|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
.jpg){kind=logo}
揭示mRNA m5C的序列結(jié)構(gòu)特征和動態(tài)變化規(guī)律
目前報導(dǎo)的“m5C”位點往往成簇存在于高GC含量區(qū)域，對針對NSUN2的RNA干擾不敏感，也無法被m5C抗體所富集，極可能是實驗引入的假陽性。根據(jù)這一特征，該研究建立了一套新穎的生物信息學(xué)計算流程過濾噪音，得以精確地定位mRNA上的m5C。通過進一步分析，該研究發(fā)現(xiàn)NSUN2依賴的m5C位點傾向于擁有一個3’富G的基序，通常位于在一個小頸環(huán)結(jié)構(gòu)的底部，與其tRNA底物高度一致，揭示了mRNA m5C 序列和結(jié)構(gòu)特征的由來。該研究發(fā)現(xiàn)除了NSUN2，NSUN家族其他成員不調(diào)控mRNA m5C位點，暗示除了NSUN家族成員，可能存在新的甲基轉(zhuǎn)移酶參與了不依賴于NSUN2 的mRNA m5C位點的催化。通過進一步對7個人類組織于10個小鼠組織的轉(zhuǎn)錄組測序分析，分別確認(rèn)了3212與2498個高置信度位點。結(jié)果表明，在不同組織中mRNA m5C位點的數(shù)量與甲基化水平有很大差異。在人和小鼠的睪丸、肝臟、心肌和骨骼肌，mRNA上有數(shù)百個高置信度的m5C位點，而在其他的一些組織則寥寥可數(shù)。另外，這些m5C位點在人和老鼠之間并不保守，說明它們很可能是受到順式調(diào)控（cis-regulation）的。 這項研究開發(fā)的方法為mRNA m5C的研究提供了新的工具；其構(gòu)建的哺乳動物mRNA m5C 精確圖譜為發(fā)現(xiàn)mRNA上m5C修飾的調(diào)控和功能奠定了堅實的基礎(chǔ)。奧地利因斯布魯克醫(yī)科大學(xué)Alexandra Lusser教授在同期撰寫的評述文章“Getting a hold on cytosine methylation in mRNA”中，評價張銳教授課題組開發(fā)的新計算方法增加了m5C檢測的精確度，進一步提供了tRNA甲基化轉(zhuǎn)移酶NSUN2介導(dǎo)mRNA甲基化的令人信服的證據(jù)。
中山大學(xué)
2021-04-13
.jpg){kind=logo}
基于特征吸收光譜的氣體體吸熱太陽能發(fā)電裝置
本實用新型公開了一種基于特征吸收光譜的氣體體吸熱太陽能發(fā)電裝置。光能轉(zhuǎn)換器件一側(cè)吸收聚焦太陽光轉(zhuǎn)換為熱能，熱能傳遞到光能轉(zhuǎn)換器件另一側(cè)，轉(zhuǎn)換為氣體工質(zhì)的特征吸收峰鄰近的輻射能，并向吸熱腔內(nèi)輻射換熱。回?zé)崞鞒隹诘臍怏w工質(zhì)進入吸熱腔，立體吸收輻射能，溫度迅速升高。加熱后的高溫工質(zhì)進入透平機膨脹做功，膨脹之后的工質(zhì)流經(jīng)回?zé)崞鲹Q熱，溫度降低后依次進入冷卻器、壓縮機和回?zé)崞鳎責(zé)崞鞒隹诘墓べ|(zhì)再進入吸熱腔內(nèi)立體加熱，完成一個熱功轉(zhuǎn)換循環(huán)。本實用新型采用光能轉(zhuǎn)換器件，將太陽能轉(zhuǎn)換為氣體工質(zhì)的特征吸收峰鄰近的輻射能，工質(zhì)直接立體吸收輻射能，大幅減少了吸熱表面積，吸熱器結(jié)構(gòu)簡單，效率高，成本低。
浙江大學(xué)
2021-04-13
大學(xué).jpg){kind=logo}
多模態(tài)多特征融合的腦電信號分類與定位模型
北京工業(yè)大學(xué)
2021-04-14
.jpg){kind=logo}
面向大規(guī)模圖像視覺特征的多維倒排索引與快速檢索算法
本發(fā)明公開了面向大規(guī)模圖像視覺特征的多維倒排索引與快速檢索算法，包括：利用圖像的視覺特征訓(xùn)練增強型殘差量化所需的多層碼書，并利用所訓(xùn)練的碼書構(gòu)建多維倒排索引；根據(jù)已訓(xùn)練完成的碼書，對圖像視覺特征進行量化和編碼，同時根據(jù)計算得到的編碼將其插入到倒排索引中對應(yīng)的倒排列表；利用查詢圖像視覺特征對所構(gòu)建的多維倒排索引進行查詢，獲得查詢候選集；利用自適應(yīng)超球體過濾對查詢候選集進行優(yōu)化，對過濾后的查詢結(jié)果排序，從而完成圖像視覺特征的檢索。本發(fā)明的方法通過對圖像特征進行量化和編碼，提高圖像特征的量化效率；利用所生
