基于NGO-CNN-SVM的高标准农田灌溉工程施工成本预测

为提高高标准农田项目施工成本的预测精度,控制施工成本在合理范围,减少投资风险,该研究从单体灌溉工程施工成本预测角度出发,通过随机森林（random forest,RF）筛选出高标准农田灌溉工程施工成本的关键影响因素,结合卷积神经网络（convolutional neural networks,CNN）和支持向量机（support vector machine,SVM）两种模型的优点,通过北方苍鹰优化算法（northern goshawk optimization,NGO）对模型里的惩罚因子和核参数进行寻优,构建基于NGO-CNN-SVM的施工成本预测模型。通过辽宁省2018—2023年高标准农田工程中灌溉工程的施工成本数据,选取样本决定系数R²、平均绝对误差MAE、平均绝对百分比误差MAPE和均方根误差RMSE作为精度指标进行分析,结果表明：基于NGO-CNN-SVM的施工成本预测模型在渠道工程中MAE低于0.615万元,RMSE低于0.512万元,R²达到0.968以上,相对误差小于4.210%;在进水闸工程中MAE低于0.610万元,RMSE低于0.536万元,R²达到0.966以上,相对误差小于4.410%;在桥涵工程中MAE低于0.494万元,RMSE低于0.477万元,R²达到0.970以上,相对误差小于3.548%,并相比较于反向传播神经网络,CNN和CNN-SVM模型,NGO-CNN-SVM模型的预测结果均最优。通过特征选择、模型融合、算法优化以及不同模型对比表明NGO-CNN-SVM模型具有更高的预测准确率和泛化性,可为高标准农田灌溉工程施工成本预测提供理论依据。     

慢病毒载体构建策略及生物安全性研究进展

慢病毒可以感染分裂细胞和非分裂细胞,是较有前途的病毒载体,来源于HIV-1型载体,能阻止形成有复制能力的HIV-1病毒,构建一个更为安全的模式是慢病毒载体构建策略的焦点。该文介绍了慢病毒载体应用过程中的不同载体系统及构建策略,对载体的生物安全性进行了分析,展望了慢病毒在基因治疗、RNA干扰及转基因领域的应用前景。     

苦瓜MAP30基因的克隆与载体构建

首先提取苦瓜的基因组DNA,然后根据Genbank中已公开发表的MAP30序列,设计一对特异引物MAP301,MAP302,并增添特异定位于内质网的小肽Kozak序列。采用PCR技术,从苦瓜的基因组DNA中扩增出一分子量为800bp左右的片段,回收克隆测序,结果表明,克隆获得片段与已公开发表的MAP30序列同源性达100%,将阳性克隆进行酶切,获得的目标片段与用同样酶切所获得的植物表达载体pEV1和pEV2大片段连接,酶切鉴定重组子构建成特异表达于果实的载体。     

含PRRS病毒ORF5的伪狂犬病病毒TK基因缺失转移载体的构建

提取伪狂犬病病毒（ＰＲＶ）ＢａｒｔｈａＫ６１株基因组ＤＮＡ,用限制性内切酶ＫｐｎＩ充分消化,回收５．９ｋｂ片段（Ｊ片段）,将其克隆于质粒ｐＵＣ１１９ ＫｐｎＩ位点上,获得ｐＢＫＪ。用两对针对ＰＲＶ ＴＫ基因的特异性引物对重组质粒进行ＰＣＲ鉴定,证明其中含有ＰＲＶ ＴＫ基因。然后用ＫｐｎＩ、ＰｓｔＩ和ＢａｍＨＩ等限制性内切酶对其进行酶切分析,确定了克隆片段的物理图谱。进一步研究证实ＴＫ基因位于其中的     

安徽省蓝舌病流行病学调查

１９８７～１９９１年，安徽省的三个县发生了绵羊的蓝舌病，并经病毒分离、鉴定证实。绵羊的发病率为３３．０％，病死率１１．３％。对反刍家畜的血清学调直显示，疫区中的阳性率高于非疫区。黄牛、水牛、绵羊的阳性率无统计学差异，均明显高于山羊及乳牛；美利奴绵羊的阳性率高于考力代及罗姆尼；放牧羊群的阳性率高于舍饲；无明显的年龄差异。调查得本省库蠓１２种，尖喙库蠓、原野库蠓及日本库蠓为本省嗜畜的优势种。分析认为：原野库蠓是最可疑的媒介昆虫，水牛、黄牛是本省蓝舌病病毒越冬的保毒宿主。     

