膜蛋白的研究方法

约30％的编码基因编码的膜蛋白（MPs）在众多生理过程中起着至关重要的作用。膜蛋白是超过FDA批准药物一半的靶标药物。需要在近乎生理条件下对功能性膜蛋白进行高分辨率的结构研究，以提供深入的机理理解并促进药物发现。随着单粒子冷冻显微镜（cryo-EM）的分辨率革命，分离的膜蛋白的结构阐明已取得了快速进展。下一个挑战是保留电化学梯度和膜曲率，以便对膜蛋白进行全面的结构阐明，而膜蛋白的生物学功能依赖于这些化学和物理特性。2020年7月17日，颜宁团队在PNAS 在线发表题为“Cryo-EM analysis of a membrane protein embedded in the liposome”的研究论文，该研究以特征明确的AcrB为原型，提出了一种方便的工作流程，用于对嵌入脂质体中的膜蛋白进行冷冻-EM结构分析。结合优化的蛋白脂质体分离，冷冻样品制备和有效的颗粒选择策略，以3.9的分辨率获得了嵌入脂质体中的AcrB的三维（3D）重建。该研究方法可广泛应用于具有独特可溶域的膜蛋白的冷冻EM分析，为功能受跨膜电化学梯度或膜曲率影响的整体或外围膜蛋白的冷冻EM分析奠定了基础。生物膜包围着拓扑隔离的隔室，包括细胞和细胞器，并为各种完整的和外围的膜蛋白（MP）提供了栖息地。这些物理屏障使生命必需的电化学梯度得以生成和维持，这是由于离子和化学物质在整个不可渗透膜上的不对称分布所致。各种生理过程都取决于这些梯度，例如由质子梯度（质子动力）驱动的三磷酸腺苷（ATP）合成和依赖跨膜电场存在的动作电位。因此，许多膜蛋白，例如电压门控离子通道（VGIC）以及一级和二级活性转运蛋白，都依赖于跨膜电化学梯度来执行其生物学功能。除了驻留在膜的内部或表面之外，膜蛋白与膜之间的相互作用也对细胞寿命产生了深远的影响。例如，许多外周膜蛋白定义了细胞器形成的膜轮廓。FoF1 ATP合酶的二聚化在塑造线粒体cristate中起着重要作用。机械敏感通道通过部分由膜变形施加的机械力控制。当X射线晶体学是确定结构的主要方法时，解析膜蛋白的结构曾经极具挑战性。必须从破裂的膜中纯化出高度均质的膜蛋白，并用精心选择的去污剂取代以结晶。自2013年以来，冷冻电子显微镜（cryo-EM）单颗粒分析（SPA）已成为膜蛋白高分辨率结构解析的主流手段。已应用多种试剂将膜蛋白溶解为单个颗粒以进行分析。除了去污剂微团外，两亲，纳米圆盘和苯乙烯-马来酸脂质颗粒（SMALP）封闭的带有天然膜的纳米圆盘也已用于成功的膜蛋白冷冻-EM结构分析 。尽管取得了这些进步，但所有上述膜蛋白分离方法都破坏了膜的拓扑结构，即使在SMALP环绕的带有天然膜片的纳米盘的情况下，也消除了任何现有的电化学梯度和膜曲率。为了保留这些重要特性，使用电子冷冻断层扫描（cryo-ET）的原位结构分析可能是最终的解决方案。然而，当前的技术障碍阻止了使用cryo-ET的高分辨率原位结构测定。另一种替代策略是研究嵌入脂质体中膜蛋白的结构，该结构已广泛用于膜蛋白的功能分析。尽管使用蛋白脂质体进行了广泛的功能表征，但仅有有限的尝试将这种系统用于膜蛋白的结构阐明。在过去的十年中，已经开发了诸如随机球形约束（RSC）之类的方法来研究具有改进SPA策略的蛋白脂质体系统。但是，要在两个报告中执行精确的角度分配或信号减法，目标蛋白脂质体必须是接近完美的球体，这是很难获得的前提条件。两种方法都还需要对原始图像进行额外的预处理步骤。为了将cryo-EM用于嵌入或附着在脂质体上的膜蛋白的结构分析，有必要为膜蛋白掺入，冷冻样品制备和cryo-EM数据处理开发高度可重复且方便的工作流程。为此，研究人员选择了来自大肠杆菌的经过充分研究的耐多药转运蛋白AcrB作为方法开发的原型。质子梯度驱动的AcrB是一种三聚体，分子量约为350 kDa。它是即使在低纯度和低浓度下也最易于结晶的膜蛋白之一。因此，AcrB的结构是在早期确定的。到目前为止，在蛋白质数据库（PDB）中使用X射线晶体学和单颗粒冷冻EM方法测定的AcrB结构超过100种，为结构验证提供了极好的参考。在这项研究中，报告了一种工作流程，该流程具有优化的脂质体分离，低温样品制备，深层二维（2D）分类，用于数据处理。使用该研究的简化方法，获得了3.9分辨率的蛋白脂质体中AcrB的重建。该工作流程可轻松推广到蛋白脂质体中膜蛋白的结构测定中，并为使用蛋白脂质体系统在受控的电化学势或膜曲率存在下膜蛋白的结构分析奠定基础。来源：iNature论文链接：https://doi.org/10.1073/pnas.2009385117

编者按：俗话说“业精于勤而荒于嬉，行成于思而毁于随”。对于科研者来说，一个成功地研究一定是经历了反复的实验，其中肯定是付出许多艰辛和努力的。可是科研光是勤劳如果没有好的方法可是会走很多弯路的...继上期小鹿盘点了蛋白组学的热门方法【大热点】3篇文章总计IF:66分，带您get时下热点技术后。本期小鹿帮助各位科研老师总结了蛋白质组学常用技术ITRAQ蛋白质组学、TMT蛋白质组学、PRM技术、LC-MS/MS...8篇文章，平均IF:10.6带您看尽蛋白质组学研究方法。1长链非编码RNA-LINC00673中的一个胰腺癌风险变异为miR-1231构建了结合位点使得PTPN11降解受到干扰在胰腺癌的研究中，全基因组关联研究已经确定了几个与胰腺癌风险相关的基因位点，然而遗传因素影响散发性胰腺癌发展的机制仍然很大程度上未知。本篇文章由鹿明生物合作客户北京协和医院肿瘤研究所林东昕教授研究组发表在《Nature genetics》（IF：31.616）的题为“Pancreatic cancer risk variant in LINC00673 creates a miR-1231 binding site and interferes with PTPN11 degradation”的研究论文，该研究揭示了LINC00673在维持细胞稳态中的重要作用以及其变异如何赋予胰腺癌易感性。本文中用蛋白质组学技术发现了与LINC00673相互作用的蛋白PTPN11，从而阐明了LINC00673的功能机理。材料：细胞系、小鼠、人胰腺组织、血发表期刊：Nature genetics影响因子：31.616（发表时期影响因子）主要技术：GWAS、qRT–PCR、immunoprecipitation、LC-MS/MS（鹿明生物提供服务支持）2解析潮间带大型绿藻光系统I-捕光天线I复合物结构PSI 是一个极高效率的光能吸收和转化系统，几乎每一个吸收的光子都能产生一个电子，其量子转化效率超过90%。