中国红豆杉内生放线菌En-1的分离、鉴定及其次生代谢物的研究

采用选择性分离方法对药用植物红豆杉Taxus chinensis嫩枝和叶进行内生菌分离,得到一株放线菌En-1,经鉴定为链霉菌Streptomyces sp.;并对该菌进行液体培养条件优化、次生代谢物初筛及其抗菌活性的研究。通过添加宿主植物浸出物至En-1液体培养中以考察宿主对后者生长的影响,结果表明红豆杉叶浸出物能促进En-1的体外生长;而且En-1次生代谢物对5株供试菌中的黑曲霉具有抑制活性。通过En-1菌培养基优化并联合波谱法检测其发酵产物,显示8#配方（淀粉25 g.L-1,KNO3 1 g.L-1,K2HPO4.3H2O 0.5 g.L-1,NaCl 0.5 g.L-1,FeSO4.7H2O 0.01 g.L-1,MgSO4.7H2O 0.5 g.L-1）培养液中,En-1所产的次生代谢物最具结构多样性;同时8#配方也有利于该菌产生抗菌活性产物。本研究提示红豆杉内生放线菌可作为寻求药物先导化合物的资源菌。     

柱状V2O5/AC催化剂低温选择性催化还原NO的研究

为了研究柱状活性焦负载V2O5选择性催化还原NO的性能,采用等体积浸渍法制备一系列柱状V2O5/AC催化剂,采用工业分析、元素分析、SEM、BET对催化剂进行表征.结果表明,柱状活性焦表面具有大量的孔隙结构,硝酸改性提高活性焦的氧含量、比表面积和微孔率.同时研究了V2O5负载量、反应温度、Q浓度、空速等因素对NO脱除率的影响.结果表明,在V2O5负载量为3％、反应温度150℃,O2体积分数为5％,空速2500 L/(M·h)时NO的脱除率可达61.89％.     

美国研制能自我修复的太阳能电池

据美国物理学家组织网报道，美国研究人员正在研制一种新式太阳能电池，通过使用碳纳米管和DNA等材料，该电池能像植物体．内天然的光合作用系统一样进行自我修复，从而延长电池寿命并减少制造成本。     

抗癌药库在大海

癌症是困扰现代人的一大病症,在抗癌药物的研制方面,科学界作了许多努力,但治疗效果总不十分理想。在癌症治疗很难取得更多进展的情况下,科学家把目光投向了浩瀚的大海,在海洋生物体中,蕴藏着一个巨大的抗癌药物宝库。科学家发现,千百种海洋鱼类、甲壳类动物、腔肠动物、软体动物、柳珊瑚苔藓虫纲甚至浮游生物体中,没有哪一种不被发现其中存在着新的生物分子,不存在很有疗效的化学物     

RPC200人行道板抗弯承载力试验研究

笔者对铁路桥梁用空心无配筋活性粉末混凝土人行道板进行了抗弯试验研究 ,探讨了其受力变形性能。分析表明 :活性粉末混凝土人行道板的安全系数均大于 2 ,满足承载能力要求 ;位移延性系数均大于 3.5 ,具有良好的延性性能 ,破坏形式属于延性破坏。该类人行道板的成果已通过铁道部专家的鉴定 ,拟用于青藏铁路桥梁实际工程中。     

多氯联苯对两种红树植物光合作用和相对生长速率的影响

研究了多氯联苯(PCBs)对红树植物秋茄和桐花树的光合作用及相对生长速率的影响。结果表明,在所设PCBs浓度范围内,秋茄和桐花树能保持相对正常的光合色素水平,桐花树幼苗叶片的叶绿素a+b含量降低的幅度要小于秋茄,而叶绿素a/b值升高的幅度也小于秋茄;各浓度组秋茄和桐花树幼苗根和茎的干物重与鲜重的比值与对照相比均无显著性差异,桐花树幼苗茎的干物重与鲜重的比值小于秋茄,而根的干物重与鲜重的比值大于秋茄;各浓度PCBs对秋茄和桐花树幼苗的相对生长速率均具有促进作用,桐花树幼苗的相对生长速率小于秋茄。研究表明:两种红树植物在所设PCBs浓度范围内,均能正常生长,对PCBs均具有较强的耐性,而且桐花树幼苗对PCBs的耐性要强于秋茄。     

CeO2掺杂TiO2催化超声降解活性大红的研究

选取活性大红染料为降解目标物,研究了用实验室合成的氧化铈掺杂二氧化钛为催化剂存在下的超声反应。研究结果表明,CeO2掺杂TiO2催化超声降解酸性大红的效果优于非掺杂的锐钛矿型TiO2的情况。在溶液pH1.0～3.0、活性大红质量浓度为20 mg/L、溶液用量50 mL、催化剂用量0.5 g/L～1.0 g/L的条件下,用输出功率5.0 W/cm^2和频率25 kHz的超声波照射80 min,活性大红降解率可达98.4%.     

羧酸及其衍生物急性毒性的QSAR研究

基于定量结构-活性相关性(QSAR)原理,研究了27种羧酸及其衍生化合物结构与其急性毒性LC50之间的内在定量关系。应用遗传算法从大量结构参数中优化筛选出与LC50最为密切相关的五个参数作为分子描述符,得出影响羧酸及其衍生物急性毒性的主要结构特征为分子的大小及其空间效应等。分别采用支持向量机(SVM)方法和多元线性回归(MLR)方法建立了相应的QSAR预测模型,并对所建模型分别进行了内部验证和外部验证。结果表明,两种模型均具有较高的稳定性、预测能力及泛化性能。其中,支持向量机模型对训练集和预测集样本的预测平均绝对误差分别为0.149和0.211,优于多元线性回归方法所得结果。