水飞蓟素是水飞蓟种子提取出的黄酮类生物活性成分,具有保肝利胆等多种药理功能,其中水飞蓟宾活性及含量最高,本研究利用天然低共熔溶剂(Natural Deep Eutectic Solvent,NADES),对水飞蓟宾的高效提取工艺与机理进行研究。以粉碎脱脂后...水飞蓟素是水飞蓟种子提取出的黄酮类生物活性成分,具有保肝利胆等多种药理功能,其中水飞蓟宾活性及含量最高,本研究利用天然低共熔溶剂(Natural Deep Eutectic Solvent,NADES),对水飞蓟宾的高效提取工艺与机理进行研究。以粉碎脱脂后的水飞蓟种壳粉为原料,用初步筛选所得较优NADES,即:氯化胆碱+1,4-丁二醇进行提取,HPLC法测定水飞蓟宾含量,在单因素实验基础上,采用响应面法对该NADES提取水飞蓟宾工艺进行优化。结果表明:料液比1:20 g/mL,提取温度77.0℃、时间5.6 h,模型预测水飞蓟宾得率可达4.29%,与实验值4.30%基本一致。基于片段活度系数类导体屏蔽模型(Conductor-like Screening Model for Segment Activity Coefficient,COSMO-SAC),分别对水飞蓟宾和溶剂分子(NADES与传统溶剂乙醇)进行结构与能量优化,通过量子化学计算,得到水飞蓟宾在两种溶剂中的无限稀释活度系数的对数分别为-6.922和-6.043,分子间相互作用能分别为-51.62和-25.47 kJ/mol,以探讨不同溶剂提取水飞蓟宾效果差异机理。展开更多
利用复杂系统的能量特性,引入影响力概念,研究动态复杂网络的社团划分方法,以有效地发现股票网络的社团结构.利用股票收盘价,通过引入影响力和结点中心性定义,构建以影响力为权值的股票网络,并提出一种基于影响力计算模型的股票网络中...利用复杂系统的能量特性,引入影响力概念,研究动态复杂网络的社团划分方法,以有效地发现股票网络的社团结构.利用股票收盘价,通过引入影响力和结点中心性定义,构建以影响力为权值的股票网络,并提出一种基于影响力计算模型的股票网络中心结点层次聚类算法(based on the center node hierarchical clustering algorithm about the influence calculation model of stock network,BCNHC).BCNHC算法首先引入结点活跃性和影响力的定义,并给出网络中结点的影响力计算模型;然后,基于所引入的结点中心性的度量准则,选取结点中心性大的结点为中心结点,并利用结点间的亲密性和影响力模型确定相邻结点之间影响力关联度;进而,通过优先选择度值最小的结点向中心结点聚集,以降低因相邻结点所属社团不确定而导致的错误聚类;在此基础上,利用社团平均影响力关联度对相邻社团进行聚类,保证社团内所有结点的影响力关联度最大化,直至整个网络模块度最大.最后,在构建的股票网络上的实验比较和分析,验证BCNHC算法的可行性.展开更多
文摘水飞蓟素是水飞蓟种子提取出的黄酮类生物活性成分,具有保肝利胆等多种药理功能,其中水飞蓟宾活性及含量最高,本研究利用天然低共熔溶剂(Natural Deep Eutectic Solvent,NADES),对水飞蓟宾的高效提取工艺与机理进行研究。以粉碎脱脂后的水飞蓟种壳粉为原料,用初步筛选所得较优NADES,即:氯化胆碱+1,4-丁二醇进行提取,HPLC法测定水飞蓟宾含量,在单因素实验基础上,采用响应面法对该NADES提取水飞蓟宾工艺进行优化。结果表明:料液比1:20 g/mL,提取温度77.0℃、时间5.6 h,模型预测水飞蓟宾得率可达4.29%,与实验值4.30%基本一致。基于片段活度系数类导体屏蔽模型(Conductor-like Screening Model for Segment Activity Coefficient,COSMO-SAC),分别对水飞蓟宾和溶剂分子(NADES与传统溶剂乙醇)进行结构与能量优化,通过量子化学计算,得到水飞蓟宾在两种溶剂中的无限稀释活度系数的对数分别为-6.922和-6.043,分子间相互作用能分别为-51.62和-25.47 kJ/mol,以探讨不同溶剂提取水飞蓟宾效果差异机理。
文摘利用复杂系统的能量特性,引入影响力概念,研究动态复杂网络的社团划分方法,以有效地发现股票网络的社团结构.利用股票收盘价,通过引入影响力和结点中心性定义,构建以影响力为权值的股票网络,并提出一种基于影响力计算模型的股票网络中心结点层次聚类算法(based on the center node hierarchical clustering algorithm about the influence calculation model of stock network,BCNHC).BCNHC算法首先引入结点活跃性和影响力的定义,并给出网络中结点的影响力计算模型;然后,基于所引入的结点中心性的度量准则,选取结点中心性大的结点为中心结点,并利用结点间的亲密性和影响力模型确定相邻结点之间影响力关联度;进而,通过优先选择度值最小的结点向中心结点聚集,以降低因相邻结点所属社团不确定而导致的错误聚类;在此基础上,利用社团平均影响力关联度对相邻社团进行聚类,保证社团内所有结点的影响力关联度最大化,直至整个网络模块度最大.最后,在构建的股票网络上的实验比较和分析,验证BCNHC算法的可行性.
