牛分枝杆菌抗原MPB70、MPB83和ESAT-6的融合表达及重组蛋白的初步应用

应用PCR方法从牛分枝杆菌Vallee株基因组中扩增获得mpb70、mpb83和esat-6三个目的基因片段。采用重叠延伸剪接技术(splicing by overlap extension,SOE)获得融合基因mpb70-mpb83后,将mpb70-mpb83和esat-6串连于同一表达载体pET32a( )中得到重组质粒pET70-83-E6。转化BL21(DE3)大肠杆菌感受态后,经IPTG诱导以可溶的形式表达融合蛋白。用Ni2 亲合层析的方法纯化该融合蛋白。Western blot分析显示:该融合蛋白能与抗牛分枝杆菌阳性血清发生特异性反应,而与牛副结核病阳性血清不反应。用该纯化蛋白初步建立了间接ELISA方法,并检测了117份临床血清样本(其中67份为PPD阳性牛血清),阳性率为39.32%(46/117)份,与PPD皮试诊断的符合率为82.05%(96/117)。     

猪传染性胃肠炎病毒S与M基因融合表达载体及IRES连接双基因共表达载体的构建

目的:研究如何提高猪传染性胃肠炎病毒(TGEV)中主要抗原基因S与M基因对猪传染性胃肠炎的免疫调节作用,进一步探究基因疫苗的有效开发途径。方法:通过两种方法应用牛β酪蛋白启动子构建S和M融合基因表达载体以及构建IRES连接M和S双基因共表达核酸疫苗载体。结论:成功构建好M和S融合基因表达载体及IRES连接的M和S双基因真核共表达载体,并为利用乳腺生物反应器生产可食性疫苗提供有效措施。     

我国蔬菜原生质体培养研究进展

综述了国内学者对蔬菜原生质体培养包括原生质体的来源和预处理,原生质体的分离和培养,再生植株的获得以及原生质体融合等方面的研究进展。     

基于2D DWT与MobileNetV3融合的轻量级茶叶病害识别

针对现有茶叶病害识别方法病害信息挖掘不足导致识别准确率低的问题，该研究提出了一种基于二维离散小波变换(discrete wavelet transform, DWT)和MobileNetV3融合的茶叶病害识别模型CBAM-TealeafNet。为增强网络对病害频域特征的检测能力，将2D DWT获取的频域特征与bneck结构提取的深度特征融合，形成频域与深度特征融合的识别网络。为提高特征提取能力，在bneck结构中，嵌入卷积块注意模块 (convolutional block attention module, CBAM)，为特征通道分配相应权重。为解决样本类别不平衡对识别模型性能的影响，利用焦点损失函数取代交叉熵损失函数以提高识别精度。经验证，CBAM-TealeafNet在5种不同茶叶病害上整体识别准确率达到98.70%，参数量为3.16×10⁶，相对MobileNetV3，准确率提升2.15个百分点，参数量降低25.12%。该方法可为茶树叶部等作物病害轻量级识别研究提供模型参考。     

禽大肠杆菌巴氏杆菌融合二联弱毒菌株F4安全性免疫原性研究

用禽巴氏杆菌C48-1(5∶A)禽大肠杆菌O78的原生质体融合二联弱毒株F4的37℃24h马丁肉汤培养物,以3.45×109～6.90×1010CFU/只的4种不同剂量,分别肌肉注射接种5～40日龄粤黄鸡共216只,观察14d,结果表明F4株对20日龄以上的鸡安全性达100%。F4株的培养物肌注鸡体后4h从肝脏分离,如此连续通过粤黄鸡10代的试验表明,F4株的毒力是稳定的。以F4株的培养物3.45×109CFU/只肌注免疫200只20日龄粤黄鸡,免疫后第14天起每隔2周、直至第12周分别以C48-1、O78标准强毒菌的3×LD50剂量攻击;同时分别制备O78菌的超声粉碎抗原、菌体抗原、荚膜多糖抗原,C48-1菌的超声粉碎抗原、热稳定抗原、荚膜多糖抗原,建立检测血清中抗O78、C48-1的ELISA方法;免疫后每隔1周分别检测免疫鸡血清中的O78、C48-1IgG效价,直至免疫后84d。结果表明:F4株免疫后对O78的免疫保护率为14d50%、28d70%、42d65%、56d50%、84d35%,对C48-1的免疫保护率为14d25%、28d40%、42d75%、56d50%、84d30%。免疫鸡血清中抗O78、抗C48-1的IgG消长曲线均与免疫保护曲线相一致。     