PSI 高效吸能、传能和转能的结构基础是科学研究的前沿问题。2019年3月8日，济南大学、中科院植物所与清华大学合作在Nature Plants发表了题为 Structure of a green algal photosystem I in complex with a large number of light-harvesting complex I subunits的研究长文，（其中：质谱测序由上海鹿明生物科技有限公司协助完成。）报道了一种潮间带大型绿藻（假根羽藻，Bryopsis Corticulans）PSI-LHCI 超分子复合物的3.49 分辨率的冷冻电镜结构，这是继高等植物之后，在 PSI 结构与功能研究领域取得的又一重大突破。本文进一步完善了对光合生物进化过程中 PSI 结构变化趋势的理解；从进化与光环境适应的角度揭示了捕光天线复合物的捕光设计机理；为揭示绿藻光合膜蛋白 PSI-LHCI 高效吸能与传能的机理奠定了坚实的结构基础；为人工模拟光合作用机理，为指导设计作物与提高植物的光能利用效率提供了新的理论依据和新思路。3运用IncRNA、iTRAQ研究诱导自噬抑制葡萄膜黑色素瘤的发生机理葡萄膜恶性黑色素瘤是成年人中最多见的一种恶性眼内肿瘤，在国外其发病率占眼内肿瘤的首位，在国内则仅次于视网膜母细胞瘤，居眼内肿瘤的第二位。此瘤的恶性程度高，眼后是好发部位。易经血流转移，85%转移至肝脏。本篇由欧易/鹿明生物合作客户上海交通大学医学院范先群教授课题组发表在《Autophagy》的”ZNNT1 long noncoding RNA inces autophagy to inhibit tumorigenesis of uveal melanoma by regulating key autophagy gene expression“运用lncRNA 芯片、iTRAQ 蛋白质定量技术探究lncRNA 在 UM 肿瘤发生中的作用报道。发表期刊：Autophagy影响因子：11.059运用技术：文章中iTRAQ 蛋白质定量技术由鹿明生物提供服务本研究表明，在葡萄膜黑色素瘤中，lncRNA ZNNT1 起到了抑癌基因作用。ZNNT1 可以通过上调 ATG12 表达，调控 ATG12-ATG5 结合，促进细胞自噬，进而抑制了肿瘤的发生。本研究通过运用lncRNA 芯片、iTRAQ 蛋白质定量技术为葡萄膜黑色素瘤的临床治疗提供了新的思路。4LncRNA SNHG10通过正反馈环调节其同源物SCARNA13促进肝癌发生和转移的研究肝细胞癌（HCC）是最常见的恶性肿瘤之一，全球发病率位居第六，死亡率位居第三。极易复发和转移导致了肝癌患者的高死亡率，因此针对肝细胞癌的发生和转移机制的研究迫在眉睫。本文为鹿明生物客户--四川大学肝胆外科研究室的科研者们于2019年5月发布在Cancer Res的研究文章：LncRNA SNHG10通过正反馈环调节其同源物SCARNA13促进肝癌发生和转移的研究，为肝细胞癌的发生和转移机制又进行了深入的研究。发表期刊：Cancer Res影响因子：8.378主要运用鹿明生物技术：TMT标记定量、RNA测序（(RNA-seq）、qPCR5在模拟生理环境中通过蛋白冠装饰的超顺磁性纳米粒子靶向电荷介导的癌细胞纳米技术在癌症诊断和治疗中以及生物医学功效各方面起着关键作用，本文由鹿明生物合作单位同济大学、青岛大学等多家科研院校共同合作发表在《ACS APPLIED MATERIALS & INTERFACES 》上的Electrical-Charge-Mediated Cancer Cell Targeting via Protein Corona-Decorated Superparamagnetic Nanoparticles in a Simulated Physiological Environment ，通过在模拟生理液体中对粒子表面蛋白冠对癌细胞靶向的影响进行了研究，为临床灵敏检测血液循环肿瘤细胞开辟了新途径，其中蛋白质组学技术在鉴定蛋白冠成分时发挥了重要作用，该技术已在各个研究领域中得到广泛应用。本文研究为临床灵敏检测血液循环肿瘤细胞开辟了新途径，其中蛋白质组学技术在鉴定蛋白冠成分时发挥了重要作用，该技术已在各个研究领域中得到广泛应用。发表期刊：ACS APPLIED MATERIALS & INTERFACES 影响因子：8.456 鹿明生物提供服务：LC-MSMS（MPI技术）6运用LC-MS/MS鉴定GRP78是鸭Tembusu病毒感染BHK-21细胞的受体研究Tembusu病毒（TMUV）是一大群具有包膜的单正链RNA病毒。该类病毒通过吸血的节肢动物（蚊、蜱、白蛉等）传播而引起感染。在我国，Tembusu病毒（TMUV）的爆发和传播给中国水禽养殖业带来了巨大损失。本篇文章由鹿明生物合作客户江苏省农业科学院兽医研究所赵冬敏博士为第一作者，发表在Frontiers in Microbiology杂志发表题为“Identification of Glucose-Regulated Protein 78 (GRP78) as a Receptor in BHK-21 Cells for Duck Tembusu Virus Infection”的研究论文，该研究报道了BHK-21细胞中TMUV结合分子的探究。发表期刊：Frontiers in Microbiology影响因子：4.259运用鹿明生物技术：LC-MS/MS7垂丝海棠应对盐碱胁迫适应性的生理、蛋白质组学和代谢组学的整合分析由于土壤盐碱化逐年增加造成可耕作面积逐年减少,使盐碱等非生物胁迫已成为严重影响我国粮食生产的重要因素。同时针对抗盐碱功能机理的研究也是选育耐盐碱新品种的关键。在2019年，欧易/鹿明生物合作客户甘肃农业大学王延秀课题组在Horticulture Research杂志发表题为“垂丝海棠应对盐碱胁迫适应性的生理、蛋白质组学和代谢组学的整合分析”的文章。该文章作者通过蛋白质组学、代谢组学以及生理学数据，对可耐受盐碱的垂丝海棠中参与植物胁迫反应的植物途径及其调控机制进行深入研究，为使用基因工程提高该植物的耐盐碱性提供了重要依据。发表期刊：Horticulture Research影响因子：3.64运用技术：蛋白质组学、代谢组学8定量蛋白质组学鉴定鸡脾脏中细胞外基质降解与基因型VII新城疫病毒的免疫病理相关新城疫（newcastle disease,ND）是由新城疫病毒引起禽的一种急性、热性、败血性和高度接触性传染病。