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。     

饲料中无机元素分析方法研究进展

饲料中所含的无机元素对动物生长具有重要意义。在饲料中过量添加无机元素会导致环境污染问题,也会通过食物链最终危害消费者的身体健康,因此,对饲料产品中的无机元素进行检测和动态监控尤为重要。综述了近年来饲料中无机元素含量检测主要应用的前处理方法及其含量检测技术,分析了不同前处理方法和含量检测技术的优点和不足,以期为饲料中无机元素分析方法的科学、合理应用提供参考。     

马铃薯块茎淀粉组分高效检测体系的建立及应用

马铃薯块茎淀粉组分(直链/支链淀粉比AM/AP)影响淀粉特性以及决定其在食品和其他工业上的应用。AM/AP的测定对其合理利用以及选育特异淀粉组分的专用品种等具有重要意义。采用96孔板双波长法对马铃薯不同AM/AP比率标准样品进行测试,发现当测试样品AM/AP比率超过制作标准曲线的AM/AP比率(33.3%)时,测试结果明显高估直链淀粉含量。基于96孔板的碘染分析,建立了马铃薯AM/AP比率和最大吸收峰下波长的标准曲线:y=601.88x0.0215,R2=0.9999。该方法进一步提高了测试准确度和应用范围。利用该方法测试了198个马铃薯品种(系)以及高直链淀粉组分的转基因块茎,明确了收集的马铃薯品种(系)的直链淀粉组成范围为17.4%~33.3%。新建立的马铃薯淀粉组分测试方法为高效准确筛选遗传育种材料以及改良淀粉组分株系提供了方便。     

基于机器视觉的火龙果自动分级系统设计

针对目前水果机械化分级效率低、效果差的现状和机器视觉技术在水果分级检测的应用前景,提出了利用机器视觉的技术对火龙果进行分级的方法。通过利用CCD摄像机和DSP处理器对火龙果进行缺陷检测及大小和色度的分级。试验结果表明:基于机器视觉的火龙果自动分级系统可以高效率、高准确率地实现对火龙果的自动分级,为后续产业化机器视觉水果分级系统提供了技术支持。     

QuEChERS-气相色谱-质谱法测定粮谷中氰烯菌酯残留

建立了一种适用QuEChERS前处理结合气相色谱-质谱 (GC-MS) 技术测定4种粮谷（糙米、小麦、高粱及玉米）中氰烯菌酯残留的方法。样品经乙腈提取、PSA净化和浓缩后，采用GC-MS检测，内标法定量。结果表明:在10～500 μg/L质量浓度范围内，氰烯菌酯峰面积与进样质量浓度间线性关系良好，决定系数 (R2) > 0.9983，定量限 (LOQ) 低于0.005 mg/kg；在添加水平分别为0.005、0.02、0.05及0.1 mg/kg时，该方法的平均回收率在85%～108%之间，相对标准偏差 (RSDs) 为1.1%～10.4%。该方法简便、快速，具有良好的灵敏度和重现性，适用于粮谷中氰烯菌酯的残留量测定。     

山葡萄VaCIPK18原核表达与多克隆抗体制备

类钙调磷酸酶B亚基蛋白(CBLs)互作蛋白(CIPKs) 作为类丝氨酸/苏氨酸蛋白激酶,在植物响应非生物胁迫信号转导中起着重要作用。基于前期山葡萄响应低温胁迫转录组测序结果,发现低温胁迫引发的早期伤害及感知阶段的激酶基因中涉及CBL-CIPK 信号通路的VaCIPK18表达显著上调。为进一步研究山葡萄(Vitis amurensis)VaCIPK18激酶参与低温胁迫的功能,采用同源克隆获得了VaCIPK18基因,其开放阅读框为1 320 bp,编码439个氨基酸。基于对VaCIPK18蛋白生物信息学分析,获取胞外结构域中抗原表位丰富的肽段,并将其C端调控结构域(230~439 aa)构建到原核表达载体pET28a-SUMO。将重组表达载体转化至大肠杆菌(E. coli Rosetta)中,经0.8 mmol·L^-1 IPTG、37℃诱导4 h表达出大小为42 kDa的包涵体蛋白。将重组蛋白作为抗原免疫日本大耳白兔,获得anti-VaCIPK18多克隆抗体,经检测具有高效价及特异性。Western Blot结果表明,该抗体可以与葡萄内源CIPK18特异性结合,且在50 kDa位置出现与预期一致的条带。同时,CIPK18在低温胁迫后葡萄叶片中蛋白表达水平与室温下相一致,但两种状态下均存在可能的磷酸化与泛素化修饰现象。本研究结果为进一步探究VaCIPK18的蛋白定位、表达及其功能奠定了基础。     

基于光声光谱和TCA迁移学习的稻种活力检测

种子活力是决定水稻产量的最重要因素之一，但目前水稻种子活力的近红外和高光谱等无损检测方法易受种子表皮颜色影响，且所建模型难以适应新品种。该研究提出基于光声光谱技术的稻种活力无损检测方法并结合迁移学习进行新品种稻种活力检测。首先，对Y两优、龙粳、南粳、宁粳、武运粳、新两优等具有区域代表性的典型6种水稻品种，进行高温高湿人工老化处理，得到0~7 d老化时间的水稻种子；再通过调制频率获得8种不同深度的光声光谱信息，用主成分分析、竞争性自适应重加权算法对光谱降维得到特征光谱后，对Y两优、龙粳、南粳、宁粳、武运粳分别建立偏最小二乘回归（Partial Least Squares Regression，PLSR）、反向传播神经网络（Back Propagation Neural Network，BP）、广义回归神经网络（Generalized Regression Neural Network，GRNN）、支持向量回归模型（Support Vector Regression，SVR）、深度卷积神经网络（Convolutional Netural Network，CNN）的稻种活力预测模型，并选择最优调制频率；最后，通过迁移学习将建立的模型迁移到新两优稻种进行活力预测。结果表明，光声光谱最佳扫描频率为300 Hz，CNN预测模型精度较高，相关系数和均方根误差分别优于0.990 9、低于0.967 5；且经过迁移学习，仅需通过对源域数据的训练，即可直接对新品种稻种的活力进行精确预测；通过TCA迁移学习后，新两优稻种活力预测的相关系数从0.718 5提高到0.990 3。研究表明，采用光声光谱深度扫描技术对不同种类稻种的活力进行高精度检测是可行的，且经过迁移学习，仅需80粒新品种稻种信息即可实现稻种活力的精确预测。