CN106096077B - 培养基优化方法 - Google Patents
培养基优化方法 Download PDFInfo
- Publication number
- CN106096077B CN106096077B CN201610357790.8A CN201610357790A CN106096077B CN 106096077 B CN106096077 B CN 106096077B CN 201610357790 A CN201610357790 A CN 201610357790A CN 106096077 B CN106096077 B CN 106096077B
- Authority
- CN
- China
- Prior art keywords
- interpolation
- key component
- biomass
- point
- proportion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种培养基优化方法，首先确定培养基关键成分，并用单因素确定其含量的取值范围；对多因素多水平的微生物培养基系统组成进行均匀设计优化；建立关键成分均匀设计配比与对应生物量的第一回归模型，求取预测模型关于培养基关键成分的最优配比Ⅰ及对应的生物量Ⅰ；利用自然邻点插值法对上述均匀设计实验数据进行插值加密，然后建立加密数据与对应生物量的第二回归模型，求取预测模型关于培养基关键成分的最优配比Ⅱ及对应的生物量Ⅱ；对两组最优配比及生物量进行试验验证，选择生物量较大的关键成分配比作为最终最优配方。本发明利用有限实验次数，进行插值优化，获得稳健可靠的回归模型，最终获得最适用于微生物生长的培养基成分配比。
Description
技术领域
本发明涉及微生物培养领域，更具体涉及一种培养基优化方法。
背景技术
培养基优化在微生物学和发酵工程领域具有举足轻重的作用，且是最常使用的研究策略之一，但目前培养基优化的作用机制还不明确，所以常使用实验设计的方法对其组成和配比进行优化，以在达到最佳的培养效果的同时，降低培养成本。
目前常用的实验设计方法有包括均匀设计法和中心组合设计法等。
均匀设计法由我国数学家王元和方开泰发明，具有实验点均布优良和代表性强，实验次数大幅度少等优点，非常适用于实验因素多，特别是水平数偏多的实验，目前均匀设计法已在军事，航天，化工，农业和生物工程等领域获得普遍应用。
均匀设计法是一种“高维小样本”的实验设计，其试验数据分析一般要用到回归分析方法，例如线性回归模型、二次回归模型、非线性回归模型等，原因是其试验次数相对于正交设计等方法大幅减少，而且无法使用直观比较分析法。但一般情况下,建议试验的次数取因素数的3～5倍，这才有可能建立有效而又稳健的模型。但有时研究存在经费紧张和时间紧迫等问题，需要采取新的方法，在有限实验次数的基础上，充分挖掘其内在信息，并快速建立可靠的数学模型。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是如何利用有限的实验次数，获得稳健可靠的回归模型，以获得最适用于微生物生长的培养基成分配比。
(二)技术方案
为了解决上述技术问题，本发明提供了一种培养基优化方法，所述方法包括以下步骤：
S1、确定培养基关键成分，并利用单因素确定培养基关键基成分适合的范围；
S2、对于多因素多水平的微生物培养基系统结构组成进行均匀设计优化，并测定所述关键成分在均匀设计不同配比下对应的生物量；
S3、利用偏最小二乘法建立所述关键成分不同配比与对应的生物量的第一回归模型，求取预测模型关于培养基关键成分的最优配比Ⅰ及对应的生物量Ⅰ；
S4、利用自然邻点插值法对所述关键成分均匀设计的不同配比进行插值，确定未测定的所述关键成分配比对应的生物量，实现数据加密，并在插值完成后，用偏最小二乘法建立加密数据与对应的生物量的第二回归模型，求取预测模型关于培养基关键成分的最优配比Ⅱ及对应的生物量Ⅱ；
S5、利用所述最优配比Ⅰ及对应的生物量Ⅰ、最优配比Ⅱ及对应的生物量Ⅱ进行验证试验，选择生物量较大的关键成分配比作为培养基成分的最终最优配方。
优选地，所述步骤S1中利用Plackett-Burman试验确定培养基的所述关键成分。
优选地，所述步骤S1中利用matlab学生t检验函数筛选出培养基的所述关键成分。
优选地，所述步骤S1中利用单因素法确定所述关键成分的浓度范围。
优选地，所述步骤S3或S4中，利用Matlab软件包plsregress函数建立所述第一回归模型或第二回归模型。
优选地，所述步骤S2中利用干重分析法确定所述生物量。
优选地，所述步骤S4中，利用自然邻点插值法对所述关键成分在不同配比下对应的生物量进行插值具体包括以下步骤：
S41、利用所有样本点建立样本泰森多边形，其中所述样本点为所述关键成分的不同配比及其对应的生物量；
S42、根据待插值点建立插值泰森多边形，并求取插值泰森多边形与所述样本泰森多边形相交的部分中的样本点，作为插值样本点；
S43、利用所述插值样本点求取各个所述待插值点的插值权重；
S44、对于每一个所述待插值点，利用其对应的差值权重以及所述插值样本点的值确定对应的所述待插值点的插值结果。
优选地，所述步骤S43中，利用下面的公式确定所述插值权重：
式中，ai为所述插值样本点所处的第一泰森多边形的面积，a(x)为待插值点x所处的第二泰森多边形的面积，ai∩a(x)为第一泰森多边形与所述第二泰森多边形相交的面积。
优选地，所述步骤S44中，利用下面的公式确定所述待插值点的插值结果：
式中，f(x)为待插值点x处的插值结果，wi(x)为插值样本点i(i＝1,….n)关于待插值点x的权重，fi为插值样本点的值i处的值。