以高热、呼吸困难、下痢、神经紊乱、黏膜和浆膜出血为特征。具有很高的发病率和病死率，是危害养禽业的一种主要传染病。OIE将其列为A类疫病。本篇由上海鹿明生物科技有限公司合作客户扬州大学农业部畜禽传染病学重点开放实验室刘秀梵院士课题组发表在《Journal of Proteomics》的文章“Quantitative proteomics identify an association between extracellular matrix degradation and immunopathology of genotype VII Newcastle disease virus in the spleen in chickens”运用TMT定量蛋白质组学技术首次提供了NDV对ECM调节的证据，并将ECM重塑作为NDV病理的新表现形式，加深了对NDV发病机制的了解。发表期刊：Journal of Proteomics影响因子：3.537运用技术：、qRT-PCR、Western blot、ELISA、TMT蛋白质组学（鹿明生物提供技术支持）目前，蛋白质组学研究以其高通量、高灵敏度、高效的蛋白质分离鉴定方法在医学、农学、微生物等方面都有着广泛地应用，并且蛋白质组学研究也为寻找各种疾病的关键蛋白和标志蛋白、对于疾病的诊断、病理的研究和药物的筛选都具有重要的意义。鹿明生物以其多年的蛋白组学研究经验也在蛋白质组学道路上不断地探索~~鹿明生物上海鹿明生物科技有限公司，一直专注于生命科学和生命技术领域，是国内早期开展以蛋白组和代谢组为基础的多层组学整合实验与分析的团队。经过近数年的发展沉淀，公司建立起了iTRAQ/TMT、DIA、PRM、修饰蛋白组等蛋白组学技术平台和全谱代谢组、靶向代谢组、拟靶向代谢组、脂质组等代谢组学技术平台以及相应的数据整合分析平台，并建立了科学完整的服务流程和精细规范的操作标准。公司拥有：SCIEX-QTRAP-6500,SCIEX-QTRAP-6500 plus，SCIEX-QTRAP-4000,Waters Xevo G2-XS,Thermo-TSQ-Altis,Thermo-Obritrap-QE,Thermo-Obritrap-QE-HF,Aglient-GCMS-7890B/5977A,AglientGCMS7890B/5977A（带顶空进样装置）及云计算分析平台等大型检测设备以及完整的样品前处理系统和数据分析系统（拥有各类分析软件及数据库）。公司荣获国家高新技术企业，通过ISO9001认证，获得代谢组学专利及软件著作等近20余项知识产权专利；同时也取得上海市公共技术服务平台资质认证，获得上海市创新创业计划大赛支持。迄今为止，鹿明完成服务项目上万个，涉及医学、农业、生态学及工业应用等多个研究领域，发表SCI论文数百篇。2017年6月，公司与上海欧易生物医学科技有限公司实现战略整合，实现中心法则上中下游多层组学的串联，整合后的鹿明力求打造优质技术平台，争做优质蛋白代谢服务企业，助力生命科学领域的科学家快出成果，出好成果，从而推动科技创新。鹿明生物，多层组学定制服务专家，为您的科研助力！END

硅藻的细胞结构和叶绿体形态。a:中心纲硅藻（中心对称的硅质细胞壁）；b:羽纹纲硅藻（两侧对称的硅质细胞壁）；c：三角褐指藻细胞中紧凑的细胞核（靛蓝色）、线粒体（红色）和叶绿体（绿色）排布；d：南极海冰中的硅藻。中科院植物所/供图中新网北京2月8日电 (记者 孙自法)记者从中国科学院植物研究所获悉，被戏称为“奇葩”光合物种——硅藻的第一个光合膜蛋白结构解析研究工作，已由该所沈建仁和匡廷云研究团队完成。北京时间2月8日，中国科学家这一突破性的研究成果“硅藻捕光天线蛋白(FCP)捕获蓝绿光和淬灭过剩激发能的结构基础”，获国际著名学术期刊《科学》以长文形式发表。这项研究工作为揭示光合作用光反应拓展捕光截面和高效捕获传递光能机理，以及硅藻超强的光保护机制提供了坚实的结构基础，也为实现光合作用宽幅捕获和快速传递光能的理论计算提供了可能，为人工模拟光合作用机理提供了新理论依据。同时，该研究成果为指导设计新型作物、提高植物的捕光和光保护能力提供了新思路和新策略，有望基于该成果设计出能够利用绿光波段、具有高效捕光和光保护能力的新型作物，也可为现代化智能植物工厂的发展提供新的方向。据介绍，研究表明硅藻特有的FCP具有出色的蓝绿光捕获能力和极强的光保护能力，是硅藻能够在海洋中繁盛的重要原因之一。同时，FCP结合的岩藻黄素和硅甲藻黄素等色素参与形成了强大的光保护机制，有助于硅藻将过剩的光能转化为热量，以适应海水表面快速变化的光环境。然而硅藻光合膜蛋白的结构长期没有得到解析，极大限制了硅藻光合作用的研究。中科院植物所沈建仁和匡廷云研究团队一直致力于高等植物和藻类捕光天线复合物(LHC)的研究工作，发现高等植物和绿藻的LHC模型无法完全解释硅藻FCP蛋白中的色素结合、能量捕获传递和光保护机制，亟待通过结构研究而获得新的实验模型。该团队完成的硅藻第一个光合膜蛋白结构解析研究工作，首次描绘叶绿素c和岩藻黄素在光合膜蛋白中的结合细节，阐明叶绿素和岩藻黄素在FCP复合体中的空间排布，并揭示叶绿素c和岩藻黄素捕获蓝绿光并高效传递能量的结构基础。该研究首次揭示FCP二聚体的结合方式，对几十年来硅藻主要捕光天线蛋白聚合状态研究提供了第一个明确的实验证据。这一高分辨率FCP结构模型为研究硅藻的光能捕获、利用和光保护机制提供重要的结构基础。据了解，中国科学家这项突破性研究成果的论文在投稿过程中，《科学》编辑部和4名审稿人都对此高分辨率海洋硅藻捕光天线蛋白工作给予高度评价，建议将投稿的论文报告拓展为长文形式发表。(完)

