多头绒泡菌微原质团瞬时表达系统的构建

真核生物多头绒泡菌的原质团是研究细胞周期的好材料。但尚无合适的表达体系可供选择。本研究用多头绒泡菌ardC actin基因启动子和终止子分别替换哺乳动物细胞表达质粒pDsRed1-N1的CMVIE和SV40 polyA片段,构建了多头绒泡菌红色荧光蛋白(RFP)表达质粒pXM1;用PardC-MCS-DsRed1-TardC替换pTB38表达盒PardC-hph-TardC,构建了多头绒泡菌RFP表达质粒pXM2。将多头绒泡菌转录延伸因子类似蛋白(PELF1)基因与质粒pXM2重组,构建了PELF1红色荧光融合蛋白(PELF1-RFP)表达质粒pXM2-pelf1。通过荧光显微镜和激光扫描共聚焦显微镜观察RFP表达发现,电转参数为4kV/cm(电场)、1A(电流)、70μs(电击时间)时,质粒pXM1和pXM2电转多头绒泡菌微原质团(≤500μm)后24～48h内,RFP荧光最显著;而PELF1-RFP则主要聚集在多头绒泡菌细胞核,说明本试验建立的表达系统可以用于研究特定蛋白在多头绒泡菌内的瞬时表达。     

基于深度学习的微藻自动检测系统研究

目的 微藻养殖产业规模巨大,在养殖过程中微藻易受杂菌和其他污染物的影响,因此需要定期对微藻进行检测,以确定其生长情况。现有的光学显微成像法和光谱分析法对实验人员、实验设备及场地的要求较高,无法做到实时快速检测。为了实现实时快速检测,需要一套检测要求低、速度快的实时微藻检测系统。方法 本文开发了一种基于深度学习的微藻检测系统,通过搭建一套基于明场成像的显微成像设备,使用采集的图像训练基于YOLOv3的神经网络,并将训练好的神经网络部署到微型计算机,从而实现了实时便携微藻检测。本文对特征提取网络进行改进,包括引入跨区域残差连接机制和注意力选择机制,另外还将优化器改为Adam优化器,使用多阶段多方法组合策略。结果 加载跨区域残差连接机制时最高平均精度（mAP）值为0.92。通过与人工结果进行对比,得到检测误差为2.47%。结论 该系统能够实现微藻实时便携检测,提供较为准确的检测结果,可以应用于微藻养殖中的定期检测。