【摘 要】
：
基于二氧化锰纳米片的玉米中伏马毒素B1免疫学检测方法的建立伏马毒素（Fumonisins）是由串珠镰刀菌（Fusarium moniliforme Sheld）、轮枝镰刀菌（Fusarium verticillioides）等镰刀菌产生的水溶性次级代谢产物,全球范围内的玉米、小麦、水稻等粮食作物均有受到其污染的可能。伏马毒素具有免疫毒性、神经毒性及器官毒性等多种毒性,是国际癌症研究机构（IARC）
【基金项目】
：
国家重点研发计划项目（2018YFC1602500）； 国家自然科学基金项目（31871888）；
论文部分内容阅读
基于二氧化锰纳米片的玉米中伏马毒素B1免疫学检测方法的建立伏马毒素（Fumonisins）是由串珠镰刀菌（Fusarium moniliforme Sheld）、轮枝镰刀菌（Fusarium verticillioides）等镰刀菌产生的水溶性次级代谢产物,全球范围内的玉米、小麦、水稻等粮食作物均有受到其污染的可能。伏马毒素具有免疫毒性、神经毒性及器官毒性等多种毒性,是国际癌症研究机构（IARC）认定的2B类致癌物,与肝癌、肾癌、食道癌有关。在几种常见的伏马毒素中,伏马毒素B1（FB1）毒性最强、分布最广。因此,FB1检测方法的研究是保障食品安全和消费者健康的迫切需求。二氧化锰纳米片是一种被广泛应用于生物传感领域的新型纳米材料,具有较强的荧光猝灭能力、氧化能力、催化活性和良好的生物相容性。本研究利用FB1单克隆抗体,结合二氧化锰纳米片在生物传感中的应用,建立了FB1快速、高效的免疫学检测方法。具体内容如下:1.建立了FB1间接竞争酶联免疫吸附分析（ic-ELISA）检测方法,标准曲线回归方程为:Y=37.869 X+14.319,相关系数（R~2）为0.97。检测范围(抑制率20%～80%,IC20～IC80)为1.41～54.25 ng/m L,最低检测限(LOD,IC10)为0.77 ng/m L。FB1单克隆抗体与FB2、FB3的交叉反应率分别为5.60%和18.10%,与其他真菌毒素均不发生交叉反应。回收率为93.04%～116.32%,符合美国分析化学协会（AOAC）的规定,与商品化ELISA试剂盒的加标回收实验结果进行相关性比较,R~2为0.99。2.基于金纳米颗粒（Au NPs）和二氧化锰纳米片（Au NP@Mn O2）两种纳米材料,建立了碱性磷酸酶（ALP）介导Au NP@Mn O2分解产生Mn2+,导致Au NPs聚集的等离子-ELISA（p-ELISA）检测方法。该方法可通过智能手机直接读取检测结果。标准曲线回归方程为:Y=21.947 X–14.752,R~2为0.96。检测范围为6.26～200.00 ng/m L,LOD为0.15 ng/m L。回收率为86.36%～110.90%,符合AOAC的规定。与商品化ELISA试剂盒的加标回收实验结果进行相关性比较,R~2为0.98。3.基于邻苯二胺（OPD）既可被二氧化锰纳米片氧化成黄色荧光物质2,3-二氨基吩嗪（DAP）,也可被脱氢抗坏血酸（DHAA）还原为蓝色荧光物质喹喔啉（OPDred）的特性,建立了ALP介导的比率荧光免疫学检测方法。标准曲线回归方程为:Y=-0.088 X+0.197,R~2为0.99。检测范围为0.25～60.00 ng/m L。LOD为0.06 ng/m L。回收率为76.93%～100.98%,符合AOAC的规定。与商品化试剂盒的加标回收实验结果进行相关性比较,R~2为0.99。本研究建立了三种玉米样品中FB1免疫学检测方法。第一种检测方法为ic-ELISA检测方法,具有操作简便,成本低以及高通量等优点。第二种检测方法为基于Au NP@Mn O2分解和Au NPs聚集的比色免疫学检测方法。该方法通过智能手机读取结果,可应用于现场检测,灵敏度优于ic-ELISA检测方法。第三种检测方法为基于二氧化锰纳米片氧化酶活性和DHAA的还原性构建了一种新的比率荧光免疫学检测方法,灵敏度优于上述两种检测方法。
其他文献
随着互联网与多媒体技术的飞速发展,信息传输与共享也越来越便利。同时也推动了可逆数据隐藏技术的发展。该技术通过将加密数据秘密地隐藏到各种载体中来进行信息传输。同时可以在秘密数据提取出来后,无损地恢复载体信息,这一特性对一些不允许原始载体有失真的领域具有重要应用价值。此外,由于JPEG图像的压缩效率高,存储空间较小,是互联网中使用最为广泛的数字载体之一。但同时,JPEG图像中DCT系数的修改会带来较大