深科·浅说蛋白质组研究：生命天书的新解码？前不久，《自然》杂志在线发表了中国科学家在早期肝细胞癌蛋白质组研究领域取得的重大科研成果。这一研究测定了早期肝细胞癌的蛋白质组表达谱和磷酸化蛋白质组图谱，发现了肝细胞癌精准治疗的潜在新靶点——胆固醇酯化酶SOAT1。90%以上的肝癌属于肝细胞癌。对于普通人来说，这一研究最耀眼的成绩，是给治疗最凶险的一类肝细胞癌带来了希望；对于蛋白质组相关科研人员来说，这一成果是“中国人类蛋白质组计划迎来的第一道曙光”。该成果论文的通讯作者、国家蛋白质科学中心（北京）首席科学家贺福初院士认为：“这一成果证明，基因组学不能独打天下，现在轮到蛋白质组学上场了。”回顾此前有关癌症的研究成果，“基因”这个词是在抗癌场景中出现的高频词——科学家相信：人类的某些基因隐藏着打开癌症开关的钥匙。这一思路符合学界对基因组学的一贯期待，贺福初院士介绍：“人们1985年开始酝酿基因组计划的主要动力，就是希望能够通过描绘和破解基因蓝图，揭示人类生老病死的规律和本质。”但人们将基因图谱这本“天书”印出来后，发现解读“天书”依旧是一大难题。1994年澳大利亚科学家Marc Wikins首先提出蛋白质组学这一概念。简单来说，基因承载着人类的遗传物质，而蛋白质是遗传物质传递的最后一个环节，是生命活动的执行者，蛋白质是组成人体所有细胞和组织的重要成分。一个生物系统在特定状态下表达的所有种类的蛋白质就是蛋白质组。1998年，“认为基因组学的发展或许遇到了瓶颈”的贺福初开始转向蛋白质组学研究。2002年，贺福初成为“国际人类蛋白质组计划”的重要参与者，并带领中国科学家牵头实施人类肝脏蛋白质组计划，他相信“基因组学解决不了的问题，或许蛋白质组学能解决”。目前贺福初团队的研究思路与一些美国同行不同。据介绍，贺福初团队的思路是用蛋白质组学驱动的精准医学“领跑”国际精准医疗；而美国的研究主流策略是“蛋白基因组学”，即将蛋白质组的数据用于基因组的注释，蛋白质组的研究仍然需要“背靠”基因组、转录组。科学家们对蛋白质组学研究的价值存在争议。贺福初说，学界更为主流的观点是，蛋白质组学的研究只是基因组学研究的“注解”。而贺福初认为蛋白组研究不是基因组研究的“附庸”。以本次发表在《自然》杂志在线的研究为例，他希望更多人认同蛋白质组研究的价值和作用。贺福初团队的这项研究持续了5年。研究发现，在最凶险的一类肝细胞癌中，胆固醇稳态失调与病发有直接联系，具体来说，胆固醇酯化酶越活跃，这类患者的手术后复发或死亡风险越大。而如果胆固醇酯化酶SOAT1得到抑制，肿瘤的增殖和迁移能力也同时受到有效抑制。他们的研究还发现，胆固醇酯化酶SOAT1在头颈癌、胃癌、前列腺癌、肾癌和甲状腺癌中均和患者较差的术后转移和死亡表现正相关。贺福初认为，这种基于蛋白质组研究的“抗代谢失稳”的抗癌思路，或可成为继抗增殖抗癌疗法和免疫抑制抗癌疗法之后的抗癌新方向。在前不久举行的成果发布会上，施普林格 自然旗下自然科研大中华区总监保罗 埃文斯在祝贺视频中说：“《自然》杂志约有93%的拒稿率，因此这样一篇论文发表出来是一项很大的成就，我深信这项研究工作将为蛋白质组学所引导的精准医学的发展作出有力贡献。”“蛋白组是解读生命天书的利器。”该成果的第一作者、军事科学院军事医学研究院研究员姜颖相信：“蛋白质组学驱动的精准医学时代正向我们走来。”据悉，此前在“蛋白基因组学”研究模式的指导下，美国等国的科学家们已经完成的精准医疗分子分型包括：结直肠癌、乳腺癌、卵巢癌和胃癌等。张茜 来源：中国青年报

这些论文研究方法你一定用的着快收藏吧！研究方法是指分析论证课题时的思维方法，它属于认识论范畴。没有正确的研究方法，就不能深入认识事物的本质，揭示其客观规律。没有正确的研究方法，就不能有所发现、有所发明、有所前进、有所创新，自然也就不能获取研究成果。因此，有的专家学者认为，选择了好的研究方法，也等于论文完成了一半。那么，论文的研究方法有哪些?调查法1输入文字输入文字调查法是科学研究中最常用的方法之一。它是有目的、有计划、有系统地搜集有关研究对象现实状况或历史状况的材料的方法。调查方法是科学研究中常用的基本研究方法，它综合运用历史法、观察法等方法以及谈话、问卷、个案研究、测验等科学方式，对教育现象进行有计划的、周密的和系统的了解，并对调查搜集到的大量资料进行分析、综合、比较、归纳，从而为人们提供规律性的知识。调查法中最常用的是问卷调查法，它是以书面提出问题的方式搜集资料的一种研究方法，即调查者就调查项目编制成表式，分发或邮寄给有关人员，请示填写答案，然后回收整理、统计和研究。现在我们也常常利用网络通过电脑或手机进行调查。微信上也有专门提供问卷调查的小程序。问卷调查法需要说明调查者的身份（who），说明调查的大致内容与目的（why），然后说明调查方法与结果的保密措施（how）。观察法2观察法是指研究者根据一定的研究目的、研究提纲或观察表，用自己的感官和辅助工具去直接观察被研究对象，从而获得资料的一种方法。科学的观察具有目的性和计划性、系统性和可重复性。在科学实验和调查研究中，观察法具有如下几个方面的作用：①扩大人们的感性认识。②启发人们的思维。③导致新的发现。访谈法3通过询问的方式，访员和受访人面对面交谈来了解市场情况的基本研究方法。访谈法根据交流方式的不同分为：直接访谈（面谈）与间接访谈（网络、电话等）。根据访谈程度又可分为：结构式访谈与非结构式访谈。结构式访谈也叫标准化访谈，它的特点就是整个访谈过程都是严格按标准化控制的。严格按问卷上的问题顺序与方式做访谈。非结构式访谈又称自由访谈，它是半控制或不控制的访谈。他没有事先准备统一的标准化问卷，就在一个大致方向与范围内自由访谈。访谈法一般与问卷调查法结合使用，补充问卷调查没涉及到的问题。或者针对是问卷调查处理的某些显著性问题进行进一步的的访谈了解。文献研究法4文献研究法是根据一定的研究目的或课题，通过调查文献来获得资料，从而全面地、正确地了解掌握所要研究问题的一种方法。文献研究法被子广泛用于各种学科研究中。具有如下几个方面的作用：①能了解有关问题的历史和现状，帮助确定研究课题。②能形成关于研究对象的一般印象，有助于观察和访问。③能得到现实资料的比较资料。④有助于了解事物的全貌。归纳方法和演绎方法5归纳是从经验事实中找出普遍特征的认识方法，是各门学科在积累经验材料的基础上，总结出科学定理或原理的一种重要方法。归纳必须建立在大量的个别事实的基础上，事实不可靠和不充分，都不可能通过归纳得出科学的结论与原理。归纳是从个别到一般的推理，因而它是一种扩大知识的方法，但它又总是不完全和不严密的。因为我们永远只能观察到部分事物，不可能穷尽个别。所以列宁说：“以最简单的归纳方法所得到的是最简单的真理，总是不完全的，因为经验总是未完成的。”通过归纳人们只能知道“是什么”，不能知道“为什么”。演绎的主要形式是三段式，就是以大前提和小前提推出结论来。推出的结论能否正确，取决于推理的前提是否正确，推理的形式是否合乎逻辑规则。因此，进行演绎推理的前提必须真实，演绎过程必须遵守严格的逻辑规则。归纳就是从个别事实中概括出一般性的结论原理;演绎则是从一般性原理、概念引出个别结论。归纳是从个别到一般的方法;演绎是从一般到个别的方法。归纳与演绎是辩证统一的关系，是两种相反相成的推理方法。它是科学研究工作都必须应用的逻辑方法。综合分析方法6分析就是把客观对象的整体分为各个部分、方面、特征和因素而加以认识。它是把整体分为部分，把复杂的事物分解为简单的要素分别加以研究的一种思维方法。