简介:采用GUS基因瞬时表达检测方法,通过正交试验以AS浓度、侵染菌液OD值、侵染时间、共培养时间和恢复培养时间5个因素在4个水平上进行分析,优化了农杆菌介导的大豆胚尖遗传转化体系,并在此基础上进行了抗逆基因GmPK的遗传转化。结果表明,采用共培养培养基中添加100μmol/LAs、侵染菌液OD600值0.9、侵染15h、共培养5d和恢复培养3d的转化条件最佳,GUS阳性率达74.59%,经PCR及RT—PCR进一步验证获得了转基因阳性植株。利用优化的最佳条件进行抗逆基因GmPK的转化,炼苗移栽成活的再生植株经PCR及PCR—Southernblotting验证,初步证明外源基因已经整合至大豆基因组,转化率为0.6%。
简介:以四川等8个省份的山桐子野生资源为研究对象,通过实地走访和调查,了解山桐子资源分布状况和生态环境,利用产量、含油率等经济性状对山桐子野生群体进行优株选择。结果表明:安徽、江苏、浙江、江西各地主要以山桐子分布,而湖北、湖南、陕西、四川等地主要以山桐子的变异类型——毛叶山桐子为主,其中四川省毛叶山桐子分布较为密集;通过对各地点气候条件和土壤条件分析得出,山桐子适应性强,对气候要求不严,适合在微酸性土壤生长,尤喜肥沃土壤;根据能源油料植物原则对山桐子提出选优标准,从234株山桐子实生树中初步选择43个单株;主成分分析和聚类分析结果将43个单株划分为最高产量、较高产量和中产量3大类,且所有单株的单株产量、单位面积产量和全果含油率3个主要经济指标均高出群体平均值20%以上。本研究为山桐子种质资源收集与评价、优良种质或品种的选育奠定了重要基础。
简介:目的探讨中药有效成分黄芩苷(Baicalin,BA)联合氟康唑(Fluconazole,FLC)对白念珠菌(Candidaalbicans)形态转化的影响及机制。方法在菌丝诱导培养基(液体和固体培养基)上观察两药联用对白念珠菌酵母-菌丝形态转化的影响;ELISA法检测两药联用对胞内cAMP含量的影响;回补实验验证两药联用对胞内cAMP的影响;qRT-PCR检测两药联用对白念珠菌cAMP相关基因RAS1,CDC35和PDE2表达的影响。结果黄芩苷联合氟康唑能显著抑制白念珠菌酵母-菌丝形态转化,降低胞内cAMP水平;外源性cAMP能逆转两药联用所造成的菌丝抑制;两药联用使RAS1和CDC35表达分别下调35%和27%,使PDE2上调1.21倍。结论黄芩苷协同氟康唑显著抑制白念珠菌形态转化,其作用机制可能与下调胞内cAMP有关。
简介:应用地理信息系统和统计学原理,研究中国榛属植物分布规律,评价适生区气候,分析气候因子对其分布的影响,并根据适生气候的相似性,探讨榛属植物种间关系。结果表明:国内榛属植物纬度分布范围在24°31’N~51°42’N.经度分布范围在85°55’E~132°12’E,主要分布区从东北-华北山区、秦岭和甘肃南部及河南-华中-西南呈斜带状分布,分布种数在华中地区达到最多;垂直分布自东至西随经度降低海拔逐渐升高,纬度对各种质分布海拔影响存在显著差异:年均气温和冷温是影响榛属植物分布的关键气候因子;榛属植物分布种数与各气候因子间的回归方程为:Y=11.883—0.051X1+0.131X2-0.003X4-0.004X5-0.001X6+0.051X8,根据分布区气候相似性进行聚类分析,将我国榛属植物分为3类:平榛和毛榛为一类,川榛、华榛、刺榛、绒苞榛和滇榛为一类,维西榛为一类。
简介:室内生物测定是植物对除草剂等化学物质耐受性鉴定的一种常用筛选方法,已广泛应用于大豆、稗草、棉花等植物对草甘膦、氯嘧磺隆等除草剂的耐受性研究,但麦草畏的室内生物测定方法和大豆对麦草畏耐受性相关研究尚未见报道。本研究以麦草畏对催芽大豆下胚轴伸长抑制率为评价指标,结合回归方程曲线分析和抑制中浓度分析,建立了大豆对麦草畏耐受性室内生物测定方法,确定以300μg/L麦草畏筛选浓度作为大豆室内生物测定临界筛选浓度。利用该方法对35份源自微核心种质的大豆品种进行鉴定,结果表明,随麦草畏浓度增加,不同品种对麦草畏的耐受性存在显著差异,大豆品种对麦草畏的耐受性降低,从中筛选出对麦草畏耐受性较高的大黄豆-1和什邡螺丝豆。本研究结果为培育抗麦草畏品种的亲本选配以及后代选择提供了理论依据、材料和技术支撑。
简介:应用近红外反射光谱技术(NIRS)采集807份羽衣甘蓝种子光谱数据,然后挑选250份材料,用经典化学方法测试种子油含量和饼粕蛋白质含量。通过偏最小二乘法(PLS)、改良最小二乘法(MPLS)和不同光谱散射及数学处理技术来建立NIRS定量分析数学模型。种子油含量和饼粕蛋白质含量模型的交叉检验相关系数(1-VR)分别为0.9180、0.9062,交叉检验标准差(SECV)分别为1.0606、0.8720,校正标准差(SEC)分别为0.9267、0.8119。两种模型的外部检验相关系数(RSQ)分别为0.949、0.915,相对误差分别小于3.60%、2.70%,预测标准差(SEP)分别为0.881、0.779,检验偏差(BIAS)均较小分别为-0.054、-0.062。研究表明:这两个数学模型的分析结果具有较高的精确度,在品质育种中具有较好的应用前景。