芽胞杆菌在防治水稻稻瘟病中的应用及生防机制

芽胞杆菌具有人畜安全、不污染环境、病原菌不易产生抗药性、抗逆性强和促进植物生长等优点,是稻瘟病防治上的重要生防菌。芽胞杆菌的生防机制主要包括竞争作用、拮抗作用和诱导抗病性。芽胞杆菌定殖在水稻植株上,产生抗菌活性物质抑制稻瘟病菌的生长,诱导水稻产生抗病性,对水稻植株具有促生作用,可以挽回水稻产量损失。芽胞杆菌可以制备生防制剂用来防治我国南方稻区和北方稻区的稻瘟病危害,在水稻产业的可持续发展中对稻瘟病的生物防治具有指导意义。本文主要综述芽胞杆菌在防治水稻稻瘟病中的应用研究、芽胞杆菌在防治水稻稻瘟病中的生防机制、影响稻瘟病生防芽胞杆菌防效的因素。     

食药用菌诱变育种研究进展

诱变育种是一项借助诱变剂人为的诱导突变,创造出杂交育种中无法创制的新性状的育种技术。自然界中的突变只有0.1%,而诱变育种可以提高到3%左右,比自然突变高100倍以上。诱变技术已经在食药用菌育种中广为利用,本文针对诱变育种的原理、方法、在食药用菌中的应用情况进行了阐述,最后为食药用菌诱变育种的进一步发展进行了探讨和展望,这为利用诱变技术进行食药用菌品种的选育提供了理论依据和参考。     

代谢组学及其在微藻研究中的应用

代谢组学以完整的生物体为研究对象,运用合适的分析测试手段检测靶向或非靶向代谢物,结合统计模型进行分析解释。随着微藻研究的深入,微藻与代谢组学结合探究分子作用机理的研究日益增多。本文总结代谢组学的发展概况、研究流程及常用分析技术特点和代谢组学在微藻领域的研究进展,展望代谢组学在微藻研究的应用前景与发展趋势,并提出实际应用中所面临的困难与挑战。     

白念珠菌耐药的分子机制研究进展

近年来,免疫受损人群不断增多,该人群念珠菌病发病率呈上升趋势。随着抗真菌药物的广泛应用,临床分离到的白念珠菌耐药株增多,有关白念珠菌对抗真菌药物的耐药机制的研究又有了进一步的进展。就白念珠菌对唑类、多烯类、5-氟胞嘧啶、棘白菌素类等抗真菌药物的耐药机制方面的研究进展,作了介绍。     

DNA疫苗的研究和应用

ＤＮＡ疫苗作为一种全新的疫苗,同传统的疫苗相比具有多方面的优越性,是一种最有发展前途的疫苗。回顾ＤＮＡ疫苗的飞速发展历程,综述了ＤＮＡ疫苗基础研究和ＤＮＡ疫苗应用研究的新进展,并探讨ＤＮＡ疫苗当前需解决的问题及发展前景。     

植物抗旱性中的补偿效应及其在农业节水中的应用

在论述植物补偿效应存在类型和研究范畴的基础上,详细评述了植物抗旱性中根系形态结构功能及地上部干物质积累、产量和水分利用效率方面的补偿效应及其影响因素,并对植物抗旱作用中补偿生长的可能生理学机制作了探讨。同时,对补偿效应在提高农业水分利用效率中的应用进行了讨论     

巨蜥嗜水气单胞菌和保科爱德华菌混合感染诊治的初步研究

从患病巨蜥（Varanus bengalensis bengalensis）的肝脏中分离出2种致病菌,经鉴定为嗜水气单胞菌Aeromonas hydrophila和保科爱德华菌Edwnrdsiella tarda。药敏试验结果表明,该病菌对恩诺沙星、先锋必、环丙沙星、丁胺卡那霉素高敏,对青霉素、林可霉素等低敏。     

显色培养基在几种食源性致病菌快速检测中的应用*

用显色培养基鉴定微生物是一种新的微生物快速检测技术,该技术以生化反应为基础,通过在培养基中加入细菌特异性酶的显色底物直接根据菌落颜色对菌种作出鉴定。常见食源性致病菌检测中,李斯特菌显色培养基(BCM^TMListeriamonocytogenes,Rapid’LMONOagar,CHROMagar^TMListeria)、大肠杆菌显色培养基(CHROMagarTMEcoli)、沙门氏菌显色培养基(Rambachagar)、金黄色葡萄球菌显     

抑郁症易感基因和抗抑郁药物靶点相关[]神经细胞类型及相互作用网络分析

基于抑郁症的全基因组关联分析研究(GWAS),对于获得的单核苷酸多态性位点(SNP)使用Haploreg软件进行基因注释,得到SNP注释的102个易感基因.。使用MAGMA软件对GWAS的汇总统计数据做基因水平的分析,获得了270个校正之后显著的基因,两者合并共得到320个抑郁症易感基因。通过药物数据库Drugbank获取133个抗抑郁药物靶点基因。使用EWCE包对抑郁症易感基因和抗抑郁药物靶点在三套脑组织单细胞测序数据中,分别进行神经细胞类型富集分析。结果发现大脑皮质的GABA神经元(抑制性神经元)和谷氨酸能神经元(兴奋性神经元)是抑郁症易感基因和抗抑郁药物靶点共同的神经元。这两种类型的神经细胞可能是抗抑郁药物与抑郁症易感基因相互作用的神经细胞,另外少突胶质前体细胞可能是抑郁症特有的易感神经细胞。使用Network Calculator软件构建网络并进行进行网络拓扑学参数分析。结果表明抑郁症易感基因与抗抑郁药物靶点组成了一个具有显著的相互连接的网络。本研究从单细胞层面揭示抑郁症的遗传机制,在网络层面为寻找新的抗抑郁药物靶点提供了一定的启示。     

DLGCN:基于图卷积网络的药物-lncRNA[]关联预测

为实现高通量识别新的药物-长链非编码RNA(Long non-coding RNA, lncRNA)关联,本文提出了一种基于图卷积网络模型来识别潜在药物-lncRNA关联的方法DLGCN(Drug-LncRNA graph convolution network)。首先,基于药物的结构信息和lncRNA的序列信息分别构建了药物-药物和lncRNA-lncRNA相似性网络,并整合实验证实的药物-lncRNA关联构建了药物-lncRNA异质性网络。然后,将注意力机制和图卷积运算应用于该网络中,学习药物和lncRNA的低维特征,基于整合的低维特征预测新的药物-lncRNA关联。通过效能评估,DLGCN的受试者工作特性曲线下面积(Area under receiver operating characteristic, AUROC)达到0.843 1,优于经典的机器学习方法和常见的深度学习方法。此外,DLGCN预测到姜黄素能够调控lncRNA MALAT1的表达,已被最近的研究证实。DLGCN能够有效预测药物-lncRNA关联,为肿瘤治疗新靶点的识别和抗癌药物的筛选提供了重要参考。