滴度及注射方式对2型腺相关病毒载体表达效果的影响

由于腺相关病毒载体(adeno-associated viral vector,AAV)本身的侵染不具有神经元特异性,其在神经系统相关研究中会存在侵染范围不符合试验要求的情况,因此本试验拟研究不同滴度和注射方式对病毒侵染范围的影响。结果显示,在注射较高滴度的AAV2-CMV-EGFP(1.3×10¹¹mg/L)3周后,其侵染范围可由延髓中缝苍白核(raphe pallidus nucleus,RPa)区域延伸至下丘脑室旁核(paraventricular nucleus,PVN)区域;较低滴度(1.3×10⁸mg/L)结合压力注射的方式可以在一定程度上限制AAV的侵染范围,并且载体携带的EGFP荧光基团在637 nm波段不具有明显的假阳性信号。     

基于卷积神经网络的拖拉机工况识别

农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。     

基于声振信号对称极坐标图像的苹果霉心病早期检测

为实现苹果早期霉心病较高精度的检测，该研究采用对称极坐标法（Symmetrized Dot Pattern，SDP）将苹果声振信号变换为雪花图，然后采用AlexNet、VGG16和ResNet50卷积神经网络以迁移学习方式深度挖掘SDP雪花图像的特征信息，将其输入到支持向量机（Support Vector Machine，SVM）分类器，对霉心程度≤7%的苹果进行检测。研究结果表明，当时间间隔系数为25和角度放大因子为50°时，健康果与早期霉心果声振信号的SDP图形状特征差异最大，在此条件下获取的SDP图经卷积神经网络AlexNet、VGG16和ResNet50提取特征并构建了不同核函数的SVM霉心果检测模型，在各类SVM模型中，ResNet50-SVM-gaus（高斯基）模型用相对较少的训练时间和参数量可取得训练集霉心果较高分类准确率，经超参数优化训练该模型对健康果和早期霉心果测试集不平衡样本（10∶1）的总体分类准确率达到96.97%，平均查准率、平均查全率、平均加权调和均值、Kappa系数和马修斯相关系数值分别为80.19%、90.36%、86.21%，82.54%和82.68%，该模型不仅对多数类的健康果保持较高分类准确率，而且对少数类的早期霉心果也具有较高判别能力。这些研究结果为声振法应用于果蔬内部病害的早期在线检测系统研发提供了技术支撑。     

甜菜种子活力的测定——基于近红外高光谱技术

为保证田间甜菜种子的出苗率和生产潜力,需要在种植前对种子进行活力检测,挑选出活力高的甜菜种子进行推广种植。利用高温处理法对甜菜种子进行老化处理,再基于标准正态变换(SNV)、去趋势校正(DET)、Savitzky-Golay平滑处理(SG)、一阶差分(1D)和二阶差分(2D)5种近红外高光谱预处理方法,构建种子活力智能检测模型得出预测的种子发芽率,再利用老化处理后的甜菜种子进行发芽实验得出实际的发芽率。研究发现,甜菜种子经过一阶差分预处理建立的智能检测模型预测性能最好,其预测准确率达到91.92%。将未处理的甜菜种子的实际发芽率与一阶差分预处理法建立的智能模型预测结果进行对比,发现模型的预测准确率为88.2%。近红外高光谱技术是一种快速、无损的作物种子活力测定的新方法。     

