一步酶法从头孢菌素 c（CPC） 生产 7－氨基头孢烷酸（ 7-ACA） 是继我们研发的两步酶法工艺成功应用于工1 成果简介一步酶法从头孢菌素 c（CPC） 生产 7－氨基头孢烷酸（ 7-ACA） 是继我们研发的两步酶法工艺成功应用于工业生产以后，在生产头孢菌素类抗生素医药中间体技术的又一个突破。与化学法和两步酶法相比，一步酶法有工艺简单、环保和转化率高、产品质量好等优点。该技术采用基因工程技术对 CPC 酰化酶（一步酶法用酶）的基因进行了改造，获得了能够高效催化 CPC 到 7-ACA 的突变基因。通过我们自己构建的高效启动子 HP 以及优化组合的调控表达元件，构建并筛选出了能够高效、高活性表达一步酶法用酶——CPC 酰化酶的基因工程细胞株。这是国内第一个使得 CPC 酰化酶活性能够达到工业应用水平的技术。由于采用了高效的表达系统和稳定的质粒，以及组成型表达结构，使得该基因工程菌遗传特性非常稳定，在发酵制酶的过程中不需要添加任何抗生素和诱导剂就可以实现高效、高活性表达。在高效表达 CPC 酰化酶的基础上，我们通过在表达基因上同时引入的特殊基因序列，使得蛋白的纯化和固定化工艺一步进行。通过自己开发研制的可重复使用的固定化载体，可以使得固定化酶活性达到 60U/g 以上。 采用我们研制的特异性纯化介质，可以从菌体破碎液中一步纯化和固定化 CPC 酰化酶，酶收率在 90 ％以上，固定化酶活达到 60U/g 以上。固定化酶可以重复使用 20 批以上，纯化和固定化用载体可以重复使用。2 技术指标菌 种：基因工程大肠杆菌，卡那抗性，组成型表达。 发酵温度： 37℃ 培 养 基：普通的大肠杆菌培养基，主要成分有玉米浆等廉价的营养源。 发酵周期： 20 小时 发酵酶活： 3U/ml 以上（ 5 升发酵罐） 特 点：遗传特性稳定，不需要添加诱导剂和抗生素，工艺简单。3 合作方式小试技术转让或合作进行中试。4 所属行业领域医疗卫生。业生产以后，在生产头孢菌素类抗生素医药中间体技术的又一个突破。与化学法和两步酶法相比，一步酶法有工艺简单、环保和转化率高、产品质量好等优点。该技术采用基因工程技术对 CPC 酰化酶（一步酶法用酶）的基因进行了改造，获得了能够高效催化 CPC 到 7-ACA 的突变基因。通过我们自己构建的高效启动子 HP 以及优化组合的调控表达元件，构建并筛选出了能够高效、高活性表达一步酶法用酶——CPC 酰化酶的基因工程细胞株。这是国内第一个使得 CPC 酰化酶活性能够达到工业应用水平的技术。由于采用了高效的表达系统和稳定的质粒，以及组成型表达结构，使得该基因工程菌遗传特性非常稳定，在发酵制酶的过程中不需要添加任何抗生素和诱导剂就可以实现高效、高活性表达。在高效表达 CPC 酰化酶的基础上，我们通过在表达基因上同时引入的特殊基因序列，使得蛋白的纯化和固定化工艺一步进行。通过自己开发研制的可重复使用的固定化载体，可以使得固定化酶活性达到 60U/g 以上。 采用我们研制的特异性纯化介质，可以从菌体破碎液中一步纯化和固定化 CPC 酰化酶，酶收率在 90 ％以上，固定化酶活达到 60U/g 以上。固定化酶可以重复使用 20 批以上，纯化和固定化用载体可以重复使用。

一步酶法从头孢菌素c（ CPC） 生产7－氨基头孢烷酸（7-ACA） 是继我们研发的两步酶法工艺成功应用于工业生产以后，在生产头孢菌素类抗生素医药中间体技术的又一个突破。与化学法和两步酶法相比，一步酶法有工艺简单、环保和转化率高、产品质量好等优点。该技术采用基因工程技术对 CPC 酰化酶（一步酶法用酶）的基因进行了改造，获得了能够高效催化 CPC 到 7-ACA 的突变基因。通过我们自己构建的高效启动子 HP 以及优化组合的调控表达元件，构建并筛选出了能够高效、高活性表达一步酶法用酶——CPC 酰化酶的基因工程细胞株。这是国内第一个使得 CPC 酰化酶活性能够达到工业应用水平的技术。由于采用了高效的表达系统和稳定的质粒，以及组成型表达结构，使得该基因工程菌遗传特性非常稳定，在发酵制酶的过程中不需要添加任何抗生素和诱导剂就可以实现高效、高活性表达。在高效表达 CPC 酰化酶的基础上，我们通过在表达基因上同时引入的特殊基因序列，使得蛋白的纯化和固定化工艺一步进行。通过自己开发研制的可重复使用的固定化载体，可以使得固定化酶活性达到 60U/g 以上。 采用我们研制的特异性纯化介质，可以从菌体破碎液中一步纯化和固定化 CPC 酰化酶，酶收率在 90 ％以上，固定化酶活达到 60U/g 以上。固定化酶可以重复使用 20 批以上，纯化和固定化用载体可以重复使用。

