-
公开(公告)号：CN116499991A
公开(公告)日：2023-07-28
申请号：CN202310326247.1
申请日：2023-03-30
Applicant: 南开大学
IPC: G01N21/359 , G01N21/3563 , G01N30/02 , G06F18/214 , G06F18/24 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种无损检测丁香中丁香酚含量的方法，涉及丁香酚含量检测技术领域；而本发明包括以下步骤：S1、选择具有代表性的丁香作为样本；S2、收集样本的NIR光谱信息；S3、检测丁香中丁香酚含量；S4、数据集划分，将样本随机划分为训练集、验证集和测试集；S5、使用训练集数据训练ANN模型，验证集数据验证ANN模型；本发明只需要使用便携式NIR光谱仪获取待测样本的NIR光谱，将原始NIR光谱作为ANN模型的输入，即可获得丁香中丁香酚含量信息。具有无损、绿色、快速和准确的特点，本发明可以实现丁香中丁香酚含量的现场检测，可以对丁香的品质进行快速监控，本发明构建的ANN模型框架具有结构简单、易训练的特点，适合NIR光谱等一维数据的分析。
-
公开(公告)号：CN101825567A
公开(公告)日：2010-09-08
申请号：CN201010137956.8
申请日：2010-04-02
Applicant: 南开大学
CPC classification number: G01N21/65 , G01N2201/1293
Abstract: 一种近红外光谱和拉曼光谱波长的筛选方法，把采集的近红外或拉曼光谱及对应的被测成分浓度数据分成训练集、检验集和预测集；利用原始光谱和被测成分浓度建立PLS模型，得到真实PLS模型系数；将被测成分浓度随机排序，利用被测成分浓度向量与原始光谱矩阵建立大量PLS模型；根据这些模型，分别统计单个波长模型系数大于其真实PLS模型系数的次数，可得到对应概率值；概率值小于域值的波长被保留；利用保留的波长建立最优模型，对预测集样本被测成分浓度进行预测。该方法可准确提取含有光谱信息的波长，简化了定量分析模型，提高了定量分析模型的预测精度，为近红外光谱和拉曼光谱多元校正分析提供了一种新的波长筛选技术。
-
公开(公告)号：CN112345489B
公开(公告)日：2022-12-13
申请号：CN202011200158.5
申请日：2020-10-29
Applicant: 南开大学
IPC: G01N21/359 , G06F17/16 , G06F17/18
Abstract: 本发明公开了基于多元光学计算的近红外光谱测试方法，包括：步骤一、获取样品的近红外光谱进行建模，得到系数向量，将系数向量映射到近红外光谱仪的芯片单元以此设置其微镜的开关状态构成测量模式，形成光学滤波器；步骤二、一个光学滤波器对应建立一个测量模式，利用模式对待测样本进行测量，待测样品信息通过光学滤波器得到光调制，直接得到分析结果，实现对样品的定性定量分析。本发明是一种光学滤波器实现、测量的新方法，能灵活地、选择性地控制MEMS芯片来实现滤波器；以滤波器作为模式对样品进行测量以实现多元光学计算，能快速实现不同样品的定性定量分析，具有速度快、可行性强、易于实用化、无需数据后处理等优点。
-
公开(公告)号：CN112345489A
公开(公告)日：2021-02-09
申请号：CN202011200158.5
申请日：2020-10-29
Applicant: 南开大学
IPC: G01N21/359 , G06F17/16 , G06F17/18
Abstract: 本发明公开了基于多元光学计算的近红外光谱测试方法，包括：步骤一、获取样品的近红外光谱进行建模，得到系数向量，将系数向量映射到近红外光谱仪的芯片单元以此设置其微镜的开关状态构成测量模式，形成光学滤波器；步骤二、一个光学滤波器对应建立一个测量模式，利用模式对待测样本进行测量，待测样品信息通过光学滤波器得到光调制，直接得到分析结果，实现对样品的定性定量分析。本发明是一种光学滤波器实现、测量的新方法，能灵活地、选择性地控制MEMS芯片来实现滤波器；以滤波器作为模式对样品进行测量以实现多元光学计算，能快速实现不同样品的定性定量分析，具有速度快、可行性强、易于实用化、无需数据后处理等优点。
-
公开(公告)号：CN112345483B
公开(公告)日：2022-12-27
申请号：CN202011181348.7
申请日：2020-10-29
Applicant: 南开大学
IPC: G01N21/3563 , G01N21/3577 , G01N21/359 , G06F30/20
Abstract: 本发明公开了基于模式序列生成近红外光谱数据的方法，包括：步骤一、建立以列、行为变量的数据阵列作为模式序列，模式序列以模式为标识符，每一模式均为由列n*行m个单元开关状态的矩阵构成；步骤二、建立模式序列中每一模式与光谱仪的芯片单元的开关状态的对应关系，并将每个模式中所确定的n*m个微镜单元开关状态的信息传递到芯片单元；步骤三、在每个模式下分别测量出样品的近红外光谱数据，获得样品的模式序列近红外光谱数据。本发明基于模式序列生成近红外光谱数据的方法，具有全面性、灵活性和选择性，可根据不同采集样品的需求，设计不同模式序列来获取不同数据。