超表达OsPR1A增强了Xa21介导的水稻对白叶枯病的抗性反应

【背景】前期研究发现,水稻病程相关蛋白质OsPR1A的表达受上游抗病基因Xa21调控,接菌后早期启动Xa21介导的OsPR1A较高水平表达对水稻抵抗白叶枯病菌至关重要。同时OsPR1A也受到水稻白叶枯病菌（Xanthomonas oryzae pv. oryzae,Xoo）的诱导表达。对于OsPR1A的研究绝大部分是作为抗性反应发生的标志基因佐证其他基因或途径在抗性中的作用,缺乏直接的证据证实OsPR1A本身的生物学功能。【目的】通过获得OsPR1a-OX超表达转基因植株,调查其表型及农艺性状,并明确OsPR1A蛋白质表达与抗性的关系,为鉴定OsPR1A功能提供依据。【方法】通过农杆菌介导法,将构建的OsPR1a-OX转化载体转入到水稻受体4021中,利用PCR和免疫印迹（western blot,WB）技术分别在基因水平和蛋白质水平上筛选并鉴定OsPR1A超表达阳性纯合株系。在成熟期,调查OsPR1A超表达转基因植株的表型及农艺性状（株高、穗长、分蘖数、结实率和籽粒大小等）。在31℃条件下,将生长2周的水稻幼苗TP309、4021和OsPR1A超表达转基因植株接种水稻白叶枯病菌,并在接菌0、2、4、6、8、10和12 d时测量病斑长度。在接菌0、4和6 d时,收集TP309、4021和OsPR1A超表达转基因植株的水稻叶片,提取蛋白质,利用WB技术检测OsPR1A的表达特征。【结果】构建了OsPR1a-OX转化载体,并转入到受体4021中,筛选并鉴定到2个OsPR1A超表达转基因纯合株系（#704和#709）。调查了OsPR1A超表达转基因植株在成熟期的表型及农艺性状,与对照4021相比,#704和#709的株高较矮、穗长较短、分蘖数减少、结实率降低,但籽粒稍大,可能与结实率低有关。在31℃条件下,OsPR1A超表达转基因植株的病斑长度与对照4021相比明显缩短,结果具有显著性差异（P<0.05）。在接菌0、4和6 d的材料中,超表达转基因植株#704和#709中OsPR1A始终有较高水平的表达丰度,从而提高了对白叶枯病菌的抗性。【结论】采用农杆菌介导法,获得OsPR1A超表达转基因植株;超表达OsPR1A影响到水稻的正常发育过程;超表达OsPR1A后增强了Xa21介导的水稻对白叶枯病的抗性。     

自动折叠喷洒臂的设计及运动学特性

为了解决当前卷盘式喷灌机所配套的喷灌车自动化水平较低的问题,设计了一种基于电动缸驱动的自动折叠喷洒臂,并在喷洒臂之间连接处设计了一种当喷洒臂完全展开时能够实现自密封的端面密封铰链.基于喷洒臂完全折叠时收拢于车架两侧,完全伸展时铰链左右铰合密封等特征建立各杆件参数约束方程,确定了喷洒臂的各杆件尺寸.通过矢量方程法对喷洒臂进行运动学分析,以电动杆推杆的转角、位移、速度、加速度为输入量,各杆件的角位移、角速度、角加速度为输出量,通过Simulink搭建喷洒臂的运动仿真框图并进行分析.结果表明:完全折叠时,喷管1与水平方向呈90°夹角;伸展过程中,各喷管运动平稳,且始终保持在水平直线方向;完全展开时,3个喷管转动90°,且各喷管铰接处完全闭合不发生水泄漏现象,说明设计具有一定的合理性.     

规模化蛋鸡场病原菌溯源与生物安全防控研究

细菌病严重威胁蛋鸡健康,以抗生素为主导的细菌病传统防控方式会导致病原菌耐药性严重、鸡蛋药物残留,影响蛋品安全。要保证蛋鸡产蛋期不用抗菌药物而又能生产出"无菌、无抗"的鸡蛋,是国内外技术难题。本团队以规模化蛋鸡场全封闭鸡舍为研究对象,基于PFGE、MLST、全基因组测序等技术,探明了蛋鸡病原菌的种类及基因组特征;对病原菌的耐药性研究表明,蛋鸡病原菌多重耐药严重,依靠药物防控的方式亟待转变;对规模化蛋鸡场细菌溯源研究结果表明,鸡舍生物媒介(鼠、苍蝇等)和非生物媒介(空气、饮水、饲料、鸡粪等)是蛋鸡病原菌的重要传染来源和传播途径;对规模化蛋鸡场生物安全量化评价结果表明,外部和内部生物安全权重高达92.2%。根据溯源和生物安全权重分析结果,提出了在规模化全封闭蛋鸡舍将蛋鸡细菌病从药物防控转变为生物安全防控的新策略;创新了规模化蛋鸡场细菌病防控的系统技术,实现蛋鸡规模养殖整个产蛋期不用抗生素,为生产"无菌、无抗"安全鸡蛋提供技术支撑。     