随着人们对信息安全和隐私保护的日益关注,可逆数据隐藏成为了多媒体安全中热门研究方向之一。JPEG作为目前互联网中最受欢迎的图像格式之一,引发了研究人员对JPEG图像可逆数据隐藏研究的兴趣。目前针对JPEG图像明文域的可逆数据隐藏研究最多,但都存在一定缺陷和不足。而云存储服务的出现,人们越来越愿意将文件传送至云端,针对JPEG图像密文域的研究也逐渐兴起。基于VLC映射的可逆数据隐藏方案不同于基于DC
促卵泡激素（Follicle-stimulating hormone,FSH）是由腺垂体合成和分泌的促性腺激素,在动物繁殖方面发挥着关键的作用。因此,探索调控腺垂体FSH合成与分泌的潜在分子机制是非常有必要的。长链被编码RNA（long non-coding RNA,lncRNA）、微小RNA（micro RNA,miRNA）都是内源性非编码RNA,在调控代谢、疾病发生、生殖发育等方面有着不可或缺
随着互联网的快速发展,安全问题成为了亟需解决的重要问题,而异常检测在保证运行系统和网络的可靠性和安全性中扮演着重要角色。然而,现有的异常检测技术存在数据的异常标签难以获取和缺乏数据类型可扩展性等重要挑战。为了克服上述难题,本文提出了一个独立于数据类型的鲁棒的无监督异常检测框架RUAD。RUAD由一个用于提取数据潜在特征的自编码器网络,一个用于分离正常数据和异常数据的鲁棒层以及一个用于模拟正常数据分
奶牛泌乳能力和乳品质是评价奶牛经济价值的关键因素,但乳品质易受多种条件影响。课题组前期研究发现饲喂玉米秸秆饲料会导致荷斯坦奶牛乳腺组织内IFN-γ受体表达升高,IFN-γ含量升高,诱导奶牛乳腺上皮细胞（Bovine mammary epithelial cells,BMECs）精氨酸耗竭和自噬,从而降低乳品质、增加奶牛乳腺炎的发生。但是IFN-γ诱导精氨酸耗竭的机制知之甚少。前期转录组学数据提示线
目前的研究发现,表现良好的深度学习模型可以受到微小但精心设计的对抗性噪声扰动的攻击。在原始图像中添加精心设计的微小噪声扰动后的图像被称为对抗样本。不同的对抗样本生成方法可以用于评判现有模型架构的鲁棒性以及防御方法的防御性,从而发现现有模型架构的漏洞和缺陷,同时可以用于训练更加鲁棒性的深度学习模型。本文的研究场景是图像描述生成任务的无目标对抗样本攻击。现有的针对图像描述生成任务的对抗攻击方法相对较少
随着人工智能技术在生产生活场景下的广泛应用,许多场景下,人们不再仅满足于对图像中的目标进行分类或定位,迫切需要对图像信号做出更进一步的理解,语义分割任务应运而生。作为计算机视觉领域中一项基础且极具挑战性的任务,语义分割技术旨在为图像中的所有像素分配语义标签,进而达到对图像的像素级视觉理解,为诸如自动驾驶、医疗辅助诊断、照片编辑等众多需求场景奠定了坚实的技术基础。相较于传统技术,深度学习技术的快速发
类风湿性关节炎（Rheumatoid arthritis,RA）是一种人和动物常见的自身免疫性疾病,容易受到遗传和环境等因素的影响,主要表现为慢性关节滑膜炎,并出现不可逆的关节损伤,最终导致身体残障甚至危及生命。但目前没有治疗RA的特效药。已有研究表明,SIRT1是RA病程变化重要的决定因素,也是研究最深入的乙酰化酶（Sirtuins）家族成员,并且已经被证明与免疫学和内分泌学密切相关,然而其与R
左聚糖（Levan）是一种由左聚糖蔗糖酶合成的果糖聚合物,具有抗氧化、抗炎、抗癌、抗病毒、免疫调节和降血糖的作用,在食品和生物医药领域有广泛应用前景。但是目前我国左聚糖的大规模工业生产技术尚不成熟,阻碍了左聚糖在食品和生物医药等领域的应用。本论文的研究目的是通过基因工程技术高效表达重组左聚糖蔗糖酶,进而用重组左聚糖蔗糖酶实现左聚糖的无细胞酶法合成,并对酶法合成的左聚糖进行表征。为左聚糖的大规模工业
骨髓细胞形态学检查是诊断血液病、判断疗效及监测病情变化的重要手段,随着血液病的发病率不断上升,检验工作量日渐增多,传统的人工骨髓细胞形态学分析和识别的方式,已经越来越难以满足当前检验的需求。本文利用神经网络对骨髓细胞显微图像的分类方法进行研究。在骨髓细胞形态学相关知识研究的基础上,本文首先对骨髓细胞形态特征的提取,以及基于形态特征的分类方法进行研究。其中,先对骨髓细胞图像数据集进行预处理,然后利用