【摘 要】
：
黄酮醇合酶（flavonol synthase, FLS）是艾纳香（Blumea balsamifera）黄酮醇化合物代谢途径中的一个关键酶,在黄酮醇化合物的合成代谢中扮演重要的角色。本研究利用产自贵州罗甸的艾纳香为研究材料,通过对其转录组进行测序,并设计引物成功克隆得到了其黄酮醇合酶基因的完整cDNA序列。通过生物学信息分析发现,艾纳香FLS基因全长1 008 bp,编码335个氨基酸,其蛋白分
【基金项目】
：
贵州省中医药管理局中医药、民族医药科学技术研究课题（Q2YY-2016-064）； 贵阳中医学院博士启动基金项目（043-160002）共同资助；
论文部分内容阅读
黄酮醇合酶（flavonol synthase, FLS）是艾纳香（Blumea balsamifera）黄酮醇化合物代谢途径中的一个关键酶,在黄酮醇化合物的合成代谢中扮演重要的角色。本研究利用产自贵州罗甸的艾纳香为研究材料,通过对其转录组进行测序,并设计引物成功克隆得到了其黄酮醇合酶基因的完整cDNA序列。通过生物学信息分析发现,艾纳香FLS基因全长1 008 bp,编码335个氨基酸,其蛋白分子量约为38.39 kD,等电点为5.96,属于亲水性蛋白,可能定位于细胞质中。同时,艾纳香FLS蛋白的二级结构中α螺旋含量最高,与三级结构预测结果一致。本研究对于探究黔产艾纳香黄酮醇类化合物的生物合成分子机制有一定的指导意义,也为将来黄酮醇类化合物的生物合成提供理论基础。
其他文献
同步行为是忆阻神经网络系统中极其重要的动力学特征。在实际系统中,经常存在信号传输延迟以及外界干扰的情况,这种变化现象归结为时间延迟和脉冲效应。由于网络中时间延迟、脉冲和外加控制器的存在会对神经网络的同步行为有很大的影响。因此,基于时间延迟和外加控制器建立更符合现实世界的忆阻神经网络模型,并探究其同步动力学行为。本文将基于两种基本的控制器,构建忆阻神经网络模型。选择适当的Lyapunov函数,利用右
本课题结合轮式机器人机动性和足式机器人灵活性的特点设计了轮腿混合式变胞机器人,能够根据外界环境在轮式移动和足式行走间自然切换。本文主要针对所设计的轮腿混合式变胞机器人在进行转向耦合重构时所面临的运动学和动力学分析、稳定性判据及评价准则、运动规划、摆动腿着地柔顺性控制策略、运动稳定性控制以及嵌入式电控系统构建等关键技术展开研究,为轮腿混合式机器人的实用化应用奠定基础。首先,对变胞机器人进行简化,在三
在质子型固体氧化物燃料电池（PCFC）的阴极材料中,质子传输能力的高低对其电化学性能至关重要。其中,三相(e-/O2-/H+)导体阴极材料BaCo0.4Fe0.4Zr0.1Y0.1O3-δ（BCFZY）因能够增加空气/电极/电解质三相边界的长度,并提高氧化还原反应速率而受到广泛的关注,而查明其质子表面交换过程具有重要意义。另一方面,由于PCFC的工作温度在500～800℃,这使得金属连接体的应用成
无人驾驶作为汽车智能化的基础,是近年来的研究热点之一。而路径规划与避障技术作为无人驾驶汽车运行的关键环节,是实现无人驾驶汽车安全平顺驾驶的基石,具有重大的研究意义。文章从地图的产生、全局路径规划到局部路径规划,详细阐述了无人驾驶汽车路径规划与避障的全过程,最后通过仿真和实车试验验证了改进路径规划算法的有效性。首先,基于Cartographer算法的激光SLAM完成了全局地图的构建。地图是路径规划和
随着工业化进程的不断推进,大规模储能技术日益成熟,全钒液流电池（Vanadium Redox Battery,VRB）作为电化学储能技术的一种,因其安全可靠、寿命长、系统设计灵活等优点而得到了广泛的应用。但是VRB储能系统运行效率是影响其规模化发展的关键因素,因此如何建立准确且全面的VRB模型并提高其系统效率是亟待解决的关键问题之一。因此文章基于VRB的结构组成、工作原理和性能影响机制构建了全钒液
近年来移动设备成为了人们生活中不可或缺的一部分,带来了移动应用市场的大繁荣。移动应用的种类与功能有了爆发式的增长,相对而言移动设备的硬件发展速度却没有跟上。面对移动应用对计算资源的渴求与移动设备资源有限的矛盾,移动云计算提出了一种有效的解决方案,通过移动互联网将任务卸载到云端执行,从而降低了应用程序对移动设备的硬件要求。但移动设备与云端通信时,又产生了数据收发的能耗与时延,因此如何在保障服务质量的
在计算机视觉领域,目标检测一直是一个基础而又重要的方向。近年来,伴随着深度学习理论的发展和计算机硬件的进步,基于深度学习的目标检测算法引起了广泛的关注,并在自动驾驶、医疗、智能安防等领域发挥了重要作用。目标检测由目标定位和目标识别两个任务组成。训练过程中,通常采用交叉熵作为分类损失函数,采用n范数（n=1,2）形式作为定位损失函数。当前目标检测模型,大部分算法都是基于锚的,锚框会均匀密布地设置在图
网络在自然界和人类社会中广泛存在,例如神经网络、社交网络、互联网、城市道路网、电力网等等,研究这些网络对我们理解自然界的各种现象以及指导生产和生活具有重要意义。真实网络往往规模很大且结构复杂,但大量研究表明,它们具有一些相似的结构特征,例如小世界和无标度特性等,这类网络被统称为复杂网络。网络的功能可以通过网络上的动力学行为的特性来反映,其中交通动力学和同步动力学都是复杂网络的重要研究课题。本文基于
复杂动态网络由于其广泛的应用一直受到很多学者的关注。同步作为一种基础的复杂动态网络的动力学行为,在社会学和工程学的各个领域都得到了普遍的研究。针对复杂动态网络的同步问题,事件触发机制由于其在节约系统资源方面具有很大的优势而被运用于其中。该机制给出了一种有效的方法来控制执行器的更新,即仅当某种特定的事件被触发时才执行相应的操作。尽管基于事件触发机制的复杂动态网络的相关工作已经被部分学者所探讨,然而尚
目标检测是计算机视觉领域中非常经典的问题之一,而从航拍图像进行目标检测一直是一个具有挑战性的问题。航拍图像中的目标检测在桥梁检查、灾难管理、交通调查、地形测量以及飞行器探测等民用基础设施管理和军事方面均有着广泛的应用。随着深度学习算法的发展以及硬件系统的进步,从高分辨率卫星图像检测各种物体方面已经实现了更高的精度。针对最新的基于卷积神经网络的目标检测模型,开展基于深度学习的航拍图像目标检测算法的研