大白菜甲、乙型核不育系的转育

根 据复等 位基因遗 传假说, 利用已知 基因型 的甲、乙型 雄性 不育“两 用系”,经 过４ 个世代的 杂交选 育,获得了 新甲型“两用系”,临时保持 系和稳 定遗传的 雄性不 育系。     

中文图书藏书发展工作中投入产出效益研究

通过对该馆自动化开架借阅藏书发展工作中投入产出效益的研究,以进一步深化藏书发展工作,提高经费使用效益。     

ASP技术在"中国茶主题网关"建设中的应用

介绍了网站信息资源组织的新模式--主题网关的概念与特征;介绍了ASP技术的相关概念;并以中国茶主题网关建设为例,介绍了ASP技术在主题网关建设中的应用.     

中草药对奶牛常见病原菌的体外抑菌试验

采用琼脂扩散法(打孔法),选择白头翁、夏枯草、黄柏、乌梅、鱼腥草等16种中草药煎剂和复方制剂对从病牛分离出的4种主要致病菌进行了体外抑菌试验,结果发现,乌梅、黄连、白头翁、诃子、黄芩等的综合效果好,8个复方制剂除复方2和复方3对大肠杆菌无抑菌作用,其余均敏感.为中草药防治奶牛常见病的科学配方筛选提供了依据.     

奶牛肢蹄病的原因及防治措施

奶牛体重大,肢蹄部作为奶牛日常活动的重要支撑器官,容易发生变形、跛行和蹄裂等。笔者结合自身工作经验,从季节、营养、生产、管理因素分析奶牛肢蹄病的发病原因,对养殖场常见的腐蹄病、蹄叶炎和局限性蹄皮炎临床症状进行概述,并总结了奶牛肢蹄病的局部和全身治疗方案,提出科学选址和建场、制定护蹄保健制度、合理搭配营养和定期进行药浴4种预防肢蹄病的措施,供同行交流参考。     

中药免疫调节剂体外细胞毒性测定

采用形态学观察和MTT两种方法,测试了中药免疫调节剂(TJJ)在鸡胚成纤维细胞(CEF)和小鼠纤维母细胞(L929)体外培养中的最大安全浓度。结果表明:⑴TJJ的细胞毒性很低,对CEF和L929的最大无毒浓度分别达3.12g/L和1.56g/L;⑵两种细胞比较,L929对药物毒性的反应性较CEF更敏感;⑶两种方法比较,MTT法更灵敏、更客观;⑷在同一种细胞的不同生长状态下(形成单层前后)加入TJJ,药物对细胞的毒性结果无变化,说明药物对细胞的毒性与细胞种类有关,而与细胞的生长状态关系不明显。     

中药药渣利用方法研究现状及高值化利用思考

随着中医行业发展和中医药制取技术的进步,中药渣的产生也与日俱增,现年产量已超过3500万吨。利用好中药渣资源不仅能保护环境,降低企业支出,还能创造额外的巨大经济效益。本文总结了中药渣在活性成分再提取、环境治理、作为饲料或饲料添加剂、作为有机肥料与栽培基质、作为轻工业生产原料等传统生态经济化利用现状,以及开发能源物质、膳食纤维产品、纳米纤维素类产品及复合材料等高值化利用现状,以期为中医药产业实现高质量发展提供参考。     

辅料和菌剂添加对牛粪堆肥腐熟的影响

为研究不同辅料与菌剂添加对牛粪堆肥过程中堆体理化性质的影响,试验以牛粪为原料,设置7个不同的辅料和菌剂处理, T1(牛粪+玉米秸秆+发酵菌剂)、T2(牛粪+稻草+发酵菌剂)、T3(牛粪+蘑菇菌渣+发酵菌剂)、T4(牛粪+玉米秸秆)、T5(牛粪+稻草)、T6(牛粪+蘑菇菌渣)、CK(牛粪不添加辅料和发酵菌剂)。结果表明,在堆肥过程中,各处理批次的水分含量和C/N均呈下降趋势,pH值先升后降,有机质先降后升,种子发芽指数随堆肥天数的增加而增加。T1和 T2处理堆体升温快、高温期持续时间长,最高温度可达到66℃~67℃,高温期持续30~32天,加速了堆肥腐熟进程,提高了种子发芽指数。堆肥结束时T1和T2处理的种子发芽指数分别达到78.26%和76.48%。隶属函数综合评价表明T1腐熟程度最高,即当牛粪与玉米秸秆配比为4:1时,添加发酵菌剂有利于堆肥腐熟。     

白菜与玫瑰秸秆不同比例混合发酵的产气性能研究

以白菜废弃物和玫瑰秸秆为原料,采用批量厌氧消化工艺,在水浴恒温35±1℃的条件下进行混合发酵,探究不同配比的白菜废弃物与玫瑰秸秆混合发酵的产气潜力和产气特性。结果表明,经过33d的发酵周期,白菜废弃物和玫瑰秸秆以质量比0:3、1:2、2:1、3:0不同配比混合发酵,对应的TS产气率分别为254mL/g、248mL/g、213mL/g和191mL/g。单一玫瑰秸秆发酵的产气潜力最优,单一的白菜废弃物发酵的产气潜力最差,添加花卉能够有效提升蔬菜废弃物的产气效果,白菜废弃物和玫瑰秸秆1:2配比下产气潜力要优于2:1配比组。     

基于机器学习算法的奶牛疾病预测模型的研究

【目的】评估建立奶牛疾病预测模型的6种机器学习(machine learning, ML)算法的性能及预测变量的重要性。【方法】选取2020年12月至2021年11月,共计944头泌乳牛的生产信息、行为信息作为预测因子,疾病信息作为输出变量,训练并验证模型。将日产奶量、反刍量、活动量、胎次和泌乳天数作为输入变量,利用ML算法建立奶牛疾病的预测模型,评估决策树(Decision Tree, DT) C5.0、CHAID算法、人工神经网络(Artificial Neural Network, ANN)、随机森林(Random Forests, RF)、贝叶斯网络(Bayesian Networks, BN)和逻辑回归(Logistic Regression, LR)6种ML算法的性能,评估预测变量的重要性,以及将胎次和泌乳天数纳入预测变量后模型性能的改善情况。采用敏感性和特异性评估模型性能,按照权重排序评估输入变量对模型预测的重要性。【结果】DT C5.0算法敏感性>85%,特异性>90%,为性能最佳的模型;RF总敏感性为56.8%,对各类牛预测的性能较稳定;ANN、BN、DT...