一种简单的研究肉食性腹足类诱食物质的摄食行为方法

迄今为止,国内外有关腹足类诱食物质的研究工作还很少,且主要集中在鲍等一些植食性种类上.这些工作大多套用在鱼类上常用的相关研究思路与实验装置[1-3].     

脊椎动物中的一种解剖学新模型——黄鳝外周嗅觉系统

除单鼻型的圆口类外, 脊椎动物的左、右两侧嗅觉器官和嗅神经皆互为独立地分布于头前端, 而且它们的前鼻孔(外鼻孔)、嗅腔、嗅觉副囊腔(部分鱼具嗅觉副囊)与后鼻孔(或内鼻孔)也都互为相通, 且多呈开放状态。它们还通常具有一个体积相对较大且较稳定的嗅腔, 而嗅上皮则多位于嗅腔的一侧。此外, 鱼类的嗅囊与鼻窝之间通常也无明显间隙。然而, 运用常规的解剖学方法发现, 黄鳝(Monopterus albus)外周嗅觉系统(嗅觉器官和嗅神经)在解剖结构上已发生如下重大变化: (1)虽然具有前、后鼻孔, 但两者互不相通, 而嗅腔仅靠前鼻孔通至外界; (2)两侧嗅囊的末端及两侧嗅神经的前段均分别发生了合并。此外, 在该鱼上还发现:(1)嗅囊为一柔软而扁塌的长管囊结构, 其唯一的开口(即位于前鼻孔球上的前鼻孔)却常呈关闭状, 故此时该嗅腔实际上是一个体积被压扁到最小且暂时被封闭的空间; (2)嗅囊纵向地贴附于长鼻窝的内侧壁上, 它仅占鼻窝的一小部分空间, 故鼻窝显得相对很宽敞; (3)嗅觉副囊不与嗅腔相通, 而与鼻窝共同经后鼻孔通至外界; (4)两侧嗅囊的末端相向地穿越鼻窝内侧壁, 进入筛骨与额骨之间的“筛-额横管”, 在那里发生嗅囊合并;(5)嗅囊壁周缘几乎都内衬着嗅上皮, 且具数个褶窝(说明该嗅囊有扩张的可能)。因此, 黄鳝的这套解剖学特征不同于包括鱼类在内的所有脊椎动物的外周嗅觉系统。研究所发现的黄鳝这套形态学特征不仅为脊椎动物外周嗅觉系统的研究提供了一个独特的解剖学新模型, 同时也为动物进化研究提供了一个有关前、后鼻孔互不相通的进化特例。此外, 研究还依据上述发现提出嗅囊扩张-压缩假说以解释气味媒质进出于黄鳝这种特殊嗅腔的动力学机制。       

一种适用于链霉菌异源合成基因簇同框缺失的高效方法

【背景】对抗生素生物合成途径的阐明有助于提高目标化合物的产量并开发具有更高活性的新化合物。基因的同框缺失是天然产物生物合成研究的常规手段,通过分析突变菌株积累的中间产物,可以帮助推导天然产物的合成途径及相关基因的功能。天然产物生物合成基因簇的大小一般在20 kb以上,对每个基因进行同框缺失耗时耗力,因此,优化链霉菌来源的基因同框缺失的方法有重要的意义。【目的】基于PCR-targeting重新设计了一套在链霉菌柯斯文库质粒上进行基因同框缺失的方法,实现链霉菌基因在大肠杆菌中快速、高效的基因同框缺失的技术体系。【方法】使用氨苄青霉素抗性基因bla作为PCR-targeting DNA片段的筛选标记,同时使用体外的Pac I酶切和酶连系统代替体内的Flp/FRT系统来介导同框缺失的构建。【结果】利用这种方法,在6 d内完成了米多霉素生物合成基因簇中14个基因的同框缺失。【结论】此方法与传统的PCR-targeting方法相比,构建同框缺失载体的效率明显提高;Pac I识别序列在链霉菌基因组上的稀有性使得此方法在构建抗生素生物合成基因簇必需基因的同框缺失载体上具有普适性。     

盐度对凡纳滨对虾体组织蛋白质积累、氨基酸组成和转氨酶活性的影响

本文研究了低、中和高三个盐度水平(分别为3‰、17‰和32‰)对凡纳滨对虾(Litopenaeus vannamei)各组织蛋白质的积累、肌肉谷草转氨酶和谷丙转氨酶活力、肌肉总氨基酸和游离氨基酸组成和含量的影响。结果显示,经过50d不同盐度水平的试验,低盐度组对虾的肝胰腺和血淋巴中可溶性蛋白质含量显著高于中、高盐度组(p<0.05),而肌肉中可溶性蛋白质含量在各处理组间无显著性差异;低、高盐度均导致肌肉中谷丙转氨酶和谷草转氨酶活力升高,但是各处理间的差异不显著;低、高盐度组凡纳滨对虾肌肉总氨基酸和总必需氨基酸含量均显著高于中盐度组(p<0.05),中、低盐度处理组非必需氨基酸含量差异不显著,而低盐度组对虾肌肉中蛋氨酸、丝氨酸、半胱氨酸和脯氨酸含量均显著低于中盐度组(p<0.05),其中脯氨酸为常见的5种主要渗透调节氨基酸之一;低、高盐度组对虾肌肉总游离氨基酸含量显著高于中盐度组(p<0.05),而盐度对机体绝大部分肌肉游离氨基酸含量的影响不显著(p>0.05)。结果显示,当环境盐度偏离凡纳滨对虾最适生长盐度时,其可通过在肝胰腺和血淋巴蛋白质积累及提高自身转氨酶活力,来获得机体在渗透调节供能时所需的氨基酸,而这些氨基酸以脯氨酸为主。     

基于集成分类器的蛋白质折叠模式识别

蛋白质折叠问题被列为"21世纪的生物物理学"的重要课题,他是分子生物学中心法则尚未解决的一个重大生物学问题,因此预测蛋白质折叠模式是一个复杂、困难、和有挑战性的工作。为了解决该问题,我们引入了分类器集成,本文所采用的是三种分类器(LMT、RandomForest、SMO)进行集成以及188维组合理化特征来对蛋白质类别进行预测。实验证明,该方法可以有效表征蛋白质折叠模式的特性,对蛋白质序列数据实现精确分类;交叉验证和独立测试均证明本文预测准确率超过70%,比前人工作提高近10个百分点。