蜱传性牛无形体检测方法的建立及应用

来源 :西北农林科技大学 | 被引量 : 0次 | 上传用户:mlove251
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
牛无形体病(Bovine anaplasmosis)又叫牛边虫病,是一种立克次氏体目、埃利希体科、无形体属的牛无形体(Anaplasma bovis,A.bovis)侵染所导致的在全球范围内广泛分布的致死性的疾病。其病原体主要寄生在红细胞与单核细胞内。该病每年的易感期分布在4-10月,其中在7-10月份的发病率到达顶峰。该种疾病暴发的严重程度主要与其传播媒介-蜱虫的活跃度相关,但是其它的一些吸血昆虫如:牛虻、蚊子、苍蝇等的叮咬以及污染的打针、去角、阉割设备的不规范使用也会导致这种疾病的传播。该病的终末宿主主要有羊、牛、鹿、象鼩等反刍动物。近年来,随着科技与经济水平的巨大进步,虽然现在全国各地乃至全球的养殖场都呈现一种有序的、先进的、环保的养殖环境,但是一些贫穷的地区与国家仍然存在很多不规范的散养模式。再加上由温室效应与全球气温升高导致的蜱虫活动与病原体的活跃度增强导致的虫媒性传染病的感染率上升,使得动物的健康受到很大的威胁同时也造成了人们与国家的一些不必要的经济损失。然而,其在陕西省的流行与治疗方面还没有文献报道,我们对陕西省牛无形体的流行情况、分布以及疫情动态也不了解。本实验在2017年4月至2019年11月间,于陕西省西安市、安康市、宝鸡市和宝鸡市的16个位点采集了1004只蜱虫样本与331份血液样本。然后进行牛无形体的鉴定。首先通过扩增细胞色素C氧化酶亚基I(COI)基因鉴定蜱虫的种类以确定样本的多样性;然后通过扩增16S rRNA(rrs)筛选出牛无形体阳性的样本;最后根据热休克蛋白基因(groEL)基因设计的引物测定样本的基因序列建立系统发生树了解其种类及与已知序列的亲缘关系。从西安市、安康市、汉中市与宝鸡市采集到的1004蜱虫样本中检测到了55份牛无形体的阳性样本,其中西安市的检测到的阳性序列有4种、安康市检测到34种、汉中市检测到3种、宝鸡市检测到14种。本试验以groEL作为研究的切入点对陕西省的部分地区的蜱虫与血液样本中的牛无形体的分子流行病学的调查研究,了解当地该种疾病的流行情况,从而可以为牛羊养殖户对该病的预防与药物的治疗提供理论依据,并进一步为该种疾病在陕西省的流行病学调查提供可靠的理论依据与参考案例。
其他文献
植被净初级生产力(Net Primary Production,NPP)是陆地生态系统碳通量的重要组成部分,也是植物自身生理特性和外界环境共同作用的结果。研究其时空变化特征和气候驱动因子,可为应对全球性气候和环境变化提供科学依据。本研究基于黄土高原2000-2015年气象栅格数据、MOD17A3 NPP数据、土地利用数据、省级区划数据,采用线性回归分析了气象要素时空变化特征;借助分段线性回归和变异
奶牛乳房炎是一种由于乳腺组织损伤感染而导致的奶牛所产牛奶品质下降、产量降低的疾病。各地区养殖场的病原菌由于气候、饲养管理情况以及奶牛自身因素等的影响表现出较大的差异。目前临床上对乳房炎的治疗仍存在未明确主要病原菌的情况下滥用抗生素的情况,造成了极大程度的药物残留以及病原菌的耐药性增高。本研究采集了陕西地区的3个奶牛养殖场的126份奶牛乳房炎乳样,分离鉴定乳样中的主要病原菌并对高检出的蜡样芽孢杆菌、
