靶向脂质体的超临界流体技术制作和表征

研究了超临界流体技术制备靶向脂质体的方法 ,将 SOD和磁性材料 Fe3 O4混溶后与卵磷脂充分乳化 ,经超临界 CO2 的溶胀沉析、真空冻干处理 ,获得 SOD靶向脂质体干品。当油水质量比为 7∶ 1,胆固醇与卵磷脂质量比为 1∶ 3,SOD与胆固醇质量比为 1∶ 10 ,SOD质量浓度为 0 .5 mg.m L-1时 ,靶向脂质体的包封率达到 96 ,包封比为 7.0 0 ,平均粒径为 3.85 μm,为多层脂质体。     

手性三唑类杀菌剂氟环唑对土壤微生物的立体选择性影响

为了研究土壤微生物对手性三唑类杀菌剂氟环唑的立体选择性响应,通过非靶向代谢组学和高通量测序联合技术探究了土壤代谢组和微生物群落对氟环唑外消旋体及对映体的响应机制。结果表明：氟环唑及其对映体处理4周后,土壤中氟环唑降解不显著,其残留能够引起土壤代谢组和土壤微生物群落组成的显著变化。土壤代谢组、细菌和真菌群落组成、PICRUSt基因功能预测的代谢途径均表现出由2R,3S-（+）-氟环唑驱动的立体选择性响应。PICRUSt基因预测表明,细菌中被显著影响的MetaCyc通路有10条,真菌中比对出22条。氟环唑外消旋体和（+）-对映体比（-）-对映体表现出对土壤微生物更显著的干扰作用（P<0.05）。氟环唑暴露引起了土壤环境中细菌和真菌群落、代谢、基因功能预测通路不同程度的立体选择性响应。鉴于土壤环境在农业生产中的重要性,土壤微生物组和代谢组的表征可以为暴露于手性三唑类农药顺式氟环唑及其对映体所带来的生态风险提供新的见解。     

基于广泛靶向脂质组学与近红外技术的高低油酸花生鉴评

[目的]探索一种能鉴定花生品种与评价品质的新型检测方法,筛选高油酸花生特异性脂质生物标志物.[方法]采用超高效液相色谱-串联质谱(UPLC-MS/MS)技术,对2个油酸含量差异显著的花生品种,即高油酸品种开农1715(KN1715)和低油酸品种冀花7号(JH7H)进行农艺性状考察、近红外分析(Near infrared spectroscopy,NIRS)与广泛靶向脂质组学(Widely targeted lipidomics,WTL)研究.[结果]农艺性状测定结果表明,高油酸花生品种KN1715的主茎、第一侧枝长度比JH7H分别高11.72％和33.74％,差异显著;而单株荚果数、单株饱果率、百果重、百仁重、出仁率分别低46.23％、5.02％、5.35％、11.68％、17.17％,差异显著.品质性状检测结果表明,KN1715的油酸、硬脂酸、花生酸、蛋白质、氨基酸、缬氨酸、蛋氨酸、异亮氨酸、亮氨酸、苯丙氨酸、组氨酸、精氨酸、脯氨酸含量均显著高于JH7H,亚油酸、棕榈酸、山嵛酸、二十四烷酸含量则相反;广泛靶向脂质组代谢物分析表明,高、低油酸品种间存在较大的脂质代谢物差异,共筛选到16类295种脂质分子,进而通过对差异代谢物多元统计分析,最终筛选到3类31种核心差异脂质分子.结合核心差异脂质代谢物与品质指标,通过聚类与相关性分析,得到可视化表型与脂质代谢物特征图谱.[结论]该方法基于广泛靶向脂质组学与近红外技术,可以很好地实现从表型与脂质分子层面对花生品种进行品种与品质鉴评.     

纳米金核酸适配体HCR放大比色法检测 动物源食品中氨苄青霉素残留

为了检测动物原性食品中氨苄青霉素残留,利用氨苄青霉素与核酸适配体的特异性结合能使其脱离纳米金粒子表面的特性,并利用核酸适配体杂交链式反应(HCR)将信号放大,最终通过检测纳米金溶液吸收光谱的变化建立一种氨苄青霉素残留的高灵敏检测方法.首先对各项反应条件进行优化,筛选出HCR放大纳米金比色法的最优检测方法,优化后的检测方法中,NaC1溶液最优浓度为1 mol·L-1,HCR的最优终浓度为11.5％ (V/V),HCR与纳米金孵育的最优反应条件为37℃、30min.氨苄青霉素的检测范围是0～1.2 μmol· L-1,线性方程为y=0.1636x+0.025,R2=0.9953,最低检测限可达到10 nmol·L-1,在实际样品中的检测回收率是92.30％～103.27％.建立的氨苄青霉素适配体的HCR放大纳米金比色法具有操作简便、反应快速、灵敏度高等优点,可用于氨苄青霉素残留量的快速检测.     

