医学遗传学感悟

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇医学遗传学感悟范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

医学遗传学感悟范文第1篇

核酸适体是一种通过结合蛋白质、离子、核酸、细胞等目标分子,并借助配位系统进化技术(SELEX)经体外筛选的人工合成肤分子。适配体不仅具有分子量小、化学稳定性好等优点,故被称为“化学抗体”,常常被化学工作者用于分子识别和靶标物检测研究的重要工具,从而为生物分析方法和设计传感器提供了新的思路。核酸适体还可以形成发夹、凸环、假结等稳定的空间结构。在分子识别时,通过目标分析物的诱导,单链核酸适体常常会形成或是折叠成特殊的二级结构。单位点结合和双位点结合两种是最常见的适体与靶体之间的相互作用。根据研究,一旦适配体的结构稍有差异,则可能会导致靶分子与其结合的阻碍。而这些特点有助于高灵敏、高选择性和快速高通量的靶标分子的分析检测,逐渐成为了分析化学领域的研究和应用热点。目前研究人员仅仅只是核酸适体的新分析方法(电化学法、荧光、比色法、压电和SPR)。

2压电生物传感器

压电生物传感器是通过使压电晶体表面产生微小的压力变化,引起振动频率的改变而制成的传感器。这种方法不仅充分利用压电石英晶体对表面电极区附着质量的敏感性,同时还结合了生物功能分子抗原和抗体之间的选择特异性。其组成部分为:压电晶体、振荡电路、差频电路、频率计数器及计算机等部分。压电晶体通常具有9MHz的谐振频率。而这种晶体大多是使用石英晶体按照AT方式进行切割形成的。振荡电路通常会有两个设置,一个是晶体检测振荡电路,而一个是晶体参比振荡电路。所谓参比电路就是指为了减少或消除一些温度、气压、粘度等的误差影响。通常可以用频率计数器来改变压电晶体的谐振频率和频率的改变,随后在有计算机对其实时数据进行处理。压电生物传感器因其不仅具有装置简单,而且其高灵敏度、快响应速度以及实时动态检测等优点而得到人们的广泛关注。而人们研究的热点正是压电免疫传感器和压电基因传感器。其中压电免疫传感器常常是用于检测微生物、免疫球蛋白等蛋白物质、生物小分子等。压电免疫分析技术和流动注射分析技术两者的结合可以实现对复杂品的分析,进行连续检测。压电免疫传感器常常被用于反应动力学的研究,从而直接检测生物的反应过程。随着液相压电传感技术的逐渐成熟,尽管压电基因传感器的研究还刚刚起步,但目前已经可以用于表面杂交过程的动力学研究,为基因学的优化提供了重要的依据。

医学遗传学感悟范文第2篇

针对无线传感器网络移动路由问题，提出了Q学习和蚁群优化混合的无线传感器网络移动路由算法。该算法综合了Q学习和蚁群优化算法思想，引入了新的路径选择概率模型，并对最优路径进行了有效的维护。仿真实验结果表明：该算法有效地提高移动选路效率，满足不同任务对时延的要求，增强了最优路径的可靠性，进一步降低了网络能耗。

关键词：无线传感器网络；Q学习；蚁群优化；移动；路由算法；路径维护

中图分类号：TP393.02

文献标志码：A

0引言

无线传感器网络（Wireless Sensor Network， WSN）[1]是一种将传感器、无线通信等多种技术交叉融合产生的新型应用网络。能源受限是其显著特征之一[2-4]，因此如何设计有效的路由算法以利于大量数据传输成为其重要的研究内容。

文献[5]在WSN中采用基于移动（Mobile Agent， MA）的计算模型，从而有效克服了客户/服务器数据传输模型中能耗大、时延长、可扩展性差等缺点。而MA在WSN中的迁移路径直接影响了数据的传输效率，蚁群优化（Ant Colony Optimization， ACO）算法[6]在解决旅行商问题[7-8] （Traveling Salesman Problem， TSP） 方面较为有效，而WSN中MA的路由问题可以转化成求解TSP。之前的研究[9-12]已采用蚁群算法或改进蚁群算法来解决MA迁移路径问题，但存在算法运行时间较长、容易过早收敛陷入局部最优解、选路效率低和最优路径中存在失效节点等缺陷，同时节点的对环境的学习能力也较弱。

针对以上问题，本文提出Q学习和蚁群优化混合的无线传感器网络移动路由算法（Mobile Agent Routing Algorithm for WSN based on Q learning hybrid with Ant colony optimization， MARAQA）。把Q学习算法中的Q值作为蚁群优化算法中信息素值，增强了路径中节点的学习能力，提高了MA选路效率，采用路径维护操作，提升了最优路径的可靠性，降低了网络整体能耗。