-
Patent Agency Ranking
公开(公告)号：CN107779443B
公开(公告)日：2020-10-13
申请号：CN201711049170.9
申请日：2017-10-31
Applicant: 南开大学
Abstract: 本发明公开了一种纤维二糖水解酶突变体，其活性在纤维素降解中提供降解的功能，纤维二糖水解酶突变体为如下的蛋白质：如SEQ ID NO：1所示的氨基酸序列的第398位的苏氨酸被取代为其他氨基酸，其他氨基酸为赖氨酸、精氨酸、天冬氨酸、谷氨酸或谷氨酰胺。本发明还公开了纤维二糖水解酶突变体于纤维素水解中的应用。本发明的纤维二糖水解酶突变体具有水解纤维素的活性，且，得到了活性提高的突变体，提高了对纤维素的水解效果。
-
公开(公告)号：CN109337888A
公开(公告)日：2019-02-15
申请号：CN201811340287.7
申请日：2018-11-12
Applicant: 南开大学
Abstract: 本发明公开了一种纤维二糖水解酶突变体，其活性在纤维素降解中提供降解的功能，酶为如下(a)或(b)的蛋白质：(a)如SEQ ID NO：1所示的氨基酸序列的第393位的苏氨酸被取代为其他氨基酸，其他氨基酸为赖氨酸、精氨酸或谷氨酸，(b)在(a)中的氨基酸序列经过取代、缺失或添加一个或几个氨基酸且具有纤维二糖水解酶活性的由(a)衍生的蛋白质。本发明还公开了含有一种或几种酶的组合物。本发明还公开了纤维二糖水解酶突变体或组合物于纤维素水解中的应用。本发明的纤维二糖水解酶突变体具有水解纤维素的活性，且，得到了活性提高的突变体，提高了对纤维素的水解效果。
-
公开(公告)号：CN109337888B
公开(公告)日：2021-08-17
申请号：CN201811340287.7
申请日：2018-11-12
Applicant: 南开大学
Abstract: 本发明公开了一种纤维二糖水解酶突变体，其活性在纤维素降解中提供降解的功能，酶为如下(a)或(b)的蛋白质：(a)如SEQ ID NO：1所示的氨基酸序列的第393位的苏氨酸被取代为其他氨基酸，其他氨基酸为赖氨酸、精氨酸或谷氨酸，(b)在(a)中的氨基酸序列经过取代、缺失或添加一个或几个氨基酸且具有纤维二糖水解酶活性的由(a)衍生的蛋白质。本发明还公开了含有一种或几种酶的组合物。本发明还公开了纤维二糖水解酶突变体或组合物于纤维素水解中的应用。本发明的纤维二糖水解酶突变体具有水解纤维素的活性，且，得到了活性提高的突变体，提高了对纤维素的水解效果。
-
公开(公告)号：CN112345483A
公开(公告)日：2021-02-09
申请号：CN202011181348.7
申请日：2020-10-29
Applicant: 南开大学
IPC: G01N21/3563 , G01N21/3577 , G01N21/359 , G06F30/20
Abstract: 本发明公开了基于模式序列生成近红外光谱数据的方法，包括：步骤一、建立以列、行为变量的数据阵列作为模式序列，模式序列以模式为标识符，每一模式均为由列n*行m个单元开关状态的矩阵构成；步骤二、建立模式序列中每一模式与光谱仪的芯片单元的开关状态的对应关系，并将每个模式中所确定的n*m个微镜单元开关状态的信息传递到芯片单元；步骤三、在每个模式下分别测量出样品的近红外光谱数据，获得样品的模式序列近红外光谱数据。本发明基于模式序列生成近红外光谱数据的方法，具有全面性、灵活性和选择性，可根据不同采集样品的需求，设计不同模式序列来获取不同数据。
-
公开(公告)号：CN118039001A
公开(公告)日：2024-05-14
申请号：CN202410180566.0
申请日：2024-02-18
Applicant: 南开大学
IPC: G16C10/00 , G16C20/50 , G16C20/70 , G16B15/30 , G16B40/00 , G06F18/214 , G06N3/0455
Abstract: 本发明公开了一种无需精确复合物结构的绝对结合自由能计算方法，包括：步骤一，基于受体蛋白和配体结构，采用软件得到粗糙复合物结构，并用WangLandau模拟方法，以配体和蛋白质的分子结构体系、分子间相互作用的势能函数为主要模拟参数作为输入进行分子动力学模拟，得到复合物体系分子动力学的轨迹文件；步骤二，由所述轨迹文件数据对应的高维向量信息建立训练集、验证集和测试集，训练所述流模型找到最低自由能构像，即将训练结果中概率密度最高的结构选为最优结构；步骤三，将生成的所述最优结构作为输入文件，进行结合自由能计算。本发明提出了一种无需精确复合物结构的绝对结合自由能计算方法，解决了精确的复合物结构获得困难这一问题。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.017 seconds)
