排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
2.
旨在鉴定牦牛Smad4基因与bta-miR-146a的靶向关系,为探究它们在牦牛卵巢卵泡发育过程中的可能分子调控机制提供理论基础。利用miRBase数据库和MEGA 6.0软件分析miR-146a在不同物种中的保守性,同时利用TargetScan软件预测其潜在靶基因,通过构建psiCHECK2双荧光素酶报告基因载体进行靶向验证。生物信息学分析结果显示,miR-146a成熟序列在脊椎动物中具有高度的保守性,并预测到178个与卵巢卵泡发育相关的潜在靶基因,从中选取Smad4基因分析发现其3′非编码区域(3′UTR)与bta-miR-146a存在结合位点;进一步成功构建牦牛Smad4基因3′UTR野生型及突变型psiCHECK2双荧光素酶报告质粒,荧光素酶活性检测结果显示,bta-miR-146amimic对牦牛Smad4基因3′UTR野生型报告质粒荧光活性有明显的下调作用,分别与突变型及NC对照组差异显著(P0.05)。本研究初步证实,牦牛Smad4基因是bta-miR-146a的靶基因,从而提示btamiR-146a可能通过调控Smad4基因在牦牛卵巢卵泡发育过程中的表达发挥作用。 相似文献
3.
为探究miR-106a对牦牛卵泡颗粒细胞(GCs)增殖和激素分泌的影响,本试验通过体外分离培养牦牛卵泡GCs,分别转染miR-106a模拟物(miR-106a mimics)和miR-106a抑制剂(miR-106a inhibitors),利用CCK-8法检测GCs细胞增殖,ELISA法分别检测雌二醇(E2)和孕酮(P4)激素分泌情况。结果显示,与对照组相比,24、48、72和96 h时,miR-106a mimics组和miR-106a inhibitors组牦牛GCs的细胞增殖受到极显著抑制(P<0.01)。与对照组相比,GCs转染48 h时,miR-106a mimics组E2分泌量极显著升高,而miR-106a inhibitors组E2分泌量极显著降低(P<0.01);GCs转染72 h时,miR-106a mimics组和miR-106a inhibitors组E2分泌量均极显著降低(P<0.01);GCs转染48 h时,miR-106a mim... 相似文献
4.
5.
6.
为了解牦牛BoLA-I基因mRNA组织表达谱,并探索可能靶定BoLA-I基因的miRNAs,利用RT-PCR技术对牦牛BoLA-I基因mRNA在牦牛肝、脾、肺、肾、肌肉、卵巢、小肠、下颌淋巴结、大肠和肠系膜淋巴结等10种组织的表达谱进行分析,再通过Targetscan和miRBase软件来预测可能靶定BoLA-I基因的miRNAs,检测其在10种牦牛组织中的表达情况。结果表明:BoLA-I基因mRNA在检测的10种牦牛组织中均有表达,尤其在免疫器官组织中广泛表达,在牦牛的肠系膜淋巴结组织表达水平极显著高于小肠和大肠组织(P0.01);预测到的可能靶定牦牛BoLA-I基因的miRNA共有28个,从中选择了6个进行组织表达谱分析,发现bta-miR-759、bta-miR-142-5p、bta-miR-665、bta-miR-2322-5p、bta-miR-199a-3p与牦牛BoLA-I基因共表达;除卵巢外,bta-miR-219-5p在其他组织中均有表达,且在肝脏组织中的表达水平极显著高于其他组织(P0.01)。bta-miR-142-5p在肠系膜淋巴结中表达量极显著高于其他组织(P0.01)。由此推测,牦牛BoLA-I基因及其预测的miRNA可能在牦牛组织中起重要作用。 相似文献
7.
