排序方式: 共有35条查询结果,搜索用时 15 毫秒
1.
鸡传染性喉气管炎药物疗效试验体会周秀蓉,王贵平(广东省农科院兽医研究所广州510640)鸡传染性喉气管炎(ILT)是鸡的一种急性传染病,发病率高,成年鸡易感,目前虽有多种疫苗用于预防,但其免疫效果不够理想,并有不同程度反应,又无特效药可治疗,给养鸡业... 相似文献
2.
为获得牛结节性皮肤病病毒(LSDV)p32可溶性蛋白并制备其多克隆抗体,截取了LSDV的P32基因膜外区序列,并构建了重组表达质粒pColdⅠ-P32,在大肠埃希氏菌BL21(DE3) pLysS细胞中经低温诱导表达,然后用钴离子亲和层析纯化以可溶性形式表达的重组蛋白,使用纯化的p32截短蛋白免疫昆明小鼠制备多克隆抗体,并通过Western blot鉴定。结果表明,成功使用钴离子亲和层析纯化获得LSDV p32可溶性膜外区蛋白,制备的多克隆抗体可以特异性识别LSDV感染的牛组织蛋白。获得的纯度较高的LSDV p32截短蛋白和特异性良好的多克隆抗体,为建立LSDV抗原检测方法及亚单位疫苗的研制奠定了基础。 相似文献
3.
4.
RT-PCR快速检测口蹄疫病毒 总被引:8,自引:0,他引:8
根据口蹄疫病毒VP1基因的序列,设计了1对引物,建立了检测口蹄疫病毒的RT-PCR方法。对FMDV各毒株检测,结果均为阳性,而对猪病毒性疾病相关病毒进行检测,结果均为阴性;检测19份已知阳性样品,检出率100%;与动物接种试验比较,符合率100%,证明该方法特异,与经典方法动物接种试验比较,其灵敏度提高100倍左右;对O3I3株的细胞毒进行检测,其敏感度达10个TCID50。初步结果表明所建立的RT-PCR技术可用于口蹄疫的诊断和流行病学调查。 相似文献
5.
为了建立适用于临床诊断的H1N1亚型猪流感病毒快速检测方法,本研究根据GenBank已登录的H1N1亚型猪流感病毒HA和NA基因序列设计RT-PCR扩增引物,以H1N1亚型猪流感病毒、H3N2亚型猪流感病毒、猪瘟病毒和猪繁殖与呼吸综合征病毒为试验对照,通过优化RT-PCR反应条件和反应体系,建立了H1N1亚型猪流感病毒HA和NA基因双重RT-PCR定型检测方法。同时,运用H1N1亚型猪流感病毒血凝和血凝抑制试验方法和本研究建立的方法对165份猪病料样品进行了对比验证。结果表明,本研究建立的H1N1亚型猪流感病毒双重RT-PCR具有良好的特异性、敏感性、重复性,所扩增的目的基因片段大小分别为428 bp和678 bp左右,可检出最小基因组RNA浓度为2.9×10-5μg/μL。本研究建立的方法和H1N1亚型猪流感病毒血凝和血凝抑制试验方法均从同一份猪肺脏样品中检测出H1N1亚型猪流感病毒,其余样品中均未检出H1N1亚型猪流感病毒,两种方法符合率为100%。本研究建立的方法适用于H1N1亚型猪流感病毒双基因定型检测,可在H1N1亚型猪流感病毒流行病学调查和临床诊断中应用。 相似文献
6.
猪O型口蹄疫病毒强弱毒株VP1基因的克隆与序列分析 总被引:3,自引:0,他引:3
本研究根据口蹄疫病毒(FMDV)VP1基因的序列,设计并合成了1对用于扩增整个VP1基因的引物(5P、P6)。从细胞培养液或组织中提取总RNA,通过PT-PCR扩增,从F29株O3I3株和T509株中均获得了1条约740bp的DNA电泳带。将PCR产物双酶切后电泳回收,插入到相应双酶切的pUC18质粒中,获得了重质粒。通过PCR鉴定,证明重组质粒pUCVP1/F29,pUCVP1/0313,pUCVP1/T509均插入了VP1基因。对上述3个重线质粒进行测序后分析,F29强毒株与O313、T509弱毒株相比,其核苷酸序列同源性分别为98.75%和99.06%;因F29株核苷酸发生3个碱基缺失与1个碱基替换,故推导的氨基酸序列同源性分别仅为44.13%和41.32%,而T509和O3I3株相比,其核苷酸、氨基酸序列同源性分别为99.37%和95.31%。通过序列分析发现,本研究的3个毒株与国内大多数毒株(包括1997年台湾暴发FMDV所分离的毒株,除O/A/58株外)均属同一基因型,核苷酸序列同源性为85%-94%;而与国外毒株相比,属不同的基因型,核苷酸序列同源性仅为81%-82%,其推本研究的3个毒株与国内分离的大多数毒株的VP1基因的氨基酸序列同源性高达87%-95%,本项研究对猪O型FMDV的强弱毒株VP基历进行克隆与序列分析,将进一步丰富我国FMDV毒株VP1基因资料库,为更加科学地防制FMD提供分子水平依据。 相似文献
7.
8.
通过对广东、海南、江西等地110个猪场送检的2450份血液的检测,结果发现猪附红细胞体病阳性场为102个,阳性率为92.7%,结合生产实际对猪附红细胞体病的流行病学和诊治方法进行阐述。 相似文献
9.
10.
【目的】通过调节训练集内实验室场景图片与田间场景图片的分布,提高深度学习模型的准确度,
以减少植物病害识别深度学习模型对田间场景数据的依赖。【方法】通过调节训练集内实验室场景图片和田间
场景图片的分布,使用 ResNeSt-50、VGG-16、ResNet-50 等 3 种神经网络结构分别对训练得到的深度学习模型
进行测试和比较,从而优化植物病害识别模型。【结果】在由一定数量的植物病害图像组成的训练集内,调节
其中不同场景图片的分布会对模型的准确率产生影响。当训练集内的田间场景图片分布达 30% 时,模型准确率
提升 18% 以上。在 100% 实验室场景图片的训练集内添加 30% 田间场景图片,可提升模型准确率 17% 以上;在
100% 田间场景图片的训练集内添加实验室场景图片,模型准确率随图片数量增加而提升,提升幅度为 2%~4%。
【结论】该方法适用于农业复杂环境下高准确度病害识别模型的快速建立,可减少深度学习模型对田间场景数
据的依赖,缩短模型建立初期的田间数据采集周期,降低田间数据采集成本,促进人工智能技术在无人农场及
智慧农业中更有效地运用。 相似文献