微生物水泥基材料力学与耐久性能研究
这是一篇关于微生物,矿化沉积作用,水泥基材料,微观分析,力学性能,耐久性的论文, 主要内容为土木工程材料是土木工程基础设施建设的物质基础,需要足够坚固耐用。而微生物可以进行生物矿化,诱导产生碳酸钙,加强和改善胶凝材料的性能。本研究从混凝土中提取到一株耐碱脲酶微生物——蜡样芽孢杆菌(Bacillus cereus),系统研究了该微生物掺入后对水泥净浆、砂浆、混凝土材料性能的影响,并分析了微生物对水泥基材料的作用机理。研究的主要内容如下:(1)在锥形瓶中模拟了微生物的生物矿化作用,对生物矿化产物进行检测分析。结果表明:该生物矿化产物为碳酸钙。模拟了微生物在碱性环境中存活性,发现微生物在p H为12.8的模拟水泥基材料孔隙溶液中可以存活。(2)研究了微生物掺量对微生物水泥净浆力学性能的影响,结果表明:OD值为1时,相较于空白对照组,28天抗压强度提高了13.7%,28天抗折强度提高了23.5%。尿素和乳酸钙共掺对微生物水泥净浆力学性能具有积极影响,最优掺量为:尿素掺量为0.3mol/L、乳酸钙掺量为0.075mol/L。(3)通过微观手段分析了微生物对水泥净浆的作用机理。首先通过水化热测试,发现微生物水泥净浆与复掺尿素和乳酸钙组微生物水泥净浆,水泥的早期水化均被促进,72小时水化放热量增多,并且3d红外光谱分析结果与水化热表现出一致性。然后通过流变测试,发现加入微生物及复掺尿素和乳酸钙,都会使水泥净浆的屈服应力和表观粘度增加。通过热重及XRD对28d水泥浆体行分析,发现掺入微生物后可增加碳酸钙及水化硅酸钙含量。(4)在掺入适量微生物后,砂浆及混凝土力学性能得到显著提高。当微生物悬浮液OD值为0.5,且复掺0.3mol/L尿素、0.075mol/L乳酸钙时,砂浆和混凝土的力学性能均为最优。砂浆28天抗压强度和抗折强度较空白对照组,分别提高了45.8%和36.8%;混凝土28天抗压强度、抗折强度和劈裂抗拉强度较空白对照组,分别提高了32.2%,24.3%,32.2%。通过透射光学显微镜观察,发现微生物可吸附在砂浆颗粒表面,存活情况良好。通过扫描电镜观察发现,微生物矿化作用明显,使得混凝土更为密实。(5)适量添加微生物后混凝土内部和表面均更密实,致使其吸水率和渗透高度均得以降低。OD值为0.5和1的微生物混凝土组吸水率最低,比空白组下降了27.8%;当微生物悬浮液OD值为0.5,且复掺0.3mol/L尿素、0.075mol/L乳酸钙时,混凝土的吸水率,略高于OD值为0.5的混凝土组,比空白组下降了22.2%。同时,此组混凝土渗水高度最低,比空白对照组降低了29mm。微生物悬浮液的表面张力低于水的表面张力,使得使用微生物悬浮液拌制的混凝土的收缩减少。
微生物组半胱氨酸分子靶标知识库与知识图谱的建立
这是一篇关于微生物,分子靶标,大数据挖掘,生物信息,知识库,知识图谱的论文, 主要内容为微生物感染疾病是医疗领域的重大难题,分子靶标通常是蛋白质、酶、受体、核酸等生物分子,与微生物和疾病密切相关。对于微生物感染而言分子靶标通常作为药物作用的靶点,近年来共价探针以及共价抑制剂类的药物研发逐渐成为研究热点。本研究将抗微生物感染应用最为广泛的各类微生物体内的半胱氨酸分子靶标以及其共价抑制剂在医疗领域的使用作为切入点,通过大数据挖掘和构建在线知识库、知识图谱的方法,探究了共价抑制剂在抗微生物感染中的使用情况。具体结果如下:(1)利用Pubmed医疗文献数据库,采用专家系统的方式,对各类微生物的半胱氨酸分子靶标进行大数据挖掘;找到与微生物和共价抑制剂相关的文献3300篇,大数据挖掘得到119个半胱氨酸靶点,包含了60余个物种;抑制剂150余个,对应适应症50余个;每个靶点对应设立了13条生信属性用以描述靶点信息。将挖掘结果制成原始数据表待用。