拟南芥DUF647家族成员RUS4植物表达载体的构建及亚细胞定位

ROOT UV-B SENSITIVE4 (RUS4)是拟南芥DUF647蛋白家族的一个功能未知的成员。RUS1和RUS2曾经报道和根UV-B-感应途径相关联,并在拟南芥早期幼苗形态发生和发育中发挥重要作用。为了探究RUS4的分子功能,本研究对RUS4蛋白进行了亚细胞定位分析。首先,我们通过Gateway TOPO载体系统,构建了融合蛋白表达载体pMDC83-RUS4;然后,通过农杆菌介导的花苞转化法,获得了转化pMDC83-RUS4的转基因拟南芥株系;对转基因植物叶肉原生质体的荧光显微镜观察显示,RUS4-GFP信号与叶绿体的自发荧光共定位,说明RUS4蛋白定位叶绿体中。该结果为进一步研究RUS4的分子功能奠定了良好的基础。     

CRISPR/Cas9技术敲除酿酒酵母gpd2基因对产2,3-丁二醇的影响

旨在利用CRISPR/Cas9基因编辑技术敲除酿酒酵母甘油-3-磷酸脱氢酶基因(gpd2),探究其对2,3-丁二醇产量的影响。根据酿酒酵母(Saccharomyces cerevisiae)W5甘油-3-磷酸脱氢酶基因(gpd2)设计供体片段及gRNA片段,将gRNA片段与可表达Cas9蛋白的敲除载体相连,之后将重组质粒及供体DNA片段转化到S. cerevisiae W5细胞中,根据表型筛选及PCR验证获得gpd2基因缺失菌株。结果表明目的基因gpd2敲除成功,基因缺失菌株与原始菌株经发酵实验相比,甘油产量下降22.01%,乙醇产量提高24.65%,2,3-丁二醇产量下降10.60%。gpd2基因的敲除并没有提高2,3-丁二醇的产量,原因可能是逐渐积累的NADH会优先被细胞内大量的乙醇脱氢酶所氧化,作用于乙醇的产生,而不是优先作用于2,3-丁二醇的合成。本实验构建了适用于酿酒酵母的基因敲除系统,该系统对进一步探究酿酒酵母其他代谢产物与2,3-丁二醇合成之间的关系具有实际的借鉴意义。     

The use of infrared spectroscopy and machine learning tools for detection of Meloidogyne infestations

Plant parasitic nematodes are generally soilborne pathogens that attack plants and cause economic losses in many crops. The infested plants show nonspecific symptoms or, often, are symptomless; therefore, diagnosis is performed by taking soil and root tissue samples. Here, we show that a combination of different infrared spectra analysis and machine learning algorithms can be used to detect plant parasitic nematode infestations before symptoms become visible, using leaves instead of roots and soil as samples. We found that tomato and guava plants infested with Meloidogyne enterorlobii produced different spectral patterns compared to uninfested plants. Using partial spectra from 1,450 to 900/cm as the "fingerprint region", principal component analyses indicated that after 5 (tomatoes) or 8 weeks (guava), plants with no visible symptoms of infestations were positively diagnosed. To improve the early detection response, we used machine learning modelling. A support vector machine (SVM) was used to obtain more robust, accurate models. The SVM model contained 34 support vectors, 17 for each level. The overall performance of the model was >97% and the total accuracy was significantly higher, demonstrating the absence of chance prediction. The best prediction of infestation was obtained at the second and fourth weeks for tomatoes and guavas, respectively, reducing the diagnostic time by half. The combined application of these techniques reduces the processing time from field to laboratory and shows enormous advantages by avoiding root and soil sampling.