课程文献中心 更多>>

关键词： meta分析   分子对接   网络药理学   苏黄止咳胶囊   慢性阻塞性肺疾病  

摘要： 目的:系统评价苏黄止咳胶囊治疗慢性阻塞性肺疾病(COPD)的有效性和安全性,并采用网络药理学及分子对接技术分析苏黄止咳胶囊治疗COPD的多靶点、多通路的干预作用机制。方法:基于Meta分析评价苏黄止咳胶囊治疗COPD的临床总有效率和不良反应。通过中药系统药理学数据库与分析平台(TCMSP)和GeneCards数据库分别对苏黄止咳胶囊的有效成分及作用靶点进行初步预测,对靶点信息进行标准化;通过各数据库对COPD靶点进行筛选,将苏黄止咳胶囊靶点及疾病COPD靶点进行整合取交集得到苏黄止咳胶囊治疗COPD的关键靶点;通过构建蛋白互作网络(PPI),得到核心靶点,并对交集靶点进行GO及KEGG富集分析。通过软件选取苏黄止咳胶囊中的关键活性成分和COPD核心靶点进行分子对接验证。结果:Meta分析结果显示,与常规治疗比较,在其基础上联合苏黄止咳胶囊可显著提高临床总有效率(OR=4.26,95%CI:3.20~5.68,P<0.01);2组不良反应比较差异无统计学意义(P>0.05)。网络药理学结果显示,得到90个活性成分,COPD相关靶点141个,相关通路103条。分子对接结果显示,苏黄止咳胶囊核心成分木樨草素、槲皮素和山柰酚与COPD核心靶点表皮生长因子受体(EGFR)、丝氨酸/苏氨酸激酶1(AKT1)、基质金属蛋白酶9(MMP9)通路对接结果均小于-5 kcal/mol,表示两者具有良好的结合活性。结论:常规治疗联合苏黄止咳胶囊治疗COPD可提高临床疗效,安全性良好。苏黄止咳胶囊可能通过多靶点、多通路参与治疗COPD。该研究为临床中应用苏黄止咳胶囊治疗COPD提供生物信息学支持及安全性评价,为后续进一步研究拓展提供新的思路。

关键词： 数字时代   老年群体   网络支付   影响因素  

摘要： 伴随数字时代的来临,网络支付极大地便利了我们的日常生活。但老年群体网络支付的使用率却相对较低,“数字鸿沟”问题在老年群体当中日渐凸显。籍此,认识老年群体网络支付的现状并厘清老年人网络支付的影响因素,对促进老年群体数字金融的普及,及其对数字社会的适应和融入意义重大。基于CGSS 2018的数据,利用有序Logistic回归模型对老年群体网络支付的影响机制进行实证分析得知:城市户籍、低龄、受教育程度越高、互联网使用频率越高、认知能力越强、个人收入越高、家庭成员上网的老年群体相较而言越有可能使用网络支付。展望未来,更需依赖家庭、社会和政府等多主体共同构建“适老”型互联网支付环境。以期帮助老年群体共享数字红利,助推积极人口老龄化。With the advent of the digital age, online payment has greatly facilitated our daily life. However, the utilization rate of online payment among the elderly groups is relatively low, and the problem of “digital divide” is becoming increasingly prominent among the elderly groups. In this way, it is of great significance to understand the current situation of all online payment for the elderly and clarify the influencing factors of online payment for the elderly to promote the popularization of digital finance for the elderly and its adaptation and integration to the digital society. Based on CGSS 2018 data, using orderly Logistic regression model on the influence of the elderly network payment mechanism for empirical analysis: urban household register, young, the higher the level of education, the higher the Internet use frequency, stronger cognitive ability, personal income, family members of the Internet elderly more likely to use the network payment. Looking into the future, it is more necessary to rely on families, society and the government to jointly build a “suitable for old-age” Internet payment environment. In order to help the elderly group to share the digital dividend, and boost the aging of the active population.