(2)将取得的原始数据制作成为在线知识库,并且建设知识库网站,利用Springboot后台开发框架和Antdesign前端开发框架分别独立开发知识库网站的前后端,在线数据库服务由Postgre提供;网站建设完成后于服务器部署上线。(3)知识图谱是一种新的图语义网络,可将数据或知识以图形的方式储存并展现,图谱本身即数据库。在微生物组半胱氨酸分子靶标知识库建设完成后需利用其中的相关知识构建知识图谱,通过分析选用Trans D模型作为理论基础,利用Neo4j图谱软件和Py2neo模块,分别构建了“细菌”、“病毒”、“寄生虫”、“真菌”四类微生物的半胱氨酸分子靶标知识图谱。知识库网站和知识图谱的建立完善了微生物组分子靶标的知识库体系,本研究所构建的知识库体系在一定程度上弥补了国内针对微生物的相关生物信息学数据库的空缺。此知识库体系会持续维护更新,将最新的共价抑制剂在抗微生物感染方面的知识收集并展示,使本知识库在新型共价药物的研发工作中发挥一定作用。
电絮凝法预处理OCC废水协同去除微细胶黏物和Ca2+延缓AnGS钙化的研究
这是一篇关于OCC造纸废水,微细胶黏物,Ca2+,电絮凝法,厌氧颗粒污泥,微生物的论文, 主要内容为近年来我国电商行业迅速发展,大众消费的趋势越来越趋向于网络购物,从而带动了瓦楞纸箱需求量上升。瓦楞原纸和箱板纸的生产原料几乎都是来自回收的废旧箱板纸(Old Corrugated Container,OCC)。但由于纸张在抄造过程中为了提高质量,添加大量的碳酸钙填料以及胶黏剂。废纸造纸废水同时面临微细胶粘物沉积和Ca2+浓度高造成厌氧颗粒污泥钙化两大难题。废水在进入厌氧处理系统前,高浓度Ca2+通过预处理手段使其浓度降低,适当的Ca2+浓度可以提高厌氧消化效率,从而解决颗粒污泥钙化。本文在改变环境条件微细胶黏物中溶解与胶体物质(Dissolved and Colloidal Substance,DCS)与Ca2+生成难溶性物质的基础上,研究电絮凝预处理同时去除OCC废水中DCS和Ca2+的效果,最佳处理条件下不同污染物对厌氧反应的影响,具体结论如下:(1)在OCC制浆过程中,大量的DCS聚集并附着在纤维表面。DCS成分复杂,主要来源是树脂、木质素、粘合剂、涂料固定剂和填料。Ca2+和Na+均会影响CS的稳定性。当Ca2+和Na+同时加入时,体系的失稳程度介于Ca2+加入和Na+单独加入之间。Ca2+在影响CS稳定性方面起主导作用,Na+在吸附位点上相互竞争。(2)电絮凝法预处理OCC废水可以同时协同去除微细胶黏物和Ca2+,而物理法、化学法、生物酶法难以实现同时去除。采用Al作为阳极材料优于Fe和Mg电极,最优处理条件为电流密度为115 A/m2,电絮凝时间60 min,电极板间距5 cm,COD和Ca2+去除率分别为75.33%、64.53%,浊度和DCS含量降低了97.1%、43.68%,絮凝体粒径由1.68μm增大到31.97μm,絮凝体含量由0.18 g/L增大到0.78g/L。分析得到絮体中Al和Ca2+的相对含量高于对照组。(3)微细胶黏物和Ca2+协同危害显著高于单独添加微细胶黏物和高浓度钙离子,废水经过电絮凝处理会降低对厌氧颗粒污泥(anaerobic granular sludge,An GS)的危害。电絮凝预处理后废水的COD去除率最高,为92.4%,出水COD浓度为192 mg/L,活/死细胞比例最高,钙离子截留率明显降低,未出现钙沉积,污泥表面平滑,抑制颗粒污泥钙化。同时厌氧颗粒污泥功能微生物Firmicutes、Chloroflexi、Bacteroidota和Methanosaeta优势菌属得以富集,改善了厌氧颗粒污泥的性能,延缓颗粒污泥钙化。
基于多任务和生物网络表示的微生物与疾病关联预测
