NRF1基因多态性可预测中国北方地区汉族男性有氧能力的差异

目的：拟探讨核呼吸因子1（NRF1）基因多态性与最大（VO2max）和次最大有氧能力（running economy，RE）的关联性。方法：102名无训练史的健康男子进行18周有氧耐力训练，测试训练前后的VO2 max和12km／h跑速下的RE。用FCR-RFLP分析NRF1基因的SNPrs2302970、rs6949152和rs10500120多态性。结果：3个多态位点均符合H—W平衡（P〉0．05）。rs2302970与rs6949152强连锁不平衡（D’=0．950，12=0．631），经haplo．em推算，主要存在4种单体型；3个SNPs及单体型与VO2max的初始值及训练敏感性均不关联；RE的初始能力与rs2302970多态性关联，携带CT基因型的群体显著高于CC基因型。RE的训练敏感性与rs2302970和rs6949152多态性关联，携带CT或AG基因型的群体显著高于CC或AA基因型。结论：NRF1基因多态性能够预测中国北方地区汉族男性次最大有氧能力的差异。     

男子400m跑的项目规律和特点

400m跑是一项以速度为主的体能类短跑项目。在400m跑的训练中应注意以下问题:高度重视无氧能力、速度能力(绝对速度)和速度耐力水平的提高,合理安排速度训练与速度耐力训练的比例;高度重视以短促长和以长补短的训练方法;高度重视400m跑运动员的力量素质训练,特别是腰、腹肌力量训练;高度重视400m运动员的专项身体素质,不断增加负荷量及强度;高度重视恢复训练,建立多课次的训练结构。     

男子中跑室内赛赛前强化训练阶段机能指标评定的研究

科学地控制室内赛赛前训练的负荷,是中跑科学化训练中需要解决好的重要课题,目前国内在此方面的研究还很少.利用生理、生化指标对上海市中长跑队备战第十届全运会运动员参加室内赛赛前训练进行了监控,以揭示运动员赛前训练负荷引起的身体机能指标变化的控制因素及其评价标准和合理变化的规律.     

史铁生作品中的哲思意象

深刻的哲思性是史铁生作品的明显特点，其表现之一就是他创造了一系列特有的富含哲思的意象，体现出了独特的艺术特征。这些意象，很好地表现了作者的心路历程。     

动态视觉图像对小学生兴趣影响及学习效果分析

动态视觉图像教学以独特的影视动画效果、丰富的图文声形信息显示功能,确实提高了小学生的求知兴趣、自主学习兴趣、阅读兴趣、课外活动兴趣。它对小学生学习效果的促进作用是有的,但是效果不是很理想,需要对此进行研究并发现和分析存在的问题。文章以问卷调查为主,同时结合对比试验、随堂听课、访谈等方法,以偃师第一实验小学和第二实验小学...     

学前教育专业男生积极心理品质培养策略探析

积极心理品质包含个体思想、情感和行为等一系列心理行为,如爱心、乐观、挑战、奉献等方面。近年来,国家在政策法规方面鼓励男性进入幼儿教育行业,越来越多男生选择学前教育专业,但很多的学前教育专业男生存在专业认同困惑、职业认同感低、自我内驱力低等心理方面的问题。要帮助学前教育专业男生树立正确的价值观,进行职业生涯的规划,增加其自信心和自豪感;加强职业技能培养,增强其使命感与责任感,寻找适合学前教育专业男生的培养方式。     

地域文化因素在现代包装艺术设计中的现实影响探究

地域文化特色为现代包装认知提供了可借鉴的理论路向与现实可能。我们对于现代包装艺术设计转型的理解,既不能简单地从艺术角度出发,也不能单纯地停留在视觉层面,而要揭示历史转变过程中现代性的内在悖论,进而为从人文视角进行图像处理提供理论与现实路径。     

基于改进神经网络的图像生物特征识别方法

在图像的固定生物特征识别过程中,传统的识别方法针对像素质量不高的问题,很难建立完整的寻优计算过程,识别效果不好。提出基于改进神经网络算法的图像特征识别方法。通过量子计算对神经网络进行优化,优化神经网络在特征识别中的阀值确定过程,完成图像识别。实验结果表明,利用改进的算法进行图像特征识别,能够极大的提高生物特征识别的准确性,扩展了应用的范围。     

浅析《秦腔》中女性人物形象

长篇小说《秦腔》被称为"乡土中国叙事的终结"。"清风街"便成为式微的故土,与此同时,在《秦腔》中伴随着"乡土世界"消亡的背后是乡土中男性世界的式微。而《秦腔》中的女人们则继续留守在乡村之中,女性品质往往被男性权利所遮蔽。     

基于对数变换的灰色预测模型GM(1,1)对全运会男子100m跑成绩的预测研究

研究目的:为预测下一届全运会男子100m跑平均成绩,通过运用灰色系统理论,建立GM(1,1)预测模型。研究方法:运用灰色系统理论预测方法、数理统计法及文献资料调研,以第七届到第十二届全运会男子100m跑前三名的平均成绩作为研究对象。结果与结论:通过对数变换对原始数据处理、进行GM(1,1)建模、模型检验(残差检验、关联度检验、后验差检验),得到了合格的预测模型:X赞(0)(k+1)=(1-e0.0003824)(2.3273-6194.7929)e-0.00382473k,k=6,X赞(0)(7)=2.3233,Y赞(0)(7)=10.21(s)。即预测第十三届全运会男子100m跑前三名的平均成绩为10.21(s)。