相关度,把数据分为强相关时间序列和弱相关时间序列;其次,基于卷积神经网络、循环神经网络、长短期记忆网络和门控神经网络分别对全时间序列、强相关序列、弱相关序列和单变量序列进行页岩气井产量预测;最后,以平均绝对误差、均方根误差和决定系数作为评价指标,得到不同序列的误差由小到大排序为强相关序列、全时间序列、弱相关序列、单变量序列,优选的机器学习方法为门控神经网络和长短期记忆网络。结果表明,采用机器学习方法结合页岩气井强相关性序列(日产气量、套压、油压、日产水量)能有效降低预测误差,提高页岩气井产量预测效果。

铝土矿及伴生关键金属矿床的岩石(矿石)组成、成矿序列及成矿机理

大陆风化是地球表层系统中的关键过程,涉及多种能量形式(太阳能、风能、化学能和重力势能)和物理化学过程,是地球化学元素在地球不同层面(如岩石圈、水圈、生物圈和大气圈)之间迁移和重新分配的基础。在此过程中,异常的元素富集可形成工业级的风化淋滤矿床。风化淋滤矿床可进一步区分出风化矿床和沉积—淋滤型矿床2种类型。传统的矿床学和沉积学研究方法在理解风化淋滤矿床形成过程中存在局限性,特别是在解析成矿阶段和动态成矿过程方面仍不甚明晰,导致该类型矿床在基础研究和勘查方面长期存在亟待解决的一批问题。本研究在厘清大陆风化作用、风化壳(古风化壳)、土壤(古土壤)等概念的基础之上,对现代风化淋滤剖面(如广西贵港三水铝石矿床)和古老风化淋滤型矿床(如中国华南地区早石炭世—晚二叠世铝土矿床及沉积淋滤型稀土矿床)开展了系统的沉积学分析与对比工作。研究发现,风化淋滤矿床的结构组分主要包括碎屑、团粒与包粒、块状黏土等结构类型,分别对应碎屑状、包粒状、致密状矿石的形成。成岩过程主要依赖于氧化物矿物及黏土质的胶结与填隙作用。基于上述认识,提出了风化淋滤矿床的淋滤序列和剖面结构划分方案。该方案以风化剖面中渗流带与潜流带作为基本的划分依据,进一步区分出风化矿床序列与沉积—淋滤型矿床序列,两者主要以是否出现沉积单位作为主要识别标志。以古气候为主线分析了风化淋滤矿床的成因机理,并结合近年来质量平衡计算相关成果,总结了淋滤过程中元素迁移规律,将风化淋滤型矿床的成矿过程概括为成矿母质形成、成矿物质风化和后期改造3个阶段。

济南市两株输入性登革热3型病例病毒基因组全序列测定及分析

目的对济南市两株输入性登革热病例进行血清学和基因检测,获取全基因数据并进行分子特征分析。方法采集济南市2例登革热疑似阳性病例的全血样本,通过Real-time PCR对病毒进行分型检测。离心分离血清,用于胶体金法检测登革病毒NS1抗原、IgM抗体和IgG抗体;同时扩增病毒全基因序列,将序列与国内外分离株序列进行比对,Mega 7.0软件构建进化树,RDP4软件进行基因重组分析。结果2例病例核酸分型检测结果为DENV3型,胶体金检测结果显示NS1抗原均为阳性,IgG抗体结果均为阴性;测序后拼接序列长度分别为10707 nt和10706 nt,两条序列仅在末端有6个核苷酸的差异,经系统进化分析,这两例病毒株属于DENV3型基因1型,与2017年孟加拉国流行株具有高度同源性。结论济南市登革热的防控依旧需要加强输入性病例的监测。

