弹性蛋白酶基因(PAE)的克隆及在毕赤酵母中的表达

以1株产弹性蛋白酶的铜绿假单胞菌(Pseudomonas aeruginosa)基因组DNA为模板,经PCR扩增得到的铜绿假单胞菌弹性蛋白酶(P.acruginosa elastase,PAE)基因,与GenBank中的序列对比发现同源性为99%.成功地构建了重组表达载体pPIC3.5K/PAE,莺组质粒Sac Ⅰ线性化后转化毕赤酵母(Pichia pastoris)菌株KM71中,通过PCR和表型鉴定表明,PAE基因已经整合到毕赤酵母染色体上.经大量筛选获得48株含高拷贝的重组毕赤酵母转化子.在甲醇诱导下,经过毕赤酵母高密度发酵进行PAE的表达,经SDS-PAGE分析.结果表明,在培养基上清中含有一明显特异性蛋白条带,大小为34kD.活性检测结果,酶活为1 060 U/mL,是出发菌株的26倍.     

Comparison of multivariate models and variable selection algorithms for rapid analysis of the chemical composition of field crops

This study evaluates the use of visible and near-infrared spectroscopy for rapid prediction of total carbon, total nitrogen, and total phosphorus concentrations in field crop samples. Two multivariate models (partial least squares regression and support vector machine regression) were compared. In addition, four spectral variable selection algorithms (competitive adaptive reweighted sampling, genetic algorithm, uninformative variable elimination, and variable importance for projection) were applied with support vector machine regression to determine the most accurate predictions. The results showed that support vector machine regression performed better than partial least squares regression for predicting the three chemical compositions. The combination of competitive adaptive reweighted sampling and support vector machine regression outperformed the other models for the predictions of total carbon and total nitrogen with high coefficients of determination of 0.91 and 0.90, respectively. For the determination of total phosphorus, the prediction accuracy of competitive adaptive reweighted sampling was comparable with the best result obtained from genetic algorithm with the coefficients of determination of 0.73 and 0.77, respectively. In conclusion, the support vector machine regression combined with competitive adaptive reweighted sampling has great potential to accurately determine the chemical composition of field crops using the visible and near-infrared spectroscopy.     

利用机器视觉与近红外光谱技术的皮蛋无损检测与分级

为了对优质蛋、次品蛋和劣质蛋这3种皮蛋进行检测及分级,该文应用机器视觉结合近红外光谱技术,研究利用皮蛋凝胶品质无损检测的分级方法。首先采集皮蛋透射光图像,提取18个图像颜色特征值,然后将所提取的18维特征利用主成分分析(principal component analysis,PCA)进行降维,对PCA降维后的3个主成分建立遗传算法优化支持向量机(genetic algorithm-support vector machine,GA-SVM)分级模型,把皮蛋样本分为两大类:可食用蛋(优质蛋与次品蛋)与不可食用蛋(劣质蛋),劣质蛋测试集识别率为100%。然后在机器视觉分类结果的基础上,利用近红外光谱技术获取可食用蛋(优质蛋与次品蛋)的原始光谱,并进行多元散射矫正(multiplicative scatter correction,MSC),利用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)降维提取特征波长,基于支持向量机(support vector machine,SVM)对特征波长变量建立分级模型,区分出优质蛋与次品蛋,优质蛋测试集识别率为96.49%,次品蛋识别率为94.12%。研究结果表明:基于机器视觉和近红外光谱进行皮蛋凝胶品质无损检测分级是可行的。     

基于电子鼻传感器阵列优化的甜玉米种子活力检测

针对甜玉米种子活力传统检测方法操作繁琐、重复性差等不足,该研究利用电子鼻技术建立甜玉米种子活力快速检测方法。利用电子鼻获取不同活力甜玉米种子的气味信息,再结合主成分分析(PCA,principal component analysis)、线性判别分析(LDA,linear discriminant analysis)、载荷分析(loadings)和支持向量机(SVM,support vector machine)对气味信息进行提取分析,建立甜玉米种子活力的定性定量分析模型。结果显示:PCA和LDA分析均无法区分不同活力的甜玉米种子,而SVM的鉴别效果较好。全传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为97.10%和96.67%,建模时间为30.75 s,回归预测模型训练集和预测集决定系数R~2分别为0.993和0.913,均方差误差分别为2.23%和8.50%。经Loadings分析将10个传感器阵列优化为6个。优化后传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为98.55%和96.67%,建模时间为21.81 s,回归预测模型训练集和预测集决定系数R~2分别为0.982和0.984,均方差误差分别为3.80%和3.01%。结果表明:基于SVM的电子鼻技术可以实现对不同活力甜玉米种子的高效判别和预测,将传感器阵列优化为6个,判别和预测效果均有所提升。该研究为电子鼻技术应用于甜玉米种子活力检测提供理论依据。     

感应电机矢量控制解耦算法的研究

矢量控制是通过坐标变换将感应电机模型转化为类似于直流电机的模型,使定子电流在同步旋转坐标系中的两个相互垂直分量分别独立控制转矩和转子磁链,从而获得类似于直流电机的调速性能。为此,对感应电机的数学模型进行了分析,通过矢量变换得到了在d、q坐标系下的闭环系统方程,对电机进行了解耦控制。在由TMS320F2812搭建的数字化实验平台上进行了实验,实验结果证明了研究方案的可行性。     

玉米籽粒的特征选择算法——基于支持向量机与遗传算法

在基于数字图像的玉米品种自动识别的研究中,寻找对识别贡献大的新特征项,对玉米品种识别率的提高具有十分重大的意义.把遗传算法和支持向量机算法相结合,设计了具体的基于支持向量机和遗传算法的玉米籽粒特征选择算法,利用这种算法优选提取出的玉米籽粒特征,从玉米籽粒的胚部和冠部的颜色特征与形状特征中找出了对玉米品种识别贡献较大的新特征.     

