简介:为了给南瓜属种质资源鉴定和分类提供分子生物学依据,本研究采用SRAP分子标记技术与DNAMAN指纹图谱绘制软件对88份南瓜属种质资源(包含美洲南瓜、中国南瓜、印度南瓜)进行分子指纹图谱绘制。结果表明:35对SRAP多态性引物共扩增出499条清晰条带,其中多态性条带438条,多态性条带比率高达87.8%。根据扩增出的条带成功绘制出88份南瓜属种质资源的DNA指纹图谱,每一份种质都具有其独特的分子身份证,使得每份种质均可被区别开来。其中,多态性最好的引物是E5EM8,可以同时绘制72份南瓜属种质资源的指纹图谱。所有供试材料用5对多态性SRAP引物即可全部区别开来。研究表明,SRAP分子标记技术可成功地绘制南瓜属种质资源DNA指纹图谱。本研究对南瓜属种质资源鉴别、分子数据库构建及品种权保护具有较重要的意义。
简介:辣椒资源遗传多样性丰富,育种的潜力大,本研究从分子水平研究不同种间辣椒种质资源的遗传多样性差异,为辣椒种质资源的收集、研究及合理利用提供参考。并首次利用基于辣椒全基因组编码区序列设计152对SSR辣椒基因组引物,用不同地理来源且性状差异显著的11个种(亚种)的24份辣椒种质资源对152对SSR引物进行筛选,从而获得条带清晰、稳定性好的41对SSR多态性引物,并利用NTSYS-pc2.10e和POPGENE32软件分析24份辣椒种质资源的遗传多样性数据。结果表明:41对SSR引物扩增出211个多态性条带,平均每对引物扩增出5.15个位点,说明SSR引物在辣椒遗传分析中有较高的实用性。有效等位基因数(Ne)、观测杂合度(Ho)、期望杂合度(He)、香农指数(Shannon-Weaver)(I)、多态信息含量(PIC)的均值结果分别为4.0861、0.4198、0.7247、1.4232、0.6654,表明辣椒遗传信息非常丰富。UPGMA方法聚类分析及主成分分析将24份辣椒聚为7类,结果基本与辣椒种类来源相符。
简介:[目的]芒果象属昆虫是我国禁止进境的植物检疫性有害生物,广泛分布于非洲、北美洲和东南亚,寄主为芒果。其生活隐蔽,羽化孔未出现时看不出危害状,危害率可达30%~80%,严重影响芒果的产量和质量。近年来,我国口岸截获的芒果象甲的数量日益增多,表明该类检疫性有害生物传入我国的风险越来越大。[方法]运用MicrosoftExcel工作表对2003-2015年全国口岸截获芒果象属有害生物的疫情进行统计分析。[结果]2003-2015年全国口岸共截获芒果象4156批次,22个直属局有截获记录。其中,截获芒果果核象甲3028批次,数量最多,占截获芒果象总批次的72.86%;芒果果实象甲和芒果果肉象甲相对较少,分别为837和291批次。截获芒果象的来源国主要为非洲和东南亚芒果象疫情分布国家和地区,且主要自进境旅客随身携带物中检出。[结论]我国口岸应加大对芒果象的检疫力度,保护我国农林业生产安全。
简介:本研究以甜瓜杂交新品种‘西州密25号’和‘西州密17号’及其亲本种质为试验材料,利用SSR(simplesequencerepeats)分子标记检测技术,并结合大田传统鉴定方法对其种子纯度及真实性进行了分析研究。结果表明,从18对SSR引物中筛选得到多对特异性引物可以鉴定出‘西州密25号’与‘西州密17号’杂交种的纯度。‘西州密25号’三批种子纯度分别为98.42%、99.41%、99.38%;‘西州密17号’的种子纯度为99.22%。SSR分子标记鉴定结果与‘西州密25号’和‘西州密17号’的大田植物学形态特征鉴定结果符合率高达99%以上。SSR分子标记方法可以准确鉴定出杂交种纯度及真实性,且大大缩短鉴定周期,可为开展‘西州密25号’和‘西州密17号’甜瓜新品种的杂交种纯度室内鉴定快速检测提供技术支撑。
简介:追溯的目的是什么?追寻产品的来龙去脉。2006年,安徽华源生产的“欣弗”注射液,造成11人死亡。该药品销售318万瓶左右,大约召回180万瓶,剩余的产品下落不明,好恐怖的事实!追溯,不仅仅是产品的召回这么简单,它将决定企业的命运,也跟人类的生命安全息息相关。印制电路板的生产,同样需要追溯。要追溯,就面临着如何将追溯码标记到产品上的问题。标记的方式传统的做法是网版印刷图形。手工印刷效率奇低,己基本淘汰。机械印刷适用于大批量,通常采用年周的方式标记,追溯性不强。印刷的方式为当前业内普遍采用的方式。以下简单介绍几种较新的标记方式。
简介:目的探索应用机器学习技术开展病媒生物的种属鉴定并基于Python语言开发病媒生物机器鉴定系统。方法采用专家会商法提取宁波口岸常见蝇类的鉴别特征规则,构建特征与不同蝇种一一对应的训练样本数据集。应用k-近邻分类算法进行机器学习,并开发图形用户界面将整个机器学习运算及鉴定过程内嵌其中。结果抽提出复眼大小、颜色等7个特征,建立95×8维向量矩阵的训练样本数据集;开发病媒生物机器学习与鉴定系统,将80%的数据用于训练,20%的数据用于测试,正确率达到100%。由一名新手借助该信息系统对口岸新采集到的10只蝇进行种属鉴定,准确率达到90%。这些新的鉴定数据导入训练数据集再次进行自我学习、提升经验值。如此往复,逐步将该系统培育成长为病媒生物鉴定专家系统。结论以机器学习为特征的人工智能在病媒生物鉴定工作中的推广应用,将极大地提升工作效率,为我国的病媒生物防控工作奠定坚实基础。