猪谷氧还蛋白I(GLRX1)基因实时荧光定量PCR检测方法的建立

本研究针对猪GLRX1设计特异性引物,将PCR扩增片段分别连接至T-easy载体上构建重组质粒,经筛选、鉴定纯化后,10倍梯度稀释作为质控样品,用于实时荧光定量PCR中GLRX1标准曲线的构建,并进行反应的灵敏性、特异性和重复性试验。结果显示标准曲线线性关系R2值均在0.99以上;特异性结果表明只能检测到猪GLRX1扩增曲线;组内和组间变异系数均小于5%。本研究初步建立了检测猪GLRX1基因的SYBR Green荧光定量RT-PCR的方法,为后续对猪传染性疾病与猪GLRX1之间相互关系的研究提供了一种特异、灵敏的检测方法。

山阴县标准化奶牛养殖小区口蹄疫防控措施调查分析

本文对山阴县标准化奶牛养殖小区的口蹄疫防控措施进行了调查,分析了口蹄疫防控过程中所存在的问题,提出了合理的建议,为该县奶牛口蹄疫及其他传染病的防控工作提供参考。

畜牧业走出发展怪圈需从自身改进入手——基于山西省山阴县一个行政村畜牧业发展状况的调查与思考

山西省山阴县地处雁门关外，桑干河畔，草长水肥，具有发展畜牧业得天独厚的优势。安岸庄村是山阴县的一个典型的养殖行政村，耕地面积2500亩，全村157户，总人口738。1995年，安岸庄养殖奶牛42头、生猪150头、羊356只，随着畜牧业良好的发展趋势，

猪血清淀粉样蛋白3分子SYBR Green Ⅰ实时荧光定量PCR检测方法的建立及初步应用

分别根据猪血清淀粉样蛋白3(serum amyloid A3,SAA3)基因序列以及猪三磷酸甘油醛脱氢酶(glyceraldehyde-3-phosphate dehydrogenase,GAPDH)基因全长序列设计特异性扩增引物,进行PCR扩增,并将PCR扩增片段连接至相应载体上构建重组质粒。两个重组质粒经测序鉴定和纯化后,倍比稀释作为标准曲线样品,用于实时荧光定量PCR中SAA3、GAPDH标准曲线的制备,并进行反应的灵敏性、特异性和重复性检测。结果显示,标准曲线线性关系R2均在0.98以上;特异性检测显示该引物可以特异性检测到猪SAA3、GAPDH扩增曲线;组内和组间变异系数均小于5%,说明本研究成功建立猪SAA3的荧光定量PCR检测方法。运用建立的荧光定量RT-PCR对正常以及感染猪繁殖与呼吸综合征病毒的肺泡巨噬细胞和猪组织进行检测,可检测到猪SAA3的表达,正常组与接毒组之间显示出明显的表达差异。本研究初步建立了检测猪SAA3基因的SYBR Green荧光定量RT-PCR的方法,为后续对猪传染性疾病与猪SAA3之间相互关系的研究提供了一种特异、灵敏的检测方法。

羊驼抵御呼吸道大肠杆菌感染能力试验

目的:通过血琼脂培养基培养致呼吸道疾病的大肠杆菌的方法,探究羊驼是否对致呼吸道疾病的大肠杆菌有抗性。方法:根据微生物学和生化实验分离鉴别大肠杆菌;采用含有适量羊驼血液的血琼脂培养基培养致呼吸道疾病的大肠杆菌。试验羊驼5只,设1个试验组,其中包括5个小试验组,另设1个对照组,每组3只培养皿,再用接菌环挑取少量菌落接种于培养基表面。结果:在试验组中,致呼吸道疾病的大肠杆菌长势基本相同。结论:羊驼对致呼吸道疾病的大肠杆菌基本无抗性。

PRRSV感染对猪肺泡巨噬细胞IFITM3基因转录的影响

干扰素诱导跨膜蛋白3(interferon inducible transmembrane proteins 3,IFITM3)作为抗病毒蛋白可以抑制多种病毒的感染,本研究针对猪IFITM3基因设计特异性引物,构建重组质粒并作为阳性标准品,建立了检测IFITM3基因的SYBR Green Ⅰ荧光定量RT-PCR方法。结果显示,该方法最低检出下限为10~2 copies/μL,且线性关系好(R^2≥0.997),敏感性高,特异性强,重复性好,批内、批间变异系数均小于3%。将猪繁殖与呼吸综合征病毒(Porcine reproductive and respiratory syndrome virus,PRRSV)感染猪肺泡巨噬细胞(porcine alveolar macrophages,PAM)细胞,在不同感染时间对细胞中IFITM3 mRNA进行检测。结果显示,PRRSV感染早期IFITM3转录水平保持不变,在感染后转录水平逐渐升高。IFITM3 mRNA在PRRSV感染PAM过程中转录变化,可能是PRRSV宿主免疫逃逸的机制之一。

多目标粒子群和人工蜂群混合优化的阈值图像分割算法

在图像分割中,为了准确地把目标和背景分离出来,提出了一种基于多目标粒子群和人工蜂群混合优化的阈值图像分割算法。在多目标优化的框架下,将改进的类间方差准则和最大熵准则作为适应度函数,通过粒子群和蜂群混合优化这2个适应度函数来获得1组非支配解。同时,为了提高全局和局部搜索能力,在蜂群进化时,将粒子群的全局最优解引入到人工蜂群算法的雇佣蜂阶段蜜源的更新中,并对搜索方程进行改进。最后通过类间差异和改进的类内差异的加权比值,从一组非支配解中选取最优阈值。实验结果表明,该算法能够取得理想的分割结果。

结合Tri-training和CV-CNN的半监督PolSAR图像分类

现有深度学习算法应用于PolSAR图像分类时,较少考虑该图像数据的复数特点,使得数据的复数域信息不能被充分利用;同时,深度学习需要大量的标签样本作为模型的训练样本,但是PolSAR图像可获取的标签样本十分有限。针对上述问题,结合Tri-training算法和复值卷积神经网络(CV-CNN)提出了半监督PolSAR图像分类算法。首先通过Wishart分类器和Tri-training算法获取一些可靠性较高的伪标签样本,然后将其加入到复值卷积神经网络的训练样本中并用于模型训练,最终完成图像分类任务。通过四幅PolSAR图像分类的仿真实验表明,该算法不仅能够有效提升伪标签样本的可靠性,同时还可提高模型的分类准确率。