猪链球菌重组靶向表位蛋白DCpep-GSE的构建及细胞毒性检测

试验旨在构建pET28a-DCpep-GSE原核表达载体，并制备猪链球菌（Streptococcus suis）重组表位蛋白。应用生物信息学方法预测猪链球菌保护性抗原三磷酸甘油醛脱氢酶（GAPDH）、烯醇化酶（Enolase）、DNA核酸酶（SsnA）的跨膜区结构、信号肽、B细胞表位、辅助T细胞（Th细胞）表位及蛋白的二级结构；设计重组蛋白（DCpep-GSE蛋白）的氨基酸序列并分析其理论等电点、亲疏水性等理化性质；构建重组原核表达载体pET28a-DCpep-GSE，转化大肠杆菌BL21（DE3）感受态细胞，优化诱导表达条件，His镍柱纯化并检测目的蛋白的细胞毒性和溶血性。结果显示，SsnA蛋白第1-50及1 036-1 059位氨基酸为胞内或跨膜片段，第1-56位氨基酸为信号肽片段，GAPDH和Enolase无跨膜区及信号肽；B细胞和Th细胞表位处于二级结构中的无规则卷曲与β-转角区域，表位抗原性良好；DCpep-GSE蛋白共373个氨基酸，分子质量为45.3 ku，理论等电点（pI）为4.57，平均亲水性（GRAVY）为-0.677，属于酸性亲水性蛋白；质粒双酶切得到5 369 bp的载体条带和1 131 bp的目的条带，PCR扩增产物测序结果与设计序列一致，载体构建正确；以1 mmol/L IPTG于37 ℃诱导6 h蛋白表达量最高，超声破碎后得到可溶性蛋白；试验组蛋白浓度为500 μg/mL时，RAW264.7、PK15和MARC145细胞的相对增殖率分别达到92.3%、99.5%和99.7%，细胞形态与对照组一致，生长旺盛；各样品组的溶血率均<5%。本研究设计了重组蛋白DCpep-GSE，成功地表达和纯化了DCpep-GSE蛋白，并验证了其安全性，为后续猪链球菌病亚单位疫苗的研制奠定了基础。     

上皮间质转化促乳腺癌机制及药物干预治疗研究进展

乳腺癌是犬、猫等伴侣动物与人类常发疾病，作为人类及动物常患恶性肿瘤和主要致死肿瘤之一，其疾病负担仍呈逐步加重趋势，乳腺癌的预防及治疗形势愈加严峻。上皮间质转化（EMT）是乳腺癌发生发展中重要的生物学过程。EMT还可促进恶性肿瘤的侵袭、扩散及耐药，因此它在肿瘤的研究中日益受到关注，靶向于EMT是治疗乳腺癌的重要研究方向与热点。文章就EMT发生过程中细胞形态功能及标志物的变化、EMT分类及EMT与乳腺癌的关系分别展开论述，详细解析了EMT相关TGF-β/Smad、NF-κB及Wnt信号通路转导途径；随后对乳腺癌治疗药物研究进展，包括TGF-β/Smad通路抑制剂开发，相关药物、基因及细胞因子治疗前景、NF-κB通路与Wnt通路抑制剂的动物试验研究结果进行了详细论述；最后对乳腺癌的治疗发展与趋势进行了展望。深入认识信号通路调控乳腺癌EMT的生物学过程，明确其发生发展机制，寻找关键靶点及开发靶向药物，将为乳腺癌的精准治疗带来曙光。     

靶向抗菌肽的设计策略与应用

抗生素问世以来挽救了无数生命，然而近年来抗生素的滥用越来越严重，从而导致多重耐药菌的出现以及机体正常微生物群落的生态失衡等问题，迫使人们开始寻找有效的抗生素替代物。抗菌肽广泛存在于动植物体中，具有抗菌、抗肿瘤、抗病毒及免疫调节等生物学活性，且不易诱发细菌耐药性，在临床和畜牧生产中表现出极好的应用前景。为避免细菌耐药性和微生态紊乱等问题的产生，具有靶向功能的抗菌肽受到科研工作者的青睐，逐渐成为研究的热点，并有望成为抗生素替代物之一。本文对近年来靶向抗菌肽的设计思路及其在临床和畜牧生产中的应用前景进行概述，以期为将来靶向抗菌肽的开发提供新的思路。     

吉非替尼靶向治疗非小细胞肺癌的研究

吉非替尼是一种具有抗肿瘤活性的喹唑啉类衍生物,通过竞争抑制ATP与受体区结合,从而抑制酪氨酸激酶活化.吉非替尼主要应用于晚期非小细胞肺癌的二线和三线治疗,其抗肿瘤作用已得到许多研究者的认同.阐述了吉非替尼的药理学、临床研究,吉非替尼疗效的分子预测因素及不良反应的研究成果.     

不同统计遗传模型QTL定位方法应用效果的模拟比较

分子遗传和数量遗传的结合,发展了QTL定位研究。随着定位方法与软件的建立和完善,QTL定位的研究越来越多。准确定位的QTL可用于分子标记辅助选择和图位克隆,而假阳性QTL将误导定位信息的应用。本文分析了迄今主要定位方法(软件)对于各种遗传模型数据的适用性。应用计算机模拟4类遗传模型不同的重组自交系群体(RIL),第一类只包含加性QTL;第二类包含加性和上位性互作QTL;第三类包含加性QTL和QTL与环境互作效应;第四类包含加性、上位性互作QTL和QTL与环境互作效应。每类按模拟QTL个数不同设两种情况,共分为8种数据模型(下称M-1～M-8)。选用WinQTLCart 2.5的复合区间作图(下称CIM)、多区间作图前进搜索(MIMF)、多区间作图回归前进选择(MIMR)、IciMapping 2.0的完备复合区间作图(ICIM)、MapQTL 5.0的多QTL模型(MQM)以及QTLnetwork 2.0的区间作图(MCIM)6种程序对8种不同遗传模型的RIL进行QTL检测。结果表明,不同程序适用的遗传模型范围不同。CIM和MQM只适于检测第一类模型;MIMR、MIMF和ICIM只适于检测第一类和第二类模型;只有MCIM适于检测所有4类遗传模型;因而不同遗传模型数据的最适合检测程序不同。由于未知实际数据的遗传模型,应采用在复杂模型程序,如QTLnetwork 2.0,扫描基础上的多模型QTL定位策略,对所获模型用相应模型软件进行验证。