【摘 要】
：
龙葵（Solanum nigrum L.）全草均可入药。本研究采用UHPLC-Q Exactive高分辨质谱结合GNPS分子网络（global natural products social molecular networking）,对龙葵叶的化学成分进行快速表征。通过与文献报道数据比较,并结合质谱裂解特征规律分析,以及GNPS分子网络中已知和未知节点的关联分析,从龙葵叶中共鉴定157个化合物,
【基金项目】
：
山西省现代农业产业技术体系建设专项资金资助（2021-11）；
论文部分内容阅读
龙葵（Solanum nigrum L.）全草均可入药。本研究采用UHPLC-Q Exactive高分辨质谱结合GNPS分子网络（global natural products social molecular networking）,对龙葵叶的化学成分进行快速表征。通过与文献报道数据比较,并结合质谱裂解特征规律分析,以及GNPS分子网络中已知和未知节点的关联分析,从龙葵叶中共鉴定157个化合物,包括甾体生物碱30个,甾体皂苷61个,黄酮类35个,氨基酸、有机酸等其他类型化合物31个。与龙葵果和龙葵茎相比,龙葵叶中甾体皂苷、甾体生物碱、黄酮类成分的种类均较为丰富,本研究结果为龙葵药材资源的精准利用奠定了基础。
其他文献
科学技术的飞速迭代以及计算机技术的更新,衍生出众多繁重且极其复杂的问题,为满足当下高速发展社会的需求,研究学者为解决此类问题付出了诸多努力。群智能优化算法的诞生为学者的研究工作开辟了新思路,该类算法摒弃了传统优化算法陈旧的解题思路,受启发于动物的群体智能行为并有着广泛应用。粒子群优化算法（Particle Swarm Optimization,PSO）作为群智能算法中的典例,通过模拟鸟群飞行觅食的
随着信息技术的不断发展,信息安全问题日益凸显。信息隐藏技术以其可在载体中嵌入附加信息成为当今研究热点。可逆信息隐藏不仅可以嵌入并提取附加信息,还可以无失真地恢复载体信息,因此受到越来越多的关注,尤其是对于应用最广泛的JPEG图像。JPEG可逆信息隐藏方法分为两类,第一类是基于DCT系数域修改,该方法会导致文件大小扩展和视觉质量失真;第二类是基于熵编码域修改,该方法生成的载密图像与原始图像相比没有视
医学图像分割辅助临床诊疗技术已经成为当下的研究热点,并且在手术辅助指导、三维重建和疾病风险检测等领域担任着重要的角色。如何帮助医生提升对腹部器官诊疗的效率和准确率是当下亟待解决的问题,以前针对腹部多器官图像的研究都是采用手工描绘来分析各器官结构（如肝脏、脾脏和肾脏）的轮廓,通过量化分析组织结构的功能指标来判定器官是否产生病变。在临床应用上,目前主要还是放射科医生手动标注出腹部多器官的轮廓,这是费时
颅脑损伤是医学上常见的一种对身体有着较大伤害的疾病,它具有不可逆和病因复杂的特征。它的不可逆主要表现在该类疾病有着较高的致死率和致残率,它的复杂性主要在于发病区域不确定以及病灶类型多样。同时,它的影像表现也较为复杂。目前,颅脑CT（Computed Tomography）成像诊断已经成为颅脑损伤诊断的有效方式之一,但是由于颅脑CT影像的复杂性、多样性、影像的噪声干扰以及医生的主观性都会对检测结果造
随着传感技术的发展,获取的医学图像质量在不断提高,但由于成像原理不同,呈现出不同的信息,存在各自的优势和局限性,单模态医学图像难以为医生提供关于人体组织或器官全面准确的信息。利用医学图像融合技术将多幅图像的特征信息融合到一幅图像,弥补了单模态医学图像信息不足的缺陷。本文主要研究了基于变换域和卷积神经网络的多模态医学图像融合算法,主要研究内容如下:（1）传统的基于变换域的医学图像融合算法,没有对功能
随着计算机技术的不断进步,嵌入式技术也越来越完善,已被广泛应用于各种场景。在目标跟踪领域中,最近的大部分工作倾向于在高性能计算平台上提高跟踪器的总体跟踪能力。尽管这些算法都取得了良好的效果,但其内在的复杂性限制了它们的应用范围,嵌入式平台有限的计算能力难以实时处理复杂的目标跟踪算法。因此,如果可以在不增加跟踪算法复杂性的基础上,提高其在嵌入式平台的表现,则更具有实际意义。受限于嵌入式系统的性能,本
在线社交媒体日益普及,极大地推动了社交网络数据分析技术的发展。网络表示学习旨在学习节点的低维表示向量,已被证明在社交网络分析的链接预测、节点分类任务中有很大的应用价值。起初,大部分社交网络分析基于节点之间的同质性和社会影响,局限于在无符号或者是只有正链接的社交网络中进行表示学习。实际上,一些社交媒体平台上能清楚的展现出用户之间的好友、非好友关系,从而抽象成符号网络。现有的在符号网络中开展表示学习的
随着智能手机的普及,通过手机捕获文档图像,将纸质文档以电子格式存储,已经成为文档数字化的一种常见方法。然而,因为纸张形变、相机角度、光照条件等因素的影响,拍摄的图片会产生各种变形,并不适合直接阅读。文档矫正技术就是对有形变的文档图像进行自动矫正,将有弯曲或折叠痕迹的文档图像进行展平,这对于后续进行文档分析任务有着很大的帮助,因此,文档矫正吸引了众多研究人员的关注。本文以三维重建为基本路线对文档矫正
联邦学习允许多个客户端在不共享数据的情况下,协作地训练一个全局模型,为客户端提供了基本的隐私保护。然而,在联邦学习中,恶意的客户端可能执行投毒攻击,导致全局模型不可用或存在后门;也可能执行推理攻击,获取其他客户端的隐私数据。针对上述两类攻击,本文对联邦学习中投毒与推理攻击的防御方法展开研究。主要研究内容如下:（1）提出两种针对投毒攻击的防御机制:基于阈值的异常更新值去除机制（Threshold-B
随着科技的发展,人们的日常生活方式得到了改善,科技在给予人们方便的同时,也对信息安全造成威胁。譬如数据泄露、假冒信息等现象在社会上层出不穷,保障信息安全成了时下亟需解决的问题之一。可逆信息隐藏技术（Reversible Data Hiding,RDH）将秘密信息嵌入到载体图像中得到载密图像并传输给接收方,整个过程不被中间方所察觉,接收方可以凭借密钥从载密图像中完整地提取出秘密信息,并将载密图像恢复