黑龙江省主栽水稻品种抗稻瘟病基因的分子检测与分析

了解品种本身的抗性基因型对于水稻品种合理布局具有重要意义。为了明确稻瘟病抗性基因Pi-ta、Pi-b、Pik-m、Pi9、Pii、Pi-d3在黑龙江省水稻品种中的分布情况,选取34份主栽品种,利用这6个抗瘟基因的功能标记,对供试材料进行分子标记检测。结果表明,Pi9的分布频率最高,其次是Pi-ta和Pik-m,Pi-b和Pii抗性基因分布频率较低,Pi-d3的分布频率最低;供试的34份水稻材料中,被检测出最多含有5个抗性基因,而最少只含有1个抗性基因,含有2个抗性基因的品种所占比例最大,龙粳40和龙粳42不含有待检测基因。     

新疆阿拉尔垦区抗铃病棉花品种筛选

调查和研究新疆阿拉尔垦区棉花不同品种的抗性，在棉花育种材料中筛选出对铃病抗性较高的品种（品系）。选择30个供试材料，设计小区试验，田间调查烂铃数计算烂铃率，利用SPSS 13.0软件的离差平方和法进行聚类分析。结果显示：在30个供试品种（品系）中，根据铃病发生轻重程度分为3大类：第一类发病较轻，发病率为19.5%～41.9％；第二类为发病中等类型，发病率为48.9%～68.9%；第三类为发病较重类型，发病率为75.8%～99.8%。由此可知，不同的棉花品种对铃病抗性差异显著，棉花育种中应结合产量和品质选择抗性较好的品种保留，三大类别可保留的品种（品系）分别为KS1、KS2、KS21（第一类），KS3、KS6、石惠9号（第二类）和KS22（第三类）。     

宠物医院细菌消毒剂的抗性分析

室内环境中杀灭病原菌的有效手段是消毒,但不合理使用消毒剂会导致细菌对其抗性增加,存在大量致病菌的宠物医院更容易出现消毒剂抗性细菌。近年来,对消毒剂抗性的研究主要集中在抗性基因上,发现消毒剂抗性与细菌耐药之间在基因水平上存在联系,这将带来潜在的公共卫生问题。论文对宠物医院临床消毒剂的应用现状及使用效果进行分析,重点阐述细菌消毒剂抗性及其与耐药性之间的关系,以期为宠物医院的消毒工作提供依据。     

卷丹转基因体系构建及岷江百合LrCCoAOMT的导入

以卷丹（Lilium lancifolium Thunb.）无菌小鳞片为试材，通过切片处理、优化农杆菌侵染浓度与时间以及重悬液和共培养基成分，构建农杆菌介导的高效遗传转化体系。结果表明，MS + 1.5 mg ? L-1 6-BA + 0.5 mg ? L-1 NAA + 30 g ? L-1蔗糖是切片芽分化的最佳培养基，添加100 mg ? L-1抗坏血酸能有效抑制褐化并促进不定芽增殖。MS + 2.0 mg ? L-1 NAA + 30 g ? L-1蔗糖是生根诱导的最佳培养基。抗生素敏感性测试发现，培养基中添加Kan 100 mg ? L-1或Hyg 75 mg ? L-1 结合Cef 400 mg ? L-1适宜抗性筛选。GUS染色分析表明，以去除大量元素的改良MS + 100 μmol ? L-1 AS和去除大量元素的改良MS + 1.0 mg ? L-1 6-BA + 1.0 mg ? L-1 NAA + 100 μmol ? L-1 AS为重悬液和共培养基，将切片在农杆菌菌液浓度OD600为0.4，侵染15 min，获得81.72% 瞬时转化率和25.2% 稳定遗传转化率。将岷江百合LrCCoAOMT转化卷丹，分子检测和GUS染色分析表明已获得转基因阳性株系。     

10个青贮玉米品种在黄冈地区的表现分析

分析10个青贮玉米品种在湖北省黄冈地区作为青贮玉米的利用价值。结果表明,帮豪青贮118、渝青386、川单青贮2017、渝青506抗病抗倒性较好;渝青386、渝青506、帮豪青贮118干物质产量较高;桂青贮1208、川单青贮2017、渝青506中性洗涤纤维(NDF)含量较低;川单青贮2017、桂青贮1208、渝青506酸性洗涤纤维(ADF)含量较低;曲辰九号、帮豪青贮118粗蛋白含量较高。综合分析认为,渝青506具有产量较高、抗性较好、NDF含量较低、ADF含量较低、粗蛋白含量较高等特点,比较适合作为青贮玉米在黄冈地区种植。     

红铃虫对Bt棉花的抗性现状及抗性机制

红铃虫是世界性的重要棉花害虫,自转Bt棉花商业化种植之后,其种群数量得到了有效的控制。然而,红铃虫对Bt的抗性发展严重威胁着Bt棉花的可持续应用。本文概述了红铃虫对Bt棉花的抗性现状及其抗性机制,以期为科学制定红铃虫抗性治理策略提供依据。     

基于多核支持向量机的小麦条锈病遥感监测研究

为提高小麦条锈病的遥感探测精度,依据日光诱导叶绿素荧光和冠层反射光谱数据在小麦条锈病遥感探测中的优势及其与病情严重度之间的映射关系,在运用独立分量分析法对光谱数据降维的基础上,利用核学习算法分别确定冠层光谱特征和日光诱导叶绿素荧光特征反映小麦条锈病病情严重度的最优核,同时针对冠层光谱与叶绿素荧光特征组,建立基于不同特征最优核映射的多核学习支持向量机模型,并与基于特征直接拼接的模型结果进行对比。结果表明,对于冠层光谱而言,采用高斯核构建的支持向量机模型可较好估测小麦条锈病病情指数,而日光诱导叶绿素荧光指数则是采用多项式核的效果更优;采用直接拼接法融合叶绿素荧光指数和冠层光谱特征能够在一定程度上改善小麦条锈病病情指数估测精度,决定系数(r~2)最高为0.847,而单独利用冠层光谱信息或者叶绿素荧光信息时,r~2最高仅为0.802;对日光诱导叶绿素荧光和反射光谱特征分别利用其最优核进行映射构建的多核学习支持向量机模型精度最高,r~2为0.915,RMSE为0.090,优于基于特征直接拼接构建的支持向量机模型精度。