黑曲霉ATCC1015催化16α,17α–环氧黄体酮11α–羟基化及相关P450基因诱导表达

为了定向遗传改造黑曲霉菌种,研究了黑曲霉(Aspergillus niger)ATCC1015转化甾体16α,17α–环氧黄体酮活性.转化产物经过薄层层析(TLC)、高效液相色谱(HPLC)以及氢谱、碳谱分析最终确定为11α–羟基–16α,17α–环氧黄体酮.确定了黑曲霉ATCC101511α–羟基化活性受底物16α,17α–环氧黄体酮的诱导.鉴于真菌的甾体羟化酶属于细胞色素P450酶,从黑曲霉ATCC1015的P450(CYP)基因数据库中筛选出57个具有编码甾体羟化酶潜力的CYP基因;利用实时荧光定量PCR确定了2个受甾体底物高度诱导的候选目标甾体羟化酶基因AnA100和AnA154.分别构建了AnA100基因和AnA154基因的重组酿酒酵母菌株pYES2-AnA100和pYES2-AnA154,甾体转化结果显示重组酵母菌pYES2-An100能够转化16α,17α–环氧黄体酮生成11α–羟基–16α,17α–环氧黄体酮.
糯高粱杂交种辽粘4号(LA-25/7037选)是辽宁省农业科学院高粱研究所于2005年以自选不育系LA25为母本,外引恢复系7037选为父本杂交组配而成.2009～2010年参加全国高粱品种区域试验,综合抗性强,高抗丝黑穗病,抗叶病,活秆成熟,区域试验平均产量414.7 kg/667m2,生产试验平均产量394.1 kg/667m2,是适于酿酒用的优质糯高粱杂交种.
本实用新型公开了一种带有物料收集笼的白酒酒坛，属于液体储存容器领域。该带有物料收集笼的白酒酒坛包括坛体、与坛体适配的坛盖；所述坛体端口处设置有承重的水平凸台，水平凸台上设置有环形凸轮；所述坛盖分为两层，设置在上层且压在环形凸轮上的盖板，设置在下层且压在水平凸台上的压板，压板圆周面与环形凸轮密封贴合；所述坛体底部设置有带有上部开口的物料笼，物料笼的圆周面上开有多个浸泡孔；所述物料笼上部开口处通过销轴连接有可翻转盖子。采用本实用新型能避免添加浸泡物料后白酒中出现漂浮物。
以菌株酿酒酵母Saccharomyces cerevisiae YDJ05及产香酵母Issatchenkia orientalis YS03为融合亲本X和Y,通过原生质体融合技术构建适合梨酒酿造的酵母工程菌,研究结果表明:利用EMS诱变亲本菌株Y,得到了一株精氨酸营养缺陷型菌株,亲本菌株X和Y采用蜗牛酶液在35℃下处理100min,得到菌株X、Y的原生质体融合率分别为93.6％、94.2％,再生率分别为27.8％、31.6％.以加热的方式灭活亲本菌株X,灭活时间为14min.在以PEG为促融剂的条件下对两株菌进行原生质体融合,经过优选得到融合子D J02,其产酒精率、产香率等指标最优,分别达到了9.87％、0.37g/L.
目的:高脂高糖饮食,白酒灌胃复制大鼠脂肪肝实验动物模型.观察疏肝,健脾,活血,祛湿,综合不同治法方药对大鼠脂肪肝kupffer细胞ERK1/2蛋白活性的影响. 方法:利用高脂高糖饮食,白酒灌胃复制大鼠脂肪肝实验动物模型,同时给予疏肝,健脾,活血,祛湿,综合不同方药进行干预.12周后采用Ⅳ型胶原酶-蛋白酶E灌注消化,密度梯度离心,选择性贴壁方法分离不同组别大鼠肝kupffer细胞,采取western blot方法检测不同组别大鼠肝kupffer细胞ERK1/2蛋白的表达及其磷酸化水平的变化. 结果:模型组大鼠肝组织呈中度至重度脂肪变性.健脾组和疏肝组大鼠肝组织脂肪变明显减轻,正常组与模型组,健脾组与模型组,疏肝组与模型组比较,肝组织脂肪变程度均有显著性差异(P<0.05).模型组大鼠肝组织炎症活动计分明显高于正常组大鼠(P<0.05).模型组大鼠kupffer细胞ERK1/2蛋白的表达和磷酸化ERK1/2蛋白的表达较正常组明显增加,各干预组ERK1/2表达和磷酸化ERK1/2蛋白的表达均较模型组降低,其中疏肝组,健脾组ERK1/2蛋白表达和磷酸化ERK1/2蛋白的表达与模型组比较明显降低. 结论:连续12周高脂高糖饮食,白酒灌胃成功复制大鼠脂肪肝实验动物模型,在大鼠脂肪肝的形成过程中肝kupffer细胞ERK1/2蛋白高表达和磷酸化ERK1/2蛋白高表达可能起到了重要作用,kupffer细胞ERK1/2蛋白的高表达和磷酸化ERK1/2蛋白高表可能参与并促进了脂肪性肝损伤.抑制ERK1/2蛋白的表达及磷酸化可能是健脾疏肝方药抗实验性大鼠脂肪肝的机制之一.饮食不节,劳逸失度是脂肪肝的基本病因,肝气郁结,脾不健运是脂肪肝的基本病机,疏肝健脾法是防治脂肪肝的基本治法.
基于粒子滤波研究了间歇过程的状态估计问题。根据间歇过程双维动态特性，针对关键参数在线检测精度低、离线分析时滞大等问题，分别建立一种双维状态转移模型和时滞测量模型，并利用贝叶斯方法及前/后向平滑，提出一种含时滞测量值下的双维状态估计算法。该算法通过融合先前批次和时滞测量值的信息提高估计精度，并且克服了离线采样周期和时滞时间不确定的问题。在数字仿真和啤酒发酵过程中的仿真应用验证了该算法的有效性。