摘要这项工作是为了研究从旧(> 25岁)和Erevani品种的幼树(<8岁)收集的杏叶的水提取物的抗菌活性。琼脂井扩散测定法用于体外抗菌和抗真菌筛查。通过测量CM中各自的生长抑制区来确定提取物的抗菌剂。杏叶的水提取物测试了9克阳性和2个革兰氏阴性的bacte-金黄色葡萄球菌205,Citreus Citreus,葡萄球菌,大肠杆菌M 17,Salmonella ty- phimrium ty- phimurium ty- phimurium ty- phimurium ty- phimurium,brevibicterium fl avum avum 14067,div>Megatherium,Bac。枯草厂1759,BAC。枯草厂205,bac。mycoides,Bac。Mesentericus)和真菌(Candida Guillermondii和白色念珠菌)。水提取物显示出针对9克阳性和2个革兰氏阴性菌株的抗菌活性广泛。观察到针对致病细菌的大量抑制作用葡萄球菌(1.73-2.73 cm),鼠伤寒沙门氏菌(2.0-2.1 cm)和对枯草芽孢杆菌1759(1.83-1.93 cm)。在抗真菌筛查中,水提取物显示出对念珠菌的抑制区(1.27-1.80 cm)和白色念珠菌(2.2-2.3 cm)。对于两种老树的干叶(2.03±0.28)和幼树(2.10±0.38)的两种干叶(2.03±0.28),观察到针对致病革兰氏阴性细菌鼠伤亡的颗粒细菌的最高活性。然而,水提取物仅具有0.8 cm抑制区,对大肠杆菌M 17表现出活性。从杏树的新鲜叶和干叶获得的水提取物具有深刻的抗微生物活性,并且可能在医学中使用。这些结果证实了干燥的杏叶也是抗菌剂的潜在来源。然而,与老树的叶子相比,幼树的杏子(不到8年)对测试生物的抗微生物活性更高。
栽培的树莓 (Rubus idaeus L.) 最常见的果实是小而红、香气浓郁的果实。它们的颜色主要来自花青素,这是一种水溶性多酚色素,但除了红色果实外,还有一些品种的果实呈黄色和杏色。在这项研究中,我们使用了多组学方法来阐明树莓杏色果实颜色的遗传基础。利用代谢组学,我们对红色和杏色树莓果实中的花青素进行了量化,并证明与红色果实树莓相比,杏品种“Varnes”的果实仅含有少量浓度的花青素化合物。通过执行 RNASeq,我们揭示了杏果实‘Varnes’中花青素生物合成途径基因的差异表达模式,并在使用长读牛津纳米孔技术测序进行全基因组测序后,我们在花青素合酶(Ans)基因的第二个外显子中发现了一个 CACTA 样转座因子(TE),它导致预测的 ANS 蛋白截短。PCR 证实了无关的红果品种‘Veten’中转座子以杂合形式存在,这表明杏果实颜色是红色的隐性遗传,并且可能在覆盆子种质中广泛存在,这可能解释了为什么杏子形式在现代覆盆子育种种群中会定期出现。
dm是一种慢性疾病,其中血液中的葡萄糖水平升高,因为人体无法产生或产生胰岛素,或者身体无法有效使用胰岛素。根据国际糖尿病联合会(IDF)组织的数据,据估计,2019年,世界上有4.63亿人患有糖尿病(DM)的20-79岁年龄段,或相当于20-79岁的总人口中的9.3人。根据国际糖尿病联合会(2019年),印度尼西亚有1070万DM患者。樱桃叶可以用作非药物疗法的科学替代品,樱桃叶含量含量降低血糖水平,因为该植物含有类黄酮化合物,单宁,皂苷和生物碱,可降低血糖水平。这项研究的目的是确定沸水对樱桃叶的作用,以降低中部Tapanuli Sarudik健康中心工作区域中2型糖尿病的血糖水平。在这项研究中,在Puskesmas Sarudik Tapanuli Tengah的工作区域中患有2型DM的人,有目的的抽样技术多达30人。h DM患者的P值为0.000 <0.05,T值为6.723,在给予樱桃叶水汤剂之前和之后的平均值,这意味着在给予樱桃叶的沸水后,DM患者的血糖水平降低。
此过程允许缝隙在晶体结构内移动。充当空缺(空位) +Q(孔,空,空心)的粒子。孔密度由(Houles/cm 3)图标表示。如上所述,每个断裂键形成两个负载颗粒:1个电子和1个孔。原始(未加成的,“固有”)变为硅的n = n i =,电子和孔密度的产物
p-Typi半导体在电导率带中的电子很少。n型半导体在价值带中的孔很少。p型:多数(多数)是少数载体。n型:电子是多数(多数)是少数载体。
摘要。我们描述了一个贝叶斯控制器的贝叶斯控制器,这是控制理论中众所周知的基准。卡车孔系统的特征是其非线性和不足的性质,我们通过(1)假设控制器缺乏传感器噪声方差的知识,并且(2)在控制信号上施加界限。传统的控制算法通常难以适应不确定性和约束。然而,贝叶斯框架,尤其是专用推理框架,可以顺利地适应这些复杂性。在拟议的控制器中,整个计算过程由在线贝叶斯推理组成。通过工具箱简化了此过程,以在因子图中快速传递基于消息传递的推断。我们描述了在因子图中传递消息的机制,解决了诸如非线性因素,有限控制和实时参数跟踪之类的挑战。本文的主要目的是证明,随着主动推理框架的发展和自动推理工具箱的效率,贝叶斯控制成为应用程序工程师的吸引人选择。
摘要这项研究调查了机器学习技术在检测油棕叶中疾病的应用,并利用来自Tanah Laut地区种植园的1,119张图像的数据集。数据集包含488例患病和631个健康的叶片样品,这些样品经过精心裁剪以隔离叶片区域,并在域专家的帮助下标记。用于特征提取,同时考虑了实验室和RGB颜色空间,以及Haralick纹理特征,每个像素总共有11个功能。采用了尺寸和选择相关特征,应用主成分分析(PCA)和随机森林方法。随后使用支持向量机(SVM)进行叶片健康状况的分类,并使用准确性,精度,召回和F1得分指标评估模型性能,这些均来自混淆矩阵。研究发现,PCA和随机森林显着提高了模型性能,从而提高了区分健康和患病叶片的能力。这些发现为在油棕种植园中开发自动疾病检测系统的发展提供了宝贵的见解,并在精确农业中使用了潜在的应用。此外,结果提出了进一步研究植物疾病诊断的途径,强调了先进的机器学习技术在增强作物管理和支持可持续农业实践中的作用。