具有两种免疫来源的乙肝病毒模型的全局动力学

研究了免疫反应具有两种来源的乙肝病毒模型.通过对相应特征方程的分析,讨论了感染平衡态和未感染平衡态的局部稳定性,证明了基本再生数1时疾病的持续性.通过几何方法的应用,得到了感染平衡点全局稳定性的充分条件.     

饲料添加剂学课程教学效果的改进措施

探讨了饲料添加剂学课程教学中存在的问题,并提出了教学改革的措施。     

规模化养猪场环境污染及防控措施

阐述了规模化养猪所产生的粪尿污染对大气、水体、土壤及人体的影响,并总结了科学规划设计规模化养猪场、营养控制、合理饲养管理、科学清粪以及运用发酵床养猪技术等污染控制措施。     

基于APP的食品添加剂课程教学模式应用研究

以食品添加剂课程辅助教学APP构建为基础,从该模式的优势、可行性、基于APP的食品添加剂课程移动教学内容设计与建设、食品添加剂课程移动教学实际意义等方面深入探讨移动教学模式构想。结合现代移动互联技术和食品添加剂课程教育教学内容,寻找迎合食品学科人才培养与教育教学的新思路,为高等院校教学模式的变革提供理论依据和实践参考。     

几种添加物对蛋清蛋白热诱导不可逆凝胶性质的影响

以蛋清蛋白为原料,制备热诱导制取不可逆性凝胶,在单因素试验基础上,采用三因素二次正交旋转组合设计研究了三聚磷酸钠(X1)、瓜尔胶(X2)、酪蛋白酸钠(X3)对蛋清蛋白热诱导不可逆性凝胶性质的影响,建立了二次回归模型。结果表明,X12,X22在0.01水平上差异极显著,X32在0.05水平上差异显著;最佳配比为三聚磷酸钠质量分数0.100%,瓜尔胶质量分数0.100%,酪蛋白酸钠质量分数0.250%,此时蛋清蛋白凝胶强度预测值为550 g/cm2,实际值为542 g/cm2,二次正交旋转组合设计法可信度强,具有很好的预测意义。     

水栉霉脂肪酸和氨基酸成分分析

[目的]为了进一步探讨水栉霉(Leptomitus agardh)的营养价值,对其脂肪酸和氨基酸成分进行了分析。[方法]利用气相色谱-质谱分析仪和氨基酸自动分析仪进行分析。[结果]水栉霉主要脂肪酸成分分别是十六烷酸、十八碳二烯酸、油酸、十八烯酸,其相对质量分数分别为17.238%、12.427%、20.666%、24.121%,其中不饱和脂肪酸相对质量分数为67.981%;含有17种氨基酸,总量为15.73%,必须氨基酸总量为6.69%。[结论]水栉霉中脂肪酸和氨基酸的含量适于开发菌体饲料。     

中药添加剂防治兔球虫病及其增重效果试验

40只家兔随机均分为4组，Ⅰ组为空白对照组，Ⅱ组为感染对照组、Ⅲ组为地克珠利组、Ⅳ组为中药添加剂组，用药组家兔饲喂含药饲料3 d后，人工感染兔混合球虫卵囊1×105。试验结束时，Ⅲ、Ⅳ组家兔平均OPG值均为0，并且两组家兔均无死亡；Ⅳ组家兔平均日增重为30.9±6 g，经q检验，与Ⅰ组、Ⅲ组比较差异显著（p<0.05），与Ⅱ组比较差异极显著（p<0.01）。结果表明：此中药添加剂具有与地克珠利相当的对家兔球虫病防治作用，并有促进家兔生长的作用。     

中药“蛋必增”对产蛋鸡血清及蛋黄胆固醇的影响

应用中草药添加剂“蛋必增”分别按1 %、2 % 和0 % 的添加量饲喂产蛋鸡,表明“蛋必增”能激活肝脏7ɑ-羟化酶活力,降低产蛋鸡血清中胆固醇和鸡蛋胆固醇含量。“蛋必增”对产蛋鸡胆固醇代谢有一定影响作用。     

植物组织培养中有机添加物应用研究

植物组织培养中,在培养基内加入有机添加物,对培养物的分化、增殖有明显促进作用。文章综述了有机添加物的作用及其目前在植物组织培养中的应用情况。     

Spatio‐temporal trends of sailfish,Istiophorus platypterus catch rates in relation to spawning ground and environmental factors in the equatorial and southwestern Atlantic Ocean

Spatial and temporal trends of sailfish catch rates in the southwestern and equatorial Atlantic Ocean in relation to environmental variables were investigated using generalized additive models and fishery‐dependent data. Two generalized additive models were fit: (i) ‘spatio‐temporal’, including only latitude, longitude, month, and year; and (ii) ‘oceanographic’, including sea surface temperature (SST), chlorophyll‐a concentration, wind velocity, bottom depth, and depth of mixed layer and year. The spatio‐temporal model explained more (average ~40%) of the variability in catch rates than the oceanographic model (average ~30%). Modeled catch rate predictions showed that sailfish tend to aggregate off the southeast coast of Brazil during the peak of the spawning season (November to February). Sailfish also seem to aggregate for feeding in two different areas, one located in the mid‐west Atlantic to the south of ~15°S and another area off the north coast of Brazil. The oceanographic model revealed that wind velocity and chlorophyll‐a concentration were the most important variables describing catch rate variability. The results presented herein may help to understand sailfish movements in the Atlantic Ocean and the relationship of these movements with environmental effects.