番茄褐色皱纹果病毒分子检测与基因组部分序列分析

为了确定张家口及银川番茄产区是否发生番茄褐色皱纹果病毒病(ToBRFV),探究番茄ToBRFV的遗传信息和演化,为番茄褐色皱纹果病毒的诊断和防治及番茄抗病毒病基因工程提供重要的科学依据,采用张家口和银川两地区疑似病果进行分子检测,并利用相关分子生物学软件对该病毒基因进行序列分析及全基因组的系统进化分析。结果表明,张家口及银川果实病毒分离物与GenBank中大部分ToBRFV分离物的基因组结构相似性在99%以上,确定两地区番茄果实病毒为番茄褐色皱纹果病毒。ToBRFV分离物的地域性很强,中国不同地区的ToBRFV病毒,与来自欧洲和亚洲的多个国家地区都有关联,张家口分离物与中国分离物(MT018320.1)亲缘关系最近,银川分离物与秘鲁分离物聚类到一起,说明银川分离物可能来自南美洲。张家口分离物与中国分离物(MT018320.1)的4个ORF氨基酸相似性最高,而银川分离物与张家口分离物相似性较低。另外,研究结果首次发现,银川分离物CP蛋白的第444位碱基由A突变成G,从而导致CP蛋白的氨基酸第131位由V(缬氨酸)突变为A(丙氨酸),CP蛋白发生了有义突变。综上所述,张家口及银川番茄产区发生了番茄褐色皱纹果病毒病,且两地区的病毒来自不同的地方。

磁共振T1rho序列、T2 mapping技术在膝关节早期软骨退变早期诊断中的评估价值

目的探讨磁共振T1rho序列、T2 mapping技术在膝关节早期软骨退变早期诊断中的评估价值。方法选取2020年1月至2022年11月在我院治疗的110例膝关节早期软骨退变患者(观察组),按照疾病严重程度分为轻度退变组及重度退变组,另选取同期在我院进行体检的64例健康者为对照组,受试者均行磁共振T1rho序列、T2 mapping技术扫描,测量受试者T2值及T1ρ值,探讨磁共振T1rho序列、T2 mapping技术在膝关节早期软骨退变早期诊断中的评估价值。结果观察组股骨外侧面、股骨内侧面、胫骨外侧面、胫骨内侧面、髋骨面T2值均明显高于对照组(P<0.05),重度退变亚组患者股骨外侧面、股骨内侧面、胫骨外侧面、胫骨内侧面、髋骨面T2值显著高于轻度退变者(P<0.05);观察组股骨内踝负重区、股骨内踝非负重区、股骨外踝负重区、股骨外踝非负重区、胫骨外侧平台区、胫骨内侧平台区、髌后软骨区磁共振T1ρ值明显高于对照组(P<0.05),重度退变亚组患者股骨内踝负重区、股骨内踝非负重区、股骨外踝负重区、股骨外踝非负重区、胫骨外侧平台区、胫骨内侧平台区、髌后软骨区磁共振T1ρ值明显高于轻度退变亚组患者(P<0.05);磁共振T1rho序列在膝关节早期软骨退变中早期诊断及严重程度评估中的的诊断ROC值及特异度明显高于T2 mapping技术(P<0.05),但后者具有更高的敏感度(P<0.05)。结论磁共振T1rho序列、T2 mapping技术均能有效反映膝关节早期软骨退变中软骨组织学成分变化情况,还可为膝关节软骨退变严重程度评估提供客观依据,二者具有一定互补价值。

时间序列异常检测方法研究综述

时间序列是按时间顺序排列的一组数据点或观测值,在金融学、气象学和股票市场分析等领域中被广泛应用。时间序列数据出现异常可能意味着出现潜在问题、异常事件或系统故障。为了便于未来在时间序列异常检测方法设计方面开展深入研究,本文首先介绍时间序列异常检测的相关概念;其次,展开分析国内外单变量和多变量时间序列异常检测方法;之后,介绍一些时间序列异常检测通用数据集并比较常见检测方法在这些数据集上的性能;最后,探讨未来时间序列异常检测方法设计的重点研究方向,以期对相关理论和应用研究提供参考。

