2013-2014年黑龙江地区猪流行性腹泻病毒检测及M基因的遗传进化分析

猪流行性腹泻是由猪流行性腹泻病毒(PEDV)引起的一种严重的病毒性传染病。本试验于2013 2014年在黑龙江省6个地级市的10个规模化猪场采集新生哺乳仔猪临床表现为腹泻症状的粪便与小肠,进行RT-PCR检测,表明PEDV检出率为56%,PEDV+TGEV检出率为6%,PRV检出率为10%,TGEV检出率为10%,结果表明,引起黑龙江省规模化猪场新生仔猪腹泻的主要病原是PEDV,同时也存在与其他腹泻病毒的混合感染。针对阳性病料扩增出的6株PEDV的M基因序列进行遗传进化分析,6株PEDV-M基因序列之间的核苷酸同源性为98.2%~99%,与疫苗株CV777的核苷酸同源性为97.6%~98.2%。利用MEGA 6.0构建遗传进化树,结果显示,扩增出的6条PEDV-M基因的遗传进化树分为两大系,大部分遗传距离较近,处于同一分支。其中LJJHD-M-13和LJJQ-M-14与泰国KU06RB08、泰国KU07RB08的亲缘关系较近,LJJC-M-14、LJJJ-M-14、LJJH-M-13、LJMM-M-14这4株毒株与韩国M1595、韩国CPF259的亲缘关系较近。同时扩增出的6条PEDV-M基因与CV777毒株非一系,与其亲缘关系较远,说明这些地区的PEDV流行毒株已经发生变异,形成了独特的流行进化分支。因此,本试验通过对变异毒株基因序列进行分析,以期为研制新的疫苗和预防控制该病提供实验数据和理论基础。     

大豆Abhydrolase_3基因家族进化分析

异黄酮是大豆的重要次生代谢物,参与植物与微生物互作。2-羟基异黄酮脱水酶(hydroxyisoflavanone dehydratase,HID)催化2-羟基异黄酮形成稳定的异黄酮。HID属于Abhydrolase_3基因家族,该基因家族具有多种功能,但该基因家族在大豆中的进化模式尚待研究。为了研究Abhydrolase_3基因家族在大豆中的进化模式,本文在大豆基因组中鉴定了62个Abhydrolase_3基因,串联和片段复制是该基因家族主要扩增方式。根据系统进化关系,将大豆Abhydrolase_3基因家族划分为8个亚家族,其中HID所在的亚家族I基因数量最多,并发生多次基因扩增事件。对大豆Abhydrolase_3基因家族结构分析表明,不同亚家族具有不同的基序。多态性分析表明,亚家族Ⅰ、Ⅲ和Ⅴ具有较高的核苷酸差异,并受到放松的自然选择。基因表达分析表明,除了亚家族II和IV外,其它亚家族的基因在大豆不同组织中有较高表达;亚家族Ⅰ、Ⅲ、Ⅳ、Ⅴ和Ⅵ基因受病原菌诱导表达。结果说明HID所在的亚家族I存在基因扩增和功能分化,与病原菌互作相关的基因具有较高的遗传多样性并受病原菌诱导表达。     

全基因组重测序及其在动物育种的研究进展

随着生物科学技术的发展以及基因研究的深入,越来越多地使用全基因组测序和高通量测序技术,以期在全基因组水平上找到与疾病或动植物复杂性状有关的遗传变异,分析个体或群体之间的基因序列差异或结构差异,检测范围广、效率高、准确度高。本文就全基因组重测序的主要内容和研究进展加以综述。     

基于无人机航测数据的森林郁闭度和蓄积量估测

蓄积量是评价森林资源质量或状况的重要指标,为了解决实测郁闭度和蓄积量费时费力以及无法充分利用航测原始数据生成各项数据的问题,以无人机航测数据的点云数据和正射影像为研究数据,利用冠层高度模型提取高程,通过一元线性回归分析估测平均树高和平均胸径模型;使用改进形态学分水岭方法提取树冠个数;通过主成分回归建立郁闭度模型;结合提取与估测的GIS因子,用偏最小二乘法建立蓄积量模型。结果表明:平均树高模型精度为97.34%、平均胸径模型精度为91.27%,改进分水岭提取树冠精度为80.03%,郁闭度模型精度为83.18%,蓄积量模型精度可达88.43%。蓄积量模型的所有特征因子均是通过遥感方法从无人机原始航测数据中提取而来,充分利用了无人机航测数据。实验建立的树高、胸径和郁闭度模型可以有效地估测森林平均树高、胸径及郁闭度,改进后的分水岭算法减少了过分割,蓄积量模型能够有效估测蓄积量,提高了蓄积量提取效率,节省了大量的人力物力。     

割草机器人自动控制系统 —基于智能视觉和人工算法

为解决无导航功能的智能割草机割草区域最佳覆盖的问题,将智能视觉和人工智能聚类算法引入到了割草机控制系统的设计上,通过分解目标区域和计算质心位置,实现作业区域的全覆盖识别。机器人控制系统利用智能视觉来判断割草作业区域,代替了以信号和微波等为依据的导航功能,可以有效地提高作业区域的识别效率和精度。为了验证方案的可行性,以割草机器人路径规划为例,对割草机器人的路径规划时间和准确率进行了测试。结果表明:基于智能视觉和人工聚类算法的割草机器人具有较高的路径规划效率,且路径规划的准确率也较高,可以满足割草机器人控制系统的设计需求。     

