黑曲霉原生质体诱变选育β-葡萄糖苷酶高产菌株

本研究报道了以原生质体诱变技术选育高产β-葡萄糖苷酶的黑曲霉菌株,并研究了其发酵特性。以黑曲霉CGMCC3.316为出发菌株,通过紫外诱变得到突变株3-3M。然后以3-3M为供试菌株,研究了其原生质体制备与再生的条件。最后通过原生质体诱变,选育得到一株β-葡萄糖苷酶活力较高的突变株60B-3D。该菌株具有良好的遗传稳定性,酶活力平均达到23IU/mL,与出发菌株CGMCC3.316相比提高39%。此外,该菌株的木聚糖酶活力也有所增加。同时考察了黑曲霉60B-3D的发酵特性,并与3-3M和出发菌株进行比较,结果表明该菌株有较高的蛋白分泌能力。本研究为发酵生产β-葡萄糖苷酶提供了一株良好的供试菌株。     

冬小麦叶片SPAD值高光谱估测的预处理方法

为选择合适的光谱预处理方法,提高叶片SPAD值的预测精度,本研究分析冬小麦不同叶位叶片SPAD值与光谱的响应关系,对原始光谱数据进行归一化处理(NC)、多元散射校正(MSC)和基线校正(BC)及组合处理,并结合连续投影算法(SPA)和逐步多元线性回归(SMLR)构建SPAD值光谱估测模型。结果表明:增加施氮量能提高冬小麦不同叶位叶片的SPAD值,生育前期顶二叶在近红外光谱区域反射率最大,生育后期则为顶一叶最大;单一光谱预处理中基于NC处理的光谱预测模型最好(R2=0.770、RMSE=1.483),MSC处理降低了模型预测效果,组合预处理中,以BC+NC建模效果最好,R2和RMSE分别为0.755和1.540;部分预处理在一定程度上可以消减噪音,但不当的预处理方法会降低模型的预测能力;预处理方法并不是越多越好,顺序不同预测模型精度不同。     

离子交换法分离发酵液中鸟苷和肌苷

乌苷发酵液中乌苷与副产物肌苷的分离对乌苷工业有重要的意义。对乌苷和肌苷的分离条件进行研究,得到了最佳分离条件：采用Hd-8树脂,树脂床高度为4cm,前120mL采用0．05mol／L盐酸洗脱收集肌苷,120mL至240mL采用0．74mol／L pH5．0醋酸钠缓冲液洗脱收集乌苷,可以获得很好的效果。     

鸟苷补料分批发酵的研究

目的:以枯草芽孢杆菌TA208为出发菌株,研究了补料分批发酵方式下各种参数对鸟苷产量的影响。方法:采用补料分批发酵工艺,利用纸层析法测定发酵液中鸟苷的产量。结果:确定了葡萄糖、酵母粉和次黄嘌呤的最优补料方式,使鸟苷产量达到32.05g/L,较分批发酵方式提高了36.3%。结论:发酵工艺过程控制对发酵生产鸟苷具有重大影响。     

鸟苷发酵条件的优化研究

以枯草芽孢杆菌(Bacillus subtilis)TA208为供试菌株,运用单因素实验方法进行了摇瓶条件下发酵培养基以及发酵条件的优化研究,在最优发酵条件下鸟苷产量达到19．79g／L,比基本培养条件提高32．37％。     

四种测定纤维素酶发酵过程生物量方法的比较

分别采用测定菌丝体蛋白的方法、测定核酸的方法、酸洗干燥法和纤维素测定仪的方法测定以不溶性纤维素为底物发酵产纤维素酶过程中的生物量。通过对发酵液取样测定比较,结果发现,采用测定核酸的方法精密度最高,其RSD值为6.32%,该法同纤维素测定仪的方法均可用于精确测定以不溶性纤维素为底物发酵产纤维素酶过程中的生物量。酸洗干燥法的测定结果精密度较差一些,但由于操作简便,也可用于常规分析。而测定菌丝体蛋白的方法无论是在精密度上还是操作简便性上均不占优势,该方法可作为另外3种方法的补充。为以不溶性纤维素为底物发酵产纤维素酶过程中生物量的分析检测提供了选择方法的依据。     

基于多植被指数组合的冬小麦地上干生物量高光谱估测

为了探究多种植被指数组合与偏最小二乘回归(PLSR)结合对于提高冬小麦地上干生物量估测精度的影响,本研究以氮运筹试验为基础,比较分析了18种植被指数与冬小麦地上干生物量的相关性,筛选出相关性较好的植被指数,建立多种植被指数组合的PLSR模型,并对模型进行评价比较。结果表明:除叶绿素归一化植被指数(NPCI)外各植被指数均与冬小麦地上干生物量有良好的相关性,中分辨率陆地叶绿素成像指数(MTCI)、绿色归一化植被指数(GNDVI)、改进红边比值植被指数(MSR705)和特征色素简单比值指数c(PSSRc)4个植被指数相关系数绝对值均达到0.800以上;多植被指数组合构建的PLSR模型中,以PSSRc、MSR705和MTCI 3个植被指数建立的复合式模型建模集(R2=0.719,RMSE=0.316)和验证集(R2=0.696,RMSE=0.346)表现最佳。因此,多种植被指数组合与偏最小二乘回归(PLSR)结合能有效提高冬小麦地上干生物量的估测精度,为更好地实现冬小麦地上干生物量高光谱遥感估测提供有效技术途径。     

基于近红外光谱的冬小麦籽粒蛋白质含量检测

冬小麦籽粒蛋白质含量(GPC)是评价冬小麦品质的主要指标,为了研究不同建模方法对GPC检测的影响,本研究对冬小麦籽粒的近红外原始光谱进行S-G平滑、基线校正和多元散射校正等预处理,利用连续投影算法(SPA)提取冬小麦GPC的重要光谱波段,并结合偏最小二乘回归(PLSR)、主成分回归(PCR)、支持向量机(SVM)和多元线性回归(MLR)建立GPC的光谱预测模型,并综合比较模型的适用性。结果表明:经过SPA提取的特征波段为1801、1010、1109、2284、2219、2239、871、1361、1925、1849和1456 nm;模型评价方面,利用特征波段建立的SVM模型效果较好,其中校正均方根误差(RMSEC)和R2分别为0.2481和0.9760,验证均方根误差(RMSEP)和R2分别为0.3587和0.9581。研究表明,SPA+SVM预测模型在一定程度上能够实现冬小麦籽粒蛋白质的快速、无损检测。