【摘 要】
：
苹果醋是以新鲜的苹果作为原料制作成的一种功能性饮品，苹果醋中的苹果酸具有降低血糖、预防老年人糖尿病，促进血液循环，增强机体抵抗能力等多种功效，所以苹果醋也是一种新兴的健康饮品。为了深入挖掘苹果醋本身的功能，该研究对苹果醋的粗提取物总黄酮和总多酚影响工艺进行研究，同时研究苹果醋粗提取物总黄酮和总多酚对小鼠机体的抗疲劳效果。研究结果表明，苹果醋粗提取物总黄酮和总多酚的最佳吸附树脂为XDA-8,多酚类化
论文部分内容阅读
苹果醋是以新鲜的苹果作为原料制作成的一种功能性饮品，苹果醋中的苹果酸具有降低血糖、预防老年人糖尿病，促进血液循环，增强机体抵抗能力等多种功效，所以苹果醋也是一种新兴的健康饮品。为了深入挖掘苹果醋本身的功能，该研究对苹果醋的粗提取物总黄酮和总多酚影响工艺进行研究，同时研究苹果醋粗提取物总黄酮和总多酚对小鼠机体的抗疲劳效果。研究结果表明，苹果醋粗提取物总黄酮和总多酚的最佳吸附树脂为XDA-8,多酚类化合物采用浓度为60%的酒精进行洗脱，黄酮类化合物采用浓度为20%的酒精进行洗脱，苹果醋中的总黄酮和总多酚不能增加或者降低小鼠体重，但对小鼠具有一定的抗疲劳功效。
其他文献
现代产业学院是深化产教融合、校企合作的新载体和新模式，与传统产业学院不同之处在于其蕴含的“现代性”，包括组织的混合型、产业的前沿性和专业的交叉性。现代产业学院的现代性演化体现了其职能定位和制度化程度的变化，基于要素融合的共同育人、基于知识增值的联合创新和基于价值创造的利益共生构成了现代产业学院的三大基本职能。促进现代产业学院的高质量建设和可持续发展，有必要建立和完善包括发展动力机制、信息共享机制、
针对海上风电机组单点支承结构用双列圆锥滚子轴承第2列滚子与内圈滚道接触出现偏载的问题，对滚子与内圈滚道、大挡边的接触情况进行优化，并通过有限元软件ROMAX进行模拟仿真分析。最终确定滚道素线调整量为+0.09 mm,大挡边接触面与挡边外径交点调整量为+0.07 mm,优化后极限载荷下第2列内圈滚道最大接触应力由2 161 MPa降低为2 003 MPa,疲劳载荷下第2列内圈滚道最大接触应力由1 1
光动力疗法是一种新的医疗技术，广泛应用于临床诊断、治疗肿瘤和其他异常增生性疾病，尤其是对治疗皮肤肿瘤、血管畸形、病毒感染性皮肤病等有较好的治疗效果。其治疗原理是利用特定波长的光照激发光敏剂，将能量传递给皮肤病变组织并产生活性氧，导致增生异常的细胞发生死亡、微血管损伤以及局部免疫等反应，从而达到治疗目的。光动力疗法已经被应用于许多皮肤肿瘤的治疗，例如，日光性角化病、Bowen病、基底细胞癌、鳞状细胞
【目的】基于双酶切测序基因分型（Double-digest genotyping by sequencing,ddGBS）技术，挖掘黑杨派特异性单核苷酸多态性（Single-nucleotide-polymorphism,SNP）位点信息，旨在为杨树SNP标记开发、种质指纹图谱构建、遗传多样性分析及重要经济性状关联分析等研究提供位点信息。【方法】以46份黑杨派无性系种质为材料，采用Mse I+Ta
点云是三维空间结构信息的重要表达方式。点云语义分割技术在自动驾驶、智能机器人等领域有着重要的研究价值。得益于深度学习技术的发展,点云分割技术实现了突破性进展,发展出大量有效且高效的点云语义分割网络。虽然基于点数据驱动的深度学习算法能够有效提高语义分割的准确性,但是仍旧存在一些不足:基于多层感知器的特征提取算子在关键特征提取上存在不足,难以挖掘更深层次的有效信息;复杂点云场景下特征提取尺度比较单一,
＜正＞秋风送爽,桂子花香时节,在南北方、东西部的各级校园之中,又闻童音琅琅的诵读声,又见莘莘学子赶课求知的身影,9月28日又适逢孔子诞辰日,为此《图书馆杂志》特发"全民阅读推广学坛"一组文章,为促进全民阅读、建设书香校园添砖加瓦。我国民间流传历来有以"四时读书"为主题的歌谣。或云:"春天不是读书天,夏日炎炎正好眠。待到秋来冬又至,收拾书包好过年。"原来在不爱读书、懒于开卷的学生那里,一年四季十二个
＜正＞随着新课程改革的实施,新的教育教学理念逐步深入广大教师心中,有力促进了课堂教学改革的进展。转变课堂教学评价观念,进行教学评价改革,将课堂教学评价的核心放在促进师生交往互动、共同发展上,这是新课改的需要。因此,新的课堂教学评价应该是诊断性的、形成性的,能在评价的过程中为教师的课堂教学献言献策,帮助教师改进教学过程,提高教学能力,给予教师应有的安全感与自尊。只有这样才能构建新型的、发展性课堂教学
建筑领域中,在市场格局不断变化的背景下,每个工程项目中都隐藏着较多经济管理风险,这给施工企业造成极大的压力,为促进自身的稳定、可持续性发展,需做好经济管理风险的防范措施。文章阐述了控制工程经济管理风险的必要性,而后分析了建筑工程经济管理风险问题,最后围绕防范措施展开探究。
近年来,睡眠分期作为人体睡眠研究的基础和前提,已逐渐成为了睡眠相关领域的重点研究内容。传统的人工睡眠分期需要耗费专家大量的时间以及精力,因此亟需设计出一种有效的自动睡眠分期方法来辅助或者替代人工进行睡眠分期。本文在上述背景之下提出了一种基于深度学习的自动睡眠分期算法,该方法着重于结合睡眠生理信号以及睡眠分期的特点设计有效的深度神经网络模型,使其能够从人体的脑电以及眼电信号中提取有效的特征,从而最终
睡眠呼吸暂停综合征（SAS）的诊断对预防高血压、冠心病、心律失常、脑卒中等疾病具有重要的临床意义。本文基于单通道的心电（ECG）信号提出了一种新的SAS检测算法,该算法首先对ECG信号进行QRS波检测和预处理,得到RR间期和心源性呼吸（EDR）信号序列,并从中提取各项时频特征参数（n=40）,再对这些参数归一化处理后,使用支持向量机（SVM）进行分类训练,最终获得可评判SAS的指标。经MIT-BI