这是一篇关于疾病,微生物,多任务学习,知识图谱,生物网络表示的论文, 主要内容为疾病一直以来都在威胁着人类的健康,研究表明微生物与疾病存在关联关系,这给理解疾病的复杂发病机理带来了新的研究视角。传统的生物实验方法发现疾病与微生物的关联存在周期长、成本高的困境。目前,已有许多研究使用机器学习算法来帮助生物实验揭示微生物与疾病的关联,但是这些算法的效果仍有待进一步提升。本文主要研究针对微生物与疾病关联预测问题的机器学习算法,研究内容概括如下:首先,本文提出一个基于多任务的神经网络模型(MTNN)预测肠道微生物与癌症免疫疗法疗效的关系。该模型学习与非小细胞肺癌和肾细胞癌的免疫疗法疗效有关联的肠道微生物丰度数据的特征,从而预测这两种癌症的免疫疗法疗效,实验结果表明MTNN模型具有较好的预测效果。其次,延伸到微生物影响疾病的预测任务,本文提出基于图卷积网络的微生物与疾病关联预测模型(GCNSMDA)来预测微生物与疾病的潜在关联。构建了一个包含微生物与疾病的异构网络,然后用图卷积网络学习异构网络中微生物和疾病的特征表示,再引入评分函数计算微生物与疾病的关联得分,从而预测微生物与疾病的潜在关联,实验结果表明GCNSMDA模型可以有效地揭示微生物与疾病的潜在关联。最后,为了改进GCNSMDA模型的预测效果,本文提出基于知识图谱的微生物与疾病关联预测模型(KGNMDA)。构建了一个以微生物和疾病为核心的知识图谱,并用图神经网络从构建的知识图谱中学习微生物和疾病的特征信息,再结合微生物与疾病的高斯相似性特征计算微生物与疾病的关联分数,从而揭示微生物与疾病的潜在关联。实验结果表明KGNMDA模型能更加有效地揭示微生物与疾病的潜在关联。本文提出了不同的模型来解决微生物与疾病关联预测问题,希望能辅助微生物与疾病相关的生物医学研究。
基于多任务和生物网络表示的微生物与疾病关联预测
这是一篇关于疾病,微生物,多任务学习,知识图谱,生物网络表示的论文, 主要内容为疾病一直以来都在威胁着人类的健康,研究表明微生物与疾病存在关联关系,这给理解疾病的复杂发病机理带来了新的研究视角。传统的生物实验方法发现疾病与微生物的关联存在周期长、成本高的困境。目前,已有许多研究使用机器学习算法来帮助生物实验揭示微生物与疾病的关联,但是这些算法的效果仍有待进一步提升。本文主要研究针对微生物与疾病关联预测问题的机器学习算法,研究内容概括如下:首先,本文提出一个基于多任务的神经网络模型(MTNN)预测肠道微生物与癌症免疫疗法疗效的关系。该模型学习与非小细胞肺癌和肾细胞癌的免疫疗法疗效有关联的肠道微生物丰度数据的特征,从而预测这两种癌症的免疫疗法疗效,实验结果表明MTNN模型具有较好的预测效果。其次,延伸到微生物影响疾病的预测任务,本文提出基于图卷积网络的微生物与疾病关联预测模型(GCNSMDA)来预测微生物与疾病的潜在关联。构建了一个包含微生物与疾病的异构网络,然后用图卷积网络学习异构网络中微生物和疾病的特征表示,再引入评分函数计算微生物与疾病的关联得分,从而预测微生物与疾病的潜在关联,实验结果表明GCNSMDA模型可以有效地揭示微生物与疾病的潜在关联。最后,为了改进GCNSMDA模型的预测效果,本文提出基于知识图谱的微生物与疾病关联预测模型(KGNMDA)。构建了一个以微生物和疾病为核心的知识图谱,并用图神经网络从构建的知识图谱中学习微生物和疾病的特征信息,再结合微生物与疾病的高斯相似性特征计算微生物与疾病的关联分数,从而揭示微生物与疾病的潜在关联。实验结果表明KGNMDA模型能更加有效地揭示微生物与疾病的潜在关联。本文提出了不同的模型来解决微生物与疾病关联预测问题,希望能辅助微生物与疾病相关的生物医学研究。
本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:源码工坊 ,原文地址:https://m.bishedaima.com/lunwen/50064.html