断根结合生长素和钾肥施用对烤烟生长及糖碱比、有机钾指数的影响

河南济源烟区存在着烟叶糖碱比高、有机钾指数较低的生产现状,通过田间试验研究了打顶时断根(C)、打顶时断根结合喷施IAA(C+I)、打顶时断根结合追施钾肥(C+K)、打顶时断根结合喷施IAA并追施钾肥(C+K+I)和对照(CK)5种处理对烤烟生物量及糖碱比、有机钾指数的影响。结果表明:不同调控措施在烟株成熟期较对照均能增加根部、叶片的干重,减少烟碱、总糖在中上部烟叶的累积。断根结合喷施IAA能降低各部位烟叶的糖碱比,且以C+K+I处理的降幅最大,在下、中、上叶位中较对照分别降低了19.12%、15.33%和8.15%。与对照相比,各处理均能提高不同部位烟叶K⁺含量,降低Cl^-和SO₄^2-含量。C+K+I处理能极显著提高各部位烟叶的有机钾指数,且在中上部烟叶中增幅最大,较对照分别提高了125.00%和209.43%。总的看来,打顶时断根结合喷施IAA并追施钾肥能促进烟叶中的干物质积累、降低糖碱比、提高有机钾指数,进而提高烟叶的内在品质。     

茶树CHS基因结构及编码区单核苷酸多态性分析

【目的】通过试验获得茶树CHS基因（CsCHS）gDNA序列,以进一步确定CsCHS基因结构;研究CsCHS编码区单核苷酸多态性,并结合茶树多酚含量进行关联分析,寻找基因中可能存在的与茶多酚含量存在显著或极显著相关关系的SNP位点。【方法】根据NCBI数据库中已有CsCHS序列设计特异性引物,再分别以基因组DNA和cDNA为模板进行PCR扩增,经克隆、测序获得CsCHS1、CsCHS2、CsCHS3三个基因的gDNA和cDNA全长序列,通过序列比对方法确定CsCHS结构。利用Compute pI/Mw、SOPMA等软件对所得序列进行生物信息学分析,预测和比较CsCHS1、CsCHS2和CsCHS3三者蛋白质结构。以茶多酚含量差异较大的57份茶树品种为材料,分别以57份材料的cDNA为模板,用特异性引物进行PCR扩增,然后利用PCR产物直接测序法筛查CsCHS编码区序列的单核苷酸多态性。结合CsCHS编码区序列单核苷酸多态性和57份材料多酚含量,利用软件TASSEL进行关联分析,筛选基因中可能与茶多酚含量存在显著或极显著相关关系的SNP位点。【结果】试验获得CsCHS1、CsCHS2和CsCHS3的cDNA序列长度分别为1 277、1 320和1 242 bp,各自均包含一个长度为1 170 bp的开放阅读框;CsCHS1、CsCHS2和CsCHS3的gDNA序列长度分别为1 600、1 330和1 607 bp。通过gDNA序列和cDAN序列比对,结合真核生物内含子GT-AG法则,确定CsCHS1、CsCHS3分别包含2个外显子和1个内含子,内含子大小分别为323和356 bp,CsCHS2可能没有内含子。根据CsCHS1、CsCHS2和CsCHS3 cDNA序列推导三者对应氨基酸序列,比较三条氨基酸序列发现三者氨基酸同源性较高,达到92.6%-95.4%,CHS蛋白亚家族中的特征性保守位点在这三条序列中都能找到,生物信息学分析结果显示CsCHS1、CsCHS2和CsCHS3三者蛋白质结构高度相似。CsCHS1编码区序列中共发现71个SNP位点,SNP出现频率为1SNP/16.48 bp,无Indel,基因核苷酸多样性（π）值为0.01088;CsCHS2编码区序列中共发现55个SNP位点,SNP出现频率分别为1SNP/21.27 bp,CsCHS2核苷酸多样性（π）值（0.00530）明显低于CsCHS1;因扩增CsCHS3 cDNA序列的PCR反应成功率低,未对该基因遗传多样性进行分析。通过关联分析分别从CsCHS1和CsCHS2中找到2个和4个与茶叶多酚含量相关的SNP位点。【结论】CsCHS1和CsCHS3属于保守型CHS基因,且CsCHS1、CsCHS2和CsCHS3蛋白质结构高度相似,推测三者可能在茶树的不同部位或不同生长阶段发挥类似作用;CsCHS1和CsCHS2活跃,二者编码区内可能存在突变热点区。     

玉米须无糖饮料加工工艺优化及成分分析

以玉米须和金银花为主要原料制备玉米须无糖饮料,通过正交试验优化了玉米须无糖饮料配方,并分析了玉米须无糖饮料的主要香气成分。结果表明,优化的玉米须无糖饮料配方为玉米须和金银花比例2∶1,料液比1∶100,熬煮时间60 min,柠檬酸、甜菊甙和木糖醇质量分数分别为0.10%、0.07%、0.30%。主要香气成分为芳樟醇7.89%、壬醛4.44%、α-松油醇4.23%、苯乙醛3.39%、大马酮2.97%、3-壬烯-5-酮2.88%。所得玉米须无糖饮料的滋味酸甜可口,风味纯正,略带茶香且清香柔和,颜色金黄,具有玉米须和金银花的特有香气,产品质量符合国家标准。     