(三)有益效果
本发明提供了一种培养基优化方法，本发明首先确定培养基关键成分，利用单因素确定培养基关键基成分适合的范围；对于多因素多水平的微生物培养基系统结构组成进行均匀设计优化，并测定关键成分在均匀设计不同配比下对应的生物量；建立关键成分不同配比与对应的生物量的第一回归模型，求取预测模型关于培养基关键成分的最优配比Ⅰ及对应的生物量Ⅰ；利用自然邻点插值法对上述均匀设计实验数据进行插值加密，在插值完成后，建立关加密数据与对应的生物量的第二回归模型，求取预测模型关于培养基关键成分的最优配比Ⅱ及对应的生物量Ⅱ，最后选取前述最优配比Ⅰ及对应的生物量Ⅰ、最优配比Ⅱ及对应的生物量Ⅱ进行验证试验，选择生物量较大的关键成分配比作为培养基成分的最终最优配方，完成培养基的优化。本发明的方法应用自然临点插值法对所得均匀设计数据进行插值分析，以对均匀设计实验方法进行改进，实现利用有限的实验次数，进行插值优化，以获得稳健可靠的回归模型，最终获得最适用于微生物生长的培养基成分配比。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的一个较佳实施例的培养基优化方法流程图；
图2是本发明的一个较佳实施例中自然邻点插值法的插值示意图；
图3是本发明的另一个较佳实施例的培养基优化方法流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细描述。以下实施例用于说明本发明，但不能用来限制本发明的范围。
一种培养基优化方法，如图1所示，所述方法包括以下步骤：
S1、确定培养基关键成分，并利用单因素确定培养基关键基成分适合的范围；
优选地，本步骤中利用Plackett-Burman试验确定培养基的所述关键成分，利用matlab学生t检验函数筛选出培养基的所述关键成分，利用单因素法确定所述关键成分的浓度范围；
S2、对于多因素多水平的微生物培养基系统结构组成进行均匀设计优化，并测定所述关键成分在均匀设计不同配比下对应的生物量；
优选地，本步骤中利用干重分析法确定所述生物量；
S3、利用偏最小二乘法建立所述关键成分不同配比与对应的生物量的第一回归模型，求取预测模型关于培养基关键成分的最优配比Ⅰ及对应的生物量Ⅰ；
优选地，本步骤利用Matlab软件包plsregress函数建立所述第一回归模型；
S4、利用自然邻点插值法对所述关键成分均匀设计的不同配比进行插值，确定未测定的所述关键成分配比对应的生物量，实现数据加密，并在插值完成后，用偏最小二乘法建立加密数据与对应的生物量的第二回归模型，求取预测模型关于培养基关键成分的最优配比Ⅱ及对应的生物量Ⅱ；
优选地，本步骤中利用Matlab软件包plsregress函数建立第二回归模型；
S5、利用所述最优配比Ⅰ及对应的生物量Ⅰ、最优配比Ⅱ及对应的生物量Ⅱ进行验证试验，选择生物量较大的关键成分配比作为培养基成分的最终最优配方。
在数学上，若所得实验或观测数据不够细密，满足不了建模需求，常可通过插值方法对数据进行加密处理。自然邻点插值法是基于空间自相关性的空间插值法，可以实现在离散采样点的基础上进行连续表面建模，同时可以对未采样点处的属性值进行估计，这与多因素多水平的均匀设计实验点高维离散分布相适应。此外，自然临点法可以在线性插值和三次多项式插值之间的有效折衷，而这与均匀设计常用二次多项式回归等特征高度吻合。本发明的方法利用了自然邻点插值法对所得均匀设计数据进行插值分析，以对均匀设计实验方法进行改进，实现利用有限的实验次数，进行插值优化，以获得稳健可靠的回归模型，最终获得最适用于微生物生长的培养基成分配比。
进一步地，所述步骤S4中，利用自然邻点插值法对所述关键成分在不同配比下对应的生物量进行插值具体包括以下步骤：
S41、利用所有样本点建立样本泰森多边形，其中所述样本点为所述关键成分的不同配比及其对应的生物量；
S42、根据待插值点建立插值泰森多边形，并求取插值泰森多边形与所述样本泰森多边形相交的部分中的样本点，作为插值样本点；其中，所述待插值点为所述均匀设计方法的样本点，即均匀设计成分配比确定的点；
S43、利用所述插值样本点求取各个所述待插值点的插值权重；
S44、对于每一个所述待插值点，利用其对应的差值权重以及所述插值样本点的值确定对应的所述待插值点的插值结果。
其中，所述步骤S43中，利用下面的公式确定所述插值权重：
式中，ai为所述插值样本点所处的第一泰森多边形的面积，a(x)为待插值点x所处的第二泰森多边形的面积，ai∩a(x)为第一泰森多边形与所述第二泰森多边形相交的面积。
其中，所述步骤S44中，利用下面的公式确定所述待插值点的插值结果：
式中，f(x)为待插值点x处的插值结果，wi(x)为插值样本点i(i＝1,…·n)关于待插值点x的权重，fi为插值样本点的值i处的值。
上述方法以均匀设计实验获得的离散数据为基础，与自然临点插值法相结合对数据进行加密，再结合偏最小二乘回归法进行回归建模，并获得优化模型的关键成分最佳配比和生物量最大值的预测值，从而提出一种新的微生物培养基成分配比优化分析方法，利用有限的实验次数，进行插值优化，以获得稳健可靠的回归模型，及较好的实验结果。它在培养基优化，培养条件优化及其他组合优化领域具有很好的应用前景。
图3是本发明的另一个较佳实施例的培养基优化方法流程图，如图所示，该实施例的方法主要包含四大步骤。
步骤一：根据Plackett-Burman试验确定培养基关键成分，并利用单因素确定关键培养基成分适合的范围；
