我国小麦条锈菌模式菌系的DNA指纹分析

分子生物学的迅速发展推动了群体遗传学理论在植物病理学中的应用,由于建立了有效的DNA遗传标记体系,大大推进了对一些重要病原真菌群体遗传特征的认识,如稻瘟菌(Magnaporthe grisea),马铃薯晚疫菌(Phytophthora infestans),大麦白粉菌(Erysiphe graminis f.sp.hordei),以及小麦颖枯菌(Septoria tritici)等。阐明病原菌的群体生物学特征是筛选和鉴定抗病资源、合理布局抗病基因以及设计有效的病害防治策略的基础。小麦条锈病是我国小麦最重要的病害之一,全国协作攻关已有四十多年的历史,通过对病菌群体的毒性分析,逐步形成了条锈病的有效的综合防治体系,为稳定小麦生产做出重大贡献。然而,由于传统的毒性分析方法本身缺乏遗传标记,限制了对这一活体营养病菌群体进化和毒性变异机制认识的深入,建立其DNA分子标记体系,可望为深入认识条锈菌的群体生物学和流行学奠定基础。在前期工作中我们在条锈菌基因组中克隆到一个中度重复的DNA序列家族PSR序列,这在锈菌类中尚属首次,本文报道用其中的PSR331序列的亚克隆PSR331S3对我国小麦条锈菌模式菌系进行DNA指纹分析的研究结果。     

实验动物麻醉前的准备工作

在动物实验中,常常需要动物麻醉后进行实验.其中麻醉的目的是使动物在试验中所受的痛苦程度减至最低,同时保证实验顺利进行并取得满意结果.但在实践过程中,由于实验者在实施麻醉的过程中缺乏标准化的规范为依据,很难达到上述目的.获得良好麻醉效果的前提是遵循科学、规范的麻醉程序,这一程序包括麻醉前的准备、麻醉的实施和术后处理过程中的诸多因素.本文将从麻醉前的准备工作方面来探讨和完善《实验动物麻醉技术规范》。     

Cu层厚度对NiFe／Cu／Co的巨磁电阻效应影响

用磁控射频溅射法制备了ＮｉＦｅ／Ｃｕ／Ｃｏ２多层膜;研究了薄膜的磁特性和磁电阻特性与中间层Ｃｕ厚度的关系,在适当的Ｃｕ厚度下,制备出了具有很好自旋阀巨磁阻效应的多层膜。研究表明,在弱磁场下,薄膜的磁电阻回线的斜率与原来的磁化过程有关,因此该薄膜材料可以用于巨磁电阻存储器中。     

基于遗传禁忌搜索算法的公交调度研究

通过对公交运营调度的分析,建立了以乘客等车时间和公交公司运营费用为优化目标的调度模型;然后对遗传算法和禁忌搜索算法进行了分析,并将禁忌搜索算法引入遗传算法组成混合遗传禁忌搜索算法(GATS);最后针对所建立的公交调度模型进行了GATS算法设计和仿真,结果表明混合遗传禁忌搜索算法比标准遗传算法具有更好的效率,是解决公交调度问题的一个有效方法.     

美国工业生产的矛盾

本文的作者是英国哥伦比亚大学的一个工科教授,他在本文中说明了美国资本主义矛盾的核心,说明这个矛盾同战争的关系。原文载於五月二日出版的‘星期五’周刊。近来,常常行人问我:“美国能够生产多少?我们工人和机器的能力有着怎样的限制?”大家以为我既然是工程师,应该知道答案。大家以为这答案是简单的。其实呢,并不。要回答这一类的问题,工程师往往少不得把采办得到的原料的总量,能够动员的工厂数目,有运用机器技能的工人数目估计一番。他们     

切除迷走神经和注射普魯苯辛对于結紮幽門的大白鼠胃潰瘍形成的影响

胃溃疡的发病机制虽还未完全解决,但胃酸增高,胃肠动力增强是产生症状及致使溃疡不易癒合的重要因素,即成为公认的事实。一般都认为溃疡患者具有高度胃酸的分泌和胃肠动力的增强,这是由于迷走神经过度必奋所致;如能阻断或抑制迷走神经的     

金鸡人工孵化与育雏的试验报告

研究了红腹锦鸡的人工孵化和育雏所需的温度,湿度,光照,翻蛋次数,晾蛋时间和防疫程序等,结果表明：红腹锦鸡孵化和育雏条件与家鸡相似,蛋过小或大容易引起死胚,该研究为红腹锦鸡人工孵化和育雏提供了科学依据。     

电站载物爬楼机器人的动态稳定性建模与控制

针对电站载物爬楼机器人动态稳定性的控制问题,根据爬楼特点归纳出机器人可能出现的运动模式,并利用几何与运动学等关系构建被控对象的数学模型。根据电站载物爬楼机器人上下两部分的重心距离与期望距离间的误差、误差变化率及电动推杆伸缩速度之间的关系,设计动态稳定性控制系统的控制器,即一型模糊逻辑控制器(1 type of fuzzy logic,T1FLC)。针对模糊规则参数难以确定的问题,通过量子粒子群优化(quantum particle swarm optimization,QPSO)算法优化隶属度函数参数,将QPSO优化的T1FLC与粒子群优化(particles swarm optimization, PSO)算法优化的T1FLC、未优化的T1FLC、比例-积分-微分(proportion-integral-derivative, PID)控制方法进行对比,并进一步考虑外部干扰的影响。仿真和实验结果验证了模型的准确性及控制优化方法的有效性。     

基于三域特征提取和GS-SVM的ECG信号智能分类技术研究

近年来,基于单域的特征提取方法已经得到广泛的研究,并被用于心律失常的检测分类.事实上,多域特征提取在其分类中往往表现得更好.本文利用MIT/BIH心律失常数据库中的48组ECG信号进行预处理,从时域、频域和小波域提取了信号的三域特征,这些特征从各个方面充分表征了ECG信号的性质.再利用基于网格搜索的SVM结合归一化特征可将ECG信号划分为常见的4类.该方法的总体精度达到98.01%,f_1分值为0.9800,对ECG信号的检测性能良好,相对目前绝大多数ECG信号分类器具有更强的泛化能力.