人雄激素受体的雄激素结合区cDNA在E.coli中的高效表达

将编码人雄激素受体（ｈＡＲ）的雄素结合区（ＬＢＤ）的ｃＤＮＡ片段（１００５ｂｐ）克隆到由Ｐ１启动子控制的硫氧还蛋白表达载体ｐＴｒｘＦｕｓ上,构建了表达质粒ｐＴｒｘＡＲ,并转化到大肠杆菌Ｇ１７２４中,经色氨酸诱导表达后,ＳＤＳ－ＰＡＧＥ分析,可观察到一高效表达的融合蛋白产物,此融合蛋白 分子了量与理论值相吻合,氨基酸组分分析证明了ＬＢＤ目的基因的表达。     

噬菌体展示技术及其在抗血吸虫疫苗研究中的应用

噬菌体展示技术是新近发展起来的将外源肽或蛋白与特定噬菌体衣壳蛋白融合,并展示于噬菌体表面的一项新技术。示系统主要包括丝状噬菌体展示系统、入噬菌体展示系统、T4噬菌体展示系统及T7噬菌体展示系统等。该技术在抗血吸虫疫苗研究上的应用主要集中在模拟血吸虫抗原位点和直接作为疫苗载体方面,而在分析血吸虫保护性抗原位点、发现新的功能蛋白或抗原基因方面的应用研究还有待加强。本文就噬菌体展示拉术及其在抗血吸虫疫苗研制中的应用进行了简要概述,为抗血吸虫疫苗的研究提供。     

Periodicity and gradients in dispersal ofAlternaria linicola in linseed crops

Conidia ofAlternaria linicola produced on infected linseed crops were mainly dispersed by wind. The numbers of conidia in the air above linseed crops collected by a Burkard spore sampler were greatest between 1200 h and 1300 h, when the relative humidity was lowest. Although numbers of conidia collected decreased with increasing height within and above the crop canopy, air-borneA. linicola conidia were present up to 80 cm above the crop canopy. Conidia ofA. linicola were transported by wind up to at least 40 m downwind from an artificial line inoculum source, but their numbers decreased with increasing distance from the source. In 1991, 1992, and 1993, the dispersal ofA. linicola conidia above linseed crops followed a seasonal periodicity which was influenced by weather conditions and cultural practices. The greatest numbers of conidia were collected during July, August and early September and coincided with periods favourable for sporulation and with an increase in the incidence of the disease in the senescent crop. Air-borneA. linicola conidia produced on point or line inoculum sources (naturally infected linseed stem debris) were responsible for the spread of the disease in linseed crops. In 1992 and 1993, the disease was first detected downwind from the sources, but by the end of the growing seasons, it had spread in all directions and up to 20 m and 60 m from the sources, respectively. Disease gradients were initially steep near the inoculum sources but they became flatter with time due to the secondary spread of the disease.     

基于声振信号对称极坐标图像的苹果霉心病早期检测

为实现苹果早期霉心病较高精度的检测,该研究采用对称极坐标法（Symmetrized Dot Pattern,SDP）将苹果声振信号变换为雪花图,然后采用AlexNet、VGG16和ResNet50卷积神经网络以迁移学习方式深度挖掘SDP雪花图像的特征信息,将其输入到支持向量机（Support Vector Machine,SVM）分类器,对霉心程度≤7%的苹果进行检测。研究结果表明,当时间间隔系数为25和角度放大因子为50°时,健康果与早期霉心果声振信号的SDP图形状特征差异最大,在此条件下获取的SDP图经卷积神经网络AlexNet、VGG16和ResNet50提取特征并构建了不同核函数的SVM霉心果检测模型,在各类SVM模型中,ResNet50-SVM-gaus（高斯基）模型用相对较少的训练时间和参数量可取得训练集霉心果较高分类准确率,经超参数优化训练该模型对健康果和早期霉心果测试集不平衡样本（10∶1）的总体分类准确率达到96.97%,平均查准率、平均查全率、平均加权调和均值、Kappa系数和马修斯相关系数值分别为80.19%、90.36%、86.21%,82.54%和82.68%,该模型不仅对多数类的健康果保持较高分类准确率,而且对少数类的早期霉心果也具有较高判别能力。这些研究结果为声振法应用于果蔬内部病害的早期在线检测系统研发提供了技术支撑。