板栗基因组AFLP银染反应体系的建立

为了建立准确、高效、实用的板栗品种鉴别体系和方法,采用改进的CTAB—DNA提取方法,从板栗的嫩叶和老叶中提取获得总DNA。所得DNA样品的D260nm/D280nm值为1.7～1.9,琼脂糖凝胶上主带清晰、较少降解、样品纯度高、蛋白去除干净且获得率高。该体系使用操作简便、快捷、高效,适合于板栗DNA提取,所提取的DNA样品不含PCR反应抑制剂及其他酶反应抑制剂,可被限制性内切酶MseI和EcoRI完全酶切,适合AFLP-PCR反应应用,得到清晰的指纹式样,适宜用作板栗品种鉴别的有效方法。     

恒电流法在AAO模板中制备钯合金纳米线

在孔深60μm直径200 nm的通孔氧化铝模板中,采用恒电流沉积法制备了钯镍与钯银合金纳米线阵列.用扫描电子显微镜和X-射线能谱仪表征纳米线的形貌和成分.研究结果表明:Pd-Ni合金纳米线中镍的含量随着电流密度的增大而增加,电流密度在0.6~1.0 mA.cm-2之间时,合金纳米线中镍的质量分数变化范围为7.89%~15.21%;Pd-Ag合金纳米线中银的质量分数随着电流密度的增大而减少,电流密度在2.0~3.0 mA.cm-2之间时,合金中银的质量分数变化范围为22.88%~16.55%.获得的钯合金纳米线线条均匀连续、结晶致密,长径比高达250.     

设计饲料配方的快捷方法

运用MicrosoftExcel模板技术及规划求解工具 ,对实例进行运算 ,得出通用求解规律 ,该方法具有简易、实用及快捷的特点     

苹果不同HRM反应体系分析效果评价

高分辨率熔解曲线(high resolution melting,HRM)分析是一种新型的DNA多态性快速筛查技术。本研究以苹果品种"富士"和"舞姿"为试材,用来自苹果基因组的SSR标记CH03d11对不同反应体积、不同DNA浓度以及不同PCR退火程序下的HRM分型效果进行了测试与评估。结果表明:采用5μL反应体积可以获得与10μL或20μL反应体积相同的检测效果。在5μL反应体积中,DNA浓度小到0.25ng/μL时,PCR扩增及随后的HRM分析效果依然良好。另外,研究表明,采用降落PCR扩增模式也能取得良好的HRM多态性检测结果。     

通用矩阵与矢量模板类的分析与应用

基于面向对象技术定义了矩阵和矢量两种模板类，利用运算符重载实现了矩阵，矢量和数之间的常规运算，对于具有不同特性的矩阵，采用了节省的贮存方式，并实现了不同贮存方式下矩阵相互之间的计算，表明所建立的模板类具有通用性，所开发的代码可重复利用率高，而且易于维护和扩充。     

香蕉RAPD反应体系的建立

利用改良的CTAB方法从香蕉叶片中提取高质量的DNA。在参考一般RAPD分析反应程序的基础上，经过反复试验，确定适合香蕉PCR扩增程序为：94℃预变性 5min；94℃变性 1min；38℃退火 1min；72℃延伸 2min；变性ó延伸，循环45次；最后72℃延伸 2min。PCR扩增的体系（总体积25μL）为：模板DNA 20ng，dNTP 200μmol/L，10×PCR Buffer2.5μL，引物0.20μmol/L，Taq酶0.75U，ddH2O17.85μL。     

一维梯度铁纳米线的制备与表征

用氧化铝模板法和电化学沉积法控制合成了一维梯度直径铁纳米线.通过匀速减小氧化铝模板二次氧化的氧化电压,获得了具有一维梯度孔径的氧化铝模板,在此模板中利用电化学沉积法生长了具有一维梯度直径的铁纳米线.用扫描电镜和透射电镜对梯度直径铁纳米线进行表征,结果显示:铁纳米线呈细长锥形结构;沿长度方向,铁纳米线的直径具有梯直径变化,直径变化范围为12~31 nm.     

水稻干燥组织DNA模板的快速制备

用碱处理水稻干燥组织,浸出液直接用作PCR扩增的模板,扩增结果稳定、准确,与CTAB法和SDS法提取的DNA扩增效果相比没有显著差异。用此法提取水稻自然干燥的叶片、叶鞘、茎杆、颖壳和根DNA,质量良好,能够满足SSR分析要求。     

汽车覆盖件模具数控加工工艺及模板开发

文章首先阐述了数控加工原理及优势,在此基础上,对汽车覆盖件数控加工工艺进行了研究,并基于相关计算机软件环境开发了汽车覆盖件模具加工工艺模板,以期汽车覆盖件模具加工工艺路线、工艺参数更加规范,加工质量水平和加工效率更高。     

基于计算机视觉的立木枝干直径自动测量方法

立木枝干直径是智能型立木整枝机器人工作的重要工作参数.该文提出了一种基于计算机视觉原理的立木枝干自动测量方法.该方法利用已知大小的标定尺简化无线性畸变CCD摄像机标定过程.首先,将标定尺与被测立木紧贴在一起并通过CCD摄像机获取它们的图像;其次,从图像中通过二次模板匹配方法检测标定尺并统计标定尺像素数;然后,计算出图像每一个像素代表的实际尺寸;第四,通过立木枝杈点检测分离出树干和树枝;最后,将统计立木枝干直径的像素数与每一个像素代表的实际尺寸相乘就可以很容易地计算立木枝干直径.该文测量了12组立木枝干的直径,平均绝对误差为0.67 cm,平均相对误差为1.9%.实验结果表明,计算机视觉的立木枝干直径自动测量方法能够比较精确地解决智能型立木整枝机器人中的立木枝干自动测量问题,但是该方法在进行复杂背景立木枝干直径测量时精度需要进一步提高.