关键词： 大学生就业市场   就业困难   人工智能   新兴产业   求职过程   大数据   数据显示   就业岗位  

摘要： 1引言1.1研究背景近年来,随着高校招生规模的不断扩大,大学毕业生人数激增,大学生就业市场竞争加剧。据相关数据显示,2024年我国步入社会寻求就业的学生达到1179万。然而各行各业对人才的需求增长速度远不及毕业生人数的增加速度。这导致许多大学生在求职过程中遭遇困境,就业成为他们面临的一大挑战。在就业困难的大背景下,大学生就业其实是危中有机的,旧的岗位存量消耗迅速,但新兴产业不断涌现,提供了许多就业岗位,例如,大数据、人工智能、互联网+等领域,然而这些领域对人才的要求也越来越高,大学生只有不断充实自己,提升综合素质,才能适应人才市场的需求。

关键词： 糖尿病肾病   单细胞转录组测序   肾小管上皮细胞   转分化   基因调控网络  

摘要： 糖尿病肾病是糖尿病常见且严重的微血管并发症,肾小管上皮细胞转分化在其病理进程中起核心作用。本研究旨在利用单细胞转录组测序技术解析糖尿病肾病肾小管上皮细胞转分化过程中的关键基因调控网络。共纳入30例糖尿病肾病患者及20例健康对照,采集肾脏组织样本进行单细胞转录组测序。经数据质控与分析,在细胞层面鉴定出肾小管上皮细胞的三个亚群(TEC1、TEC2、TEC3),各亚群具有独特基因表达特征。差异表达基因分析筛选出500个差异表达基因,功能分类显示涉及细胞间黏附、上皮-间质转化及细胞外基质代谢等相关基因变化显著。构建的关键基因调控网络确定了10个核心转录因子,如SNAI1、TWIST1等,它们与靶基因相互作用促进细胞转分化。本研究为深入理解糖尿病肾病发病机制提供了单细胞水平的证据,且为治疗靶点筛选及策略制定提供了理论依据,尽管存在样本量有限等局限性,但为后续多中心、多组学联合研究及药物研发等奠定了基础。

关键词： 第三方支付平台   消费者   知情权  

摘要： 随着电子信息技术的高速发展,人们逐渐习惯于使用第三方支付平台进行购物消费。但是消费者在使用第三方支付平台的时候,由于网络病毒、监管不足、相关法律法规不完善等问题,会存在消费者资金安全、个人信息泄露等问题,并且在维权时相较于支付平台一方,消费者会存在信息不对称以及不能举证的问题。所以,为了维护消费者权益、促进行业的良性发展,可以从完善监管、制定相对应的法律法规、合理分配举证责任等方面来完善在网络第三方支付中消费者权益的保护。With the rapid development of electronic information technology, people are gradually accustomed to using the third-party payment platform for shopping consumption. However, when consumers use the third-party payment platform, due to network viruses, insufficient supervision, imperfect laws and regulations, there will be problems such as consumer fund security and personal information disclosure, and when protecting their rights, consumers will have problems such as information asymmetry and inability to provide evidence compared with the payment platform. Therefore, in order to safeguard the rights and interests of consumers and promote the healthy development of the industry, the protection of consumers’ rights and interests in online third-party payment can be improved from the aspects of improving supervision, formulating corresponding laws and regulations, and reasonably allocating the burden of proof.

关键词： 知识图谱   图神经网络   自编码机制   多头注意力机制   特征结构平移层  

摘要： 鉴于目前挖掘算法难以对知识图谱建模等问题,提出一种描述和提取节点范围内结构的异质图神经网络模型,旨在挖掘其中的频繁关系模式以及各结构的分布。该模型将关系信息作为节点特征输入,利用自编码机制与多头注意力机制保留原始结构信息,同时引入特征结构平移层将相同结构映射到同一空间中,以获得频繁出现的结构。实验结果表明,该模型可以更快地挖掘图谱关系模式以及各结构在图中的分布;同时在验证特征表达能力的链接预测任务中有稳定表现,在关系类型较多的异质图中甚至优于部分联合学习模型。