过程是要着重弄清事物在运动变化中各方面各占何种地位，各起何种作用，又以何种方式与他方面发生制约和转化。综合是同分析相反的一种思维方法。它是在分析的基础上，把客观对象的各个部分、方面、特性和因素的认识联结起来，形成对客观对象的统一认识，从而达到把握事物的有机联系及其规律性。综合不是把各个部分、各方面简单的相加和随便的凑合，也不是任意的、主观的臆造，而是按照对象各部分间的内在的有机的联系，从整体上把握事物的本质和整体的特征。任何科学研究都离不开分析方法。但是分析的方法有它的局限性，由于它着眼的是事物的局部，就可能出现以偏概全，只见树木，不见森林。为了克服这些缺点，就必须用综合的方法把分析与综合结合起来。总之，分析与综合是辩证统一的关系，它们既相互对立，又相互统一。只有把两者结合在一起，才能成为一个完整的、科学的逻辑方法。实证研究法7实证研究法是科学实践研究的一种特殊形式。其依据现有的科学理论和实践的需要，提出设计，利用科学仪器和设备，在自然条件下，通过有目的有步骤地操纵，根据观察、记录、测定与此相伴随的现象的变化来确定条件与现象之间的因果关系的活动。主要目的在于说明各种自变量与某一个因变量的关系。该方法步骤：①确定所要研究的对象，分析研究对象的构成因素、相互关系以及影响因素，搜集并分类相关的事实资料。②设定假设条件。在研究的过程中，研究对象的行为是有其特征所决定，试图把所有复杂因素都包括进去，显然是不现实也不可能的。为此，必须对某一理论所使用的条件进行设定。当然，假设的条件有一些是不现实的，但没有假设条件则无法进行科学研究。运用实证研究法研究问题，必须正确设定假设条件。③提出理论假说。假说是对于现象进行客观研究所得出的暂时性结论，也就是未经过证明的结论。假说对研究对象现象的经验性概括和总结，但还不能说明它是否能成为具有普遍意义的理论。④验证。在不同条件和不同时间对假说进行检验，用事实检验其正确与否。检验包括应用假说对现象的运动发展进行预测。 小茶杯论文查重经验分享：论文查重怎么查？每一个系统都有自己独特的优势，在特定时期选择合适的系统才是硬道理，在确定系统安全的情况下、初稿时期选择性价比高的检测系统、像Paperccb就是不错的选择。

细胞膜既是保护细胞的重要屏障，也是细胞与外界物质和信息交换的界面。空间总厚度约为10纳米的细胞膜（含突出于细胞膜两侧的膜蛋白结构）可被视为准二维凝聚相体系。磷脂双层膜及镶嵌于膜上的众多蛋白质，整体上具有“多重界面复杂流体"的行为和特征。膜本身的二维流动性和三维起伏涨落为膜蛋白动力学的精密测量造成严重干扰。膜蛋白动力学的实时精密测量，一直是膜生物物理领域的一个极具挑战性的问题。为解决这一难题，中国科学院物理研究所SM4组近年来发展了针对体外生物膜模型系统的单分子表面诱导荧光衰逝技术（SIFA）【Nat. Commun. 7: 12906, 2016】和脂质体包裹荧光悠逝测量技术（lipoFRET）【Angew. Chem. 58: 5577, 2019】，分别实现了固体表面支撑的二维脂双层膜界面和三维脂质体双层膜界面上的生物大分子跨膜动力学的高精度观测，可直观展现跨膜肽以及膜蛋白等在垂直生物膜方向上的动态过程，并由此获取了相关生物大分子在跨膜过程中的关键动力学信息，为在分子层面揭示生物膜界面跨膜输运的动力学机理打下了重要基础。上述“干净”的物理模型系统，还不能有效应用于复杂的活细胞膜研究。活细胞中的生物界面体系组分更为复杂，蕴含着更加丰富且重要的生命过程。最近，中国科学院物理研究所/北京凝聚态物理国家研究中心软物质物理实验室的博士生侯文清、博士后马东飞和贺小龙等在陆颖副研究员和李明研究员的指导下，以前序发展的高精度物理测量方法为基础，发展了专门针对活细胞膜界面膜蛋白动力学测量的高精度方法，进而对其机理进行了深入研究。该方法命名为细胞外环境填充荧光受体的荧光共振能量转移（FRET with quenchers in extracellular environment, 简称queenFRET）。该方法应用单点对多点的荧光分子间共振能量转移（FRET）原理，通过测量荧光标记分子的荧光强度或荧光寿命，可精确观察标记位点的插膜深度随时间的变化。该方法以好于1纳米（约等于细胞膜总厚度的十分之一）的精度探测细胞膜上单个膜蛋白的动力学。这是迄今为止检测活细胞膜单个蛋白沿膜法线方向运动的最高精度。应用这个方法，可以解决以往蛋白质与膜相互作用研究中的诸多挑战性问题，包括膜蛋白的跨膜动力学、膜蛋白拓扑结构的动态转变以及细胞信号感知与响应等。细胞膜结构极其复杂。细胞膜上生物大分子的动力学，有些是由它自身的特征和功能决定的，有些是由跟它相互作用的其他蛋白质决定的。三项技术联用，可以解决这个二选一的难题。例如，如果是前者，那么在活细胞膜上表现出来的动力学，亦可以在“干净”的模型系统中观察到。如果是后者，则只能在真实膜系统中观察到。这时候，研究人员可以通过在模型系统中融合潜在相互作用对象的方式，找出决定该蛋白动力学性质的其他生物大分子。以上系列测量方法的最大优势是无需改变生命科学实验室普遍采用的商业荧光显微镜的结构和运行模式，便于推广。对膜上的生物大分子进行荧光标记后，针对不同的研究对象，可采取不同的观察策略。既可以用全内反射荧光显微镜又可以用共聚焦荧光寿命显微镜对目标进行有效观察：基于全内反射荧光显微镜可以观察贴壁细胞；基于共聚焦荧光寿命显微镜可以观察不能贴壁的悬浮细胞。图1. QueenFRET原理示意图。荧光供体对细胞外填充荧光受体的能量转移。图2. 基于全内反射显微镜的细胞膜内外磷脂分子分析。图3. 基于共聚焦荧光寿命显微镜的细胞膜内外磷脂分子分析。相关研究成果以“Subnanometer-precision measurements of transmembrane motions of biomolecules in plasma membranes using quenchers in extracellular environment”为题发表在Nano Letters上。博士生侯文清，博士后马东飞和贺小龙为共同第一作者。陆颖副研究员和李明研究员为共同通讯作者。该工作得到了科技部重点研发计划（2019YFA0709304）、国家自然科学基金委（11974411，91753104和12022409）、中国科学院前沿项目（QYZDJ-SSW-SYS014 和ZDBS-LY-SLH015）和中科院青促会等的支持。编辑：yrLewis1. 2. 3. 4. 5. 6. 7. 8. 10.