具体地，根据Plackett-Burman法安排毕赤酵母生长培养基FM22中的七种成分进行实验(表1)，并测得相应的生物量数据(干重)，然后利用matlab学生t检验函数ttest筛选影响毕赤酵母生长的关键培养基成分为KH2PO4，PTM1和甘油。最后利用单因素法确定每种关键成分在培养基中合适的浓度范围分别为20-29g/L、7.0-9.7g/L、1.3-3.1mL/L和20-29g/L。
表1：Plackett Burman实验设计
步骤二：对于多因素多水平的微生物培养基系统进行均匀设计试验，分别测定均匀设计实验关键培养基成分配比组合下的生物量。
均匀设计见表2所示。
表2均匀设计
步骤三：利用偏最小二乘回归法建立均匀设计实验数据的回归模型，求取预测模型关于培养基关键成分的最优配比Ⅰ及对应的生物量Ⅰ；
步骤四：运用自然临点插值法对上述均匀设计实验数据进行插值加密，以得到微生物培养基系统在更多含量组合配比下的生物量，并利用偏最小二乘回归法建立加密后数据的回归模型，求取预测模型关于培养基关键成分的最优配比Ⅱ及对应的生物量Ⅱ；
具体地，以步骤二中测定的均匀设计实验数据为基础，利用自然临点插值法分析不同培养基配比组合情况下毕赤酵母的生物量。自然临点插值法的基本原理是先对所有样本点创建泰森多边形(Thiessen Polygon)，当对未知点进行插值时，就会修改这些泰森多边形并对未知点生成一个新的泰森多边形。与待插值点泰森多边形相交的泰森多边形中的样本点被用来参与插值，它们对待插值点的影响权重和它们所处泰森多边形与待插值点新生成的泰森多边形相交的面积成正比，如图2所示。公式如下：
其中，f(x)为待插值点x处的插值结果，wi(x)为参与插值的样本点i(i＝1,…·n)关于插值点x的权重，fi为样本点i处的值。
权重由下式确定:
其中，ai为参与插值的样本点所处泰森多边形的面积，a(x)为待插值点x所处泰森多边形的面积，ai∩a(x)为两者相交的面积。
本发明涉及自然临点插值法可以通过MATLAB软件包的griddata函数实施，其调用方式如下vq＝griddata(x,y,z,v,xq,yq,zq,‘natural’)，其中x,y,z分别是样本点三种关键成分的数值，而v则为实验优化响应，即生物量。xq,yq,zq则分别是插值点三种关键成分的数值，且是经过meshgrid函数生成的格点矩阵数据；
步骤五：比较步骤二和步骤三所得生物量数据，得出微生物培养基系统最佳培养基配比。
上述实施例的方法以均匀设计实验获得的离散数据为基础，与自然临点插值法相结合对数据进行加密，再结合偏最小二乘回归法进行回归建模，并获得关键成分最佳配比和生物量最大值的预测值，从而提出一种新的微生物培养基成分配比优化分析方法。
以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (9)
1.一种培养基优化方法，其特征在于，所述方法包括以下步骤：
S1、确定培养基关键成分，并利用单因素确定培养基关键成分适合的范围；
S2、对于多因素多水平的微生物培养基系统结构组成进行均匀设计优化，并测定所述关键成分在均匀设计不同配比下对应的生物量；
S3、利用偏最小二乘法建立所述关键成分均匀设计配比与对应的生物量的第一回归模型，求取预测模型关于培养基关键成分的第一最优配比及对应的第一生物量；
S4、利用自然邻点插值法对所述关键成分均匀设计的不同配比进行插值，确定未测定的所述关键成分配比对应的生物量，实现数据加密，并在插值完成后，用偏最小二乘法建立加密数据与对应的生物量的第二回归模型，求取预测模型关于培养基关键成分的第二最优配比及对应的第二生物量；
S5、利用所述第一最优配比及对应的第一生物量、第二最优配比及对应的第二生物量进行验证试验，选择生物量较大的关键成分配比作为培养基成分的最终最优配方。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1中利用Plackett-Burman试验确定培养基的所述关键成分。
3.根据权利要求2所述的方法，其特征在于，所述步骤S1中利用matlab软件包中的学生式t检验ttest函数筛选出培养基的所述关键成分。
4.根据权利要求2所述的方法，其特征在于，所述步骤S1中利用单因素法确定所述关键成分的浓度范围。
5.根据权利要求1所述的方法，其特征在于，所述步骤S3或S4中，利用Matlab软件包plsregress函数建立所述第一回归模型或第二回归模型。
6.根据权利要求1所述的方法，其特征在于，所述步骤S2中利用干重分析法确定所述生物量。
7.根据权利要求1所述的方法，其特征在于，所述步骤S4中，利用自然邻点插值法对所述关键成分在均匀设计配比下进行插值，具体包括以下步骤：
S41、利用所有样本点建立样本泰森多边形，其中所述样本点为所述关键成分的不同配比及其对应的生物量；
S42、根据待插值点，建立插值泰森多边形，并求取插值泰森多边形与所述样本泰森多边形相交的部分中的样本点，作为插值样本点；其中，所述待插值点为所述均匀设计方法的样本点，即均匀设计成分配比确定的点；
S43、利用所述插值样本点求取各个所述待插值点的插值权重；
S44、对于每一个所述待插值点，利用其对应的差值权重以及所述插值样本点的值确定对应的所述待插值点的插值结果。
8.根据权利要求7所述的方法，其特征在于，所述步骤S43中，利用下面的公式确定所述插值权重：
式中，ai为所述插值样本点所处的第一泰森多边形的面积，a(x)为待插值点x所处的第二泰森多边形的面积，ai∩a(x)为第一泰森多边形与所述第二泰森多边形相交的面积。
9.根据权利要求8所述的方法，其特征在于，所述步骤S44中，利用下面的公式确定所述待插值点的插值结果：
