Capture-SELEX技术体外筛选的萝卜硫素核酸适配体

    公开(公告)号:CN120005891A

    公开(公告)日:2025-05-16

    申请号:CN202510269880.0

    申请日:2025-03-07

    Applicant: 扬州大学

    Abstract: 本发明公开了Capture‑SELEX技术体外筛选的萝卜硫素核酸适配体,利用Capture‑SELEX技术筛选萝卜硫素核酸适配体,并利用荧光法对候选序列亲和力测定,过程包括:cDNA与文库热处理形成pool‑cDNA复合物;利用萝卜硫素溶液对复合物进行正向筛选,靶标萝卜硫素与核酸适配体结合,核酸适配体空间构象变化导致文库与cDNA分离;利用qPCR监测筛选过程;对文库PCR扩增;制备单链,单链重新投入下一轮筛选;将12轮富集的文库进行高通量测序利用;挑选候选序列;3’端Dabcyl修饰的cDNA、5’端FAM荧光修饰的适配体和萝卜硫素孵育,测定核酸适配体亲和力,得到具有较高亲和力的核酸适配体序列。

    一种SiP微系统芯片内部单粒子故障传输测试方法

    公开(公告)号:CN119619795A

    公开(公告)日:2025-03-14

    申请号:CN202411650971.0

    申请日:2024-11-19

    Applicant: 扬州大学

    Abstract: 本发明公开了一种SiP微系统芯片内部单粒子故障传输测试方法,属于集成电路单粒子效应测试技术领域。本发明方法通过对SiP核心处理芯片FPGA的各关键节点和SiP单粒子软错误传输路径分析,通过仿真进行FPGA敏感模块的单粒子检测,得到FPGA在不同工作模式下产生的单粒子故障对SiP器件工作状态的影响,以及FPGA芯片各敏感模块的单粒子翻转和单粒子功能中断的试验数据,计算得到FPGA各敏感模块的单粒子截面,解决了SiP单粒子效应地面测试不准确、故障传输路径和数据难以获得的问题,为SiP单粒子地面模拟试验提供了依据。

    一种宽禁带半导体器件电学特性测试与预测方法

    公开(公告)号:CN118641912A

    公开(公告)日:2024-09-13

    申请号:CN202410572797.6

    申请日:2024-05-10

    Applicant: 扬州大学

    Abstract: 本发明公开了一种宽禁带半导体器件电学特性测试与预测方法,利用数字源表对待测的半导体器件进行供电;通过LabVIEW平台编写控制程序,实现对数字源表的自动化控制,测试器件的电学特性,并对数字源表采集的测试数据进行读取和保存;根据测试数据,使用Origin软件对半导体器件的电学特性曲线进行拟合,得到半导体器在高压大电流条件下的电学特性预测数据。本发明通过利用LabVIEW软件构建综合测试系统,实现对宽禁带半导体器件的特性进行精确测试,并创新地在LabVIEW中调用了Origin软件的数据分析拟合功能,基于实测数据外推预测其在高电压大电流工作条件下的性能。

    一种调控稻米直链淀粉含量的基因qAC及利用基因qAC改良直链淀粉含量的方法

    公开(公告)号:CN118086324A

    公开(公告)日:2024-05-28

    申请号:CN202410114272.8

    申请日:2024-01-28

    Applicant: 扬州大学

    Abstract: 本发明涉及一种调控稻米直链淀粉含量的基因qAC及利用基因qAC改良直链淀粉含量的方法,所述qAC基因包括qAC6.1、qAC6.2、qAC9.1基因,其中qAC6.1基因编码区的核苷酸序列如SEQ ID NO.1所示,qAC6.2基因编码区的核苷酸序列如SEQ ID NO.3所示,qAC9.1基因编码区的核苷酸序列如SEQ ID NO.5所示。所述qAC6.1基因编码区的氨基酸序列如SEQ ID NO.2所示,qAC6.2基因编码区的氨基酸序列如SEQ ID NO.4所示,qAC9.1基因编码区的氨基酸序列如SEQ ID NO.6所示。通过本发明,该水稻qAC基因在种子中高表达,可特异改良水稻籽粒的直链淀粉含量,而对水稻植株其他主要农艺性状无显著影响。利用基因工程技术在水稻中敲除qAC基因可显著降低稻米直链淀粉含量,改良稻米蒸煮食味品质,因而qAC基因在水稻的优质育种中具有很好的应用前景。

    一种基于多图融合的典型相关分析的降维方法

    公开(公告)号:CN114842276B

    公开(公告)日:2024-03-26

    申请号:CN202210546097.0

    申请日:2022-05-18

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于多图融合的典型相关分析的降维方法,该方法针对已有的图嵌入降维算法仅使用单一图结构的问题,提出了一种能够利用多种类型的图揭示数据的内在结构的典型相关分析算法模型。在本发明中,通过构建多种不同的图来描述数据的结构,并且使用图融合框架为每个图赋予权重并且将这些图进行融合成为一个“最佳图”,将融合后的图与典型相关分析模型相结合,通过交替迭代的优化方法求出投影向量并更新多图的权重直至收敛从而得到最终的投影向量,完成降维任务。

Patent Agency Ranking