排序方式: 共有17条查询结果,搜索用时 31 毫秒
11.
日粮中不同蛋白质和L-赖氨酸水平对西农萨能羊泌乳性能和血浆生化指标的影响 总被引:1,自引:0,他引:1
本试验采用2×2因子完全随机试验研究日粮中蛋白质和L-赖氨酸水平对西农萨能羊泌乳性能和血浆生化指标的影响,以筛选泌乳母羊最佳日粮配方。将48只泌乳量和体重接近、处于泌乳盛期(50 d左右)的健康西农萨能羊随机分成4组,每组12只。日粮蛋白质水平分别为16.0%、18.0%,L-赖氨酸水平分别为0、0.67%。预试期7 d,正试期90 d。结果表明:不同蛋白质和L-赖氨酸水平对产奶量和乳成分无显著影响(P>0.05),18%蛋白组产奶量与16%蛋白组相比有下降趋势;血浆生化指标分析表明,蛋白水平为16%、L-赖氨酸为0.67%试验组(第2组)的血浆总蛋白高于其他试验组,且在60 d时差异显著(P<0.05),此试验组的血浆尿素氮浓度低于其他试验组,但差异不显著(P>0.05)。由此可见,蛋白水平为16%、L-赖氨酸为0.67%的日粮更有利于提高泌乳期奶山羊的生产性能。 相似文献
12.
中国农业生产的资源与环境约束日益严峻,继续靠增加自然资源和要素投入来提高农业产出的余地已越来越小,农业全要素生产率(TFP)对于中国农业可持续发展更具有研究意义.作者搜集整理了1989-2009年国内外学者关于中国农业全要素生产率实证研究的文章,着重对中国农业全要素生产率的测算方法、增长演变特征及其影响因素进行了综述.农业全要素生产率的研究方法主要有4种:生产函数法、增长核算指数法、基于数据包络分析的曼奎斯特(Malmquist)生产率指数法和随机前沿法.中国农业全要素生产率增长演变特征表现为:技术进步是主要源泉,省际间农业全要素生产率增长差异逐渐扩大.影响农业全要素生产率增长的因素主要有农村制度变迁等.最后针对农业全要素生产率研究存在的问题,提出评估各种因素对省际间农业全要素生产率差异的影响,将是未来的研究方向. 相似文献
13.
15.
西农萨能奶山羊脂联素受体1基因(AdipoR1)cDNA克隆、表达及功能分析 总被引:1,自引:0,他引:1
脂联素(adiponectin)具有改善胰岛素敏感性,调节脂肪酸代谢和参与细胞增殖和分化的功能。本研究参考Gen Bank中已收录的牛(Bos taurus)、小鼠(Mus musculus)和人(Homo sapiens)等物种脂联素受体1基因(adiponectin receptor 1,Adipo R1)序列的同源比对结果,设计和合成PCR扩增引物,采用反转录PCR和RACE技术,分离并克隆了西农萨能奶山羊(Capra hircus)Adipo R1的c DNA序列。结果显示,Adipo R1全长2 032 bp(Gen Bank登录号:HQ846828),包括开放阅读框(open reading frame,ORF)1 128 bp,3’非翻译区(untranslated regions,UTR)719 bp和5’UTR 185 bp,该基因编码375个氨基酸。通过氨基酸序列比对发现,山羊与牛、猪(Sus scrofa)、小鼠和人的Adipo R1相似性较高,均在95%以上。蛋白质结构分析表明,其蛋白质的分子量为42.44 k D,等电点为7.19,含7个跨膜结构域,并且整个序列中不含信号肽。组织表达分析显示,该基因在肺中的表达量最高,小肠次之,在心脏中表达量最低,而其余8个组织中Adipo R1m RNA水平变化则比较平缓;奶山羊乳腺组织中Adipo R1表达量分析表明,Adipo R1的表达量在干奶期和泌乳盛期乳腺组织差异显著(P<0.05)。用不同浓度胰岛素(insulin)和催乳素(prolactin)处理奶山羊乳腺上皮细胞,结果发现,用胰岛素处理乳腺上皮细胞后,Adipo R1的表达量下调,在胰岛素浓度为50 nmo/L时效果最明显(P<0.01);用催乳素处理乳腺上皮细胞后,Adipo R1的表达量上升,在浓度为100 mg/m L时作用最明显(P<0.05),表明该基因在奶山羊乳腺上皮细胞中具有一定的调控作用。本研究为进一步揭示Adipo R1基因在奶山羊乳腺组织中的功能提供基础资料。 相似文献
16.
为提高智能甘蔗收获的准确性,降低算法对部署的高算力要求,利用轻量级目标检测算法YOLOv4-tiny相对YOLOv4算法更简化的网络结构、更高的推理速度等优点,提出基于MobileNet和网络瘦身的两种YOLOv4-ting识别算法方案,并比较二者的精度和模型复杂度。其中,基于网络瘦身算法的YOLOv4-tiny在精度较瘦身前(947%)下降0.6%的情况下,模型复杂度下降为原来的1/3,即瘦身后的FLOPs和Params分别为1.1 G和1 789 658。而以MobileNet为Backbone的YOLOv4-tiny在精度下降1.92%的情况下,它的FLOPs和Params为1.29 G、2 600 068,其在精度和模型复杂度上的表现都不如瘦身后的YOLOv4-tiny模型。结果表明:基于网络瘦身算法的YOLOv4-tiny甘蔗茎节识别模型可有效降低模型复杂度,其计算量对嵌入式设备和移动式设备友好。该研究可为智能甘蔗收割机构的开发提供技术参考。 相似文献
17.