实用WSSV定量检测方法的建立及其应用于脊尾白虾病毒感染规律的研究

为优化当前白斑综合征病毒( WSSV)定量检测方法,实验结合当前WSSV诊断与定量方法应用的实际,试图通过设计两对普通PCR引物来建立一种实用的WSSV绝对定量方法,并利用此方法进一步探明WSSV在脊尾白虾体内的增殖规律及致病性.首先根据WSSV的囊膜蛋白VP28基因序列设计了两对特异引物(F1,R1)和(RF2,RR2),分别用于标准品质粒的构建和扩增子的扩增,以开展SYBR Green染料法定量检测WSSV的研究;随后利用该定量检测方法分析了WSSV在脊尾白虾体内的组织分布及感染规律.研究结果显示:(1)以定量引物RF2和RR2建立的SYBR Green绝对定量检测方法具有敏感度高、特异性强、定量范围广且准确等特点;(2)WSSV能感染脊尾白虾鳃、肝胰腺、肌肉、头胸甲下结缔组织、胃及肠等组织,其中头胸甲下结缔组织病毒含量最高(1.1×107 copies/μg),其次是鳃组织(4.1×106copies/μg);正常脊尾白虾感染WSSV,首先经过一个约48 h潜伏期,而后开始大量增殖并造成部分虾死亡,死亡率约为20％.     

坛紫菜杂交重组品系的选育与特性分析

坛紫菜选育品系(HR-6)具有叶状体快速生长期的前期生长较快,色素蛋白含量高,但成熟较早,生长期短,丝状体的壳孢子放散量较少等特性;坛紫菜另一个选育品系(HR-5)具有叶状体快速生长期的前期生长较慢,色素蛋白含量高,但成熟晚,生长期较长,丝状体的壳孢子放散量多等特性。为改善HR-6品系叶状体成熟较早,壳孢子放散量较少的弱点,本文以HR-6品系为父本,HR-5品系为母本进行种内杂交,从杂合丝状体产生的F1叶状体中选育出了综合性状更加优良的品系(WD-7)。在叶状体的快速生长前期(日龄30~45d),父本品系的绝对生长率为6.68cm/d,母本品系为3.63cm/d, WD-7品系为6.67cm/d;在叶状体的快速生长中后期(日龄46~60d),父本品系的绝对生长率降至5.15cm/d,母本品系则升至7.27cm/d,而WD-7品系高达11.54cm/d。父本品系的叶状体成熟最早,培养35d左右,大部分个体已成熟;WD-7品系遗传了母本品系成熟较晚的优点,日龄55d之后,大部分个体才出现成熟。日龄35d的叶状体平均厚度,WD-7品系为29.87μm,分别比父、母本品系增加了10%和16%,藻体的韧性明显增强。WD-7品系的壳孢子放散总量为183.42万个/壳,分别是父、母本品系的1.17倍和0.57倍。上述结果证实,WD-7品系不仅遗传了父本品系叶状体快速生长期的前期生长较快的特性,同时又遗传了母本品系叶状体成熟晚、生长期长、中后期生长快的优点,壳孢子放散量也比父本品系有所增加,此品系有望被培育成适宜大规模栽培的新品种。     

HSA转基因水稻二重微滴数字PCR定量检测方法研究

重组人血清白蛋白（HSA, Human serum albumin）基因工程水稻是我国自主研发的可规模化生产水稻重组人血清白蛋白（OsrHSA）的转基因品系,具有极高的推广价值和应用前景,但是目前缺乏对其进行精准定量检测的方法。微滴数字PCR(ddPCR, droplet digital PCR)是近年来新兴的前沿PCR技术,不依赖标准物质即可实现对DNA分子的绝对定量,在转基因产品定量领域被广泛应用。本研究基于ddPCR平台建立了适用于重组人血清白蛋白基因工程水稻（114-7-2品系）的二重ddPCR精准定量检测方法。通过对引物探针的特异性进行验证、对引物探针工作浓度和反应退火温度进行优化,获得最佳反应条件。进而对该方法检测限、定量限和结果重复性做了测定。最后通过对不同含量的重组人血清白蛋白转基因水稻样品进行定量检测,分析比较传统实时荧光定量PCR(quantitative real-time PCR, qRT-PCR)和二重ddPCR的优劣,结果表明本研究建立的转基因水稻HSA/PLD二重ddPCR方法稳定性更好、灵敏度高、成本低廉,精准可靠,适用于不依赖标准物质的精准定量HSA转...     

基于TCN和Transformer的鸡胚心跳混淆信号分类方法

鸡蛋胚胎培养法是制备禽流感疫苗常用的方法，快速准确地对鸡蛋胚胎进行成活性分类并将死胚从活胚中尽早剔除可以有效避免因胚胎死亡导致的细菌或霉菌污染，对孵化效率的提高有着重要意义。目前，主要以鸡胚心跳信号作为分辨死胚和活胚的依据。然而，鸡蛋活胚在注入禽流感病毒96 h后，其心跳信号特征介于普通活胚和死胚之间，易与死胚混淆，本文将该类数据称为鸡胚心跳混淆信号，单独作为一类加入数据集，将原本死胚、活胚二分类改为死胚、普通活胚和96 h活胚三分类，根据信号特征设计了绝对值均值标准化预处理方法，增强原始数据特征以提升数据可分类性，并针对全局特征和细节特征提出了一种基于时间卷积网络(Temporal convolutional network, TCN)和Transformer的残差结构浅层双分支网络结构(Residual fully temporal convolutional with transformer network, RFTNet)。实验结果表明，本文提出的三分类绝对值均值标准化预处理方法和RFTNet双分支网络在鸡胚混淆数据集分类任务中展现出良好性能，检测准确率高达99.75%。此外，...