BHK-21细胞规模化培养鸡新城疫病毒工艺的研究和初步应用

为了实现鸡新城疫病毒HN2018株(基因Ⅶ型)在乳仓鼠肾(BHK-21)细胞上的无血清规模化培养，本试验采用悬浮培养技术驯化和筛选了1株能够稳定传代的BHK-21-xh悬浮细胞株；使用该细胞以初始密度为100×10⁴个/mL接种摇瓶进行培养，并对摇瓶培养鸡新城疫病毒HN2018株的接毒细胞密度、培养温度、接毒量、收毒时间等工艺参数进行摸索和优化；利用摇瓶优化的病毒培养工艺，在10和100 L生物反应器中逐级放大培养BHK-21-xh悬浮细胞，接种鸡新城疫病毒；采用生物反应器悬浮培养的鸡新城疫病毒HN2018株细胞毒与鸡胚毒分别制备成灭活疫苗，免疫SPF鸡进行免疫效力的比较。结果显示，在摇瓶中培养72 h细胞密度均不低于800×10⁴个/mL,细胞活率均不低于96%;按照BHK-21-xh细胞密度不低于800×10⁴个/mL,病毒感染复数(MOI)为0.216进行接毒，同时添加终浓度为20μg/mL的胰蛋白酶，于35℃温度条件下培养64～72 h收获病毒液，鸡新城疫悬浮培养细胞毒红细胞凝集(HA)效价最高能够达到10log...     

基于浮游生物完整性的汉江中下游生态健康评价

在汉江下游开展浮游生物调查，构建浮游生物完整性指数进行健康评估，为流域环境管理提供科学依据。2020年春秋两季在汉江干流雅口-兴隆河段开展了2次浮游植物与浮游动物调查，并采用基于因子分析的生物完整性指数，对调查河段开展了浮游生物生态完整性评价。研究结果显示：两次调查共检出浮游植物6门95种（属）。春秋两季调查区水体中干流浮游植物的平均密度分别为616×104 个/L和803×104 个/L，平均生物量分别为1.26 mg/L和1.63 mg/L；2次调查共检出浮游动物37属62种，以原生动物和轮虫为主。春秋两季浮游动物平均密度为1036 个/L和1791 个/L，平均生物量分别为0.91 mg/L和1.40 mg/L。调查河段各采样点之间浮游动植物密度相差不大，但是不同季节浮游动植物生物量则存在明显差异。采用因子分析对浮游动植物数据开展分析，筛选了4个公因子（累积解释率65%）。进一步辨析了4个公因子的生态意义，可以看到第一公因子主要反映了浮游生物生物总量，以及浮游动植物比例关系，而其余3个公因子依次反映了浮游植物群落多样性、浮游植物群落丰富度、群落生境流态。在总因子得分表明调查河段秋季生态状况优于春季，并且不同公因子得分从不同的角度反映了调查河段不同季节与位置的水生态状况的差异，进一步结合汉江流域生态特征，表明该方法能够较好地应用于调查河段。     

褪黑素对盐胁迫下高粱种子萌发的缓解效应及生理机制

为了探究外源褪黑素影响高粱种子耐盐性的机理，本研究以粒用高粱品种晋杂2002的种子为试验材料，分析盐胁迫下褪黑素浸种对高粱种子萌发及生理特性的影响。结果表明，盐胁迫能明显抑制高粱种子萌发，增加相对电导率及丙二醛含量，使其干物质积累量减少；适宜浓度褪黑素浸种能缓解盐胁迫对高粱种子萌发的抑制作用。褪黑素浸种可通过提高高粱种子萌发过程中抗氧化酶活性，清除过量活性氧积累，减轻膜脂过氧化程度；增加渗透调节物质含量，维持细胞膨压，提高吸水能力；同时还可增加种子胚根根系活力，提高胚芽绿色部分光合色素含量，这些变化共同提高了高粱种子萌发期抵御盐胁迫的能力，促进其种子萌发及干物质积累；通过主成分分析法筛选出胚芽长度和可溶性糖含量两个指标可作为褪黑素缓解盐胁迫下高粱种子萌发的评价指标。     

植物生长调节剂对壶瓶枣果实品质的影响研究

为研究喷施赤霉素(GA)、脱落酸(ABA)、克裂一号、α-萘乙酸钠等植物生长调节剂对壶瓶枣果实品质的影响，本文设置赤霉素、脱落酸、克裂一号、α-萘乙酸钠和空白对照5个处理，测定壶瓶枣单果重、果形指数、含水量、可溶性固形物、可滴定酸等常规品质指标，探讨喷施植物生长调节剂对壶瓶枣果实品质的影响。结果显示，脆熟期α-萘乙酸钠处理的枣单果重显著高于GA、ABA处理，分别高出17.83%和12.13%。脆熟期GA和α-萘乙酸钠处理的果形指数显著高于ABA处理，同时完熟期α-萘乙酸钠处理显著高于克裂一号处理，高出6.69%。3脆熟期克裂一号处理后的果实含水量显著高于其他处理。脆熟期ABA和α-萘乙酸钠处理的可溶性固形物显著高于CK处理；完熟期ABA处理显著高于CK、α-萘乙酸钠处理，分别高出25.11%和32.57%。完熟期α-萘乙酸钠处理的枣果可滴定酸含量显著高于GA处理的，高出17.18%。表明喷施赤霉素、脱落酸、克裂一号、α-萘乙酸钠等处理不会降低壶瓶枣果实的品质。     

基于贝叶斯与元学习的氨氮浓度预测模型优化

针对小样本数据下氨氮浓度模型预测精度不高、收敛速度较慢的问题，采用长短期记忆网络（long short-term memory，LSTM）建立氨氮浓度预测模型，并利用贝叶斯优化算法和元学习机制对模型进行优化。其中贝叶斯优化算法用来优化预测模型的超参数，同时给出模型参数的初始值，再使用Meta-LSTM算法学习模型梯度并允许优化器之间进行参数共享和更新，最终实现对氨氮浓度预测模型的优化。将该方法与LSTM、GRU和RNN模型进行对比试验，结果显示，研究所建模型对氨氮浓度预测的均方根误差、平均绝对误差和均方误差分别为0.027 6、0.023 9和0.000 76，均优于其他预测模型。表明基于贝叶斯和元学习的氨氮浓度预测模型对小样本数据建模有效，可以实现网络快速收敛，精度满足水产养殖中氨氮浓度预测需求。