为调查河北地区鸡源沙门菌及其血清型的流行及分布情况,并分析其的致病性,本研究于2018年~2021年在河北省7个地区34个养鸡场共收集631份发病鸡肛拭子和62份病料样品共计693份,分别接种普通琼脂培养基分离细菌并纯化后经革兰氏染色镜检;...为调查河北地区鸡源沙门菌及其血清型的流行及分布情况,并分析其的致病性,本研究于2018年~2021年在河北省7个地区34个养鸡场共收集631份发病鸡肛拭子和62份病料样品共计693份,分别接种普通琼脂培养基分离细菌并纯化后经革兰氏染色镜检;将分离菌分别接种不同的培养基培养,并对分离菌经生化及16S r RNA基因的PCR及测序鉴定,随机选择32条测序序列经NCBI的BLAST比对,并采用DNAStar软件分析该基因的同源性。采用玻片凝集法鉴定分离菌的血清群及血清型并统计各血清群与血清型在河北不同地区的分布。结果显示,从693份病料样品中共分离到238株沙门菌,除3株未定群外,其余分离菌分属于A、B、C、D、E、F 6个血清群,其中D群最多达69.7%(166/238);238株沙门菌分属于7个不同的血清型和未定型,依次为鸡白痢沙门菌(91/38.2%)、甲型副伤寒沙门菌(43/18.0%)、鸡伤寒沙门菌(40/16.8%)、肠炎沙门菌(39/16.4%)等。血清群与血清型分布的统计结果显示,除张家口地区流行A群血清群外,其余地区流行的血清群均为D群;张家口地区流行鸡白痢沙门菌;秦皇岛地区有14种血清型,其中甲型副伤寒沙门菌为其流行血清型;石家庄、承德、唐山流行的均为鸡白痢沙门菌,邢台及保定地区分别流行肠炎沙门菌与鸡伤寒沙门菌。通过K-B药敏纸片法检测238株分离菌对7类共22种药物的敏感性;采用PCR检测分离菌的相关耐药基因并采用SPSS26.0软件中的Fisher确切概率法分析分离菌耐药表型与耐药基因之间的相关性。选取12株不同血清型的分离菌以0.2 m L/只(3×108cfu/mL)感染雏鸡,分析各分离菌对雏鸡的致病性。药敏试验结果显示,对苯唑西林、红霉素、青霉素、甲氧苄啶、氨苄西林、四环素耐药的菌株分别占97.5(232/238)、89.1%(212/238)、78.6%(187/238)、74.8%(178/238)、74.4%(177/238)、64.3%(153/238),对其它药物耐药的菌株均在32%以下,但均对头孢类药物敏感;且分离菌多呈多重耐药性(58.4%,139/238),耐6重药物的菌株(32.8%,78/238)与耐5重药物的菌株(11.8%,28/238)最多。耐药基因检测结果显示,对β-内酰胺类、磺胺类、大环内酯类、四环素类、氨基糖苷类药物的耐药基因tem、erm(B)a、tetA、strA-B的检出率分别为100%(238/238)、75.2%(178/238)、71%(169/238)、65.6%(156/238)及31.9%(76/238)。未检测到喹诺酮类和醛胺醇类耐药基因。经分析,氨基糖苷类、四环素类、磺胺类、β-内酰胺类、大环内酯类药物的耐药表型与其耐药基因的符合率分别为94.7%、98.1%、99.4%、97.5%、79.9%,相关性均较强。致病性试验结果显示,12株分离菌均能致感染鸡出现不同的临床症状及肝脏和肠道的剖检病变,且能对鸡造成不同程度的死亡,其中以致鸡死亡10只(100%)、7只(87%)为主,并从死亡鸡的肝脏再次分离到相应细菌。上述结果表明,本研究从河北不同地区分离的238株沙门菌血清群与血清型众多,大多数沙门菌的耐药性较强且多呈多重耐药性,其携带的5类药物的耐药基因与其相对应的耐药表型均呈较强的相关性,且分离菌对雏鸡呈不同的致病性。本研究为河北地区鸡源沙门菌的流行病学调查及其感染的防治提供参考依据。展开更多
随着深度学习在计算机视觉领域的广泛应用,人脸认证、车牌识别、路牌识别等也随之呈现商业化应用趋势.因此,针对深度学习模型的安全性研究至关重要.已有的研究发现:深度学习模型易受精心制作的包含微小扰动的对抗样本攻击,输出完全错误...随着深度学习在计算机视觉领域的广泛应用,人脸认证、车牌识别、路牌识别等也随之呈现商业化应用趋势.因此,针对深度学习模型的安全性研究至关重要.已有的研究发现:深度学习模型易受精心制作的包含微小扰动的对抗样本攻击,输出完全错误的识别结果.针对深度模型的对抗攻击是致命的,但同时也能帮助研究人员发现模型漏洞,并采取进一步改进措施.基于该思想,针对自动驾驶场景中的基于深度学习的路牌识别模型,提出一种基于粒子群优化的黑盒物理攻击方法(black-box physical attack via PSO,简称BPA-PSO).BPA-PSO在未知模型结构的前提下,不仅可以实现对深度模型的黑盒攻击,还能使得实际物理场景中的路牌识别模型失效.通过在电子空间的数字图像场景、物理空间的实验室及户外路况等场景下的大量实验,验证了所提出的BPA-PSO算法的攻击有效性,可发现模型漏洞,进一步提高深度学习的应用安全性.最后,对BPA-PSO算法存在的问题进行分析,对未来的研究可能面临的挑战进行了展望.展开更多