【发 明 人】 唐于平 ; 李念光 ; 段金廒【技术领域】本发明涉及一种药物，具体涉及带有一氧化氮供体的芳香酸衍生物在制备治疗恶性肿瘤疾病药物中的应用【摘要】 本发明公开了带有一氧化氮供体的芳香酸衍生物在制备治疗恶性肿瘤疾病药物中的新应用，本发明通过大量实验筛选出具有强抗肿瘤活性的带一氧化氮的阿魏酸或咖啡酸衍生物，实验结果表明，具有很好的抑制肿瘤细胞生长和能促进肿瘤细胞凋亡的作用，且对多种恶性肿瘤细胞均具有强的杀灭作用，应用范围更广泛。尤其是(E)-3-(4-羟基-3-甲氧基苯基)丙烯酸-4-[4-苯磺酰基-1,2,5-噁二唑-5-氧-3-氧基]-2-丁酯，(E)-3-(4-羟基-3-甲氧基苯基)丙烯酸-4-[4-苯磺酰基-1,2,5-噁二唑-5-氧-3-氧基]-1-丁酯，(E)-3-(4-羟基-3-甲氧基苯基)丙烯酸-2-{2-[4-苯磺酰基-1,2,5-噁二唑-5-氧-3-氧基]-乙氧基}乙酯3个化合物显示出非常强的抗多种肿瘤活性，有望开发成新的抗肿瘤药物。

我国水处理技术起步较晚，大部分是剖析、仿制或依据国外专利研制的，再加上我国水处理剂工业发展历史较短，科研经费有限,因此具有基础薄弱、技术比较落后、整体水平不高的特点。虽然经过“八五”、“九五”攻关在水处理药剂开发方面达到了较高水平，但是随着环保和节水意识的加强，在水处理药剂的低磷化、环保化方面，在水处理药剂生产的连续化、自动化、标准化方面，水处理药剂

研发阶段/n一种利用甲壳废弃物制备甲壳素Ｌ－乳酸钙和复合氨基酸或肽的方法　　本发明涉及一种通过微生物发酵虾蟹等甲壳废弃物制备甲壳素、Ｌ－乳酸钙和复合氨基酸或肽的方法，具体为甲壳废弃物在鼠李糖乳杆菌（Ｌａｃｔｏｂａｃｉｌｌｕｓ?ｒｈａｍｎｏｓｕｓ）ＣＩＣＣ６００３和枯草芽孢杆菌（Ｂａｃｉｌｌｕｓ?ｓｕｂｔｉｌｉｓ）ＣＩＣＣ２３５７９种子液中发酵后获得Ｌ－乳酸钙，然后在米曲霉（Ａｓｐｅｒｇｉｌｌｕｓ?ｏｒｙｚａｅ）ＣＩＣＣ４１４７７种子液中发酵后获得复合氨基酸或肽和甲壳素。本发明的方法可以实现虾蟹等甲壳

本发明公开了一种基于开槽结构的四分之一模基片集成波导滤波器，包括四分之一模基片集成波导弧形腔，四分之一模基片集成波导弧形腔通过基片集成波导圆形腔沿任意两条相互垂直的磁壁分割得到，四分之一模基片集成波导弧形腔包括介质基片，介质基片的上表面设有上金属层，介质基片的下表面设有下金属层，介质基片中沿四分之一模基片集成波导弧形腔的周向均匀分布有贯穿上金属层和下金属层的金属通孔。本发明相对于传统的基片集成波导圆形腔有效实现了小型化。并且，相对于传统的多层结构，本发明结构简单，加工方便。此外，相对于传统的微带结构，本发明的滤波器品质因数高，损耗小。

本发明涉及一种四氧化三钴纳米线阵列、其制备方法以及作为锂离子电池负极的用途。该四氧化三钴纳米线阵列，其形貌为菱形结构，菱形的边长为100nm~500nm，菱形内角的锐角为30°~60°，阵列长度为5μm~20μm。本发明还提供了制备该四氧化三钴纳米线阵列的方法，以一定摩尔比的钴盐、化学结合剂、碱性反应物和水在常温下进行混合搅拌，将混合均匀的溶液移入反应釜中，并将干净的衬底置于溶液中进行水热反应后取出冲洗，再在惰性气氛中热处理，得到四氧化三钴纳米线阵列。本发明的四氧化三钴纳米线阵列可直接作为锂离子电池负极，能明显提高电池的比容量和循环性能，放电容量高达1000mAh/g以上，是一种理想的锂离子电池电极材料。

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

【发 明 人】刘晓；蔡皓；蔡宝昌；张科卫；裴科【摘要】本发明涉及一种HPLC-DAD法同时测定四物汤中10种化学成分含量的方法。属于中药成分分析领域。其步骤如下：(1)混合对照品溶液的配制。(2)供试品溶液的配制。(3)测定法：采用HPLC-DAD法测定混合对照品及供试品的浓度。色谱条件：色谱柱：elit?C18(250mm×4.6mm，5μm)；检测波长：280nm；流速：0.8mL·min-1；柱温：30℃；进样量：20μL；梯度洗脱条件：0~2.0min，体积分数为2%的甲醇等度洗脱，2.0~15.0min线性增加至20%的甲醇，15.0~25.0min为体积分数20%的甲醇等度洗脱，25.0~42.0min线性增加至100%的甲醇，42.0~45.0min为100%的甲醇等度洗脱。本发明所建立同时测定四物汤煎剂中10种化学成分的分析方法简单方便、重复性好，准确可靠，可为四物汤煎剂质量控制提供依据。