关键词： 配电   5G电力通信   终端   设计  

摘要： 随着电力行业对通信网络需求的增长,5G技术将成为电力通信终端方案设计的关键支撑,其高速、低延迟、大连接、高可靠的特点将为配电网络通信带来革命性变化。因此,本文从5G电力通信终端的概述出发,通过对配电网络5G电力通信终端的电源模块、射频前端电路、软件架构、软件功能模块等方面进行设计,为配电网络通信的发展提供技术支持和安全保障。

关键词： 异常检测   随机森林   特征选择   深度学习   TabNet  

摘要： 在复杂网络环境下,处理传统的烟草系统网络流量数据往往会面临数据量大,特征维度高,特征相关性复杂度高,模型检测效率低等问题,本文使用了一种基于随机森林(Random Forest,RF)和TabNet网络模型结合的流量异常识别与检测方法。首先使用随机森林算法计算高维特征的特征权重,根据权重对特征进行降维处理,筛选出高权重特征,剔除低权重特征,再使用TabNet模型对特征进行高效的分类。为了评估模型的有效性与优越性,本文使用准确率和损失进行模型评价,并与其他网络流量异常检测模型Tabular model、LSTM、CNN+LSTM、XGBoost进行对比。使用公开数据集CIC-IDS-2018进行实验,结果表明,使用原始高维数据训练易使模型过拟合,使用降维后的数据,本文提出的模型在多分类任务和二分类任务中的识别准确率分别达96.82%和98.75%。该方法与其他深度学习算法相比,泛化能力强,在处理网络流量异常检测问题上具有良好的灵活性和有效性。

关键词： 三心   初中语文   名师网络工作室   资源开发  

摘要： 名师网络工作室是信息化背景下名师引领、教师成长、资源共享、优质均衡发展的重要平台。本文以湖南省郴州市桂阳县初中语文名师工作室和湖南省谭战兰初中语文网络名师工作室的资源开发、整合、运用、推广、平台资源共享等方面为例,探讨“三心”(用心、匠心、爱心)背景下初中语文优质名师网络工作室构建的方法与策略,旨在通过名师网络工作室的构建,促进初中语文教师的专业发展,提高初中语文教育教学质量。

关键词： 文本分类   预训练模型   图神经网络  

摘要： 文本分类作为自然语言处理领域的一个核心任务,旨在实现对文本数据的自动化归类,使其对应到预先设定的类别之中。BertGCN模型结合了BERT和GCN两者的优势,从而能够有效地处理文本和图结构数据。然而,该模型在应对复杂的文本分类任务时,仍然存在一定的局限性。BERT使用绝对位置编码来表示每个词在序列中的位置,不能很好地捕捉句子中词语之间的相对关系,同时,BERT模型将词语的内容信息和位置信息结合在一起进行处理,可能导致模型难以区分这两种不同的信息。为了克服这些限制,我们提出了DeGraph-Net模型,通过引入DeBERTa模型,来提升文本分类的效果。DeBERTa使用相对位置编码,更好地表示词语间的相对位置关系。此外,DeBERTa将词语的内容信息和位置信息分开处理,避免了内容信息和位置信息的混淆,提高了模型分类的准确率。实验结果表明,DeGraph-Net模型在三个基准文本分类数据集上均取得了显著的性能提升,验证了该模型在复杂文本分类任务中的有效性。Text classification is a core task in the field of natural language processing, which aims to automatically categorize text data into predefined categories. The BertGCN model combines the advantages of both BERT and GCN, enabling it to effectively handle both text and graph-structured data. However, there are still some limitations when it comes to handling complex text classification tasks. BERT uses absolute position encoding to represent the position of each word in a sequence, which may not effectively capture the relative relationships between words in a sentence. Additionally, by combining content and position information, the BERT model may struggle to differentiate between these two distinct types of information. To overcome these limitations, we propose the DeGraph-Net model. We enhance text classification performance by incorporating the DeBERTa model. DeBERTa uses relative position encoding, which better represents the relative positional relationships between words. Additionally, DeBERTa processes the content information and location information of words separately, preventing the confusion between these two types of data and improving the model’s classification accuracy. Experimental results demonstrate that the DeGraph-Net model achieves significant performance improvements on three benchmark text classification datasets, validating the model’s effectiveness in complex text classification tasks.