排序方式: 共有57条查询结果,搜索用时 15 毫秒
51.
植物纤维素合成酶(Ces A)是林木中纤维素合成过程中的重要酶,与木材形成密切相关。本研究以马尾松嫩枝的总RNA反转录得到的c DNA为模板,利用反转录PCR和RACE技术克隆得到马尾松Ces A1基因的全长c DNA序列,命名为Pm Ces A1。序列长度为3 142 bp,包含有一个长为2 955 bp的开放阅读框(open reading frame,ORF),编码984个氨基酸。序列分析表明:Pm Ces A1序列与已报道的火炬松(Pinus taeda)Ces A1基因(AY789650.1)的相似性达99%。对Pm Ces A1所编码蛋白的氨基酸序列聚类分析,结果显示马尾松与松科植物具有较近的亲缘关系。采用实时定量PCR测定了Pm Ces A1在马尾松的嫩枝、叶和根中的表达量,发现以嫩枝中的表达量最高(2.53)。本研究获得的全长基因可以用来构建正义表达载体,再通过遗传转化得到转基因植株,可进一步分析该基因在植株内的表达情况和作用机制,为马尾松纤维素合酶的研究和获得高纤维得率的马尾松良种提供帮助。 相似文献
52.
53.
现代农业生产中,普遍使用农药来防治病、虫、草、鼠等危害,越来越多的农药种类投入到农业生产中,药量的不断加大,农药的污染问题也变得越发突出。食品农药残留已成为发展现代农业必须重视的问题。如何合理使用农药、防止农药污染是农业科技工作者及生产者要都深入思考的问题,本文重点分析了农药对农业环境的影响,并提出了一些防止农药污染的保护措施。 相似文献
54.
为了研究微波辐射对海马乙酰胆碱受体(AChRs)表达的影响,探讨微波辐射敏感的AChRs亚型及其在微波辐射致认知行为改变中的作用。本试验以C57BL/6N小鼠为试验对象,建立微波辐射动物模型,通过脑组织石蜡切片和苏木精-伊红(H.E.)染色,观察海马阿蒙氏角1(CA1)、阿蒙氏角2(CA2)、阿蒙氏角3(CA3)和齿状回(DG)各亚区组织病理学变化;利用实时荧光定量PCR(RT-qPCR)检测海马组织AChRs的表达;微波辐射后,采用M1型AChR激动剂VU0357017 hydrochloride以10 mg/(kg·bw)腹腔注射小鼠,利用新物体识别和Y迷宫试验评价小鼠认知行为改变。结果显示,微波辐射后7 d,小鼠海马CA3区病理改变较为明显,主要表现为神经元核固缩深染、血管周围间隙增宽;RT-qPCR结果显示,与空白对照组相比较,微波辐射后海马组织M1和M3型AChR mRNA相对表达量均显著下调(M1-AChR,P<0.01;M3-AChR,P<0.05),而M2、M4、α4和α7型AChR mRNA相对表达量均显著上调(P<0.05);新物体识别试验结果显示... 相似文献
55.
为研究莲蓬壳中挥发油的成分及含量,以莲蓬壳为试材,采用索氏提取法从莲蓬壳中提取出挥发油,并通过气相色谱-质谱联用技术(GC-MS)结合计算机检索系统对其挥发油的主要化学成分进行定性和定量分析。结果表明,莲蓬壳挥发油共鉴定出32种化学成分,占总挥发性物质含量的99.83%,主要分为烃类、醇类、酮类、酯类、酚类、酸类等7类化合物。通过面积归一化法对其含量进行分析,研究发现莲蓬壳挥发油的主要成分为?琢-香树精、?茁-香树精、12-齐墩果烯-3-酮、?茁-谷甾醇油酸酯、谷甾醇、乙酸环阿屯酯、羽扇烯酮等,其中,?琢-香树精含量最高,为27.93%。本研究确定了莲蓬壳中挥发油的主要化合物组成,为合理开发和利用莲蓬壳提供理论依据。 相似文献
56.
薏苡是贵州省兴仁市的地理标志产品,生物炭制备是秸秆资源化利用的有效方式之一,被广泛应用于重金属污染土壤的修复治理。采用控温限氧的方法制备薏苡秸秆生物炭,并对生物炭的产率、pH、空间结构以及生物炭对土壤重金属活性的影响进行研究。结果表明:随着热解温度的升高,生物炭的成炭率从49.5%下降到35.7%;生物炭的pH从7.49升高到9.87;在扫描电镜下热解温度越高的生物炭空间结构越无序,表现为微孔数目增多,内部结构复杂。添加秸秆生物炭能显著降低土壤中有效态Cr、Cd、Mn和Zn含量,在600℃添加量10%处理条件下土壤中重金属的降低效果最好,土壤有效态Cr、Cd、Mn、Zn分别下降了36.1%、29.4%、39.1%、15.3%。针对毒性大的重金属Cd,选择400℃处理生物炭,添加量5%,能达到处理成本低、添加量少、重金属有效性降低幅度大的效果。 相似文献
57.
了解林火最主要的驱动因子并对林火进行预测,能为当地森林火灾的预防与管理提供科学依据。基于2011—2020年的历史火灾数据集,以及气象、地形、人为活动和可燃物载量等数据构建Logistic回归模型和机器学习模型来探究广西林火发生最主要的驱动因子,同时选择最优模型对研究区内森林火灾发生概率进行预测。研究表明:月平均降雨量、月平均相对湿度和林区建筑物数量是影响广西森林火灾发生最显著的因子;Logistic回归模型和机器学习模型均取得了较好的拟合效果,AUC值均在0.85以上,机器学习模型的精度要优于Logistic回归模型,随机森林模型精度最高(SAUC=0.92)。通过随机森林模型对全区林火发生概率进行预测,结果显示桂西北、桂北、桂西南地区的林火发生风险最大,预测结果契合广西实际,能够为广西的林火预测预报提供参考。今后,应加强对野外火源的管控力度并提高对极端天气的预警防范能力,以降低森林火灾发生的风险。 相似文献