由于得到的最优路径中还可能存在某些因环境或故障等而失效的节点，这样不仅会导致MA迁移失败，使得到的最优路径无效，而且会使求解操作花费的能量和时间等白白浪费，所以求解最优路径固然重要，但对得到的最优路径的维护也同样不可缺少。

根据定理1，可得路径维护的具体操作步骤如下：

1）当路径上某节点失效后，以失效节点的父节点和子节点为直径做圆；

2）根据父节点和子节点的信息表查找共同的邻居节点，并将该失效节点从父节点和子节点的邻居列表中删除；

3）如果只存在一个邻居节点，并且该节点在此圆内，则将此节点作为替代节点；

4）如果存在多个邻居节点，并且这些节点在此圆内，则根据父节点和子节点的信息表中邻居节点地理位置，计算这些节点到父节点和子节点的距离总和，取距离总和最小的节点作为替代节点。

在路径维护过程中，同时考虑了整个局部维护路径的能耗和维护后的路径的长度，使得到的维护后的路径在能耗和时延上达到局部最优。如图3，为WSN中源节点到目标节点之间最优路径中的某一段，在该路径上节点f因故失效，则以失效节点的父节点a和失效节点的子节点b之间的连线为直径作圆，然后进行路径维护操作。因为c、g、h节点都在圆内，而节点h的不在节点a邻居列表中，故将其排除，比较节点c、g分别到节点a、b的距离和，最后选择路由acb来代替故障路由afb，从而在保留原有路径大部分信息的前提下，快速维护最优路径，减少网络重新寻路的能耗和时延。

从图5可看出：由于ACO算法没有考虑节点的剩余能量，求解的路径运行时间比较长；算法容易过早收敛陷入局部最优解，而不是全局最优解；寻优效率比较低，迁移路径较长，能耗大，节点能耗不均衡等，所以其路径评价函数值最大。文献[11-12]算法考虑了节点自身的剩余能量，在一定程度上增强了算法全局搜索能力，但是没有考虑到节点传输能量消耗主要是与距离的平方或者四次方有关，从而导致路径评价函数较大。MARAQA增强了路径中节点的学习能力，在选路时综合考虑节点距离、剩余能量和节点参照距离因素；又考虑到节点传输能量消耗主要是与距离的平方或者四次方相关，从而使最优路径长度、网络能耗和网络能耗均衡度达到有效的平衡，因而其路径评价函数值最小。

4结语

本文设计了新的MA结构和节点信息表，在MARAQA中将Q学习算法中的Q值作为蚁群优化算法中信息素值，提高了节点对环境的学习能力，增强了MA寻路效率。而在选路中综合考虑了最短距离、节点剩余能量和参照距离等因素，并对最优路径进行了维护。仿真结果表明该算法得到的最优路径是优越和可靠的。

参考文献：

医学遗传学感悟范文第3篇

糖类在生物体中起着极其重要的作用。它涉及生物学及病理学过程，如信号传导、细胞粘附、癌症转移等过程，也是生物体进行新陈代谢所需能量的主要来源[1-3]。因此，分析检测糖类化合物显得十分重要。目前，已报道的糖类化合物分析方法有电化学法[4]、电化学发光法[5]、荧光法[6]、石英晶体微天平法[7]、表面等离子体共振法[8]等。电化学交流阻抗技术（EIS）是利用小幅度交流电压或电流对电极扰动，测量体系对扰动跟随情况的电化学响应的测量方法。该方法具有频率范围广、对体系扰动小等特点，是研究电极过程动力学、电极表面现象等的重要工具[9，10]。

目前，糖类化合物的检测主要基于糖和与糖可结合分子（如糖结合蛋白、凝集素、硼酸基团等）之间的弱相互作用[11-13]。硼酸及其衍生物能与二醇可逆高效地共价结合而形成环状的硼酸酯，因此可将其作为生物传感器的分子探针来识别糖类化合物[14-16]。相比糖传感器的其它识别单元，硼酸具有价格低廉、稳定性好、易可逆再生等优点[17]。已报道的作为分子识别物质检测糖的硼酸有苯硼酸、氨基苯硼酸、巯基苯硼酸等[18，19]，其中巯基苯硼酸因易在空气中氧化、室温下不稳定等缺点在生物传感应用方面受到限制。合成稳定的硼酸类衍生物作为糖传感器的识别单元是糖传感器研究的一个方向[20]。