牛病毒性腹泻病毒E0-E2基因融合腺病毒的构建及小鼠免疫效果评价

【目的】 研究牛病毒性腹泻病毒（Bovine viral diarrhea virus,BVDV）E0和E2串联基因重组腺病毒作为基因工程疫苗的应用潜力。【方法】 采用PCR扩增、E0-E2基因融合并构建重组穿梭质粒pDC316-E0-E2,将其与AdMax腺病毒系统的骨架质粒共转染HEK293T细胞包装成重组腺病毒,通过Western blotting进行验证,并通过Reed-Muench法测定病毒滴度,通过肌内、皮下免疫接种小鼠后用ELISA方法及流式细胞检测进行免疫效果试验。【结果】 成功扩增到E0、E2基因目的片段,大小分别为681和1 122 bp,得到了完整的腺病毒Ad5-E0-E2;测定其滴度为1.1×10¹⁰ PFU/mL;Western blotting检测结果显示,Ad5-E0-E2外源基因在HEK293T细胞中表达,得到了与预期相符的目的条带（65 ku）;ELISA检测结果表明,通过肌内和皮下注射Ad5-E0-E2均能产生较高的抗体水平;流式细胞检测显示首免、二免后肌内和皮下注射Ad5-E0-E2组CD4^＋、CD4^＋/CD8^＋比值均极显著高于PBS对照组（P<0.01）。【结论】 本试验成功构建重组腺病毒Ad5-E0-E2,且具有较好的反应原性和免疫原性,能诱导机体产生针对BVDV的特异性抗体。     

多尺度自注意力特征融合的茶叶病害检测方法

针对茶叶病害检测面临的病害尺度多变、病害密集与遮挡等诸多问题,提出了一种多尺度自注意力茶叶病害检测方法(Multi-scale guided self-attention network, MSGSN)。该方法首先采用基于VGG16的多尺度特征提取模块,以获取茶叶病害图像在不同尺度下的局部细节特征,例如纹理和边缘等,从而有效表达多尺度的局部特征。其次,通过自注意力模块捕获茶叶图像中像素之间的全局依赖关系,实现病害图像全局信息与局部特征之间的有效交互。最后,采用通道注意力机制对多尺度特征进行加权融合,提升了模型对病害多尺度特征的表征能力,使其更加关注关键特征,从而提高了病害检测的准确性。实验结果表明,融合多尺度自注意力的茶叶病害检测方法在背景复杂、病害尺度多变等场景下具有更好的检测效果,平均精度均值达到92.15%。该方法可为茶叶病害的智能诊断提供参考依据。     

基于改进SSD卷积神经网络的苹果定位与分级方法

为实现苹果果径与果形快速准确自动化分级,提出了基于改进型SSD卷积神经网络的苹果定位与分级算法。深度图像与两通道图像融合提高苹果分级效率,即对从顶部获取的苹果RGB图像进行通道分离,并提取分离通道中影响苹果识别精度最大的两个通道与基于ZED双目立体相机从苹果顶部获取的苹果部分深度图像进行融合,在融合图像中计算苹果的纵径相关信息,实现了基于顶部融合图像的多个苹果果形分级和信息输出;使用深度可分离卷积模块替换原SSD网络主干特征提取网络中部分标准卷积,实现了网络的轻量化。经过训练的算法在验证集下的识别召回率、精确率、mAP和F1值分别为93.68%、94.89%、98.37%和94.25%。通过对比分析了4种输入层识别精确率的差异,实验结果表明输入层的图像通道组合为DGB时对苹果的识别与分级mAP最高。在使用相同输入层的情况下,比较原SSD、Faster R-CNN与YOLO v5算法在不同果实数目下对苹果的实际识别定位与分级效果,并以mAP为评估值,实验结果表明改进型SSD在密集苹果的mAP与原SSD相当,比Faster R-CNN高1.33个百分点,比YOLO v5高14.23个百分点...     

基于BiLSTM-GRU融合网络的稻虾养殖溶解氧含量预测

在稻虾养殖模式中溶解氧含量(浓度)是养殖水体的重要指标之一,其直接影响小龙虾的摄食量和新陈代谢,因此在养殖过程中精准预测溶解氧含量至关重要。针对稻虾养殖中溶解氧含量变化复杂,难以快速准确预测的问题,提出了BiLSTM-GRU融合神经网络预测模型。为了保证精准预测,首先对传感器进行了清洗校准,并根据偏移量对历史数据进行了修正。在此基础上构建了基于BiLSTM和GRU的融合神经网络训练模型,BiLSTM提取更多特征因子,GRU实现快速预测,快速准确预测溶解氧含量变化。为了使监测预测性能更优,对不同采样周期下的资源损耗及预测模型性能进行综合对比分析,确定了传感器数据最优采样周期为30 min。进一步与LSTM、GRU、BiLSTM以及BiGRU模型对比,表明本文提出的BiLSTM-GRU融合神经网络模型的预测效果更好,其平均绝对误差、均方根误差和决定系数分别为0.275 9 mg/L、0.616 0 mg/L和0.954 7,比传统的LSTM神经网络模型分别高25.14%、13.25%和2.22%。