基于PCA_SVR的油菜氮素光谱特征定量分析模型

研究了采用光谱分析技术对油菜植株全氮进行定量分析的方法.采用逐步回归法对氮素的光谱特征波长进行选择,为克服光谱变量间多重共线性的影响,对变量进行了主成分分析(PCA),为提高模型的拟合优度,应用支持向量机回归(SVR)建立油菜氮素的定量分析模型.对不同氮素水平的油菜冠层光谱数据进行分析,结果表明,406、460、556、634、662、675nm的光谱反射率与油菜含氮量呈极显著相关.植株全氮SVR模型预测值与实测值的相关系数为0.89,模型的检验误差(RMSE)为2.51.     

叶绿体型转昆虫抗冻蛋白基因烟草的耐寒性

根据已构建的大豆叶绿体表达载体pJY01,设计特异性引物,将昆虫抗冻蛋白基因MpAFP149插入此载体中构成叶绿体表达载体pJY01-MpAFP149,利用基因枪轰击法转化烟草,经壮观霉素筛选获得4株叶绿体型转抗冻蛋白基因烟草株系。PCR和PCR-Southern结果显示外源基因已整合至烟草叶绿体基因组中但同质化水平不高,RT-PCR结果也表明昆虫抗冻蛋白基因已发生了转录。将野生型烟草、叶绿体型转抗冻蛋白基因烟草及核转化T₁代转抗冻蛋白基因烟草(pCAMBIA1302- MpAFP149)于–1℃低温处理3 d,观察耐寒表型及测定相对电导率。结果表明, 叶绿体型转基因烟草的耐寒表型优于野生型烟草,但与核转化的T₁代转抗冻蛋白基因烟草无显著差异。处理3 d时,叶绿体型转基因烟草和T₁代转抗冻蛋白基因烟草的电导率分别为39.2%和38.2%,而野生型烟草已达73.7%。本实验获得的异质化转叶绿体抗冻蛋白基因烟草与转核基因烟草的耐寒力无差异。     

乙醛脱氢酶基因（ALDH）转化番茄的研究

乙醛脱氢酶基因（ALDH）为目的基因,构建了pBI-ALDH 植物表达载体,番茄品系03HN31子叶为外植体,经发根农杆菌（Agrobacterium rhizogens）介导采用共培养法转化番茄。通过分子生物学技术（PCR、Southern杂交、RT-PCR）和抗逆相关生理指标测定（相对电导率及丙二醛含量）相结合的方法对转化番茄植株进行检测,研究结果表明：乙醛脱氢酶基因（ ALDH ）导入并整合到番茄的基因组中,在转录水平上可以稳定表达;在干旱、高盐和低温胁迫条件下,转基因番茄植株和对照株的相对电导率和丙二醛含量有差异,证明转化番茄植株的质膜受损程度有所降低,抗氧化胁迫性能有所提高,转化率为10.78%。     

基于光谱FOD与优化指数的银川平原土壤有机质含量反演

土壤有机质（SOM）是土壤肥力的重要组成部分,是作物生长的主要养分来源。为探究分数阶微分（FOD）联合优化光谱指数对低肥力地区SOM的反演效果,以银川平原为研究对象,对野外土壤高光谱反射率原始数据进行0~2阶FOD处理（间隔0.2阶）,构建优化光谱指数DI/RDI、DI/NDI、NDI/RDI、RDI/NDI、DI/GDI和RI/GDI,分析各指数与土壤有机质含量间的二维相关性,筛选出最佳优化光谱指数,并建立基于支持向量机（SVM）的SOM含量反演模型。结果表明：银川平原SOM含量整体偏低,其中93.05%处于四级到六级水平。土壤野外原始光谱反射率吸收特征差异明显,在1400、1900nm处有明显吸收峰。随着分数阶的不断增加,光谱反射率不断趋近于0。土壤DI/NDI、DI/GDI、RI/GDI、NDI/RDI和RDI/NDI在0~2阶最大相关系数绝对值（MACC）均小于0.80,DI/RDI在0.2~2.0阶范围内的MACC为0.9965~0.9986,其敏感波段主要集中在1450~1750nm和2100~2400nm之间。基于0.2阶微分处理的DI/RDI-SVM模型对SOM的反演精度最佳,建模决定系数R2c和验证决定系数R2p分别为0.98和0.99,相对分析误差（RPD）为4.31。研究结果可为低肥力地区的SOM含量快速、准确反演及制图提供科学依据。