本文转自【中国科技网】；11月17日，腾讯公布了一项人工智能助力药物发现的新进展。通过自研的提升蛋白质结构预测精度的新方法，联合研究团队首次解析了II型5a还原酶（SRD5A2）的三维结构，揭示了治疗脱发和前列腺增生的药物分子“非那雄胺”对于该酶的抑制机制，这将有助于深化研究相关疾病的病理学机制及药物优化。此次，采用“从头折叠”的蛋白质结构预测方法帮助解析了SRD5A2晶体结构，并通过自研AI工具“ tFold”有效提升了蛋白质结构预测精度，在科研突破中发挥了核心作用。除了在SRD5A2结构中的应用，这套方法还可以拓展应用于蛋白质分子和病理学机制的相关研究中。该项联合研究成果于近日登上了国际顶级期刊 Nature 子刊《 Nature Communications》。论文题为《人体类固醇II型5a还原酶与抗雄激素药物非那雄胺的结构研究》，由南科大生物系魏志毅副教授课题组与匹兹堡大学张诚教授、新加坡 A*STAR 研究所范昊研究员、腾讯 AI Lab 黄俊洲博士带领的研究小组合作完成。本次得到权威学术期刊发表及评审的高度评价，也验证了该成果对药物研发的创新价值。据了解，tFold工具还在CAMEO（全球唯一的蛋白质结构预测自动评估平台）的国际测评中连续半年保持周度冠军。目前，tFold公测版本已通过腾讯「云深智药（iDrug）」平台官网对外开放。“从头折叠”新方法破解晶体学难题在人体内，性激素有促进性器官成熟、副性征发育及维持性功能等作用。二氢睾酮是人体中已知最强的雄激素，对于人体的发育和生理活动至关重要，但同时也需要保持合理的平衡。一方面，二氢睾酮控制着男性性器官的发育，水平过低将导致男性性征缺陷。另一方面，水平过高又是导致前列腺增生和脱发的罪魁祸首。合成性激素依赖类固醇还原酶，二氢睾酮即由 SRD5A2 催化合成。因此，当患者因为二氢睾酮水平过高而出现前列腺增生和脱发问题时，可以通过抑制 SRD5A2 来降低患者二氢睾酮水平。作为SRD5A2 的高效抑制剂，非那雄胺（finasteride）被广泛用于治疗这类疾病。尽管 SRD5A2 具有重要生理作用，其高分辨率结构信息却十分缺乏，导致 SRD5A2 催化二氢睾酮合成的机理以及非那雄胺抑制 SRD5A2 酶活的机制并不清晰。这是由于 SRD5A2 具有独特的七次跨膜结构，其与人类全部已知结构的蛋白在结构上存在较大差异，难以通过“模板建模”（template-based modeling）方法获得初始构型来解析晶体数据。同时又因为 SRD5A2 是一类多次跨膜蛋白，使得传统的用于获取蛋白质晶体相位信息的“重原子替代”(Heavy-atom derivatization)方法亦难以奏效。为了解决这一难题，腾讯 AI Lab 科研团队采用了难度更高的“从头折叠”（de novo folding）方法来预测 SRD5A2 蛋白的三维结构，并将其用于“分子置换”（molecular replacement, MR）的初始构型来解析晶体数据。所谓“从头折叠”，是相对于“模板建模”的一种蛋白质结构预测方法。“模板建模”是目前最普遍的蛋白结构预测手段，但有一个使用前提——人类已知的蛋白结构数据库（即PDB）当中，必须存在和预测的蛋白相似的结构，否则就无法使用。而腾讯AI Lab采用的“从头折叠”方法则跳出了这个限制，可以不依赖于模板来预测蛋白结构。但此前，通过“从头折叠”方法预测的蛋白质结构精度不高，难以满足晶体数据解析的精度需要。而在腾讯 tFold 工具加持下得到的高精度“从头折叠”的结构模型，为分子置换方法提供相位，继而解析确定2.8 原子级别精度的SRD5A2晶体结构。这一结果能直接推进我们对体内 SRD5A2 活性失调引发的各类疾病的理解，进而为基于 SRD5A2 结构的药物开发提供更多有价值的参考信息。《Nature Communications》的一位评审对此创新方法给予了高度评价：“作者能用预测的分子置换（MR）模型来确定晶体结构，这一点非常有趣。本评审认为该技术确实非常出色，整个X射线晶体学界将从该方法中受益匪浅。”自研tFold 具突破蛋白质结构预测精度tFold工具是破解 SRD5A2 蛋白结构这一重要难题的关键。为了提升“从头折叠”方法（又称“自由建模”）的精度，tFold 工具通过三项技术创新，实现了蛋白结构预测精度的大幅提升。首先，实验室研发了“多数据来源融合”（multi-source fusion）技术，来挖掘多组多序列联配（multiplesequence alignment, MSA）中的共进化信息。然后，借助 “深度交叉注意力残差网络” （deep cross-attention resial network，DCARN），能极大提高一些重要的蛋白2D结构信息（如：残基对距离矩阵）的预测精度。最后，通过一种新颖的“模板辅助自由建模“（Template-based Free Modeling, TBFM）方法，将自由建模（Free Modeling, FM）和模板建模（Template-based Modeling, TBM）生成的3D模型中的结构信息加以有效融合，从而大大提高了最终3D建模的准确性。在研究方面，tFold 平台已在国际公认最权威的测试平台CAMEO上证明其创新价值及有效性。腾讯 AI Lab 于2020年初在CAMEO平台注册了自动化蛋白结构预测服务器 tFold server，并自2020年6月起至今一直保持周度（图1）、月度、季度、半年度冠军。tFold server在一般案例上领先业内权威方法6%以上，在困难案例上则领先12%以上。用AI持续助力药物发现依托大数据挖掘与机器学习等先进技术优势，腾讯正致力于推动AI与医疗产业的深度结合，助力社会整体医疗水平提升。据了解，「云深智药」是腾讯发布的首个AI驱动的药物发现平台，整合了腾讯 AI Lab和腾讯云在前沿算法、优化数据库以及计算资源上的优势，致力于帮助用户大幅度减少寻找潜在活性化合物的时间和成本。此外，平台的逆合成算法也已取得了一定进展，计划于明年上线。其它小分子和大分子药物发现功能模块也将逐步上线。除药物研发以外，在影像筛查、病理诊断等多个医疗领域持续探索，不断拓展和深化研究与应用。在AI助力医疗技术方面，实验室联合多家合作单位研发了中国首款智能显微镜，帮助医生提高工作效率。2020年10月，在免疫组化样本（IHC）分析的基础上，智能显微镜新增了针对宫颈液基细胞（TCT）标本进行临床样本的显微图像进行观察、筛选、标记功能，并已获得国家药监局审批证书。在病理研究领域，研发出了世界领先的前沿算法，比如斩获MICCAI 2020 CPM-RadPath 挑战赛第一名的算法，能够准确区分神经胶质瘤（大脑最常见肿瘤）的不同亚型并进行分级，有望弥补人工诊断效率低、主观因素影响较大等问题。