360g/L异噁草松微囊悬浮剂防除油菜田一年生杂草试验

采用田间试验研究了异噁草松微囊悬浮剂对油菜安全性及油菜田一年生单、双子叶杂草的防除效果。结果表明,施用360 g/L异噁草松微囊悬浮剂102.6～280.8 g(a.i)/hm²对油菜安全;对油菜田菵草、看麦娘、牛繁缕的防除效果达65.04%～100.0%,综合鲜重防效达80%以上;杂草防除后,田间透光率和水肥情况得到显著改善,油菜产量比不施药增产30.81～38.38%。推荐每hm²使用有效成分140.4～178.2 g的360 g/L异噁草松微囊悬浮剂,进行土壤喷雾施药,防除油菜田一年生杂草。     

鸭绿沙塘鳢人工繁殖技术的研究

2005年4-7月,在辽宁省岫岩县古洞河捕捞成熟鸭绿沙塘鳢(Odontobutis yaluensis),用促黄体素释放激素类似物(LRH-A2) 地欧酮(DOM)或绒毛膜促性腺激素(HCG)催产或自然产卵,人工孵化.在18～20℃下,经20～22 d孵出8 550尾鱼苗,全长7.1～16.0 mm,体重4.1～50 mg.     

混饲对吡喹酮在草鱼体内药动学和生物利用度的影响

为了探明混饲对吡喹酮在草鱼(Ctenopharyngodon idellus)体内药动学参数的影响,分别采用口灌和静注不同的给药方式,在合适的时间点采集样品,经样品处理,采用超高效液相色谱仪进行检测,利用3P97药代动力学软件计算参数。结果显示:口灌吡喹酮原药时符合一级吸收二室开放模型,分布半衰期(t1/2α)、消除半衰期(t_(1/2β))、达峰时间(T_(max))、药时曲线下面积(AUC)和生物利用度(F)分别为1.2 h、18.1 h、0.4 h、19 885.8μg·h/L和47.0%。口灌吡喹酮和饲料混合物,其相应参数t_(1/2α)、t_(1/2β)、AUC和F分别为0.4 h、8.6 h、0.6 h、14671.7μg·h/L和34.7%。通过比较发现口灌吡喹酮原型药物分布半衰期、消除半衰期、药时曲线下面积和生物利用度显著高于混饲,混饲吡喹酮达峰时间要明显高于口灌原形药物。     

国产人工打洞沉香中一个新的2-(2-苯乙基)色酮二聚体

为进一步研究国产人工打洞法所结沉香中的化学成分,本研究采用硅胶柱色谱、Sephadex LH-20、半制备高效液相等色谱方法从其乙酸乙酯萃取物中分离纯化得到2个单体化合物.根据核磁共振(NMR)、质谱(MS)等波谱数据分别鉴定为2-(2-苯乙基)色酮二聚体(+)-3′,3′′′-dihydroxy-4′,4′′′-di...     

萘并吡喃酮类化合物peninaphones A-C的抗氧化活性研究

采用ABTS⁺·自由基清除能力、DPPH·自由基清除能力、铁离子还原能力和氧自由基吸收能力这4种体外方法测定萘并吡喃酮类化合物peninaphones A-C (13)的抗氧化活性;利用密度泛函理论(density functional theory, DFT)基于酚羟基解离焓、自旋密度分布、前线分子轨道和Mulliken电荷等分析其抗氧化机制。体外抗氧化试验发现,peninaphones A-C (13)均具有一定的抗氧化活性,抗氧化能力强弱顺序为1≈2>3。DFT计算显示,酚羟基氢易解离是peninaphones A-C (13)具有抗氧化活性的基础;C3位的手性对化合物1和2的体外抗氧化活性基本没有影响,而C2-C3位双键显著降低化合物3的体外抗氧化活性;C5位酚羟基(14-OH)最为活泼,是最重要的反应位点。peninaphones A-C (13)抗氧化活性的理论计算和试验结果基本一致。综上,首次采用DFT分析萘并吡喃酮类化合物的体外抗氧化活性,为进一步研究和开发萘并吡喃酮类化合物奠定了基础。     

噻嗪酮·异丙威可湿性粉剂的高效液相色谱分析

本文介绍了采用高效液相色谱法以甲醇 水为流动相,采用C18不锈钢柱,230nm检测波长对25%噻嗪酮·异丙威可湿性粉剂进行分离测定,异丙威和噻嗪酮的标准偏差分别为0.058、0.015,线性相关系数分别为0.9992、0.9994;平均回收率分别为99.47%、99.73%。     

基于近红外光谱和深度模型转移预测烟丝总糖含量

模型转移主要用来解决一台仪器上开发的模型应用于新场景进行预测的问题。化学计量学领域开发了大量的模型转移方法可以实现多元校正模型转移。然而,随着深度学习技术在光谱数据建模中的广泛应用,传统的多元校正模型转移方法已不适合处理基于神经网络结构的深度学习模型。因此,本文利用深度模型转移策略,将一台仪器上构建的烟粉深度学习模型迁移到新仪器上用于烟丝总糖含量的检测。结果表明,深度模型转移无需标准样品构建传递函数,即可实现对不同仪器、不同样品物理状态之间的准确预测,与重新建立的偏最小二乘(PLS)和卷积神经网络(CNN)模型相比,其预测均方根误差分别降低了33.2%和27.2%。无标样深度模型转移支持在不同应用实践之间广泛共享、扩展深度学习模型,具有较好的应用前景。