为探索牦牛Smad1基因与bta-miR-1434-5p是否存在靶向关系,探究bta-miR-1434-5p分子调控可能机制,利用RT-PCR技术对bta-miR-1434-5p和Smad1 mRNA在牦牛组织中的表达谱进行检测,并构建pmiR-RBREPORTTM双荧光素酶报告载体对牦牛Smad1基因3′端非翻译区(3′UTR)与bta-miR-1434-5p的靶向关系进行研究。结果表明:Smad1基因mRNA在牦牛下丘脑、垂体、心、肝、脾、肺、肾、骨骼肌、淋巴结、卵巢、输卵管、子宫组织中均有广泛表达;bta-miR-1434-5p除在牦牛输卵管中没有表达外,在其他组织均与Smad1基因mRNA共表达;获得牦牛Smad1基因3′UTR序列并成功构建野生型及突变型pmiR-RB-REPORTTM双荧光素酶报告质粒;荧光素酶活性检测发现bta-miR-1434-5p mimics对Smad1野生型质粒报告荧光没有明显的下调作用,由此推测btamiR-1434-5p与牦牛Smad1基因的该段3′UTR之间未发现明显互作。 相似文献
8.
基于BP神经网络的农田大气氨浓度预测 总被引:2,自引:0,他引:2
农业源氨排放是大气氨最主要的来源,其中氮肥施用是最主要的农业氨排放源之一。预测大气氨浓度的变化,确定影响大气氨排放的因素,可为科学管理农田,减轻环境污染提供参考。本文利用BP神经网络分析农田大气氨浓度及与各气象因素的关系,以便清晰地了解农田大气氨浓度的变化规律,为研究农田大气氨提供一种新的思路与方法。首先选取2015年5—10月的农田大气氨浓度数据及气象监测数据,建立以气象因素(气压、气温、相对湿度、降水量、风速和日照时数)为输入变量,农田大气氨浓度作为输出变量的预测模型。其次采用主成分分析法筛选出对农田大气氨浓度影响较大的气象因素,分别为气温、相对湿度、降水量和风速,然后把筛选出的4个主要因素和原来的6个因素分别作为BP神经网络预测模型的输入变量,利用神经网络模型对农田大气氨浓度进行预测。结果显示,农田大气氨浓度的实际值为0.148 5 mg·m-3,4个因素的预测值为0.159 4 mg·m-3,6个因素的预测值为0.173 2 mg·m-3,预测误差分别为7.35%、16.65%,并且4个因素的预测相对误差为1.4%~27.0%,而6个因素的预测相对误差为1.1%~45.0%。预测的农田大气氨浓度在前5 d内变化较大,但随着时间的推移,农田大气氨浓度逐渐变小趋于平缓,且预测值与实际值的变化趋势基本相符。利用4个因素作为输入变量建立预测模型,预测得到的农田大气氨浓度值比6个因素作为输入变量得到的农田大气氨浓度值与实际值更吻合,相对误差值较小。可见,通过主成分分析法去除冗余因素后建立的神经网络模型更加有效,预测结果比筛选之前的预测效果更好,所建立的模型对甄选关键因素具有较好的适用性,并且神经网络预测模型对农田大气氨浓度的预测精度较高。本文构建的农田大气氨浓度预测模型可为农田大气氨浓度分析及相关研究提供方法和思路上的指导。 相似文献
9.
10.
以AA肉鸡商品代为试验材料,公母各100只,在0、7、14、21、28、35、42日龄随机抽取公、母各8只,分别称量活重、腿肌重、胸肌重、全净膛重。分析7、14、21、28、35、42日龄AA肉鸡腿肌、胸肌的相对生长、累积生长、肌肉率,探讨肌肉的生长规律。结果表明,AA肉鸡公鸡在7、42日龄时腿肌重和胸肌重均极显著地高于母鸡(P<0.01);21日龄公鸡的腿肌重显著大于母鸡(P<0.05);其余公、母鸡间的差异均未达到显著水平(P>0.05)。总体看AA肉鸡胸肌的生长强度大于腿肌。从腿肌的累积生长看,公、母鸡的差异主要在35~42日龄之间;而胸肌的累积生长显示公、母鸡间的不同主要在28~42日龄之间,而0~28日龄期间二者几乎重合。就公、母鸡肌肉率而言,二者的差别主要在42日龄时的腿肌率,公鸡高出母鸡3.01%。 相似文献