课题研究1．文献资料法：通过对国内外有关国文教学生活化、课内外结合等文献的收集和研究，使课题研究的内涵和外延更丰富，更明确，更科学。争取在现有研究水平的基础上有提高和突破。2．问卷调查法：在实施课题阶段，对没有实施此课题的年级的学生采用问卷调查方式进行调查研究，用以了解学生的数学发展现状与发展需求，以及相关的影响因素，并根据调查结果有针对性采取相应的策略与手段。 3.行动研究法：结合教育教学实际，在实际的教育教学环节中，通过个案分析和作品分析等，对个体的发展进行跟踪调查，及时改进研究措施。4．经验总结法：在教学实践和研究的基础上，根据课题研究重点，随时积累素材，探索有效措施，总结得失，寻找有效的提高课堂教学效率和提高学生实际运用、实践能力的方法。 5．测量法等多种研究方法。

欢迎关注“雄安学术”，后台为大家准备了90余款分析绘图软件，15种语言包及其他素材。欢迎来寻宝喲~完全精准的数学模型，可以完美解决定量指标的运算，然而数学工具并非万能的，面对大量的无法定量化的指标（如TA爱你的程度），精准的数学模型和工具顿时无法施展拳脚。如何完成定性指标的定量化分析，成为软科学与硬科学（自然科学）之间的研究论题。层次分析法（AHP），一言蔽之就是通过构建一套多层次的评价指标体系，完成对定性指标的定量化分析。层次分析法（AnalyticHierarchy Process，AHP）由美国运筹学家、匹兹堡大学教授SattyT.L.于二十世纪70年代提出，是一种将与决策有关的元素分解成目标、准则、方案等层次，在此基础上进行定性和定量分析的决策方法。常被运用于多目标、多准则、多要素、多层次的非结构化的复杂决策问题，特别是战略决策问题，可以较好地解决多要素相互关联、相互制约的复杂系统的评价，具有十分广泛的实用性，是一种新型简洁化、实用化的研究方法。在实际工作中，层次分析法经常和德尔菲法、百分权重法结合，用于确定评价指标的权重。举个栗子：如TA爱你的程度，可以用联系你的频率、关心你的程度、为你付出时间、为你付出的购买力等因素。先对这几个指标进行权重赋值，随后结合你的TA这些指标相应的得分，进行权重*得分的乘积运算，并将所有要素进行加和，即可得到TA爱你的程度（指数，手动狗头·-·）1971年AHP首次应用于美国国防部研究“应急计划”，随后又开展了多项研究，奠定了AHP在定性研究领域的基础，1982年AHP在“中美能源、资源、环境”学术会议上被首次介绍到中国。喵博士结合相关研究现状，梳理了当前主要涉及领域应用如下：适宜性评价、环境保护措施评价、安全性评价、危化物危害性评价、城市应急灾害能力评价、空间格局安全性评价。同时，亦可用于指导消费者在生活领域决策提供一定指导，如购房影响因素评价、购车影响因素评价、专业选择与就业倾向评价等，均可以发挥其优秀的功效。如在居住区适宜性评价（如上图）时，根据既有研究成效，居住区园林景观适宜性评价可以划分为：绿化种植景观、道路景观、场所景观、硬质景观、水景景观和庇护性景观等六个一级指标（准则层），每个一级指标又可以细分为若干二级指标，以完成定性指标的定量化分析。基于层次分析法（AHP）先分解后综合的基本工作思路，先将要分析的要素进行层次化、步骤化，构建形成多层次分析评价模型，最终确定各层级指标的重要程度（权重），或优先次序。AHP把一个复杂的问题表示为一个有序的递阶层次结构，并通过主管判断和科学计算给出备选方案的优劣顺序（或权重）。简而言之，层次分析法人如其名，首先要构建合理的层次，其次要分析层次内部各因素的优劣。层次分析法的使用流程：1) 根据需求对目标层进行分解，如适宜性可以分解为6个一级指标；2) 建立层次结构图，及判断矩阵；3) 计算权重系数（主要基于德尔菲法，或曰专家打分，对各指标要素的权重进行赋值）；4) 进行一致性检验（在AHP软件中可自行设定），若一致性指标CR<0.1，则满足研究需要，进入下一环节。不满足时则需要对各指标权重重新赋值（重新进行第三步分析）；5) 层次总排序，选出最优方案。如在评价购房影响要素时，可以细分为房价要素、区位要素、户型要素、口碑要素等一级指标，并分别对各一级要素进行深度开发，构建相应的二级评价指标以完成对一级指标的评价。1）建立层次结构模型将决策的目标（城市空间格局安全）、考虑的决策准则因素（空间结构安全、空间要素安全、空间环境安全）和决策对象按它们之间的相互关系分为最高层、中间层和最低层，绘出层次结构图（如下图，强迫症的患者有意见，在“雄安学术”公号文末留言啊~，获取宝贝啊）。2）构造判断矩阵在确定各层次各因素之间的权重时，如果只是定性的结果，则常常不容易被别人接受，因而Saaty等人提出：一致矩阵法，即：不把所有因素放在一起比较，而是两两相互比较。对比时采用相对尺度，以尽可能减少性质不同因素相互比较的困难，以提高准确度。由专家对同一层次内N个指标的相对重要性（两两因素之间）进行打分。相对重要性的比例标度取1-9之间。同时，对各同级指标的重要性评价时，存在三种标度范畴（如下图），根据研究需要自行选择。构建判断矩阵A（正交矩阵），用aij表示第i个因素相对于第j个因素的比较结果：3) 计算权重将矩阵A的各行向量进行几何平均（方根法），然后进行归一化，即得到各评价指标权重和特征向量W：4) 一致性检验判断矩阵的一致性检验，所谓一致性是指判断思维的逻辑一致性。如当甲比丙是强烈重要，而乙比丙是稍微重要时，显然甲一定比乙重要。这就是判断思维的逻辑一致性，否则判断就会有矛盾。计算最大特征根λmax：计算一致性指标CI（Consistency Index）、随机一致性指标RI（Random Index）和一致性比例CR（Consistency Ratio）：一般情况下，当CR＜0.1时，即认为矩阵具有满意的一致性，否则需要对判断矩阵进行调整。5）层次排序层次排序，可分为层次单排序和层次总排序。所谓层次单排序是指，对于上一层某因素而言，本层次各因素的重要性的排序。