机器视觉在木材缺陷检测领域应用研究进展

为了提高木材利用率，采用机器视觉来实现木材缺陷快速而稳定的检测，不仅可以克服人工检测效率低、劳动强度大、准确率低等弊端，而且对提高木材加工企业的智能化水平具有重要意义。文中概述了机器视觉检测技术及设备的国内外研究现状，介绍基于机器视觉检测木材缺陷所涉及的相关理论和算法研究，以及相关图像处理算法的优缺点；针对机器视觉应用在木材缺陷检测领域存在的不足，提出机器视觉木材表面检测应进一步向人工智能方向发展，以提高木材缺陷检测效率及准确性。     

基于改进蚁群算法的植保无人机路径规划方法

为了规划出更加高效的植保无人机路径，提出一种基于改进蚁群算法的植保无人机路径规划方法，该方法适用于多个具有复杂多边形边界与内部障碍物的三维作业区域。采用扫描方式生成水平面内的作业路径，经过离散化处理后，在三维地形曲面上插值，获得三维作业路径。在此基础上，建立作业路径生成算法，以三维作业路径总长度尽量短、作业路径数量尽量少为目标，对植保无人机作业航向进行寻优。改进蚁群算法通过附加记录作业路径进入点的机制，实现对三维作业路径的合理排序，生成总长度较短的转移路径。经过算例检验，针对同一作业区域规划出的三维作业路径与水平面内的作业路径的航向角存在较大差异，相差最大为92°，这说明考虑三维地形的必要性。算例中，将改进的蚁群算法与贪婪算法进行了对比，针对一系列相同的作业起点，改进的蚁群算法所得的转移路径总长度均较短，比贪婪算法所得结果缩短3%~28%；在未选定作业起点情况下，改进的蚁群算法与贪婪算法求得的转移路径总长度最小值分别为1661m与1763m，说明改进的蚁群算法具有良好的寻优能力。实例检验情况与算例所得结论基本一致。算例与实例中的作业区域边界与地形复杂，涵盖情况全面，表明本文提出的路径规划方法具有一定实用性。     

福建黄兔线粒体基因组全序列测定与分析

福建黄兔是中国优良的小型兼用品种，从线粒体水平分析福建黄兔在兔形目动物中的系统发育地位，对探究其起源、进化和种群分类具有重要意义。利用PCR高保真扩增技术和生物信息学软件对福建黄兔线粒体基因组进行获取、拼接与注释。结果发现福建黄兔线粒体基因组全长17 000 bp(Genbank No.MN518689)，主要包括tRNA基因（22个）、rRNA基因（2个）、蛋白编码基因（13个）和控制区（1个）4 部分，基因排列紧密。除控制区，共存在37个编码基因，有9个基因由轻链（L链）编码，其余28个编码基因均由重链（H链）编码。22个tRNA基因中，除 tRNA-Ser(AGY)基因由于缺失DHU臂不能形成三叶草结构外，其余21种tRNA基因均可折叠形成经典的三叶草结构。控制区含有3种结构域：延长终止序列区（ETAS1和ETAS2）、中央保守区、保守序列区（CSB1、CSB2和CSB3），其中，CSB1和CSB2间存在200 bp的短重复序列，CSB3和tRNA-Phe间存在306 bp的长重复序列。基于线粒体基因组控制区序列构建10 种兔形目动物的系统进化树，结果表明福建黄兔起源于穴兔，支持将福建黄兔划归为穴兔属。     

建立数学模型解决“巡检线路排班”问题

目的安全检查在工业生产中不可或缺,是发现和消除事故隐患、落实安全措施、预防事故发生的重要手段。为提高巡检的效率,优化资源配置,通过建立数学模型以达到花费最短的时间和最少的人力完成巡检任务。方法通过对模型的假设及简化,建立目标规划模型,运用Kruskal算法找出连通图的最小生成树,运用Floyd算法找出最短路径,使用MATLAB、LINGO编程对建立的模型进行求解。结果在问题1中,运用Kruskal算法找出最小生成树后,经过分析计算,以调度中心XJ—0022为树根对最小生成树粗略划分为4个子图,运用Floyd算法找出每位工人的最短巡检路径,建立目标规划模型,再使用MATLAB及LINGO,确定每班4人为最优,并给出了最优巡检线路和巡检时间表。在问题2中,若增加休息和吃饭时间,经过分析讨论后每班应有6名工人。根据第一问的算法思想求出每位工人的最短巡检路径,经过软件求解,给出了最优巡检线路和巡检时间表。在问题3中,若要把问题1中的固定上班改为错时上班,反而会增加人力成本,不可取。对问题2,把上班时间进行如下调整:3∶00-11∶30、11∶30-19∶00、19∶00-3∶00,这样每班5个人就可以完成工作,此种方法比固定上班可节省3人。结论通过建立数学模型,并对模型的求解,最终解决了问题,花费最短的时间和最少的人力完成巡检任务。