式中，f(x)为待插值点x处的插值结果，wi(x)为插值样本点i(i＝1,….n)关于待插值点x的权重，fi为插值样本点的值i处的值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610357790.8A CN106096077B (zh) | 2016-05-26 | 2016-05-26 | 培养基优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610357790.8A CN106096077B (zh) | 2016-05-26 | 2016-05-26 | 培养基优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106096077A CN106096077A (zh) | 2016-11-09 |
| CN106096077B true CN106096077B (zh) | 2019-05-21 |
Family
ID=57230116
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610357790.8A Active CN106096077B (zh) | 2016-05-26 | 2016-05-26 | 培养基优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106096077B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108664719B (zh) * | 2018-04-26 | 2022-01-04 | 新乡医学院 | 改进的偏最小二乘回归法在微生物培养基优化中的应用方法 |
| CN113450882B (zh) * | 2020-09-27 | 2022-03-01 | 深圳太力生物技术有限责任公司 | 一种基于人工智能的基础培养基配方开发方法及系统 |
| CN113450868B (zh) * | 2020-11-26 | 2022-07-08 | 深圳太力生物技术有限责任公司 | 一种基于培养指标评价的基础培养基开发方法 |
| EP4220646A1 (en) * | 2020-09-27 | 2023-08-02 | Shenzen Taili Biotechnology Co., Ltd. | Basal culture medium development method, basal culture medium formulation and development, and system thereof |
| CN115985408B (zh) * | 2023-02-08 | 2023-10-13 | 嘉兴红点应用科技有限公司 | 一种工业丝油剂的加工方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104391086B (zh) * | 2014-11-26 | 2016-01-06 | 广东电网有限责任公司电力科学研究院 | 变压器外部环境湿度参量测量方法和系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ES2538986T3 (es) * | 2006-11-08 | 2015-06-25 | Wyeth Llc | Medios diseñados racionalmente para un cultivo celular |
-
2016
- 2016-05-26 CN CN201610357790.8A patent/CN106096077B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104391086B (zh) * | 2014-11-26 | 2016-01-06 | 广东电网有限责任公司电力科学研究院 | 变压器外部环境湿度参量测量方法和系统 |
Non-Patent Citations (3)
| Title |
|---|
| 中心组合设计优化梅岭霉素发酵培养基;陈斌等;《高技术通讯》;20021231;第29-33页 |
| 基于均匀设计思想的结构优化方法;张慧等;《河海大学学报（自然科学版）》;20090131;第37卷(第1期);第62-65页 |
| 转氨酶ATAl17基因在大肠杆菌BL21(DE3)中的重组表达及产酶条件优化;王璐等;《化学反应工程与工艺》;20141231;第30卷(第6期);第513-521页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106096077A (zh) | 2016-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106096077B (zh) | 培养基优化方法 | |
| Korolev et al. | Selective sweeps in growing microbial colonies | |
| Astorga et al. | Distance decay of similarity in freshwater communities: do macro‐and microorganisms follow the same rules? | |
| Gustavsson et al. | Preferential sampling and small-scale clustering of gyrotactic microswimmers in turbulence | |