本研究选择苯硼酸为糖的识别物质，首先由半胱胺与4甲酰基苯硼酸反应合成Schiff′s碱，通过自组装方式将合成的硼酸Schiff′s碱固定于金电极表面，以电化学交流阻抗法为检测技术，构建非标记、灵敏度高、稳定性好的电化学交流阻抗糖传感器。电极上固定的硼酸可与糖化合物上的二醇可逆、高效地共价结合形成环状的硼酸酯，利用传感器与糖结合前后阻抗值的变化，分析检测葡萄糖、乳糖和甘露聚糖，并且分别考察传感器与3种糖的结合能力。

2实验部分

2.1仪器与试剂

电化学系统为CHI 660电化学分析仪（上海辰华仪器公司），电极为三电极体系：工作电极为金电极（Φ=2 mm）或修饰电极，对电极为铂电极，参比电极为Ag/AgCl（饱和KCl）电极。

半胱胺（Cysteamine，CA，Mw=77.15 g/mol）、甘露聚糖（Mannan from Saccharomyces cerevisiae，Mw =46000 Da）和4甲酰基苯硼酸（4Formylphenylboronic acid，BA，Mr=149.94 g/mol），均购自SigmaAldrich公司。乳糖（C12H22O11·H2O，天津市化学试剂一厂）。葡萄糖（C6H12O6·H2O，西安化学试剂厂）。其余所有试剂均为分析纯。实验所用水为MilliQ超纯水（

18.2 MΩ cm，Millipore公司）。

0.01 mol/L磷酸盐缓冲液（PBS，pH=7.4）。0.2 mol/L半胱胺溶液的配制：准确称取0.1543 g半胱胺，以超纯水溶解并定容至10 mL棕色容量瓶，避光保存备用。0.2 mol/L 4甲酰基苯硼酸溶液的配制：准确称取0.3000 g 4甲酰基苯硼酸，用5 mL无水乙醇溶解后，加入5 mL碳酸盐缓冲液（pH 9.0）定容至10 mL容量瓶备用。葡萄糖、乳糖、甘露聚糖储备液均由0.1 mol/L PBS（pH 7.4）配制，其中葡萄糖的储备液需放置24 h后使用。不同pH值的5 mmol/L K3[Fe（CN）6]K4[Fe（CN）6]检测溶液分别用不同pH值的0.1 mol/L PBS配制。

2.2电化学糖传感器的构建

传感器的构建步骤如图1所示。（1）Schiff′s碱（BACA）的制备移取5 mL 0.2 mol/L半胱胺水溶液于圆底烧瓶中，向其中逐滴加入5 mL 0.2 mol/L 4甲酰基苯硼酸溶液，40 ℃水浴反应2 h，得到淡黄色沉淀，过滤，洗涤，干燥，得到Schiff′s碱（BACA）[21]。Schiff′s碱的核磁共振氢谱数据如下：1H NMR（300 MHz，CD3OD），δ=3.90（s，4H，CH2CH2）， δ=8.32（s，1H，N=CH）， δ=7.43-7.48（s，4H，ArH）。准确称取0.0400 g Schiff′s碱（BACA），溶于1 mL无水乙醇中，制得0.04 g/mLSchiff′s碱储备溶液。（2）糖传感器的制备金电极的预处理：将金电极用0.03 μm Al2O3溶胶研磨，然后依次用乙醇、超纯水分别超声清洗5 min，再将金电极在0.1 mol/L H2SO4溶液中，0 - 1.5 V电位范围内进行循环伏安扫描，直至获得稳定的循环伏安曲线，用超纯水淋洗后备用。将预处理好的金电极浸入0.04 g/mL Schiff′s碱的溶液中，室温下组装4 h，用大量0.01 mol/L PBS冲洗，制备获得苯硼酸修饰糖传感器（BACA/Au），将传感器置于4 ℃冰箱中保存待用。

[TS（][HT5”SS]图1苯硼酸电化学交流阻抗传感器的制备和检测糖原理图

Fig.1Schematic representation of phenylboronic acidbased electrochemical sensor for determination of saccharide[HT5][TS）]

