一株鸡源荚膜A型多杀性巴氏杆菌分离鉴定及耐药性分析

从疑似禽霍乱病死鸡中分离一株细菌,采用16SrRNA方法鉴定为多杀性巴氏杆菌,PCR方法分析其血清型为A型,对其进行耐药性分析,结果显示分离株对氨苄青霉素、头孢噻肟、恩诺沙星、多粘菌素敏感,对青霉素、链霉素、四环素、氟苯尼考高度耐受.本研究结果为鸡源多杀性巴氏杆菌的防治提供参考.     

转基因甘蔗BtG-2的T-DNA侧翼序列分析及其转化事件特异性检测

转基因甘蔗BtG-2是利用农杆菌介导法把Cry1Ac-2A-gna融合抗虫基因导入‘新台糖22号’的转基因甘蔗株系,具有良好的抗虫特性和农艺性状。为了明确转基因甘蔗BtG-2的分子特征及其检测方法,推进其生物安全性评价工作,以BtG-2的T2代为研究材料,利用Southern杂交检测外源基因在转基因甘蔗基因组内的拷贝数;利用染色体步移技术分离外源基因在甘蔗基因组中插入位点的侧翼序列,并建立了该转化体高效灵敏的特异性PCR检测方法。结果表明：Southern杂交检测证明外源T-DNA以单拷贝方式插入BtG-2株系;经过3次的热不对称巢式PCR扩增,获得外源基因T-DNA左边侧翼序列984 bp和右边侧翼序列705 bp;以这2个序列和相应的T-DNA的左右端序列分别设计3对检测引物对,建立了BtG-2株系的转化事件特异性PCR检测方法,扩增效率最高的引物对LS011/LA451和RS160/RA588分别扩增到440 bp和428 bp的特异片段。其中T-DNA左侧设计的LS011/LA451检测引物对扩增的灵敏度高、特异性强,能够在甘蔗BtG-2基因组DNA相对含量为0.1%的模板中检测出转基因目的成分,相当于9个单倍体基因组拷贝数。本研究完成了转基因株系BtG-2的分子特征及其转化事件特异性检测,为该转基因甘蔗及其衍生产品的检测和身份识别提供技术依据。     

多营养层次生态养殖模式简析

系统介绍了多营养层次生态养殖模式在淡水养殖及海水养殖中的应用与发展,对比了国内外有关该养殖模式发展方向的异同,简述了该养殖模式通过提高物质和空间利用率、改善养殖环境的原理以及在我国推广应用情况,并汇总了我国沿海省份近年来开展该养殖模式选用的品种搭配及产量产值。指出了多营养层次生态养殖模式还存在的问题,对今后发展提出了建议。     

猪MAVS基因原核表达载体的构建及其多克隆抗体的制备

通过RT-PCR从PK-15细胞系中扩增克隆MAVS(mitochondrial antiviral signaling protein)基因,构建原核表达载体p ET-MAVS220,转化感受态细胞Rosetta(DE3),利用IPTG诱导表达,重组MAVS经纯化后免疫4周龄昆明系小鼠制备抗线粒体抗病病毒信号蛋白(MAVS)多克隆抗体。诱导表达的最佳条件为IPTG 0.05 mmol/L,37℃诱导6 h,重组MAVS以可溶性蛋白和包涵体两种形式表达。应用该重组蛋白免疫小鼠获得的抗MAVS多克隆抗体与纯化的重组MAVS蛋白反应效价可达1∶16 000;该抗体与Poly(I∶C)刺激PK-15细胞产生的MAVS及与转染了重组MAVS基因真核表达载体pcDNA3.0-MAVS的BHK-21细胞表达的MAVS蛋白发生特异性反应,效价可达1∶1 000,特异性良好。     

无公害农产品(渔业产品)检测目录评估分析

随着经济的快速发展,我国的无公害农产品事业也进入新的发展阶段。文章通过探讨无公害农产品(渔业产品)检测目录的提出背景、内容、评估手段等,对我国无公害农产品(渔业产品)检测目录的内容变化进行了详细的比对分析,旨在为我国无公害农产品的管理和控制提供技术支撑。     

泡腾片在食品业中的研究进展

泡腾片具有崩解迅速、口感良好、服用方便、质量稳定等特点。在食品业中泡腾片主要是固体饮料,例如茶泡腾片、维生素泡腾片、果蔬泡腾片等。本文概述了我国泡腾片在食品业中的研究进展,并展望了泡腾片在食品业的应用前景,以期为泡腾片的开发利用提供参考。     

血样采集技术在动物疫病检测中的注意事项及应用

为全面提升动物健康水平,应积极落实动物疫病预防工作,而疫病检测是动物疫病防治的基础,本文提出采用血样采集技术的建议。文章在阐述动物疫病检测工作中存在的主要问题基础上,对禽、牛羊、猪对应的采血方法分别探究,最后分析了动物疫病检测工作中的注意事项。希望与动物疫病检测人员分享技术经验,共同优化动物疫病检测工作质量。     

基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。