目前,无线传感器网络(Wireless Sensor Networks,WSNs)广泛应用于军事反恐、环境监测、精细农业、医疗健康、智能家居和工业生产控制领域。在WSNs中使用不同类型的节点进行监测时,会形成异构无线传感器网络(Heterogeneous Wireless Sensor Networks,HWSNs)。在HWSNs中,覆盖空洞是一个关键基础性问题,传感器节点被飞行器随机抛洒于指定区
图像降噪是图像处理中的一项基础技术,同时它也是图像处理中一项热门研究。图像处理在医学图像中应用广泛,医学图像是医生判断病灶、诊断病情的依据和辅助工具,所以研究如何更好去除医学图像噪声具有重要的现实意义。在分析和研究现有图像降噪方法基础上,发现已有方法仍然存在一些不足,诸如,降噪后出现纹理模糊、对多种噪声情况研究较少、缺乏对真实图像应用等问题。论文主要研究用神经网络如何对图像进行降噪,主要内容有神经
共享单车因其便捷和环保等优点,作为城市公共交通的辅助手段,近年来备受青睐。然而,在实际使用中,共享单车极易出现资源分配不平衡的现象,即在一些区域“供不应求”的同时,其他区域则又可能“供大于求”。因此,探讨共享单车的资源分配问题,对于降低运营成本,提高用户满意度具有重要意义。本文针对现有研究,缺乏对共享单车系统复杂时空关系挖掘的问题,探索研究基于时空聚类的单车停放站点划分方法及其单车需求预测模型。(
基于大量的电子病历数据,智慧医疗使用现代计算机技术手段结合现有医疗数据辅助医生进行诊疗。本文通过深度学习方法结合电子病历数据构建深度学习模型,从而帮助医生对患者完成疾病诊断以及后续的药品推荐,进而提高医生的治疗效率。主要完成了以下工作:(1)构建了1D-DLSTM疾病诊断模型。首先,通过结合ICD-10构建了医学领域的专业词库,并使用Jieba分词法联合医学词库对病历进行分词。其次,利用Skipg
糖尿病性视网膜病变是导致成人视力障碍的主要原因,及早发现并治疗对于降低患者的致盲风险至关重要。基于深度卷积神经网络(CNN)的方法可以有效地通过对患者视网膜眼底图像进行分类,实现病变的分类检测。此类方法通常需要一个大型的已标注数据集来支持模型训练,但在实际应用中,高质量、大规模的标注数据集获取往往面临诸多挑战。同时,深层CNN模型,不仅训练耗时,而且容易导致过拟合等问题。因此,探索一种基于CNN且
无线传感器网络(Wireless Sensor Networks,WSNs)作为智能科技领域研究开发的基础设施,因其具有感知性能强和运算处理快速等特点而被广泛应用于众多领域。随着网络应用环境的不断变化,传感器节点的种类变得多样化,节点性能得到高质量的提升。人工智能时代的到来,涌现了大量的智能产品,无线传感器网络作为基础构件,被广泛应用于物联网智慧城市、智能家居、自然灾害监测预报预警、智能医疗与健康
图像去模糊技术不仅是计算机视觉范畴内的研究热点之一,也是最基本且具有研究意义的课题。手持设备和被拍摄物体之间的相对运动会使图像产生模糊效应,而将复杂的模糊图像通过算法模型复原出清晰的图像是图像去模糊的主要目标。由于模糊核的生成不满足唯一性,因此图像盲去模糊即是一种不适定性问题,也是一种病态问题。随着深度学习技术在图像处理领域的不断应用,图像去模糊技术在评价指标、视觉效果上均有所提升。深度神经网络通
准确判断农作物病害是监控农作物长势长情的重要的环节,计算机视觉图像技术和深度学习技术的发展,为精准农业提供了技术条件,为农业发展智能化提供了可能性。本文以番茄图像病害分类为切入点,采用一系列的图像处理技术优化图像数据集,在此基础上提出两种神经网络算法完成番茄叶片图像的病害分类和病害程度分类研究。本文的主要内容包括:(1)对数据进行预处理。本文的实验数据来源于Plantvillage工程提供的番茄图