氢键有机框架（HOF）材料在智能包装中的应用与展望
付亚波;王聪瑶;张羽冰;管京梅;石佳子;卢波;氢键有机框架(HOF)材料具有可设计孔结构、高比表面积、溶液可加工与生物相容性等特点，可通过配体选择与组装展现不同性能。本文从智能包装的角度阐述HOF材料优异的气体吸附与传感检测功能，HOF材料可选择性地吸附包装内气体、调节包装气氛，实现对包装内产品的动态监测。探讨HOF材料在智能包装中的发展趋势，指出未来仍需进一步研究HOF材料的结构稳定性与精准合成工艺，以实现其高效制备，推动其在智能包装领域的应用。
基于图文模型和对比学习的水稻病害识别方法
杨巨成;沈杰;刘建征;吴超;针对传统的基于单一水稻图像的水稻病害识别方法存在识别精度不高、过度依赖标签数据训练的问题，本文提出基于图文模型和对比学习的水稻病害识别方法。文本模态的信息可以与图像模态信息形成互补，在一定程度上弥补图像训练样本不足的问题，而对比学习采用无监督学习方式，改善现有的深度学习模型在水稻叶部病害的识别中过度依赖标签数据训练的情况。利用GPT-3.5大模型图文生成技术，构建水稻图文对数据集；在图文模型的水稻病害检测模型中，对文本编码器模块进行优化，从而缩短训练时长；基于对比学习的水稻病害识别方法，对上述图文模型中的图像编码器实施难负样本策略改进，更有效地学习各类别特征表示，从而具备更强的鲁棒性。实验结果表明，本文模型在水稻病害任务上识别准确率优于其他模型。
基于迁移学习框架的单细胞药物反应预测
李玉田;葛凤雅;王林;肿瘤组织中存在多种类型的细胞，这些细胞在形态、功能和生物学特性上存在差异，例如不同细胞类型对同一药物的敏感性不同，而这也是导致癌症治疗复发率高和效力低的重要原因。单细胞RNA测序技术是针对这一细胞类型异质性的重要研究工具，本文提出一种基于变分自动编码器的迁移学习框架，用于单细胞药物反应预测。该框架整合了混合测序的细胞系药物基因组数据和单细胞RNA测序数据，使用最大均值差异和最优传输，在低维潜在空间中对细胞系和单细胞进行特征对齐，从而在单细胞水平上准确预测药物反应。将模型与最新的单细胞药物反应预测方法进行基准比较，在8个数据集上进行训练和验证，模型取得了较高的预测性能。消融实验和鲁棒性实验验证了模型各模块的有效性以及模型的稳定性。本研究提供了新的迁移学习思路，为个性化和精确的癌症治疗提供一种新策略，有助于精准医学的发展。
TGF-β2通过增加线粒体活性氧积累和阻滞细胞周期促进猪间充质干细胞衰老
马鑫淼;徐德旭;张智霞;刘宸;许慧;王楠;本研究旨在探讨转化生长因子-β2(TGF-β2)在猪骨髓间充质干细胞(pBMMSCs)衰老中的作用及机制。首先分析pBMMSCs在体外复制性衰老过程中TGF-β2水平的变化，研究1 ng/m L、10 ng/mL和100 ng/m L的TGF-β2对细胞生长、增殖、衰老、线粒体活性氧(mtROS)水平、细胞周期及相关基因表达的影响。结果显示，pBMMSCs表达干细胞标志物CD90和CD44，具备成脂和成骨分化潜能。随着传代次数的增加，TGF-β2的mRNA水平显著升高，蛋白质的质量浓度从(41.97±9.46)pg/m L上升到(77.04±3.44)pg/m L。TGF-β2处理后，细胞增殖能力下降，衰老细胞显著增加，mtROS水平升高，细胞周期阻滞在G1期，OCT4、Ki67、PCNA、SOD2表达下降，P53和P21表达上升。上述结果表明，TGF-β2通过促进线粒体活性氧积累并阻滞细胞周期G1期，诱导pBMMSCs衰老。本研究为深入理解TGF-β2在间充质干细胞衰老过程中的作用提供了参考。
重要通知
网站访问量
今日访问量: 682