基于决策树的川滇地区地震序列类型判定特征重要性研究

基于1966—2021年川滇地区225次5级以上地震目录、地震序列目录和历史地震震源机制资料,参考以往研究和震后趋势预测实践经验,构建了10个基于地震观测数据的机器学习序列类型判定特征样本数据集。基于地震序列分类定义,设置多震型、主余型、孤立型三类样本“标签”。对样本进行不均衡处理、对特征参数进行缺失处理后,采用决策树模型对特征参数的重要性进行研究。结果显示:不同时间段特征参数重要性类别有一定差异,随着序列数据资料的增加,序列类型判断更倚重动态的序列数据资料;主震震源机制相关参数和主震参数对序列分类有较高的贡献率,序列参数对序列分类贡献率不高。整体而言,模型给出的结果与实际经验性预报方法较为一致。

耐盐转基因大豆事件AtARA6-A001外源插入片段侧翼序列及其应用

转基因大豆AtARA6-A001事件采用农杆菌介导大豆遗传转化法获得,其受体为沈农9号,具有耐盐特性,目前已经进入环境释放阶段。为明确该转基因大豆材料的分子特征及其转基因检测方法,推进该转基因事件生物安全评价工作。本研究以转基因大豆AtARA6-A001为研究对象,利用Southern杂交方法及基因组重测序技术鉴定了外源基因的拷贝数及插入位点的位置和方向。同时利用PCR扩增技术获得了外源T-DNA的左右侧翼序列,并基于左右旁侧序列,建立了转AtARA6基因耐盐大豆A001事件的特异性定性PCR检测方法。此方法能特异性检测转基因大豆植株AtARA6-A001根、茎、叶、花和种子样品,并且能够特异性识别转基因大豆事件的身份,这为后续转基因大豆及其产品的检测和监管提供技术支持。

基于多序列隐关系的时序事件预测

时序事件预测是指基于历史事件预测下一个事件,事件包括时间和类型两个属性。当前主要工作集中在单方面(事件时间或事件类型)的预测,但这无法回答“何时发生何事”这类更精细的问题。此类问题的挑战主要是事件类型非常多样,而行为往往高度稀疏,给预测带来极大困难;需要预测的事件时间和事件类型分属两个域,如何把这两个域的信息加以融合并形成互补也是一个挑战。针对上述挑战,从融合多序列隐信息的角度探索了一种解决方法。基于某些事件序列之间具有模式相似性这一观察,提出建模事件序列的隐关系图,利用邻居序列的信息解决行为稀疏性的问题;通过合理设计神经网络模块,将事件的时间域和类型域的信息映射到共同的抽象空间,解决事件时间和事件类型信息的融合建模问题。通过在多个真实数据集上进行了大量实验,实验结果印证了多序列深度时序模型优于现有的一系列基准模型。

一种有效的周期高效用序列模式增量挖掘算法

周期高效用序列模式挖掘(PHUSPM)因其能够发现时间序列中更具实际价值的规律性模式而备受关注,但现有的PHUSPM算法难以有效地处理数据集的增量更新,且未考虑大规模数据下算法的向下闭包性和复杂性。针对该问题,提出了IncPUS-Miner算法,有效地实现了周期高效用序列模式(PHUSPs)的增量挖掘。IncPUS-Miner引入了一种名为pu-tree的新型数据结构,每个树节点对应一个更新效用列表(UUL)用于存储相应序列的辅助信息,当有增量数据加入时,该结构使得项目信息能够灵活更新,从而增强了算法的动态适应性和可扩展性。此外,还提出了两种新的序列效用上界PUB和EUB,以及两种相应的剪枝策略,有效地减少了计算负担。实验结果表明,在真实数据集上,IncPUS-Miner算法可以有效地增量挖掘PHUSPs,与其他算法相比,在运行效率和内存消耗上展现出了优越的性能。