| Domach et al. | A finite representation model for an asynchronous culture of E. coli | |
| Haeler et al. | Saproxylic species are linked to the amount and isolation of dead wood across spatial scales in a beech forest | |
| Cupertino et al. | Phytoplankton assemblage composition as an environmental indicator in routine lentic monitoring: Taxonomic versus functional groups | |
| Janse et al. | PCLake: a modelling tool for the evaluation of lake restoration scenarios | |
| Fu et al. | Geostatistical analysis of pedodiversity in Taihang Mountain region in North China | |
| Zhang et al. | Application of artificial neural network (ANN) and response surface methodology (RSM) for modeling and optimization of the contact angle of rice leaf surfaces | |
| CN108229062A (zh) | 基于敏感性微观参数预测胶结充填体力学响应特性的方法 | |
| Sun et al. | Spatial pattern and environmental drivers of acid phosphatase activity in Europe | |
| Ignatiades et al. | The contribution of rare species to coastal phytoplankton assemblages | |
| Fragnoli | Re-assessing the notion (s) of craft standardization through diversity statistics: A pilot study on Late Chalcolithic pottery from Arslantepe in Eastern Anatolia | |
| Van Huissteden et al. | Sensitivity analysis of a wetland methane emission model based on temperate and arctic wetland sites | |
| CN109063895A (zh) | 基于土壤类型归并与土壤中有益生物含量预测方法 | |
| CN109447045A (zh) | 一种基于深度学习卷积神经网络的食用菌快速识别系统及方法 | |
| CN111460672A (zh) | 基于Simulink的水质模型多参数敏感性分析方法 | |
| CN107436338B (zh) | 一种卷烟燃烧过程中动态吸阻稳定性的评价方法 | |
| Fan et al. | Quantifying the extent of calcification of a coccolithophore using a coulter counter | |
| Arnone | The temporal and spatial variability of chlorophyll in the western Mediterranean | |
| CN109884282A (zh) | 基于grnn神经网络的新型地沟油检测方法及其检测系统 | |
| CN108841927A (zh) | 一种基于数字pcr的阿胶及阿胶制品中阿胶成分的定量检测方法 | |
| Strzelewicz et al. | Design of polymer membrane morphology with prescribed structure and diffusion properties | |
| Luo et al. | Depth distribution of belowground net primary production across global biomes |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20211229 Address after: 223001 No.9, Keji Road, higher education park, Huai'an City, Jiangsu Province Patentee after: JIANGSU College OF NURSING Address before: 453003 Xin Yan Road, Hongqi District, Xinxiang, Henan Patentee before: XINXIANG MEDICAL University |