華中科技大學(xué)
2021-04-14
一種基于 GPU 的多尺度空間特征提取方法
本發(fā)明公開了一種基于 GPU 的多尺度空間特征提取方法，包括 以下步驟：利用多尺寸并行非線性濾波構(gòu)造尺度空間、在尺度空間中 并行的進行關(guān)鍵點檢測和描述符生成。其中尺度空間構(gòu)造包括：多尺 寸數(shù)據(jù)打包、多尺寸并行降采樣、多尺寸并行非線性濾波的具體執(zhí)行 步驟。為了提高算法的并行度、降低數(shù)據(jù)依賴性，通過并行降采樣提 前得到各個尺寸下的初始圖像，使得各個尺寸下的非線性濾波、關(guān)鍵 點檢測和描述符生成可以在 GPU 中并行的執(zhí)行。
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
納米材料-聚合物對道路瀝青的改性特征及作用機理
該成果 2013 年獲全國商業(yè)科技進步獎二等獎。本研究采用納米 ZnO 和 SBS 為外摻劑，尋求合適的制備工藝，制備納米材料/聚合物復(fù)合改性瀝青。借鑒聚合物改性瀝青的研究方法、試驗手段及評價方法，探討納米材料/聚合物復(fù)合材料改性瀝青及混合料的路用技術(shù)性能；并通過微觀、化學(xué)分析手段，研究納米 ZnO 和 SBS 加入到基質(zhì)瀝青中，與基質(zhì)瀝青的相互作用機理，以期望達(dá)到較為良好的改性效果，促進納米材料/聚合物復(fù)合改性瀝青的發(fā)展與應(yīng)用。
揚州大學(xué)
2021-04-14
.jpg){kind=logo}
基于遙感影像的特征函數(shù)空間濾值回歸模型并行化方法
本發(fā)明公開了一種基于遙感影像的特征函數(shù)空間濾值回歸模型并行化方法，本發(fā)明針對遙感影像數(shù) 據(jù)回歸建模過程中變量空間自相關(guān)性對模型的影響，提出采用特征函數(shù)空間濾值方法，通過將影像進行 分塊，利用搭建的并行計算集群進行分布式計算，最后將分塊計算的結(jié)果返回給主節(jié)點匯總，通過對比 串行和并行分別得到的回歸模型擬合評價參數(shù) MSE、RMSE、R2、Adj.R2 以及并行加速比 S，驗證基于 遙感影像的特征函數(shù)空間濾值并行方法在空間統(tǒng)計回歸建模中能夠消除空間
武漢大學(xué)
2021-04-14
一種基于模糊不變特征的模糊圖像識別方法
本發(fā)明公開了一種基于模糊不變特征的模糊圖像識別方法，屬于計算機視覺、模式識別技術(shù)領(lǐng)域。本發(fā)明包括：分別從紋理與結(jié)構(gòu)兩個方面提取模糊圖像的模糊不變特征；將所提取的特征采用 KCCA方法進行融合；利用訓(xùn)練樣本提取融合特征訓(xùn)練 SVM 分類器；利用訓(xùn)練得到的 SVM 分類器對模糊圖像進行識別。相比于傳統(tǒng)的模糊圖像識·751·別方法，本發(fā)明所提供的方法可以在不去圖像模糊的情況下直接對模糊圖像進行識別，具有識別準(zhǔn)
華中科技大學(xué)
2021-04-14
一種基于視覺感知特征的光譜降維方法及系統(tǒng)
本發(fā)明公開了一種基于視覺感知特征的光譜降維方法及系統(tǒng)，包括構(gòu)造綜合人眼視覺色度特性和光 譜特性的權(quán)函數(shù) w(λ)，利用構(gòu)造的權(quán)函數(shù) w(λ)計算任意光譜樣本集 S 的權(quán)函數(shù) Siw(λ)，對樣本集的權(quán)函 數(shù) Siw(λ)進行均值化處理，得到樣本集均值權(quán)函數(shù)矩陣 Wfv，構(gòu)造用于均值權(quán)函數(shù) Wfv 平滑優(yōu)化模型及 約束目標(biāo)函數(shù)，利用優(yōu)化目標(biāo)函數(shù) ObjFunc 對平滑優(yōu)化模型進行約束，確定權(quán)函數(shù)矩陣 Wfv 最佳平滑優(yōu) 化函數(shù)參數(shù) n 值，利用確
武漢大學(xué)
2021-04-14
.jpg){kind=logo}
基于特征樹和關(guān)聯(lián)度量的圖像隱寫分析研究
項目簡介： 獲取數(shù)字圖像的多特征性，需要在其特征空間上構(gòu)建或獲取更多特征來發(fā)現(xiàn)元素間更復(fù)雜的依賴關(guān)系。
西華大學(xué)
2021-04-14