呕吐毒素降解菌A4的分离及降解特性研究

为了给呕吐毒素（DON）污染的谷物和饲料脱毒提供菌株资源,本研究从赤霉病污染区域的小麦田采集土壤样品,通过富集培养,分离筛选到一株DON降解菌,通过形态、16S rDNA、gyrB基因序列对降解菌进行菌种鉴定,液相色谱串联质谱和核磁共振鉴定降解产物,明确其降解途径和解毒机制,通过菌株生长特性、降解特性和基因组间差异分析比较DON降解菌A4、A8和A16之间的差异。结果表明：分离筛选获得DON降解菌A4,该菌能在10 h内降解9.7 μg·mLP＞-1P＞ DON,降解率高达97%。经鉴定,A4为德沃斯氏菌（Devosia sp.）。A4通过降解DON为3-keto-DON进行脱毒。A4的最适生长温度为35℃,最适NaCl浓度为2%,其耐热性和耐盐性优于菌株A8和A16。A4的最适降解温度为35℃、最适降解pH为8.0,其降解速率高于菌株A8和A16。通过平均核苷酸相似度（ANI）分析,A4与A8和A16之间的ANI分别为81.54%和77.87%,均低于95%,因此属于不同种的菌株。研究表明,筛选得到的新型DON脱毒菌株A4具有良好的抗逆性,为DON的污染控制提供了新的降解菌资源。     

近红外高光谱成像结合特征波长筛选识别小麦赤霉病瘪粒

为实现小麦赤霉病瘪粒快速识别,本研究使用主成分分析(Principal component analysis,PCA)结合最大类间方差法(Otsu)对小麦高光谱图像进行背景分割,以赤霉病瘪粒识别正确率为评价指标,探究判别分析方法与竞争性自适应权重取样法(Competitive adaptive reweighted sampling,CARS)的最佳组合方式.结果显示,基于全谱段构建的偏最小二乘判别分析(Partial least squares discrimination analysis,PLS-DA)和支持向量机判别分析(Sup-port vector machine discriminant analysis,SVM-DA)模型预测精度相同,外部验证集健康籽粒和赤霉病瘪粒识别正确率分别为95.2％和100.0％;基于CARS筛选的8个特征波长构建的CARS-PLS-DA模型外部验证集健康籽粒和赤霉病瘪粒识别正确率均为100.0％,预测精度高于CARS-SVM-DA模型,可有效实现赤霉病瘪粒的快速识别.研究结果将为谷物仓储和加工过程中赤霉病瘪粒高通量快速识别提供理论依据和技术支撑.     

基于缩节胺调控的免打顶棉花群体结构及产量分析

【目的】基于缩节胺调控的免打顶研究棉花农艺性状、冠层结构、光分布及产量的变化规律,为棉花轻简化栽培提供依据。【方法】选用对缩节胺相对敏感的品种新陆早67号(P₁)、Z901(P₂)、Z903(P₃)和澳棉sic75(P₄)为试验材料,采用缩节胺调控的免打顶方式,以人工打顶为对照(新陆早60号,CK),测定棉花农艺性状、冠层结构、透光率、干物质累积与分配及产量等指标。【结果】与人工打顶相比,免打顶棉花株高、果枝数和叶龄均显著增加,其中P₂株高、果枝数增幅均最大,分别达到了45.2%和100%;P₃叶龄的增幅较大,为39.4%。P₁叶面积指数峰值最大,P₂在达到峰值后降幅最小,仅19.6%;P₁冠层开度谷值最小,P₃在达到谷值后增幅最小;P₂叶倾角峰值最大,比CK高3.4%,P₃叶倾角峰值最小,仅比CK高0.91%。冠层各部位透光率在生育后期均表现为增加的趋势,以P₄上部透光率增幅最大,达到了27.1%,P₃增幅最小,仅为10.7%,P₂中部透光率增幅最大,达到了28.3%、P₄增幅最小,仅为14.6%,P₃下部增幅透光率增幅最大,达到了23.9%,P₄增幅最小,仅4.0%;P₃生殖器官和营养器官干物质量比例最大,达到了2.2∶1,P₁次之,为2.1∶1,但单株总干物质量累积增加最大,为81.9 g/株。P₁和P₃籽棉产量与CK相比差异不显著。【结论】选用对缩节胺敏感的棉花品种新陆早67号和Z903,于出苗、两叶一心、头水前、二水前、7月5日、7月12日前后分别喷施缩节胺(45+30+30+30+120+150)g/hm²,全程调控替代人工打顶,在不显著降低棉花产量的基础上,可降低生产成本46%,增加植棉效益。     