分 析 化 学第41卷

第10期李丛丛等： 以苯硼酸为识别物质的电化学阻抗糖传感器的制备

2.3电化学测定

3结果和讨论

3.1传感器的电化学交流阻抗法表征

3.2实验条件的优化

3.2.1组装时间和结合时间的选择巯基组装时间对传感器电化学交流阻抗值的影响见图3A。在0.5-4.0 h之间改变组装时间，传感器结合435 nmol/L甘露聚糖1 h前后电子传递阻抗变化当平衡电对溶液pH=9.5时，苯硼酸修饰电极的阻抗值达到最大。这主要是苯硼酸基团以中性或带负电荷的阴离子形式存在，其pKa≈9.0 [14]。苯硼酸与4.35 nmol/L甘露聚糖结合后在不同pH值的平衡电对中的阻抗变化如图4b所示，当平衡电对pH=9.0时，阻抗值最大，相比苯硼酸修饰电极的最佳pH值有所降低，与文献[14，22]一致。为了使传感器结合糖前后硼酸与硼酸酯基团所带电荷引起的阻抗差别最大，选择pH=9.0的K3[Fe（CN）6]K4[Fe（CN）6]平衡电对溶液作为检测溶液。

3.3电化学糖传感器的分析特性

3.3.1传感器与糖结合常数的计算根据Szymanska的报道[25]，利用EIS技术，依据公式（1）和（2）计算传感器与糖的结合常数。在一定浓度范围内，lg（ΔRet

3.3.2线性范围和检出限在优化的实验条件下，利用糖传感器分别对葡萄糖、乳糖及甘露聚糖进行测定。图6为糖传感器分别结合不同浓度的3种糖的Nyquist阻抗图谱和线性关系。电子传递电

References

1Lau K S， Dennis J W. Glycobiology， 2008， 18（10）： 750-760

2Buzas E I， Gyorgy B， Pasztoi M， Jelinek I， Falus A， Gabius H J. Autoimmunity， 2006， 39（8）： 691-704

3Murrey H E， HsiehWilson L C. Chem. Rev.， 2008， 108（5）： 1708-1731

4Ma Y， Yang X. J. Electroanal. Chem.， 2005， 580（2）： 348-352

5Han E， Ding L， Jin S， Ju H. Biosens. Bioelectron.， 2011， 26 （5）： 2500-2505

6Partwa T H， Zhao J， Anderson M A， Simeone D M， Lubman D M. Anal. Chem.， 2006， 78（18）： 6411-6421

7Norberg O， Deng L， Aastrup T， Yan M， Ramstrom O. Anal. Chem.， 2011， 83（3）： 1000-1007

8Tyagi A， Wang X， Deng L， Ramstrom O， Yan M. Biosens. Bioelectron.， 2010， 26（2）： 344-350

9Nikolov V， Lin J， Merzlyakov M， Hristova K， Searson P C. Langmuir， 2007， 23（26）： 13040-13045

10Qiu Y， Liao R， Zhang X. Anal. Chem.， 2008， 80（4）： 990-996

11Ding L， Cheng W， Wang X， Ding S， Ju H. J. Am. Chem. Soc.， 2008， 130（23）： 7224-7225

12Seo J H， Adachi K， Lee B K， Kang D G， Kim Y K， Kim K R ， Lee H Y， Kawai T， Cha H J. Bioconjugate Chemistry， 2007， 18（6）： 2197-2201

13Deangelis P L. Glycobiology， 2002， 12（1）： 9R-16R

14Houston T A. ChemBioChem， 2010， 11（7）： 954-957

15Nishiyabu R， Kubo Y， James T D， Fossey J S. Chem. Commun.， 2011， 47（4）： 1106-1123

16Mader H S， Wolfbeis O S. Microchim Acta， 2008， 162（12）： 1-34

17DI Ling， WANG Cang， WU Jian， WAN LingShu， XU ZhiKang. Chinese J. Anal. Chem.， 2011， 39（4）： 592-598

狄 玲， 王 苍， 吴 健， 万灵书， 徐志康. 分析化学，2011， 39（4）： 592-598

18Bian X， Luo H ， Li N. Bioprocess. Biosyst. Eng.， 2010， 33（8）： 971-978

19Cao Z， Nandhikonda P， Heagy M D. J. Org. Chem.， 2009， 74（9）： 3544-3546

20Lee M， Kim T I， Kim K H， Kim J H， Choi M S， Choi H J， Koh K. Anal. Biochem.， 2002， 310（2）： 163-170

21Wang J， Zhang Y， Xu Y， Wang Z. Heteroat. Chem.， 1995， 6（5）： 443-447

22Vlandas A， Kurkina T， Ahmad A， Kern K， Balasubramanian K. Anal. Chem.， 2010， 82（14）： 6090-6097

23ElDeab M S， Ohsaka T. Electrochimica Acta， 2004， 49（13）： 2189-2194