5、生物节律研究的探索之旅

生物节律研究的探索之旅

1. per 基因克隆的影响

1984 年果蝇 per 基因的克隆对我产生了巨大的影响。当时我对浮萍的研究陷入停滞,我觉得是时候做出改变了。毕竟,这是首次明确鉴定出参与生物钟机制的物质,我以为查看其序列就能看到生物钟的模样,然而事情并非如此简单,但影响却是巨大的。

1985 年我参加戈登会议时,参与 per 基因克隆的人看起来都很了不起,令人敬畏。到 1990 年,提出了环状中心法则决定 24 小时周期的假说,1998 年,这个环连接起来形成了目前所理解的生物钟范式。虽然中心法则的假说很有吸引力,但我还是有些失望。具有讽刺意味的是,10 年后我才发现时钟基因序列包含的是另一种时钟机制,而非中心法则的基因反馈回路。

2. 莱茵衣藻的趋光性研究

由于传统生理方法似乎已过时,我需要关注已鉴定的基因和蛋白质。在中岛秀明博士的建议下,我决定研究莱茵衣藻的趋光性节律。布鲁斯博士和皮特恩德里希博士曾报道过莱茵衣藻的趋光性节律,其生物钟周期的突变体也有相关报道。

我决定开发一种测量趋光性节律的设备。当时苹果 II + 电脑上市,它从电路图到控制软件都是公开的,且与外界连接的系统也已就绪。我通过专注于输入输出外围电路的集成电路芯片说明以及使用汇编器开发机器语言软件,成功自制了测量设备。

这一过程让我学会了电子技术设计和制造的每一步,对后续研究很有帮助。而且我能够独自培养待测生物、测量其活动并分析数据,这让我有信心为未来的生物钟研究设计仪器。

研究莱茵衣藻还为我带来了合作研究的机会。我制作了趋光性设备的原型并交给中岛博士,然后和家人去北海道参加会议。在此期间,卡尔·约翰逊博士拜访了中岛博士,他

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值