层次总排序，确定某层所有因素对于总目标相对重要性的排序权值过程，称为层次总排序。这一过程是从最高层到最底层依次进行的。对于最高层而言，其层次单排序的结果也就是总排序的结果。1）构建评价结构一位顾客决定要买一套新住宅，经过初步调查研究确定了三套候选的房子A、B、C，问题是如何在这三套房子里选自一套较为满意的房子呢? 下面给出有关的数据和资料：将影响购买新房的因素归纳为4个标准：· 房子的地理位置及交通；· 房子的居住环境；· 房子结构、布局与设施；· 房子的每平方米建筑面积地单价（模型如下）。2）邀请专家（20-30名）打分对同一层次内4个指标的相对重要性（两两因素之间）进行打分。经过专家的打分，每个标准相对的权重，即标准的特征向量如下表。3）用规范列平均法求权重 第一步：先求出两两比较矩阵每一列的总和。 第二步：把两两比较矩阵的每一元素除以其相应列的总和，所得商所组成的新的矩阵称之为标准两两比较矩阵。 第三步：计算两两比较矩阵的每一行的平均值，这些平均值就是各方案在地理位置及交通方面的权重。我们称最后求得的行平均值为房子选择问题中地理位置及交通方面的特征向量。三个方案在其它三个方面的特征向量。每个标准相对的权重，即标准的特征向量。通过两两矩阵比较，可求得标准的特征向量如下：地理位置及交通：0.398居住环境：0.218结构布局设施：0.085每平米单价：0.2994）两两比较一致性检验两两比较矩阵的元素是通过两个因素比较得到的，而在很多这样的比较中，往往可能得到一些不一致性的结论。例如，当因素i、j、k的重要性很接近的时候，在两两比较时，可能得出i比j重要，j比k重要，而k又比i重要等矛盾的结论，这在因素的数目多的时候更容易发生。 第一步：由被检验的两两比较矩阵乘以其特征向量，所得的向量称之为赋权和向量。 第二步:每个赋权和向量的分量分别除以对应的特征向量的分量。1.803 / 0.593 =3.0401.034 / 0.341 =3.0320.197 / 0.066 =2.985 第三步：计算出第二步结果中的平均值，记为λmax。λmax = (3.040+3.032+2.985)/ 3 = 3.019 第四步：计算一致性指标CI。CI = (λmax– n ) / (n - 1)CI = (3.019 – 3 ) / (3 – 1 ) = 0.010 第五步：计算一致性率CRCR = CI / RI，在这里，RI是自由度指标（修正值）。本例中可计算得CR = 0.01 / 0.58 = 0.017 < 0.1我们已经求出了四个标准的特征向量，以及四个在单一标准下的三个购房方案的特征向量，如表：5）最优方案求解方案 A：0.398*0.593+0.218*0.123+0.085*0.087+0.299*0.265=0.349方案 B（最优）0.398*0.341+0.218*0.320+0.085*0.274+0.299*0.655=0.425方案 C：0.398*0.066+0.218*0.557+0.085*0.639+0.299*0.080=0.226层次分析法优点：· 系统性的分析方法层次分析法把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策，成为继机理分析、统计分析之后发展起来的系统分析的重要工具。系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰明确。这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。· 简洁实用的决策方法这种方法既不单纯追求高深数学，又不片面地注重行为、逻辑、推理，而是把定性方法与定量方法有机地结合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，便于人们接受，且能把多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关系后，最后进行简单的数学运算。计算简便，并且所得结果简单明确，容易为决策者了解和掌握。· 所需定量数据信息较少层次分析法主要是从评价者对评价问题的本质、要素的理解出发，比一般的定量方法更讲求定性的分析和判断。由于层次分析法是一种模拟人们决策过程的思维方式的一种方法，层次分析法把判断各要素的相对重要性的步骤留给了大脑，只保留人脑对要素的印象，化为简单的权重进行计算。这种思想能处理许多用传统的最优化技术无法着手的实际问题。层次分析法缺点：· 不能为决策提供新方层次分析法的作用是从备选方案中选择较优者。在应用层次分析法的时候，可能就会有这样一个情况，就是我们自身的创造能力不够，造成了我们尽管在我们想出来的众多方案里选了一个最好的出来，但其效果仍然不够企业所做出来的效果好。而对于大部分决策者来说，如果一种分析工具能替我分析出在我已知的方案里的最优者，然后指出已知方案的不足，又或者甚至再提出改进方案的话，这种分析工具才是比较完美的。但显然，层次分析法还没能做到这点。· 定量数据较少，定性成分多，不易令人信服在如今对科学的方法的评价中，一般都认为一门科学需要比较严格的数学论证和完善的定量方法。但现实世界的问题和人脑考虑问题的过程很多时候并不是能简单地用数字来说明一切的。层次分析法是一种带有模拟人脑的决策方式的方法，因此必然带有较多的定性色彩。· 指标过多时，数据统计量大，且权重难以确定当我们希望能解决较普遍的问题时，指标的选取数量很可能也就随之增加。指标的增加就意味着我们要构造层次更深、数量更多、规模更庞大的判断矩阵。那么我们就需要对许多的指标进行两两比较的工作。由于一般情况下我们对层次分析法的两两比较是用1至9来说明其相对重要性，如果有越来越多的指标，我们对每两个指标之间的重要程度的判断可能就出现困难了，甚至会对层次单排序和总排序的一致性产生影响，使一致性检验不能通过。不能通过，就需要调整，在指标数量多的时候比较难调整过来。· 特征值和特征向量的精确求法比较复杂在求判断矩阵的特征值和特征向量时，所用的方法和我们多元统计所用的方法是一样的。在二阶、三阶的时候，我们还比较容易处理，但随着指标的增加，阶数也随之增加，在计算上也变得越来越困难。不过幸运的是这个缺点比较好解决，我们有三种比较常用的近似计算方法。第一种就是和法，第二种是幂法，还有一种常用方法是根法（来自百度百科）。