猪圆环病毒2型感染猪肠上皮细胞对CD4+T细胞分化关键分子mRNA的影响

[目的]探讨猪圆环病毒2型感染的猪肠上皮细胞对CD4+T细胞分化关键分子mRNA的影响.[方法]利用免疫磁珠法分离猪外周血CD4+T细胞,与猪圆环病毒2型感染48 h的猪肠上皮细胞共培养,收集共培养后72 h的T细胞,荧光定量PCR检测CD4+T细胞分化关键分子变化.[结果]荧光定量PCR检测显示,细胞因子 IL-4、IL-17A、IFN-γ、TGF-β1 与转录因子 T-bet、GATA3、RORγt、Foxp3的 mRNA 水平均被显著下调,而IL-10的mRNA水平被显著上调.[结论]感染猪圆环病毒2型猪肠上皮细胞抑制CD4+T细胞分化关键分子mRNA水平,提示CD4+T细胞向Th1细胞、Th2细胞、Th17细胞、调节性T细胞分化被抑制,而IL-10的上调激活CD4+T细胞向高分泌IL-10的CD4+T细胞分化.     

水氮数据联合驱动的冬小麦数据同化研究

水氮状态的准确估计对于作物生长模拟和产量估计十分重要.数据同化可以集成观测和模型,从而实现更加准确的模拟.然而,传统的数据同化系统大多关注叶面积指数(LAI)、土壤含水量(SM),对于氮素状态估计的研究相对较少,缺乏水氮数据联合驱动的数据同化研究.采用集合卡尔曼滤波(EnKF)方法对SWAP-WOFOST模型构建冬小麦生长的数据同化系统,通过引入叶片氮累积量(LNA)的观测,同时更新SM、LAI、LNA和作物产量等关键状态变量后进行作物生长模拟.结果表明,只加入LAI和SM可以很好更新模型的土壤水分剖面和LAI,但是对于LNA和产量的模拟效果不佳;加入LNA观测后,有效提高了作物LAI、LNA和产量的模拟精度.同时更新模型状态和参数(SSPE)比只更新状态(USO)的模拟效果更好,尤其是在土壤含水量的估计中.无论是水分还是氮素状态模拟出现偏差的情况,都很难准确估计最终的作物产量,而水氮数据联合驱动的结果最优.此外,研究中的数据同化系统在不同观测误差和观测频率下都具有良好的稳健性.该研究有助于深入理解冬小麦生长与水氮状态的关系,对实际应用中的作物生长模拟和产量估计具有一定指导意义.     

基于分层卷积神经网络的冬枣果实病害识别方法

冬枣皮薄肉脆,富含维生素C和矿物质,深受消费者喜爱.但冬枣病害种类繁多,采用传统人工检查的方式成本高、效率低,严重制约了冬枣的产业化发展.使用传统计算机视觉的冬枣病害识别方法其准确度在很大程度上取决于人为选择的特征是否合理,具有较大的不稳定性.为了解决该问题提出一种基于分层卷积神经网络(HCNN)的冬枣果实病害识别方法.HCNN包括三个结构相同的CNN(卷积神经网络)和一个支持向量机(SVM)分类器.在进行识别的过程中,首先将原始冬枣果实病害图像的RGB、HIS和Lab三种图像分别输入HCNN的三个CNN;然后在分类层将三个CNN得到的特征图整合为一个特征向量;最后通过SVM分类器对病害图像进行分类.该方法能够自动地从冬枣果实病害图像中提取到有效的特征,不需要人工设定特征提取方法.在果实病害图像数据集上进行一系列实验,平均识别准确率达90％以上.实验结果表明,该方法充分利用图像不同颜色的特征,能够实现精确、稳定和高效的冬枣果实病害类型识别,为冬枣果实病害防治系统的发展提供参考.     