文摘为调查河北地区鸡源沙门菌及其血清型的流行及分布情况,并分析其的致病性,本研究于2018年~2021年在河北省7个地区34个养鸡场共收集631份发病鸡肛拭子和62份病料样品共计693份,分别接种普通琼脂培养基分离细菌并纯化后经革兰氏染色镜检;将分离菌分别接种不同的培养基培养,并对分离菌经生化及16S r RNA基因的PCR及测序鉴定,随机选择32条测序序列经NCBI的BLAST比对,并采用DNAStar软件分析该基因的同源性。采用玻片凝集法鉴定分离菌的血清群及血清型并统计各血清群与血清型在河北不同地区的分布。结果显示,从693份病料样品中共分离到238株沙门菌,除3株未定群外,其余分离菌分属于A、B、C、D、E、F 6个血清群,其中D群最多达69.7%(166/238);238株沙门菌分属于7个不同的血清型和未定型,依次为鸡白痢沙门菌(91/38.2%)、甲型副伤寒沙门菌(43/18.0%)、鸡伤寒沙门菌(40/16.8%)、肠炎沙门菌(39/16.4%)等。血清群与血清型分布的统计结果显示,除张家口地区流行A群血清群外,其余地区流行的血清群均为D群;张家口地区流行鸡白痢沙门菌;秦皇岛地区有14种血清型,其中甲型副伤寒沙门菌为其流行血清型;石家庄、承德、唐山流行的均为鸡白痢沙门菌,邢台及保定地区分别流行肠炎沙门菌与鸡伤寒沙门菌。通过K-B药敏纸片法检测238株分离菌对7类共22种药物的敏感性;采用PCR检测分离菌的相关耐药基因并采用SPSS26.0软件中的Fisher确切概率法分析分离菌耐药表型与耐药基因之间的相关性。选取12株不同血清型的分离菌以0.2 m L/只(3×108cfu/mL)感染雏鸡,分析各分离菌对雏鸡的致病性。药敏试验结果显示,对苯唑西林、红霉素、青霉素、甲氧苄啶、氨苄西林、四环素耐药的菌株分别占97.5(232/238)、89.1%(212/238)、78.6%(187/238)、74.8%(178/238)、74.4%(177/238)、64.3%(153/238),对其它药物耐药的菌株均在32%以下,但均对头孢类药物敏感;且分离菌多呈多重耐药性(58.4%,139/238),耐6重药物的菌株(32.8%,78/238)与耐5重药物的菌株(11.8%,28/238)最多。耐药基因检测结果显示,对β-内酰胺类、磺胺类、大环内酯类、四环素类、氨基糖苷类药物的耐药基因tem、erm(B)a、tetA、strA-B的检出率分别为100%(238/238)、75.2%(178/238)、71%(169/238)、65.6%(156/238)及31.9%(76/238)。未检测到喹诺酮类和醛胺醇类耐药基因。经分析,氨基糖苷类、四环素类、磺胺类、β-内酰胺类、大环内酯类药物的耐药表型与其耐药基因的符合率分别为94.7%、98.1%、99.4%、97.5%、79.9%,相关性均较强。致病性试验结果显示,12株分离菌均能致感染鸡出现不同的临床症状及肝脏和肠道的剖检病变,且能对鸡造成不同程度的死亡,其中以致鸡死亡10只(100%)、7只(87%)为主,并从死亡鸡的肝脏再次分离到相应细菌。上述结果表明,本研究从河北不同地区分离的238株沙门菌血清群与血清型众多,大多数沙门菌的耐药性较强且多呈多重耐药性,其携带的5类药物的耐药基因与其相对应的耐药表型均呈较强的相关性,且分离菌对雏鸡呈不同的致病性。本研究为河北地区鸡源沙门菌的流行病学调查及其感染的防治提供参考依据。
文摘随着深度学习在计算机视觉领域的广泛应用,人脸认证、车牌识别、路牌识别等也随之呈现商业化应用趋势.因此,针对深度学习模型的安全性研究至关重要.已有的研究发现:深度学习模型易受精心制作的包含微小扰动的对抗样本攻击,输出完全错误的识别结果.针对深度模型的对抗攻击是致命的,但同时也能帮助研究人员发现模型漏洞,并采取进一步改进措施.基于该思想,针对自动驾驶场景中的基于深度学习的路牌识别模型,提出一种基于粒子群优化的黑盒物理攻击方法(black-box physical attack via PSO,简称BPA-PSO).BPA-PSO在未知模型结构的前提下,不仅可以实现对深度模型的黑盒攻击,还能使得实际物理场景中的路牌识别模型失效.通过在电子空间的数字图像场景、物理空间的实验室及户外路况等场景下的大量实验,验证了所提出的BPA-PSO算法的攻击有效性,可发现模型漏洞,进一步提高深度学习的应用安全性.最后,对BPA-PSO算法存在的问题进行分析,对未来的研究可能面临的挑战进行了展望.