土壤耕作与春季灌水次数对冬小麦产量要素与经济效益的影响

2016-2019年小麦季,在河北农业大学辛集实验站,以石麦15为供试品种,设4个处理:旋耕+春季2次灌水(RT2);深松+春季1次灌水(ST1);深松+春季2次灌水(ST2);旋耕+春季1次灌水(RT1),测定小麦开花与结实特性、灌浆和农田投入产出情况.结果表明:耕作与灌水次数对有效穗数无显著影响.1次和2次灌水条件下,深松处理均可显著降低不孕小穗数和不孕小穗比例,ST2和ST1处理穗粒数比RT2和RT1处理2个生长季分别高3.2％和5.7％.1水条件下,深松比旋耕处理有效灌浆期显著延长;2水条件下,降水较多的2018年表现为深松处理比旋耕处理提升灌浆速率;同次数灌水的深松条件下2个处理千粒重和旋耕处理相比,深松处理2个灌水次数的处理千粒重也均显著高于同样灌水次数旋耕条件下处理,2个生长季平均高4.8％.采用深松施肥旋耕一体化作业可有效降低农田耕作施肥投入,对提高收获指数和产投比也有积极意义,ST2比RT2分别提升4.8％和28.1个百分点,ST1比RT1分别提升和11.3％和46.0个百分点.     

准噶尔盆地梭梭沙质荒漠土壤有机碳分布特征的研究

为研究环境因子对梭梭荒漠土壤有机碳含量的影响,采用路线调查和典型样地布设相结合方法,对准噶尔盆地典型梭梭沙质荒漠0—100 cm不同土层土壤有机碳进行测定,揭示其土壤有机碳分布特征及其与环境因子之间的内在关系。结果表明,0—100 cm各土层土壤有机碳含量变化范围为0.00～11.46 g·kg-1,均呈中等变异水平,且随土层深度的增加土壤有机碳含量呈降低趋势。梭梭荒漠土壤有机碳含量是白梭梭荒漠土壤有机碳含量的1.40倍（P<0.05）,由此表明,梭梭荒漠的固碳能力更强。冗余分析结果表明,引起梭梭荒漠土壤有机碳含量空间变异的主要影响因素是土壤pH、植被覆盖度和土壤含水量,为退化梭梭荒漠的恢复治理及可持续利用提供理论依据。     

后基因组时代基于选择导入系的水稻设计育种策略

近年来,水稻基因组学的发展突飞猛进,但如何将这些研究成果（丰富的基因组变异及功能基因克隆等）有效应用到复杂农艺性状的精准改良仍是设计育种面临的重大挑战和科学难题。经过多年实践证明,选择导入育种（breeding by selective introgression, BBSI）是有效解决这些问题的方法,这是一套基于精准遗传信息进行基因挖掘并同步改良多个复杂性状的设计育种策略。其主要包括：①构建大量携带优异性状的回交导入系群体,作为BBSI的材料平台;②基于全基因组测序和关联分析,构建精准的遗传信息平台;③通过设计“理想目标基因组型（ideal target genomic constitutions, ITGC）”和基因聚合方法,高效培育目标优良品种。介绍了BBSI的发展历程及在分子设计育种中的有效运用,尤其是如何利用分子数量遗传理论和全基因组变异来验证并丰富该策略,计划实施20年来已育成近百个绿色超级稻（green super rice, GSR）新品种,为后基因组时代作物育种的创新发展提供了重要理论和实践参考。